【51CTO.com快譯】根據IDC最新報告，數字轉型支出預計將在未來4年內超過6萬億美元，據悉2019年，全球企業將在數字轉型支出上超過1萬億美元。

該報告還指出，過程制造和運輸等行業將是最大的消費群體。這些投資推動了機器學習(ML)和物聯網(IoT)的發展，以提高客戶使用的效率和準確性。隨著企業開始數字化轉型，我期待在2020年將步入物聯網年。

[[285743]]

1. 大數據發展為海量數據

《網絡世界》中一篇文章寫道：“IDC預測，全球數據的總和將從2018年的33兆字節增加到2025年的175兆字節，復合年增長率將達到61%。”這意味著我們不僅會看到物聯網實時數據量的大幅增加，而且企業還會創建和管理大量的新數據。

到2025年，175兆字節的數據中有近60%將由企業而非消費者來創建和管理。推動這一增長的主要因素是與云交互信息的物聯網邊緣設備數量的增加。

2. 物聯網和ML不再是未來的技術

人工勞動力不具備分析如此大量數據的能力，因此企業將尋找ML和AI等新方法。物聯網所產生的海量數據成為當今數據型經濟的支柱力量。為了更好地利用這些數據，物聯網產品和服務的發展將減少對核心技術的關注，而是更多地關注那些能更好地運用數據的技術。

3. 數據即服務

隨著每天數據增長——到2020年，每個人每秒將創建1.7MB的數據——如何通過這些數據來做出更明智的業務決策是非常有意義的。

例如，KAR Global已經發布了一個為汽車經銷商提供當前需求車型的平臺。除了庫存細分分析和再營銷建議外，該平臺還展示了最好的銷售區域，以及經銷商如何投放不太理想的車輛。所有這些都使用KAR及其客戶提供的數據，以一種專有的方式使整個汽車銷售行業受益。我們應該期望其他行業開始以同樣的方式使用數據服務模型進行決策。

4. 下載應用程序的衰落

與下載應用程序不同，增強型網頁應用程序(PWAs)很快將變得非常普遍。訪問PWAs的方式與從應用程序商店下載的方式相同，但是加載速度更快，更安全，而且體積更小。Lumavate等公司幫助賽車、醫療制造、建筑和金融服務等行業的開發人員從原生應用程序轉向具有成本效益的PWAs，從而有效釋放設備上的空間，并提供更好的用戶體驗。

5. 預測分析

預測分析不僅僅是預測可能的情況，而是分析一系列的行動和這些行動的潛在結果。隨著越來越多的工具可用，這種類型的數據分析正在成為必殺技。

自動駕駛汽車就是很好的例子。自動駕駛汽車必須進行數百萬次的計算分析數據，以決定何時轉彎、換車道等等。

石油和天然氣行業也在使用預測分析來評估供應、需求、定價以及它們的變化對行業的影響。預測性分析作為商業智能的重要組成部分，為公司高管提供有洞察力和有遠見的決策。

6. 更多的工作崗位將由人工智能創造，而不是流失

人工智能預計將在2020年減少180萬個工作崗位，但也會創造230萬個工作崗位。醫療、教育和公共部門等行業的就業需求將日益增長。雖然中低層次的工作崗位將受到最大的沖擊，但是在太陽能等行業將出現新崗位。太陽能是目前就業增長最快的行業。工業制造業也是一個試圖重新配置勞動力的行業，將其員工的技術結合起來進行數字化轉型。

7. 通過機器學習增強工作能力

ML曾經意味著自動化任務和取代人工工作。現在的重點是ML增強人工工作的能力，使我們更有生產力和效率。在2020年，我們將看到ML模型被設計用于物流、零售和機器人等領域。像推薦引擎、欺詐檢測和機器人過程自動化等產品和服務將會普遍化，行業競爭日趨激烈。

8. 機器人流程自動化(RPA)

今年，德勤(Deloitte)發現，用于庫存管理等日常業務的智能自動化工具(例如機器人流程自動化)的數量增加了一倍。特別是制造業，已經關注RPA好幾年了，并將在2020年增加RPA的使用。在制造業，成功的RPA解決方案包括訂單采購、訂單處理、庫存報告和運輸管理。已經實施了RPA的高管們注意到，員工們解放了雙手和大腦，具有戰略性和創造性思維的能力，因而工作變得更加投入。

無論在哪個行業，物聯網、ML和數據分析領域的投資都將越來越具有競爭力。明年以及未來，我們將在技術領域看到的主要是物聯網產品和服務，這些產品和服務將使我們進一步理解并挖掘數據的價值。現在，構建和分析數據為企業提供了比以往更多的信息。到2020年，他們將繼續利用這些數據提升客戶、員工和利益相關者的各種體驗。

原文標題：The Year Of IoT: Eight Data-Driven Directions For 2020，作者：John McDonald

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】