京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2016年大数据、云计算等领域的7个预测
上图是IDC发布的2016年排名前10的预言,首席分析师Frank Gens奉劝企业要么转型要么消亡,并指出2016年的首要主题是“数字化转型相应扩大。”Gens还指出,规模是“展开争夺数字化成功的关键要素”,同时警告企业,“成也规模,败也规模”。
在未来的几年,数字化转型(DX)将推动“一切事项皆IT”。IDC所称的DX经济上成功是指使用诸如移动设备、云计算、大数据分析、物联网、人工智能和机器人等技术来“通过新产品、新商业模式、新顾客、供应商和经销商关系建立竞争优势”。
以下是笔者基于IT产业、数字化转型和CIO议程网络直播编辑的2016年IDC预测版本。
数字化转型将达到巨大规模
在未来的三到五年,企业致力于大规模的数字化转变,产生DX经济的涌现。承认“大规模亲密的客户关系”这一看似悖论的术语,IDC预计这将是组织必须面对的最大、最为复杂的企业范围内DX倡议,需要一个基本的文化和运作转型。此外,企业将继续大力拓展客户群,并且不得不积极推出更具个性化的客户服务。
由于DX经济的定价之低令人沮丧,因此,必需扩大客户规模。IDC激励企业为“全球500万用户服务”。扩大客户群体以及如何与他们互动无疑会增加收益,维持市场份额。
Gens在IDC网络直播中指出:“IT支出由做全新的事情推动,而不是使用新技术做旧事情”。
每个公司将会成为软件公司
DX经济(大规模运营)将“主要由代码驱动”。企业增长和竞争的能力越来越取决于其数字化创新能力”——他们软件开发团队的规模和才能。DX经济中,“代码加数据等于创新”。
这使得“软件开发工程师”成为21世纪最具魅力的工作。企业将争相雇佣他们做这些至关重要的工作,而软件设计师的关键作用是创立新的、产生收益、提高生产力的应用软件;挖掘新技术(例如物联网)潜能;嵌入数据分析。
重新定义各种CxO角色和各项活动
在许多公司,CEO将直接参与数字化转变方案,以确保其成为公司总体战略的主要组成部分。CEO还会积极参与招聘最优秀的软件开发工程师,而且“必须明白作为科技公司需要极其大胆的声明”。业务线(LOB)高管将要管理软件开发工程师并必须擅长于技术管理。
CIO将必须适应他们以及他们组织越来越多面对市场的角色,同时也努力发展和维护公司内部关系,与业务主管合作,并深入到软件设计师工作的业务部门中。
新的管理职务,即首席数字官(CDO)是必需的,不过这可由精通商业的CIO来填补。CIO必须有IT转型计划,从作为基础设施的管理者转变为服务的提供者。当数字化转型忽视IT时,他(和CIO)能作为“真正的变革推动者”和“转化引擎”。
云计算将会是新IT
“云优先”将如同“云计算是企业IT化的新核心”一样成为企业IT化的新口头禅,IDC的Gens如是说。云端将会发现最“功能丰富的IT产品”。
具备先进DX方案的企业将建立行业云平台并且/或者与其合作,来扩大他们的数字化供应和销售网络。公有云市场将有重大的整合(减少到6个“大平台”),同时,行业云平台会快速发展。随着云平台、GE和其他在建中心的增长,建立创新团体、重新发明他们的行业和怎样大规模产生和扩散创新极为重要。
大数据变得更大
DX经济的成功将取决于建立鲁棒性“数据管道”的能力,在该管道中企业的数据双向流动。新的APP中嵌入数据分析(提供认知服务),并在未来数年中,顶级的最新投资领域出现在语境理解和自动选择下一个最佳动作功能两方面。公司将指望自己的数据赚钱,而且参与到“数据竞赛”中来推动创新。
IDC表示,掌握“认知”是必须做的事情,其建议2016年当务之急是机器学习,因为“在你行业中的很多初创公司已经使用它来对付你了”。
物联网将是DX经济的关键推动因素
在几乎每个行业中,物联网设备和解决方案都有可能重新定义行业竞争优势。IDC预计最活跃的物联网发展将围绕制造、运输、零售和医疗保健行业展开。
未来IT产业洗牌
其中,一部分今天重要的IT供应商将会被收购、兼并、缩小规模或者重新定位。在这种环境下,企业必须要不断地监控和评估他们供应商和合作伙伴所提供的解决方案,准备好按需调整这些关系。也许比任何其他经济部门更残酷的是,若在IT行业中玩,要么做出改变,要么消亡。
面对IT产业增长的波动性,IDC建议IT采购者增加在供应商/合伙人管理方面的投资,奉行公开和多源的策略,并想方设法分担风险和回报。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25