-
-
野蛮女汉子 初学数据Lv2
发表于2018-6-27 09:32
楼主
Gartner的年度预测表明，数据分析在IT计划和不断扩大的业务范围内有着不同的重要性，而对于 CIO、CDO来说，应该使用下文中的这些战略规划来完善他们自己的计划。
面临数字商业未来的企业，在数据分析创造商业价值方面，拥有几乎无限的可能。
向数字化业务转型需要 CIO、CDO 拥有新的视角，与往常不同的是，他们需要将数据视为任何决策的原材料。
数据不仅可以来自企业内外，它还可以存在于任何地方：休眠状态、运动状态、本地化和云端。而大数据会在高容量、高丰富度和高速信息这三个维度上继续快速增长。
为了能够利用这些机会，数据分析必须被公司的管理层所重视，让其为整个企业发挥更加积极和动态的作用。
正如 Gartner 最近发布的大量2018年预测研究所证明的那样，数据分析越来越成为大多数行业、业务和IT领域的关键要素。
最重要的是，数据分析是成功的数字业务的关键。
这里收集了超过30个核心的与数据分析相关的战略规划假设和预测，预示着CIO应该接受的几个转变和挑战，并将其纳入他的成功策略的规划中。
以下内容分别从高级分析和数据科学、人工智能、数据分析战略与创新、数据管理和基础设施，这4个方面展开。
一、高级分析和数据科学
分析的力量正在改变组织和行业。
一些主观的决策越来越受数据驱动影响，比如员工招聘或品牌塑造。
而客观的决策，正在使用比以前更复杂的数据和更复杂的分析，像物流计划或客户风险分析。
为了企业能够计划他们的分析策略，这些关键的预测值得关注，而这些都将在未来几年有显着发展：
1.分析与商业智能战略
- 到2021年，75％的预建报告将被取代或增强，通过在“最被需要”的基础上提供智能洞察的方式。
- 到2022年，用户和应用之间的个性化交互都将是自适应的。
- 到2022年，用户互动将受实时位置分析的影响，将从2017年的4％上升到30％的。
- 到2023年，人工智能和深度学习技术将取代传统的机器学习技术，成为数据科学新应用的最常见方法。
- 到2024年，数据科学家的稀缺将不再阻碍企业使用数据科学和机器学习。
2.数据和分析产品提供商需要了解哪些内容
- 到2020年，具有增强数据发现功能的敏捷BI平台将是其他BI平台增长率的两倍。
- 到2022年，来自超大规模云提供商（亚马逊，谷歌和微软）的基于云的机器学习服务，在实现数据科学的平台方面，将到达市场的20％临界点。
- 到2023年，更广泛的用户对位置信息的访问预示着所有数据分析项目中，将会有一半以位置数据作为关键数据源，高于目前的三分之一。
- 到2022年，数据分析云供应商中有60％将仅使用第三方基础架构即服务（IaaS）解决方案，并将停止运行自己的基础架构，从今天30％的比例上升。
二、人工智能
人工智能技术，特别是深度学习，已经拥有通过云服务、API 和物联网迅速扩散的能力。消费者在智能手机和智能家居中使用虚拟助手的趋势，将推动扩散的进程。
CDO 现在应该开始帮助奠定自己公司的 AI 基础。我们对人工智能的2018年预测是以它扩散的方式提出的。
首先，最近人工智能技术的突破，加上 API 和云架构，使更多人工智能的功能和服务可以更广泛地应用。
其次，供应商在智能手机和智能家居虚拟助手中应用 AI 技术和对话界面，创造了用户对这些能力更高的期望。
1.人工智能
- 到2020年，发达国家20％的公民将使用 AI 助手来帮助他们完成一系列日常运营任务。
- 到2020年，85％的 CIO 将通过购买、搭建和外包相结合的方式，试点人工智能项目。
- 到2020年，人工智能驱动创建的“假冒现实”或虚假内容，将超过人工智能检测它的能力，从而引发数字不信任。
- 到2022年，40％的面向客户的员工和政府工作人员，将咨询 AI 获得决策或流程支持。
- 到2022年，具有内置透明度的企业AI项目将有100%的更多可能获得来自CIO的资金。
- 到2022年，处于成熟经济体中的大多数人，比起真实信息，他们将消费更多的虚假信息。
Gartner认为，2018年将标志着人工智能民主化的开始，将扩大其对更广泛的公司和政府的影响。这种期望为 CIO，CDO 提供了尝试AI的新机会，并开始为成功试用和开发AI奠定基础。
人工智能将对我们的工作产生深远的影响：一些工作将会过时，而有一些工作也会被创造出来，并且大部分工作将会发生改变。
IT 领导者必须认真调整企业员工队伍中的变化，来寻求人工智能的商业价值。
2.人工智能和工作的未来
到2020年，人工智能成为积极的工作激励因素，在消除180万个就业机会的同时，会创造230万个就业机会。
- 2021年，人工智能增强将创造2.9万亿美元的商业价值，并解放62亿小时的工人生产力。
- 到2022年，五分之一的从事非常规任务的工人将依靠人工智能来完成他们的工作。
- 到2022年，尽管出纳和业务工作将被打乱，多渠道零售商通过人工智能取代销售人员的努力，仍将被证明是失败的。
三、数据分析战略与创新
如今，数据分析项目拥抱多元化，将信息转化为一项资产，以信任扩展适应性治理，消除数据所处位置的约束，并通过 AI 重新实现服务交付。这些巨大的变化将有助于 CIO 在数字社会中茁壮成长。
随着企业领导人推动企业成为“数据驱动型”企业，并意识到这些计划在数字化转型中发挥的关键作用，数据分析计划正在迅速发展。
数据驱动型的战略，使得人类的能力增强、以及前所未有的洞察力等方面都拥有了潜力。有了这些发展，我们有责任改变那些抑制 AI 潜力的旧观念。
以下包括改变组织应该如何处理数据分析计划各个方面的预测：领导力，治理和管理，实践以及战略和创新。
数据和分析程序的变化
- 到2021年，CDO 将成为所有与技术相关的C级别职位中最多的职位，并且女性的比例会从今天的18％上升为33％。
- 到2022年，30％的领先组织将正式采用信息系统实践，并重视其信息资产，为内部目的维护资产负债表。
- 到2022年，只有20％投资于信息治理的组织，将在扩大对数字业务的治理方面取得成功。
- 到2021年，用于数据管理和集成的分布式语义处理将与数据有相等的地位，作为信息策略的主要规划约束。
- 到2022年，超过一半的数据分析服务将由机器而不是人类来执行。
四、数据管理和基础设施
数据管理体系的结构和技术，正在迅速转向更高度分布。CIO 可以通过实施治理，提高分享能力和通过元数据获取业务价值来利用这一趋势。
随着数据分析如今被认为是现代数字商务平台的关键能力，所有行业的组织都在评估其成熟度、愿景和当前投资状况。CIO 必须不断实现数据管理战略的现代化，以应对日益复杂的业务需求的压力。
2018年数据管理策略的预测中，有几个新方法和投资变化的领域需要重视。
1.数据管理战略继续向分布式转变
- 到2020年，大多数数据分析事件的使用，需要连接到分布式数据源，主要企业将元数据管理的投资加倍。
- 到2021年，基于新技术和实践，利用位置不可知的数据语义，将使数据管理和集成成本降低35％。
- 到2020年，采用数据中心策略的组织将取决于共享和受管理数据的成果，而成本至少降低60％。
- 到2020年，30％的数据湖泊将建立在标准的关系数据库管理系统技术基础上，其成本等于或低于Apache Hadoop。
2.随着采用量的增长，内存计算技术将持续普及
企业数字化对性能更快，可扩展性更强，实时洞察更深产生了无尽需求。这促进了采用内存计算（IMC）的技术，并推动了市场的整合。
- 到2021年，至少25％的大型和全球性组织将采用结合多种内存技术的平台来减少 IMC 基础设施的复杂性。
- 到2019年，75％的云本地应用程序开发将利用 IMC 或使用 IMC 的服务，从而使主流开发人员能够实施高规模/高性能应用程序。
- 到2022年，40％的大型和全球企业将使用 IMDBMS 来减少数据发布中物理数据存储的扩散。
- 到2022年，90％的 DBMS 和数据网格软件将支持或依赖非易失性 RAM（NVRAM）。
