IDC发布2021年及未来10大IT趋势

作者: 蒙光伟 2020-10-30 10:35:46

尽管2020年全球新冠大流行造成了破坏,但全球经济仍在朝着“数字命运”前进,因为大多数产品和服务都基于数字交付模型或要求数字增强来保持竞争力。

随着这一转变,到2022年,全球GDP的65%将实现数字化,从2020年到2023年将带动6.8万亿美元的IT支出。

为了在这一变革时期取得成功,CIO和数字化驱动的C-suites在未来五年中需要专注于三个领域。

在短期内,他们需要纠正在最初的紧急响应期间引入的现有IT环境中的所有缺点。

他们还需要确定危机及其组织的响应在何处加速了IT转型趋势,并锁定了这些进步。

最重要的是,他们必须寻找机会利用新技术来利用竞争/行业中断的优势,并扩展“下一个常态”中的业务加速能力。

Villars说:“ COVID-19大流行着重指出,迅速适应和应对计划外/可预见的业务中断的能力将成为在我们日益数字化的经济中取得成功的更明确的决定因素。”

“未来企业的很大一部分收入取决于其基础设施、应用和数据资源的响应能力,可伸缩性和弹性。”

这十个预测是:

1、向以云为中心的转变加速

根据经验教训,到2021年底,将有80%的企业建立一种机制,以向以云为中心的基础设施和应用转移,速度是大流行之前的两倍。

CIO必须加快向以云为中心的IT模型的转换,以保持竞争优势并提高组织的数字弹性。

2、边缘成为重中之重

到2023年,大流行期间对劳动力和运营方式变化的反应将成为大多数行业80%的边缘驱动投资和业务模式变化的主要推动因素。

将基础设施、应用和数据资源交付到边缘位置的需求将刺激采用新的、以云为中心的边缘和网络解决方案,这些解决方案可以更快地响应当前业务需求,同时又是增强长期数字弹性,实现业务扩展的基础,并确保更大的业务运营灵活性。

3、智能数字工作区

到2023年,G2000公司中有75%的公司将致力于为通过设计而不是根据情况混合的劳动力提供技术均等,从而使他们能够分别和实时地合作。

结果将是更加协作、知情和高效的员工队伍。

4、大流行的IT遗产

到2023年,应对大流行期间积累的技术债务将使70%的CIO蒙上阴影,从而造成财务压力,IT敏捷性的惯性拖累以及向云的“强行军”迁移。

明智的CIO将寻找机会设计下一代数字平台,以使基础设施和应用现代化并合理化,同时提供灵活的功能来为员工和客户创建和交付新产品、服务和体验。

5、弹性是下一个正常现象的核心

到2022年,专注于数字弹性的企业将适应中断并扩展服务以应对新情况,其速度要比固定现有业务/ IT弹性水平的企业快50%。领先的企业必须能够快速适应业务中断,利用数字功能来维持连续的业务运营,并能够快速调整以利用变化的条件来获得竞争优势。

6、向自主IT运营的转变

到2023年,用于扩展资源控制和实时分析的新兴云生态系统将成为无处不在的所有IT和业务自动化计划的基础平台。要实现这些目标,就需要积极集成以AI / ML为基础的主动分析,采用策略驱动的自动化,并更多地使用低代码、无服务器的工作流程,以实现一致的自动驾驶基础设施。

7、机会型AI扩展

到2023年,在将智能技术嵌入产品和服务的目标的推动下,四分之一的G2000公司将收购至少一家AI软件初创公司,以确保拥有差异化技能和IP。

成功的组织最终将出售内部开发的针对特定行业的软件和数据服务作为订阅,从而利用深厚的领域知识来开辟可获利的新收入流。

8、审查合作关系

到2024年,80%的企业将彻底检查与供应商、提供商和合作伙伴的关系,以更好地执行数字战略,以实现无处不在的资源部署和IT自主运营。

在现有IT生态系统正在进行重大过渡的环境中,重新评估技术、服务和服务提供商的关系对于长期成功至关重要。

9、可持续发展

到2025年,将有90%的G2000公司要求在IT硬件供应链中使用可重复使用的材料,为提供商的设施实现碳中和目标,并降低能耗,这是开展业务的先决条件。

随着IT部门在推动组织内积极变化方面承担越来越大的责任,确保IT供应商和数据中心合作伙伴共享相似的目标并帮助加快进度将变得更加重要。

10、人才很重要

到2023年,由于建立具有正确工具/技能的IT / Sec / DevOps团队的投资不足,企业一半的混合劳动力和业务自动化工作将被推迟或彻底失败。

 为了解决开发人员和数据分析人才的短缺,企业将寻求灵活的人才来源,众包和内部人员来满足他们的开发/自动化和高级分析需求,并加快创新。

10大IT趋势
上一篇:谈谈机器学习的趋势 - 新三大学习范式 下一篇:IT打工人,AI来“抢”你饭碗了!这次从数据中心下手
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

用新的机器学习思考方式 来辨别自然异常与人为误导

某些对抗性事件很可能是人为设计而来。我们必须知晓其中的手法与工件是什么,这样才能真正理解深度神经网络的可靠性。

佚名 ·  23h前
1.8M超轻量目标检测模型NanoDet,比YOLO跑得快

目标检测一直是计算机视觉领域的一大难题,其目标是找出图像中的所有感兴趣区域,并确定这些区域的位置和类别。目标检测中的深度学习方法已经发展了很多年,并出现了不同类型的检测方法。

佚名 ·  1天前
5G助力下,未来10年将是人工智能的“黄金十年”

近日,习近平总书记在G20峰会第一阶段会议上指出,疫情激发了5G、人工智能、智慧城市等新技术、新业态、新平台蓬勃兴起,“非接触经济”全面提速,为经济发展提供了新路径。

科技日报 ·  1天前
新时代如何把握住人工智能的优势,让自己不被时代淘汰

随着人工智能在企业的应用和发展,企业领导者必须着眼于基于云计算的人工智能和现代化的数据结构,以提高市场竞争力。

尚学堂java学院 ·  1天前
对话李兰娟:人工智能将疫情“一网打尽”,让医疗更精准

李兰娟指出,人工智能、大数据在这次抗疫中发挥了作用,首先是发现和控制传染源方面,通过大数据人工智能我们能够了解到与传染源接触到的所有人;第二是人员流动的控制,包括健康码、红外线测温等等,极大程度地了解了人的健康情况。

新京报 ·  1天前
面向未来系统设计的机器学习

Elias Fallon是行业领先的电子设计自动化技术提供商Cadence Design Systems公司的工程主管。他带领其定制IC研发团队以及电子设计自动化(EDA)产品团队进行项目开发。

Elias Fallon ·  1天前
人工智能如何在大数据处理中应用

人工智能,是处理大数据最理想和最有效的方法。我们的世界一直沉浸在大数据中,你能想到的任何话题,无论在线还是离线,都有大量的数据,如我们的日常活动、对无生命事物的偏好、属性、用途等等。下面,我们就来看看人工智能是如何在大数据处理中应用的?

W ·  1天前
在智能家居设备中融合ML和IOT

人工智能是一项正在常规基础上进行大量研究的技术。

Cassie ·  1天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载