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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09