2019 年, 越来越多的企业将人工智能纳入其数字战略. 最大的收获将是使用云计算人工智能替代人类完成更多的琐碎任务, 并将智能水平应用于基本的业务流程.
随着技术的发展, 云计算技术不断进步, 其目的也在发生变化. 在当前的新常态中, 有五个主要云计算元素, 这对于希望保持竞争力和相关性的组织至关重要: 云原生应用, 部署多云战略, 将移动应用程序纳入云端, 构建可行的数据湖, 以及使用数据的民主化. 这些分析工具对于帮助行业部门成为人工智能驱动型企业至关重要. 人工智能不仅仅是一种技术, 也是一种不可忽视的商业模式转变.
调研机构 Gartner 公司指出, 80% 的内部部署开发软件现在支持云计算或云原生, 不断发展的云计算生态系统使企业能够更快, 更灵活, 更实时地运营, 从而带来竞争压力. 接受云原生和多云方法作为一种新常态, 意味着企业可以避免云计算供应商锁定, 可以提供超过 5 个 9 的响应率(99.999%), 以避免每次停机导致平均数百万美元的损失.
由于 68% 的组织已经制定了数字化转型战略, 或者正在实施数字化转型战略, 绝大多数组织将云计算视为其变革战略的重要组成部分, 因此关于 "数字化转型" 这一术语的争论仍在继续, 因为企业必须做的事情的本质始终存在于云端. 简而言之, 企业需要接受这五个主要云计算元素才能在所有行业的激烈数字领域保持相关性.
此外, 2019 年对企业来说至关重要的三种人工智能技术是: 视觉, 语言和对话. 行业领导者需要在自己的环境中利用这些服务, 将云计算中人工智能引入现有的应用程序, 并使企业能够使用供不应求的数据科学. 因此, 拥有一个可行的数据湖, 并以正确的方式标记和接收数据, 与只是投资于分析服务相比更有效.
多云推动数字化转型
云计算行业论坛 (CIF) 最近的一项研究发现, 组织对多云环境更加开放, 四分之三的组织采用多种云计算服务来推动其数字化转型过程. 企业管理者终于意识到, 云计算供应商锁定会阻碍多云方法所带来的创造力, 可用性和流动性.
使用 AWS, 谷歌, Microsoft Azure 等大型供应商的混合云和多云环境的企业也越来越多. 云计算提供商也为某些功能创建了开源堆栈 (如 Apache Kafka) 的托管版本, 鼓励了这一趋势的发展. 这样可以更轻松地从一个云平台迁移到另一个云平台, 这是避免供应商锁定的关键, 同时仍然允许企业专注于数字化转型.
云计算的标准化意味着多云为企业提供了更具成本效益的运行工作负载的服务, 而云计算服务提供商的云服务价格经常会发生变化. 对于具有关键工作负载和云体验的企业来说, 多云可以提高正常运行时间和竞争力.
企业通过多云战略, 可以实现 IT 支出最大化, 因为云原生技术的标准化允许企业使用适合的云计算供应商来获得正确的产品. 例如, 微服务通过容器化 (例如 Docker) 和编排 (例如 Kubernetes) 实现事件驱动的扩展(例如黑色星期五). 通过云计算基础设施进行超大规模配置, 例如瘦客户端(网络应用程序, 原生移动应用程序, Alexa 技能), 它们使用多个微服务, 提供强大的弹性和灵活性, 并自我修复功能和设计. 容器的编排与云计算提供商结构和区域功能相结合, 有助于抵御部分云中断.
原生应用程序将会消亡?
将原生移动应用程序迁移到云中对于实现物联网 (IoT), 人工智能和虚拟现实也至关重要, 这意味着原生应用程序需要保持同步. 如果不是云计算组合的一部分, 迁移应用程序的成本会很高. 最后, 需要建立一个可行的数据湖, 以务实的方式管理信息, 避免将其变成沼泽, 这对于在将人工智能和机器学习(ML) 引入数据科学工具组合时保持竞争优势至关重要. 因此对于企业来说, 要保持相关性, 他们必须接受人工智能, 因为它不仅仅是一种技术; 它是一种不可忽视的商业模式转变.
这些云计算趋势将继续在企业数字化转型战略中发挥作用, 并将有助于成为人工智能驱动的业务, 其中包括深入了解应用, 数据, 分析和身份管理的作用将如何促进企业提高效率和合规性.
创造可行的数据湖泊
在过去五年中, 互联网用户增加了 82% 以上, 而调研机构 Gartner 公司预计到 2022 年数据量将增长 800%, 其中 80% 是非结构化数据.
随着企业不断部署云服务, 2019 年对于企业在其组织中构建可用的数据湖至关重要. 企业可以在所有系统, 设备和服务中添加一组智能可发现的元数据标记数据, 从每天生成的大量结构化数据和非结构化数据中提取价值, 将使他们能够运行分析, 商业智能, 机器学习和人工智能, 并获得对新效率的重要洞察, 以获得竞争优势.
与传统的数据仓库方法相比, 数据湖架构的一个关键原则是提供一个放置所有原始数据而不会发生转换或丢失的位置, 以便可以随意重放对数据的任何转换. 这种方法在企业中面临的挑战是保持对数据着陆的控制水平, 以使数量和准确性不会变得过大或变成数据沼泽.
通过利用 Lambda 架构, 企业可以获得使用近乎实时的流数据的好处, 几乎可以立即看到重要事件. 这与传统的数据仓库方法相比, 迈出了重大的一步, 传统的方法必须等待 24 小时. 然后, 企业需要实用的方法来理解数据, 例如: 存储分类法, 通过分类来管理数据工作负载 (例如, 数据安全性和谁有权访问) 以及数据科学工具, 以帮助数据科学家创建 / 应用好的方程组到数据池以改进未来的分析.
实现数据科学的民主化
人工智能是一种不可忽视的商业模式转变. 2018 年, 人工智能和机器学习开始获得更多的吸引力, 尤其是在处理结构化和非结构化数据以帮助企业做出智能决策和发现趋势时. 如今, 云计算人工智能可以提供大规模的智能功能, 扫描大量的图像, 音频, 视频或文本文件来跟踪模式和异常. 一些人工智能的运作水平甚至在两年前都是不可能实现的, 将会产生无与伦比的商业价值. 如今, 人们越来越认识到云计算人工智能在云原生生态系统中将如何革新业务模式.
2019 年, 越来越多的企业将人工智能纳入其数字战略. 最大的收获将是使用云计算人工智能替代人类完成更多的琐碎任务, 并将智能水平应用于基本的业务流程. 例如, 人工智能聊天机器人可以在联系中心回答 80% 的重复性问题, 让工作人员处理更复杂和更重要的问题. 这些智能工具能够消除管理负担, 同时提供更高级别的客户体验.
来源: http://cloud.51cto.com/art/201903/594218.htm