2021年5大数字化转型趋势


2020年,我们看到,企业面临新风险、转向新业务模式并加速其数字化转型计划以度过致命的疫情时期。


在疫情时期,数字化不再是奢侈品,而是生存之道。数字化转型对于实现远程工作、转移到协作工作流程以及重新调整运营(从供应链管理到客户体验)都至关重要。


CIO和 IT领导者不再需要努力让业务部门了解技术对运营各方面的重要性,在2020年,重点在于,IT与业务领导者可以多快的速度在云端提供协作、工作流和分析功能。


这一趋势将延续到2021年。但与2020年略有不同:IT领导者将从被动转变为主动的战略性数字转型计划。与业务同事合作,IT领导者将建立和完善数字业务模型、营造优先考虑实验的文化,并利用技术和数据来建立竞争优势。


以下是2021年的五种数字化转型趋势,这些趋势将决定CIO和 IT领导者如何制定战略、优先事项和路线图,以帮助其企业取得成功。


1. 敏捷深入企业,重塑业务模式和文化


IT领导者已采用敏捷做法来开发应用程序、改善机器学习模型、自动化CI/ CD管道以及提供其他战略计划–需要与业务利益相关者进行团队合作。产品所有者的角色对于管理业务/ IT协作至关重要。同时,IT企业采用 DevOps文化和实践时,重新调整其工作方式。


但是,转向敏捷做法和 DevOps只是企业建立敏捷业务模型和文化的第一步。在2020年,更多的 CIO开始与业务领导者合作改善敏捷性,以帮助业务转型。在2021年,我们会看到 CIO将使敏捷性更深入其企业:


• 敏捷团队将包括来自市场营销、运营、财务、人力资源和销售的业务团队成员,以提高和释放业务能力。

• 通过使客户、早期采用者和利益相关者参与开发过程,变更管理计划将更早地发展并成为转型计划。

• 更多组企业将投资于敏捷产品组合管理工具、采用试验文化,并将敏捷扩展到其数据科学团队。


2. 低代码用例关注客户和员工体验


在2020年,对于希望快速开发工作流程应用程序、集成和自动化以应对疫情和远程工作的企业而言,低代码平台至关重要。这些应用程序为员工提供了有关健康、安全和家庭需求的个性化帮助,并帮助他们设置远程办公环境。自动化填补流程空白,并帮助企业降低成本。


低代码平台已经存在数十年,但现在对于希望转变其业务的 CIO和业务领导者而言,其战略性要强得多。在2021年,数字领导者将使用低代码、远程过程自动化和集成技术的组合,以在更多业务领域和更大规模上改善客户和员工的体验。低代码平台不仅将帮助更多的企业使旧版应用程序现代化,并将更多的工作负载移至云端,而且使他们能够以更少的软件开发、云架构和 DevOps资源来做到这一点,而这仍然很难找到。


3. 云计算服务提供商实现多云架构


对于很多企业而言,迁移到云端实质上意味着要发展为混合云模型,其中 IT运营支持在数据中心、私有云和公共云中运行的应用程序。尽管大多数企业都在主公共云上使架构和服务日趋成熟,但很多企业已经认识到他们必须跨多个公共云进行操作。原因包括:


• 避免供应商锁定;

• 促成定价和服务水平协商;

• 支持新兴服务的创新;

• 遵守数据主权法规;

• 支持收购


现在支持多云架构并不容易,但是公共云供应商逐渐认识到,支持多云集成、管理和支持对于他们与大型企业的业务关系至关重要。Google Anthos和Azure Arc等服务可帮助 IT跨多个云管理系统资源和 Kubernetes集群。公共云服务提供商还认识到,边缘计算在涉及人类安全的工作负载中的作用,以及在其他要求低延迟和靠近数据源分析能力方面的作用;Azure Stack Edge和AWS Outposts等基础架构支持这些边缘计算部署。


对于希望在合适的云端移动和发展战略工作负载的企业来说,部署选项和多云管理工具的增加是一个好消息。


4. 实时数据处理和事件驱动架构成为主流


实时数据处理曾经是金融服务和广告技术等行业所难于实现的技术目标,在这些行业中,如果企业可以减少数据延迟时间哪怕一秒钟,都可以创造出显着的业务优势。很多公司依靠不可靠的数据更新中,这些数据更新每晚、每周或每月运行一次,并采用手动流程来修复中断、数据质量问题或执行复杂的查询。


CIO现在有几种架构选项可以支持实时数据处理。其中包括可按需扩展的云架构、Apache Kafka和 Apache Spark等开源数据平台、实时数据流平台、支持事件驱动架构的平台以及可自动执行数据收集很多方面的RPA软件。


5. 简化的MLOps将机器学习从POC带入生产


现在技术先进的企业已经在生产环境中运行机器学习模型,而其他企业还明显落后。在Algorithmia的《2020年企业机器学习状态》报告中,只有45%的受访者已将机器学习模型部署到生产环境中。即使已成功部署机器学习(ML)模型的企业也遇到困难,超过40%的企业花费了三十多天的时间来部署模型。IDC在6月发布的一项调查中发现,超过28%的人工智能/机器学习计划失败。


但是请不要误认为企业当前的挣扎状态表明ML正在逐渐消失。随着越来越多的IT和数据科学企业更好地理解 MLOps(数据科学家和IT专业人员的协作以自动化ML算法),并且随着越来越多的平台提供ML生命周期管理功能,ML将会迅速发展。


原因很明确:MLOps为先进企业带来机会,以减少部署时间并监视ML模型以防止生产中模型漂移。对于处于 AI之旅初期阶段的企业而言,这些平台提供了管理和运营框架,因此数据科学家可以专注于开发和测试他们的模型。到2021年,我们应该看到更多的公司在生产环境中成功部署ML模型。


企业优先考虑可带来近期价值的实用解决方案


本文中列出的2021年趋势侧重于可帮助更多企业通过竞争性数据和技术功能实现近期业务价值的技术和实践。


在2021年,企业需要改进客户体验、提高运营效率和增加高级功能,同时减少广泛的技术技能和无数的部署风险,为实现这些目标部署新技术时通常会带来风险。


换句话说,对于很多行业的企业而言,从敏捷技术流程过渡到推动业务敏捷的功能,低代码、MLOps、多云管理和数据流平台将是关键。



本文整编自:TechTarget中国 


本文作者Isaac Sacolick(伊萨克•索科利克)简介:


Isaac Sacolick是敏捷实践和大数据领域一位著名的领导者,在领导许多企业和行业的数字化转型的各个方面都具有丰富的经验。他也是InfoWorld,CIO.com和Social,Agile and Transformation的特约编辑,亚马逊畅销书《驾驶数字技术:通过技术进行业务转型的领导者指南》的作者。