2018年1月22日消息：近几年，CIO的工作一直聚焦在管理大数据的3V特征（Volume, Velocity, Vareity）。而现今组织面临着更加复杂的生态系统和商业环境，CIO需要采用新方法来应对复杂的商业智能，需要与首席分析官以及业务部门一起合作，把注意力转向3A——Awareness（认知），Augmentation（增强），Automation（自动化）。IDC中国于2018年1月发布《IDC FutureScape：全球数据管理及分析市场2018年预测——中国启示》，从数据整合、数据增强智能、完全实现自动化等多个角度提出2018年十大关键趋势预测，包括该预测成为主流趋势所需的时间，可能对组织带来的影响以及组织需要做好的准备等。
预测1：基于机器学习实现自动化
到2020年，10%的企业应用支出将是面向特定任务的应用——直接集成软件、数据以及算法。
企业级软件正在向自动化趋势快速演进。虽然实现企业流程端到端的智能自动化仍需要时间，但面向特定任务的自动化以及面向某个业务子流程的自动化趋势正在突显。新型应用程序结合软件、算法和数据，能够对新输入的数据自适应自更新，自动完成人机交互以及软件之间的交互。企业IT部门需要重新思考其针对更小单元的软件应用程序的部署和集成的方法，可以优先考虑需要大量重复性人力工作的领域开始实施。
预测2：计算架构以决策为中心
到2021年，80%的智能系统将采用以决策为中心的计算架构，它将能够自动检测、评估当前的形势，并做出相应决策。
传统的商业智能和分析解决方案主要侧重于向人们传递信息，无法提供真正的决策支持。前瞻的企业已经开始考虑以决策为中心的计算架构。在这种架构中，数据流以及数据处理的每一步都是从技术和业务决策的角度考虑，每个子流程都要利用集成式学习使系统的自适应能力更强。软件需要具备能够发送、接收和处理海量数据的能力。这一趋势可能还要求IT部门采用边缘分析之类的基础架构，以实现物联网端的最低决策延迟。企业可以考虑选择决策风险低、可重复性高、所需数据集小的领域开始实施。
预测3：决策过程透明化
到2019年，18%的基于机器学习实现自动化的企业将能够建立决策过程的透明化机制，企业内部将有合规审计人员对机器基于数据决策的过程进行审核和治理。
预测4：数据科学家与人文社科等领域专家的协作
到2021年，18%的大型企业将具备充足的内外部数据科学家以及人类学家、社科学家等，共同使用定量的方法来研究人的情感、描述发生的事实、以及人类对世界的感知。
预测5：区块链走向市场
到2021年，18%的公开网络的数据将在区块链上登记注册。数据的使用方可以通过API追踪数据改写的记录，数据买卖双方通过区块链也能因此增加互信。
预测6：”数据即服务”被广泛接受
到2018年，35%的大型企业将可以通过销售原始数据产品或者提供基于数据的洞察和决策服务中获得收入。
越来越多的企业开始将数据作为一种资产，开始投资能够让数据变成洞察的技术，并且积极评估内部数据与第二、三方数据结合能产生的价值。在可预见的未来，将有大量的私有企业和公共部门对外提供商业化数据服务或者数据即服务相关的产品，这些产品将与传统的产品一起被打包销售。企业IT部门应该与负责将DaaS推向市场的业务部门之间进行更密切的协作，共同制定能够将DaaS以各种形式打包、定价和推广的措施，还需要考虑与现有的专业的DaaS提供商建立合作伙伴关系。
预测7：欧盟数据保护规定开始生效
到2018年5月，参与欧盟市场运作的企业中将有40%无法达到欧盟通用数据保护规定GDPR（General Data Protection Regulation）要求的标准，这些不能满足合规要求的组织将面临高达全球收入4%的罚款。
预测8：内容自动生成
到2021年，15%的大型企业将使用基于深度学习的软件去创建新的资料，包括报告、会议总结、活动安排以及PPT等。
预测9：企业员工智能助理
到2021年，采用智能自动化以及定制化数字助理的公司能够为知识工作型员工带来4倍的效率提升。
IDC企业数字化转型有关信息转型的研究中，调研了2000名知识型工作者，研究发现雇佣1000名知识型员工的组织，每年在知识的查询、搜索方面将浪费570万美元。一些技术供应商已经开始将智能的数字助理嵌入到生产力软件、企业级应用软件以及部分硬件中。能够支持提问的形式并且可以根据上下文语境进行深度问答的能力将成为企业应用程序的首选界面。企业需要重视内容生命周期管理以及chatbot管理的解决方案以及功能性组件，以更好的管理并充分应用新增的内容。
预测10：异构计算匹配相应工作负载
到2021年，30%的内容管理及分析系统将部署在采用异构计算的基础架构上，即面向不同工作负载采用不同的异构服务器来替代通用型服务器。
计算平台（数据中心、云计算等）呈现出明显的异构趋势——IDC统称为异构计算。这种异构包括基于x86和Non-x86的架构，如ARM和OpenPower (来自于英特尔、AMD、高通、Cavium和IBM等供应商)的系统，以及带有GPU/FPGA等加速卡（来自NVIDIA、AMD和英特尔等供应商）的系统。很多计算架构都产生于克服当前计算性能局限的需求，也源于不断增长的认知/AI和数据管理工作负载的需求。企业IT部门处于系统更新换代时期，既要支持目前的工作负载，还要同时实施下一代应用程序，要审视不同供应商的服务器支撑的计算平台是否匹配相应的工作负载，要尝试投资灵活解耦的软硬件系统，以迎接软件定义基础设施的转变。
IDC中国研究经理卢言霞认为：”在未来3年内，中国人工智能市场仍将保持热度，持续发展。在近1到2年内，建议市场参与者重点关注三大趋势——机器学习实现自动化、计算架构将以决策为中心、异构计算匹配相应工作负载。参与全球数据即服务市场的厂商尤其要关注欧盟数据保护规定GDPR即将开始生效。”
