人工智能和机器学习将在今年的CIO议程中占主导地位

现在注册

我们正在经历数据革命。数据已成为全球经济的引擎,并且以前所未有的速度增长。我们的关系,我们的工作,我们的健康以及我们的安全都取决于此。

一些行业专家说 仅过去两年就产生了全球90%的数据。根据IDC的数据,到2023年,企业,机器,工业,消费者,科学等每年将产生103 ZB。

现在,组织比以往任何时候都更加认识到,要管理这种空前的数据增长,可靠的数据策略必须成为企业生存和发展的重中之重。这包括考虑公司数据应驻留在何处,以及如何结合最新的创新来利用该数据并将其转化为有价值的见解。

随着行业朝着新创新,考虑新架构并努力在开放标准上共同努力的方向发展,以下是2020年需要牢记的一些主要趋势:

2020年,我们将在AI / ML生态系统中看到更多标准化,这将使在边缘集成和部署解决方案变得更加容易。

分析是竞争优势–到2020年没有在分析上进行投资的公司很可能在2021年不再营业。有太多的公司数据可以收集,处理然后转化为见解。那些在这个领域没有充分利用现代分析工具的人将会遭受苦难。

这样,新的互联世界将有越来越多的工作负载移至边缘,从而增加了确保这些非常小的边缘设备具有运行和分析大量数据的能力的需求。由于占地面积小且需要快速部署,因此我们需要实现更多的标准化和互操作性。这将采取更加开放的架构,开放的标准,开放的消息传递等形式。

在2020年及以后,公司将开始自动执行ML的数据科学家角色。

全世界根本没有足够的数据科学家来支持ML工作负载的增长。公司现在正在开发将ML的功能交付给软件工程师和/或业务主题专家的方法。

新的现成工具将能够履行数据科学家的基本职责,而真正的数据科学家的角色将转移到更高级别的附加值,例如针对特殊用例工作对ML进行微调。在3-5年内,机器学习自动化将成为常态,公司将拥有更多可用的工具来使数据科学家人员更加高效和敏捷。

2020年,AI / ML将帮助推动“自动”一切的采用。

在IT中,对更高效率的追求永无止境,而自动化对于成功至关重要。从数据库任务到制造到汽车,再到客户体验和自助业务功能,几乎所有可以自动化的东西都将成为现实。

利用多种数据类型的融合,新的AI / ML模型和见解将成为自动化的关键推动力。在2020年,组织将继续实施AI / ML,以释放自动化的力量,以提高效率并提高生产率。结果?降低整个价值链的成本。

到2020年,全球本地和区域数据中心的数量将增加。

云的采用并没有放缓。但是,有两个因素正在推动本地化数据中心的增长。首先是数据合规性。随着多个国家寻求已经或已经通过数据本地化法律,组织将需要保持其数据更紧密以了解和减轻与数据合规性相关的潜在安全性和隐私风险。

第二是云遣返。本质上,大型企业希望拥有自己的数据并租用云,以获取更好的成本和控制力,包括安全性,延迟和数据访问。这些较大的企业将针对特定的突发应用,用例和项目更选择性地使用云。

计划全面的数据战略和具有前瞻性的基础架构的组织将很容易经受时间的考验。那些将数据视为战略资产的人将在当今和未来的市场中拥有经济和竞争优势。

对于本文的转载和许可请求, 点击这里.