根据IDC的最新报告，数字化转型支出预计将在未来四年内超过6万亿美元，并且相信仅在2019年底之前，全球企业在数字化转型方面的支出就将超过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)的发展，以改善客户体验以及运营效率和准确性。随着公司开始采用数字化转型，2020年将看到更多的变化。
1. 大数据成长为庞大的数据
根据Network World的一篇文章，“ IDC预测，到2025年，全球数据的总和将从今年的33ZB增加到175ZB，复合年增长率为61%。” (1 zettabyte等于1万亿GB。)这意味着我们不仅会看到IoT生成的实时数据的数量大量增加，而且还将看到企业创建和管理的大量新数据。
到2025年，将在企业与消费者之间创建和管理175ZB数据中的近60%。推动这一增长的是物联网边缘设备，它向云发送信息波。
2. 物联网和机器学习不再是未来的技术
人力没有能力分析如此大量的数据，因此企业将寻找使用ML来扩充进行分析的新方法。由于数据量巨大，物联网应被视为当今数据驱动型经济的骨干。为了理解这些数据，物联网产品和服务的发展将不再侧重于核心技术，而更多地侧重于更好地利用收集到的数据的技术。
3. 数据即服务
随着每天开发的所有数据(到2020年，每个人每秒将创建1.7MB数据)，使用这些数据来做出更明智的业务决策才有意义。
例如，KAR Global已发布了一个平台，可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之外，该平台还显示了最佳的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，从而使整个汽车销售行业受益。我们应该期望其他行业以同样的方式开始使用DaaS模型进行决策。
4. 打包应用程序的下降
取代下载应用程序，渐进式Web应用程序(PWA)很快将变得更加普遍。 PWA的访问方式与从应用程序商店下载的PWA相同，但是它们加载速度更快，更安全并且尺寸更小。 Lumavate等公司帮助赛车、医疗制造、建筑和金融服务等行业的开发人员从本机应用程序转变为具有成本效益的PWA，最终提供了更好的用户体验并释放了设备空间。
5. 规范分析
规范分析超出了预测可能的选项的范围，而是建议了一系列操作以及这些操作的潜在结果。随着更多工具的可用，这种类型的数据分析正成为新的趋势。
自动驾驶汽车就是一个很好的例子。无人驾驶汽车必须基于分析数据进行数百万次计算，以决定何时转弯，改变车道等。
石油和天然气行业还使用规范分析来评估供应，需求，价格以及变化时对行业的影响。规范性分析和预测性分析作为商业智能协同工作，可为高管提供洞察力以及对公司数据的远见。
6. 实际上，人工智能将创造比失去更多的工作机会
预计到2020年，人工智能将减少180万个工作岗位，但还将创造230万个工作岗位。医疗、教育和公共部门等行业将看到不断增长的工作需求。虽然中低层职位将受到最大的冲击，但这类类型的工人将在太阳能等行业中崭露头角，太阳能是目前增长最快的创造就业的行业。工业制造行业也在努力提高其劳动力的素质，将其员工的技术和非技术知识与数字化转型相结合。
7. 通过机器学习增强工作
机器学习曾经意味着自动化任务和替代人工。现在的重点是ML增强人类工作能力的能力，以使我们更具生产力和效率。 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，欺诈检测和机器人流程自动化之类的事情将成为标准，并使行业竞争更加激烈。
8. 机器人过程自动化(RPA)
今年，德勤(Deloitte)看到企业将用于库存管理等日常业务任务的智能自动化工具(例如机器人流程自动化)数量翻了一番。特别是制造业，多年来一直在关注RPA，并将在2020年增加采用RPA。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。
无论是哪个行业，为了保持竞争力，都将越来越需要在物联网、机器学习和数据分析方面进行投资。明年和将来，我们将在技术上看到的大多数内容都将集中在IoT产品和服务上，这些产品和服务使我们能够理解到第二年获得的数据。现在，建立和分析数据可为企业提供比以往更多的信息。在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。
