最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
开启左侧

Wikibon 2018预测:数据和云将变革所有企业

[复制链接]
发表于 2017-12-27 12:16:38 | 显示全部楼层 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x

科技领域有个预测很简单:数字化转型仍然是2018年企业的首要战略。但是哪些问题将会塑造未来几年的转型方向?

为了回答这些问题,Wikibon分析师最近举行了年度预测网络研讨会,在公布的24项预测中,我们选择了其中13项,主要分为三类:

  • 数据在企业中扮演的角色将变得更加清晰和强烈
  • 软件和数据进一步混合
  • 云运营模式变得比任何特定云都更加重要

数据在企业中扮演的角色

Wikibon认为,业务和数字业务之间的区别是很简单:数据。数字化业务采用数据作为一种资产,投资到系统中以确保他们的数据可以带来出色的回报。非数字化业务往往会把数据视为一次性的内容。2018年,我们认为将会有越来越多的企业将释放他们的数字自我。为什么?竞争、体验和GDPR,等等一些因素。

其中“竞争”很容易理解。数据是改善客户目标、将产品转换为服务、简化运营的基础。那些很好地实施数据即资产的企业,正在打败那些没有这么做的企业。

但是“GDPR”和“体验”将会促使高管关注重点发生重大变化的这个说法呢?GDPR(通用数据保护条例)将于5月28日全面生效,严格规定了数据治理规则,并且那些未能正确执行这些数据治理规则的企业机构将面临更高的罚款。

尽管这项条例的管辖权限于欧盟,但是有很大一部分B2B客户——特别是那些在注重隐私的客户——告诉我们,他们的企业打算在全球范围内采用GDPR规则。而且,我们还听说GDPR和数据相关的担忧正在促使企业重新思考与数字化转型相关的高管职责:首席数字官正在从战略转向运营的角色,与其他所有C级高管并肩——首席信息官、首席技术官、首席安全官、首席隐私官。

软件和数据进一步混合

数字业务助长了一系列变化,但是Wikibon认为,有三种战略业务能力尤为重要,并且要求深度规划才能确保转型成功。首先,企业必须擅长捕获数据。其次,他们必须能够将捕获的数据和数据流转换为可以用于不同类型工作的数据资产。第三,他们必须知道如何构建能够将这些潜在价值源转变为实际行动、建议和预测,这些在客户、合作伙伴、员工和股东看来都是有价值的。

打造和部署这些新能力的核心,是在边缘的“物联网”、大数据、各种形式的人工智能、新的开发者工具,打造代表品牌的系统。预测突出了几点,其中包括:

  • 边缘计算架构涉及到很多敏感因素,包括网络成本。尽管也有对延迟的担忧,数据治理和知识产权的管理仍然是边缘计算的核心,但网络成本这个问题被突出放大了。到2018年,那些希望在边缘物联网分得更大一杯羹、已经构建了全球广泛网络的云服务提供商,可能会给数据通信市场带来重大的颠覆。
  • 大数据实践和工具正在迅速成熟,这将产生两个直接影响。首先,我们将看到数据科学家队伍更加专业化。其次,我们预计开源大数据工具市场将会出现大量的整合。
  • 人工智能将会对应用开发产生巨大影响,既可以用于应用中,又可以作为改变人工智能实践本身的催化剂。

云运营模式将变得比任何特定云更加重要

云是人类智慧的奇迹,确实如此。然而,就像所有被广泛采用的人类发明一样,云也是为了增加专业化和多样化。Wikibon相信这将带来的影响包括:

  • 客户要求提供他们数据所需的云体验,这包含本地和接近本地的云能力,这也是Wikibon提出新理念“真正的私有云”的基础。我们的模型表明,到2024年,TPC市场规模将超过基础设施即服务市场。
  • 多云正在变成现实,这将会带来三大影响。首先,Kubernetes将成为事实上标准的工作负载管理器。其次,该领域中对采用人工智能的多云管理技术的淘金热正在上演。第三,将功能推向数据的功能性编程将成为解决未来高度分布式业务问题的关键。
  • 系统技术将为重大变革做好准备。即使云运营模式主导IT战略,新的、以数据为中心的技术也将进入系统设计的主流,这将广泛影响可以解决哪些问题技术类型、如何解决、基础设施位于什么位置。这些变化的核心?NVMe-oF(Non-Volatile Memory Express over Fabrics)。
来源:siliconANGLE
楼主热帖
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-3-29 15:48

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表