根据IDC最新报告，未来四年数字化转型支出预计将超过6万亿美元，相信仅到2019年底，全球企业支出将超过1万亿美元。该报告还指出，加工、离散制造和运输等行业将是最大的支出者。这些投资正在推动机器学习(ML)和物联网(IoT)的进步，以改善客户体验以及运营效率和准确性。随着公司开始拥抱数字化转型，2020年将发生更多变化。1、大数据成长为巨数据据网络世界的一篇文章，“IDC预测，到2025年，全球数据总量将从今年的33ZB增长到175ZB，复合年增长率为61%。”（1泽字节等于1万亿千兆字节。）这意味着我们不仅会看到物联网生成的实时数据量大幅增加，还会看到企业创建和管理的大量新数据。到2025年，175ZB数据中的近60%将在企业和消费者之间创建和管理。推动这一增长的是物联网边缘设备，它们将信息波发送到云端。2.物联网和机器学习不再是未来的技术人类劳动力没有能力分析如此大量的数据，因此企业将寻找新的方法来使用机器学习来增强分析。由于数据量庞大，物联网应被视为当今数据驱动型经济的支柱。为了理解这些数据，物联网产品和服务的开发将更少地关注核心技术，更多地关注能够更好地利用收集到的数据的技术。3.数据即服务由于每天都在开发所有数据（到2020年每个人每秒将创建1.7MB的数据），只有使用这些数据做出更明智的业务决策才有意义。例如，KARGlobal发布了一个平台，为汽车经销商提供当前需求汽车的广角视图。除了库存细分分析和营销建议，该平台还展示了最佳投资回报率以及经销商如何转移不良车辆。所有这些都以专有的方式使用了KAR及其客户提供的数据，使整个汽车销售行业受益。我们应该期待其他行业开始以同样的方式使用DaaS模型进行决策。4.打包应用的衰落代替下载应用，渐进式网络应用（PWA）将很快变得更加普遍。PWA的访问方式与从应用商店下载的PWA相同，但它们加载速度更快、更安全且体积更小。Lumavate等公司帮助赛车运动、医疗制造、建筑和金融服务等行业的开发人员从原生应用程序过渡到具有成本效益的PWA，最终提供更好的用户体验并释放设备空间。5.规范性分析规范性分析超越了预测可能的选择，推荐一系列行动和这些行动的潜在结果。随着越来越多的工具可用，这种类型的数据分析正在成为新趋势。自动驾驶汽车就是一个很好的例子。自动驾驶汽车必须根据分析数据执行数百万次计算，以决定何时转弯、变道等。石油和天然气行业还使用规范性分析来评估供应、需求、价格以及这些变化对行业的影响.规范分析和预测分析作为商业智能协同工作，为高管提供对公司数据的洞察力和远见。6.事实上，AI创造的工作岗位将多于失去的工作岗位AI预计到2020年将减少180万个工作岗位，但会再创造230万个。医疗保健、教育和公共部门等行业的就业需求将不断增长。虽然中低层工作将受到最严重的打击，但这些类型的工人将出现在太阳能等行业，这是迄今为止增长最快的创造就业机会的行业。工业制造部门也在努力提高其劳动力素质，将员工的技术和非技术知识与数字化转型相结合。7.用机器学习增强工作机器学习曾经意味着自动化任务和取代人类。现在的重点是ML增强人类工作能力的能力，从而提高我们的生产力和效率。2020年，我们将看到旨在优化物流、零售和机器人技术的机器学习模型。诸如推荐引擎、欺诈检测和机器人过程自动化之类的东西将成为标准，并使行业更具竞争力。8.机器人流程自动化（RPA）今年，德勤发现企业用于库存管理等日常业务任务的智能自动化工具（如机器人流程自动化）的数量翻了一番。特别是制造业，多年来一直专注于RPA，并将在2020年看到RPA的更多采用。制造业中已经成功的RPA解决方案包括订单履行、采购订单处理、库存报告和运输管理。实施RPA的高管注意到，员工通过战略和创新思维更加投入。无论哪个行业，都将越来越需要对物联网、机器学习和数据分析进行投资，以保持竞争力。明年及以后，我们将在技术领域看到的大部分内容将集中在物联网产品和服务上，这些产品和服务使我们能够理解明年获得的数据。现在，构建和分析数据可为企业提供比以往更多的信息。2020年，他们将使用这些数据来提升客户、员工和利益相关者的体验。
