各行各业都在进行数字化转型，并希望进一步利用人工智能（AI）、机器学习（ML）等新兴技术提高运营效率和降低成本。AI和ML算法的持续发展推动了机器学习和处理的采用。从金融到电信业、从制造到零售业，企业正以创新的方式利用这些技术来实现业务转型。
随着越来越多的行业在数字化方面趋于成熟并广泛采用这些技术，2023年将成为企业寻求跨业务职能部署新兴技术解决方案的关键一年。以下列举了在未来一年中可能主导业务重心的三大关键趋势。
趋势1：将数据视为战略业务资产
近年来，企业在开展数字化活动的过程中产生了前所未有的大量数据，并增加了数字客户接触点。这一点在电信、零售、医疗、制造、保险和金融服务等行业表现尤甚。随着5G网络的部署覆盖整个地区，这一数据量将继续大幅增加。
在亚太地区，企业正在或准备更多地利用数据，并缩短价值实现时间。数据蕴藏着做出关键业务决策所需的宝贵洞察，而最具创新力和最成功的企业已经认识到数据是一种战略资源，因此需要制定相应的数据战略。鉴于每个环节都环环相扣，该战略的具体内容取决于企业各自的业务需求，并不存在一个放之四海而皆准的方法，而需要随着业务重心的变化不断调整数据战略。
可以肯定的是，企业数据战略应与企业的云战略和业务重心保持一致，这将有助于企业通过提高运营效率和挖掘新的盈利来源来创造更大的商业价值。根据企业数据成熟度调查的研究结果，在亚太地区拥有成熟数据战略的企业中，有5.97%实现了更高的利润增长。
各个行业、不同规模的企业只要有合适的工具，就能轻松地从数据中提炼出可执行的洞察，进而使用这些洞察实现业务目标或挖掘新的盈利来源。尤其是自助服务功能的出现，企业不需要具备运维或云方面的专业知识也能轻松使用。
趋势2：使用自适应AI系统加快业务决策速度
随着实时数据处理、流式传输和共享需求的增加，推动企业向数据驱动型企业转型，我们预计会有更多的企业投资建设自适应AI系统。这些系统能够频繁采集大量数据，并能迅速适应变化和差异。聚焦中国市场，IDC预计，2026年中国AI投资规模全球占比将达到8.9%，位列全球第二。
决定胜负的关键将取决于预测分析的执行速度，以及与这些算法范例相关的成本效益比。企业若能够通过合适且可解释的AI建立信任，以此提高决策的速度和灵活性，则能超越对手脱颖而出。
我们预测企业将把重心从算法转向可直接用于业务的预测性仪表盘、可视化、应用等，简化使用AI系统得出结论的过程。这将帮助企业领导者迅速了解业务所受到的影响，并自信地采取行动。
我们一直在与亚太地区的企业合作，使用数据分析和AI解决方案推动数据驱动型决策和运营效率优化，这些企业很快就收获了巨大的商业利益。例如，新加坡的大华银行（UOB）使用机器学习进行操作分析，并向整个银行的用户提供洞察。大华银行通过Cloudera数据平台推出存款分析解决方案，保证了该银行能够凭借最佳的定价获得稳定的存款，并提供连贯、准确的存款视图。此举最终增加了该银行的收入、降低了风险并提高了生产力。
趋势3：持续向公有云和混合云迁移，优化部署
围绕云的政策和云迁移仍然是IT高管的第一要务，使得不同规模企业的公有云支出和工作负载量继续加速增长。在中国，混合云的采用已成为主流趋势，根据Gartner的预测，中国大型企业机构的混合云采用率在2026年会提高到70%以上。但由于企业难以有效地优化成本，这些支出中有很大一部分被浪费了。
根据Flexera的《2022年云现状报告》，许多受访者估算其企业在2021年浪费了32%的云支出，相比前一年的30%有所上升。成本优化已连续第六年成为企业的第一“云”要务，可见企业应该选择更加经济有效的战略以便快速、高效地交付成果，包括：
· 通过将更多的工作负载迁移到云端来解放资源，同时提高敏捷性
· 实施数据和分析解决方案
· 将一些机器学习工作流程回迁本地，这样就可以更加经济有效地处理复杂的流程，优化合规、治理和安全方面的云支出
使用数据湖仓、数据编织、数据网格等现代化数据架构对于提高各项此类业务的效率至关重要。除了管理本地和公有云或私有云中的数据外，这些现代化数据架构还能处理各种复杂的问题，包括与安全和治理相关的问题，并解决IT团队在企业数据访问权限方面的担忧。
企业可以考虑迁移到能够管理整个数据分析和机器学习生命周期的混合数据平台。这些平台必须具有开放性和互操作性，这样才能实现轻松的共享和各种自助功能，比如内置共享数据体验（SDX）功能的Cloudera Data Platform（CDP）。这些功能为企业提供了一个涵盖所有数据的通用元数据、安全和治理模式。
总而言之，在拥抱云、边缘和数据能力之前，企业必须花时间评估他们的业务流程。这里的关键在于确定最适合自身业务需求的方法和战略，从而使整个企业都能从这些功能中受益，而不仅仅是解决具体问题。
