2018年十大科技趋势与其对IT和执行的影响

发布时间:2019.01.03来源:Gartner浏览量:98次标签:数据治理

消失中的企业数据中心(Disappearing Enterprise Data Centers)


目前在中国,大型企业自建并管理数据中心仍是主流模式,但Gartner看到以欧美为主的国外市场,领先的企业更加倾向于整合与缩减自有数据中心,转而使用外包数据中心资源。这种变化主要驱动于“公有云”的使用,越来越多的应用迁移到公有云上。另外,使用外包数据中心可有效节约IT总体成本,而数据中心的建设运维往往与业务的主营业务关系并不大。


“云优先”战略(Cloud-First Strategy)


“云优先”指的并非是应用全都迁移到“云”,而是如何使用“公有云”的最大化业务价值。“云优先战略”的核心,是从业务价值的角度出发,把有限的IT资源放到创造价值最大的领域,而把同质化的非核心能力进行外包,即不仅要关注系统的重要性,还需要基于该企业应用的核心能力,而决定使用传统IT、私有云还是公有云。中国企业目前较为关注私有云建设,对公有云相对较保守,在这方面需要尽早规划。企业对公有云不应看做新技术,而更应该看做一种新的能力。


“容器”和“无服务器”服务部署(Containers and Serverless Function)


越来越多的企业尝试着“容器化”,因为“容器”能够大大降低交付的延迟、提高交付效率。另一个趋势是使用公有云提供的“无服务器”服务。在构建支持数字化转型的应用中,可以大大减少开发代码的工作量,在保证交付质量的前提下,进一步提高交付效率。


业务驱动的IT(Business-Driven IT)


Gartner研究显示,超过29%的IT支出来自业务单元,而非传统IT。该数字在未来几年内仍将增加。因此,如何匹配业务、让业务认可IT的价值,是未来IT需要提升能力的方向。IT不能仅以技术为中心,而需要转型成业务驱动的IT,以支持业务的数字化转型。


数据中心即服务(Data Center as a Service)


从全球布局来讲,未来数据中心不再是一个物理的地点,而将是承载多种交付能力的服务集合——需要做到风险可控、成本优化、创新引领、合规匹配、快速迭代、并具备全球交付的能力。企业应考虑的是如何使用最好、最优的方法,让客户体验达到价值最大化。但目前来看,许多企业规划技术设施时仍将大部分应用放在传统的数据中心中。


API经济(APIs—Integration Economy)


通过集成各个应用、将各个渠道和应用相匹配以及监控,API经济能够有效支持数据化转型。企业应从需求的角度出发,以“由外及内(outside-in)”的方式,考虑API的设计和落地。同时,企业也应考虑API经济带来的数据安全问题,确保在核心应用更弹性、更平台化的同时,渠道畅通且安全合规。


物联网与边缘计算(IoT and Edge Computing)


Gartner定义的物联网平台分为终端层、平台层、企业层。终端层主要为物联网的节点、设备、通路,提供数据压缩和数据加密服务。平台层包括数据分析、策略及由上到下的数据打通。企业层则是分析数据在企业应用中的集成与使用。这三层相辅相成。而目前来讲,物联网在企业落地方面仍然存在挑战,主要是由于网络标准化尚未统一,应用场景、接口的复杂性,以及整个生态系统尚未建立。


过度规划的容量(Stranded Capacity)


在部分大型企业中,在传统的数据中心及“云”上均存在容量浪费的问题。Gartner数据显示,传统的数据中心中,28%的服务器空置,40%的机架未填满,平均服务器CPU使用率仅达32%。同时,45%的企业机构在转移到“云”时,只是平台迁移而缺乏必要优化,导致在前18个月会产生55%的系统冗余和70%的过度花费。为避免容量的浪费及过度分配,企业机构须采取一些相应手段,如使用合适的容量、控制资源分配、选择计价模型及开源工具,来有效节约经济成本。


企业声誉与数字化体验(Reputation and Digital Experience)


数字化转型中,为用户提供无延迟、可靠的数字化体验至关重要,这也会影响到企业的声誉。例如,物联网技术中物与物的连接较慢,导致整个业务运行效率降低,从而因为延时导致用户体验不佳、用户满意度降低,对企业声誉造成损害。目前,企业应着重考虑用户使用移动设备的体验,为用户提供高质量服务。


扩展基础设施能力(Extended Infrastructure Management)


企业须结合大数据、数据挖掘的技术,扩展基础设施能力,提升端到端的应用体验。而物联网、API经济的技术兴起,也要求企业对相关人员做出优化和调整,使得他们具备相应能力满足新的业务需求,尤其是跨技术平台的综合规划能力、协助业务的顶层设计能力、对业务影响的分析能力等。


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 免费试用
相关文章推荐
  • 数据治理:收集表单数据的最佳实践

    数据治理:收集表单数据的最佳实践

    什么是数据治理以及它与您的组织有什么关系?……查看详情

    发布时间:2019.03.26来源:亿信华辰浏览量:87次

  • 数据治理如何解决数据多、杂、乱、差问题?

    数据治理如何解决数据多、杂、乱、差问题?

    许多大数据公司在过去一段时间都得到了较好的发展,但由于在数据生产的过程中并未做到足够重视,数据质量与可靠性则很难得到保证,这也是数据治理……查看详情

    发布时间:2022.02.21来源:小亿浏览量:308次

  • 深圳运用大数据治理城市经验被点赞

    深圳运用大数据治理城市经验被点赞

    央视《新闻联播》报道了深圳运用大数据提升城市治理现代化水平方面的新探索。报道指出,随着“数字政府”建设的不断推进,深圳的政务创新也渐入佳……查看详情

    发布时间:2018.09.25来源:深视新闻浏览量:113次

  • 98%的企业备战数据治理,尚未入局的你还在等什么

    98%的企业备战数据治理,尚未入局的你还在等什么

    UBM近日发布了一份2018企业数据治理白皮书。白皮书中分析了数据治理的现状:虽然越来越多的企业(尤其是业务部门及IT部门)逐渐开始关注……查看详情

    发布时间:2019.05.30来源:亿信华辰浏览量:125次

  • 应用程序组合管理:优化您的投资组合

    应用程序组合管理:优化您的投资组合

    过程的第四个也是最后一个阶段是优化您的投资组合,在这里您必须开始检查其他应用程序和项目之间的依赖关系。您还必须在每个应用程序中添加成本和……查看详情

    发布时间:2019.02.19来源:亿信华辰浏览量:127次

  • 数据治理没有权威定义

    数据治理没有权威定义

    数据治理没有权威定义,但在实践中,它要么是管理数据资产以确保可信度和责任的首要过程,要么是所述流程的最高级别,即制定决策和制定策略的流程……查看详情

    发布时间:2018.12.04来源:Daniel Howard,Philip Howard浏览量:112次

  • 数据治理运营:团队

    数据治理运营:团队

    这是关于数据治理运作的两部分系列的第二部分。“数据治理可操作性:差距”系列的第一部分讨论了需求是如何产生的,数据……查看详情

    发布时间:2018.12.27来源:亿信华辰浏览量:120次

  • 企业实现一个数据治理的项目需要注意什么?

    企业实现一个数据治理的项目需要注意什么?

    数据治理是长期、复杂的工程,每个数据治理的领域都可作为一个独立方向进行研究,目前总结的数据治理领域包括但不限于以下内容:数据标准、数据模……查看详情

    发布时间:2020.03.26来源:知乎浏览量:107次

  • 以数据中台为切入点,场景/应用驱动源头数据治理

    以数据中台为切入点,场景/应用驱动源头数据治理

    数据中台通常是应用驱动构建,所处理的数据是业务关心和使用的数据。在数据中台开发与运营服务的过程中,面临很多源头数据的问题,比如不同系统的……查看详情

    发布时间:2020.04.01来源:知乎浏览量:131次

  • 企业数据治理中的应对

    企业数据治理中的应对

    首先,数据治理的核心认识是,数据治理是一个持续并且长久的一个过程,不同的产品可以解决比如采集、传输等数据治理层面上的不同问题,但并不存在……查看详情

    发布时间:2019.11.01来源:知乎浏览量:132次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议