北京，2018年1月22日——近幾年，CIO的工作一直聚焦在管理大數據的3V特征（Volume, Velocity, Vareity）。而現今組織面臨著更加復雜的生態系統和商業環境，CIO需要采用新方法來應對復雜的商業智能，需要與首席分析官以及業務部門一起合作，把注意力轉向3A——Awareness（認知），Augmentation（增強），Automation（自動化）。IDC中國于2018年1月發布《IDC FutureScape：全球數據管理及分析市場2018年預測——中國啟示》，從數據整合、數據增強智能、完全實現自動化等多個角度提出2018年十大關鍵趨勢預測，包括該預測成為主流趨勢所需的時間，可能對組織帶來的影響以及組織需要做好的準備等。

預測1：基于機器學習實現自動化到2020年，10%的企業應用支出將是面向特定任務的應用——直接集成軟件、數據以及算法。

企業級軟件正在向自動化趨勢快速演進。雖然實現企業流程端到端的智能自動化仍需要時間，但面向特定任務的自動化以及面向某個業務子流程的自動化趨勢正在突顯。新型應用程序結合軟件、算法和數據，能夠對新輸入的數據自適應自更新，自動完成人機交互以及軟件之間的交互。企業IT部門需要重新思考其針對更小單元的軟件應用程序的部署和集成的方法，可以優先考慮需要大量重復性人力工作的領域開始實施。

預測2：計算架構以決策為中心到2021年，80%的智能系統將采用以決策為中心的計算架構，它將能夠自動檢測、評估當前的形勢，并做出相應決策。

傳統的商業智能和分析解決方案主要側重于向人們傳遞信息，無法提供真正的決策支持。前瞻的企業已經開始考慮以決策為中心的計算架構。在這種架構中，數據流以及數據處理的每一步都是從技術和業務決策的角度考慮，每個子流程都要利用集成式學習使系統的自適應能力更強。軟件需要具備能夠發送、接收和處理海量數據的能力。這一趨勢可能還要求IT部門采用邊緣分析之類的基礎架構，以實現物聯網端的最低決策延遲。企業可以考慮選擇決策風險低、可重復性高、所需數據集小的領域開始實施。

預測3：決策過程透明化到2019年，18%的基于機器學習實現自動化的企業將能夠建立決策過程的透明化機制，企業內部將有合規審計人員對機器基于數據決策的過程進行審核和治理。

預測4：數據科學家與人文社科等領域專家的協作到2021年，18%的大型企業將具備充足的內外部數據科學家以及人類學家、社科學家等，共同使用定量的方法來研究人的情感、描述發生的事實、以及人類對世界的感知。

預測5：區塊鏈走向市場到2021年，18%的公開網絡的數據將在區塊鏈上登記注冊。數據的使用方可以通過API追蹤數據改寫的記錄，數據買賣雙方通過區塊鏈也能因此增加互信。

預測6："數據即服務"被廣泛接受到2018年，35%的大型企業將可以通過銷售原始數據產品或者提供基于數據的洞察和決策服務中獲得收入。

越來越多的企業開始將數據作為一種資產，開始投資能夠讓數據變成洞察的技術，并且積極評估內部數據與第二、三方數據結合能產生的價值。在可預見的未來，將有大量的私有企業和公共部門對外提供商業化數據服務或者數據即服務相關的產品，這些產品將與傳統的產品一起被打包銷售。企業IT部門應該與負責將DaaS推向市場的業務部門之間進行更密切的協作，共同制定能夠將DaaS以各種形式打包、定價和推廣的措施，還需要考慮與現有的專業的DaaS提供商建立合作伙伴關系。

預測7：歐盟數據保護規定開始生效到2018年5月，參與歐盟市場運作的企業中將有40%無法達到歐盟通用數據保護規定GDPR（General Data Protection Regulation）要求的標準，這些不能滿足合規要求的組織將面臨高達全球收入4%的罰款。

預測8：內容自動生成到2021年，15%的大型企業將使用基于深度學習的軟件去創建新的資料，包括報告、會議總結、活動安排以及PPT等。

預測9：企業員工智能助理到2021年，采用智能自動化以及定制化數字助理的公司能夠為知識工作型員工帶來4倍的效率提升。

IDC企業數字化轉型有關信息轉型的研究中，調研了2000名知識型工作者，研究發現雇傭1000名知識型員工的組織，每年在知識的查詢、搜索方面將浪費570萬美元。一些技術供應商已經開始將智能的數字助理嵌入到生產力軟件、企業級應用軟件以及部分硬件中。能夠支持提問的形式并且可以根據上下文語境進行深度問答的能力將成為企業應用程序的首選界面。企業需要重視內容生命周期管理以及chatbot管理的解決方案以及功能性組件，以更好的管理并充分應用新增的內容。

預測10：異構計算匹配相應工作負載到2021年，30%的內容管理及分析系統將部署在采用異構計算的基礎架構上，即面向不同工作負載采用不同的異構服務器來替代通用型服務器。

計算平臺（數據中心、云計算等）呈現出明顯的異構趨勢——IDC統稱為異構計算。這種異構包括基于x86和Non-x86的架構，如ARM和OpenPower (來自于英特爾、AMD、高通、Cavium和IBM等供應商)的系統，以及帶有GPU/FPGA等加速卡（來自NVIDIA、AMD和英特爾等供應商）的系統。很多計算架構都產生于克服當前計算性能局限的需求，也源于不斷增長的認知/AI和數據管理工作負載的需求。企業IT部門處于系統更新換代時期，既要支持目前的工作負載，還要同時實施下一代應用程序，要審視不同供應商的服務器支撐的計算平臺是否匹配相應的工作負載，要嘗試投資靈活解耦的軟硬件系統，以迎接軟件定義基礎設施的轉變。

IDC中國研究經理盧言霞認為："在未來3年內，中國人工智能市場仍將保持熱度，持續發展。在近1到2年內，建議市場參與者重點關注三大趨勢——機器學習實現自動化、計算架構將以決策為中心、異構計算匹配相應工作負載。參與全球數據即服務市場的廠商尤其要關注歐盟數據保護規定GDPR即將開始生效。