根據(jù)IDC最新報告，數(shù)字轉(zhuǎn)型支出預(yù)計將在未來4年內(nèi)超過6萬億美元，據(jù)悉2019年，全球企業(yè)將在數(shù)字轉(zhuǎn)型支出上超過1萬億美元。

該報告還指出，過程制造和運輸?shù)刃袠I(yè)將是最大的消費群體。這些投資推動了機器學(xué)習(xí)（ML）和物聯(lián)網(wǎng)（IoT）的發(fā)展，以提高客戶使用的效率和準確性。隨著企業(yè)開始數(shù)字化轉(zhuǎn)型，我期待在2020年將步入物聯(lián)網(wǎng)年。

1. 大數(shù)據(jù)發(fā)展為海量數(shù)據(jù)

《網(wǎng)絡(luò)世界》中一篇文章寫道：“IDC預(yù)測，全球數(shù)據(jù)的總和將從2018年的33兆字節(jié)增加到2025年的175兆字節(jié)，復(fù)合年增長率將達到61%?！边@意味著我們不僅會看到物聯(lián)網(wǎng)實時數(shù)據(jù)量的大幅增加，而且企業(yè)還會創(chuàng)建和管理大量的新數(shù)據(jù)。

到2025年，175兆字節(jié)的數(shù)據(jù)中有近60%將由企業(yè)而非消費者來創(chuàng)建和管理。推動這一增長的主要因素是與云交互信息的物聯(lián)網(wǎng)邊緣設(shè)備數(shù)量的增加。

2. 物聯(lián)網(wǎng)和ML不再是未來的技術(shù)

人工勞動力不具備分析如此大量數(shù)據(jù)的能力，因此企業(yè)將尋找ML和AI等新方法。物聯(lián)網(wǎng)所產(chǎn)生的海量數(shù)據(jù)成為當今數(shù)據(jù)型經(jīng)濟的支柱力量。為了更好地利用這些數(shù)據(jù)，物聯(lián)網(wǎng)產(chǎn)品和服務(wù)的發(fā)展將減少對核心技術(shù)的關(guān)注，而是更多地關(guān)注那些能更好地運用數(shù)據(jù)的技術(shù)。

3. 數(shù)據(jù)即服務(wù)

隨著每天數(shù)據(jù)增長——到2020年，每個人每秒將創(chuàng)建1.7MB的數(shù)據(jù)——如何通過這些數(shù)據(jù)來做出更明智的業(yè)務(wù)決策是非常有意義的。

例如，KAR Global已經(jīng)發(fā)布了一個為汽車經(jīng)銷商提供當前需求車型的平臺。除了庫存細分分析和再營銷建議外，該平臺還展示了最好的銷售區(qū)域，以及經(jīng)銷商如何投放不太理想的車輛。所有這些都使用KAR及其客戶提供的數(shù)據(jù)，以一種專有的方式使整個汽車銷售行業(yè)受益。我們應(yīng)該期望其他行業(yè)開始以同樣的方式使用數(shù)據(jù)服務(wù)模型進行決策。

4. 下載應(yīng)用程序的衰落

與下載應(yīng)用程序不同，增強型網(wǎng)頁應(yīng)用程序（PWAs）很快將變得非常普遍。訪問PWAs的方式與從應(yīng)用程序商店下載的方式相同，但是加載速度更快，更安全，而且體積更小。Lumavate等公司幫助賽車、醫(yī)療制造、建筑和金融服務(wù)等行業(yè)的開發(fā)人員從原生應(yīng)用程序轉(zhuǎn)向具有成本效益的PWAs，從而有效釋放設(shè)備上的空間，并提供更好的用戶體驗。

5. 預(yù)測分析

預(yù)測分析不僅僅是預(yù)測可能的情況，而是分析一系列的行動和這些行動的潛在結(jié)果。隨著越來越多的工具可用，這種類型的數(shù)據(jù)分析正在成為必殺技。

自動駕駛汽車就是很好的例子。自動駕駛汽車必須進行數(shù)百萬次的計算分析數(shù)據(jù)，以決定何時轉(zhuǎn)彎、換車道等等。

石油和天然氣行業(yè)也在使用預(yù)測分析來評估供應(yīng)、需求、定價以及它們的變化對行業(yè)的影響。預(yù)測性分析作為商業(yè)智能的重要組成部分，為公司高管提供有洞察力和有遠見的決策。

6. 更多的工作崗位將由人工智能創(chuàng)造，而不是流失

人工智能預(yù)計將在2020年減少180萬個工作崗位，但也會創(chuàng)造230萬個工作崗位。醫(yī)療、教育和公共部門等行業(yè)的就業(yè)需求將日益增長。雖然中低層次的工作崗位將受到最大的沖擊，但是在太陽能等行業(yè)將出現(xiàn)新崗位。太陽能是目前就業(yè)增長最快的行業(yè)。工業(yè)制造業(yè)也是一個試圖重新配置勞動力的行業(yè)，將其員工的技術(shù)結(jié)合起來進行數(shù)字化轉(zhuǎn)型。

7. 通過機器學(xué)習(xí)增強工作能力

ML曾經(jīng)意味著自動化任務(wù)和取代人工工作。現(xiàn)在的重點是ML增強人工工作的能力，使我們更有生產(chǎn)力和效率。在2020年，我們將看到ML模型被設(shè)計用于物流、零售和機器人等領(lǐng)域。像推薦引擎、欺詐檢測和機器人過程自動化等產(chǎn)品和服務(wù)將會普遍化，行業(yè)競爭日趨激烈。

8. 機器人流程自動化（RPA）

今年，德勤（Deloitte）發(fā)現(xiàn)，用于庫存管理等日常業(yè)務(wù)的智能自動化工具（例如機器人流程自動化）的數(shù)量增加了一倍。特別是制造業(yè)，已經(jīng)關(guān)注RPA好幾年了，并將在2020年增加RPA的使用。在制造業(yè)，成功的RPA解決方案包括訂單采購、訂單處理、庫存報告和運輸管理。已經(jīng)實施了RPA的高管們注意到，員工們解放了雙手和大腦，具有戰(zhàn)略性和創(chuàng)造性思維的能力，因而工作變得更加投入。

無論在哪個行業(yè)，物聯(lián)網(wǎng)、ML和數(shù)據(jù)分析領(lǐng)域的投資都將越來越具有競爭力。明年以及未來，我們將在技術(shù)領(lǐng)域看到的主要是物聯(lián)網(wǎng)產(chǎn)品和服務(wù)，這些產(chǎn)品和服務(wù)將使我們進一步理解并挖掘數(shù)據(jù)的價值?，F(xiàn)在，構(gòu)建和分析數(shù)據(jù)為企業(yè)提供了比以往更多的信息。到2020年，他們將繼續(xù)利用這些數(shù)據(jù)提升客戶、員工和利益相關(guān)者的各種體驗。

責(zé)任編輯：ct