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:76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。
-
快速构建集团数据中心!亿利集团这样打通分子公司数据
亿利集团利用亿信华辰的数据采集平台i@Report+数据分析展现平台亿信BI(原BI@Report),搭建一站式数据应用平台,平台集数据……查看详情发布时间:2019.05.14来源:亿信华辰浏览量:91次
-
数据治理在有效合规计划中的作用
有效的合规计划由许多活动部分组成。关键数据来自运行操作所需的各种工具,文档,系统和技术。因此,企业在试图获得任何特定时间的风险状况的完整……查看详情发布时间:2018.12.20来源:亿信华辰浏览量:101次
-
金融服务数据治理:帮助价值'新货币'
对于在金融服务领域运营的组织,数据治理变得越来越重要。当金融服务行业董事会成员和高管在2018年初聚集在安永的金融服务领导峰会时,数据是……查看详情发布时间:2018.12.03来源:Michael Pastore浏览量:95次
-
普及元数据和主数据的联系与定义
在数据治理中,我们总是会听到元数据和主数据,我们今天就可以来说说什么是元数据,什么是主数据。1、元数据(metadata)描述数据的数据……查看详情发布时间:2020.08.31来源:CSDN浏览量:131次
-
颠覆性变革即将到来,金融行业大数据治理该怎么做?
说到大数据应用所带来的颠覆性变革,没有一个行业比金融行业更加明显。从客户画像到精准营销,从风险管控到运营优化,几乎所有的业务环节都与大数……查看详情发布时间:2018.10.10来源:it168浏览量:85次
-
数据治理模型 - 组织数据质量管理的责任
企业需要数据质量管理(DQM),它结合了业务驱动和技术观点,以应对需要高质量企业数据的战略和运营挑战。迄今为止,公司已将DQM的责任主要……查看详情发布时间:2018.12.21来源:数据治理浏览量:130次
-
基于大数据的质量管理系统怎么选?
对于一个制造企业来说,生产是企业最大的动力,而生产质量也需要进行优化管理,一个好的质量管理会带给企业巨大的发展空间和利润价值。正因如此,……查看详情发布时间:2019.11.07来源:知乎浏览量:89次
-
简述标准的数据治理流程及实施细则
在企业业务高速发展的过程中,数据的规范性与质量受到的重视度并不高。随着大数据时代的到来,由于公司战略政策和业务日益变大的数据需求和要求,……查看详情发布时间:2022.03.09来源:小亿浏览量:1047次
-
快速理解数据仓库、数据湖、数据工厂、数据中台
数据生产的整个链条中,对于如何筑湖、如何选址建厂、按什么工序加工、以及如何配送,这是技术部门的事情,而“数据半成品”的沉淀和积累,却不是……查看详情发布时间:2021.04.13来源:亿信数据治理知识库浏览量:143次