数据

各行各业的企业都意识到,要想在数据经济中生存和发展,他们必须成为数字原生代。人工智能驱动的数据正在为企业的数字化、新型体验(打破数字或物理边界)以及新产品或服务带来新的可能性。数据和人工智能正在定义未来企业的特征:超个性化、实时情境、事件驱动和边缘智能。

企业正朝着一个互联的数据生态系统发展

适应市场动态:三个层面
显示所有视野
速度,品种,体积

H3.

数据经济和实时企业

数据新资本,
人工智能改变生活和经济

关键模式

  • 生态系统发挥
  • 市场
  • 嵌入式智能
  • AI供电的消费
  • 连接数据
  • 数字大脑
  • Exascale数据

特征

  • 跨企业和生态系统玩家的连接数据
  • 数据的消费化和货币化——新的商业模式
  • 语义表示,普遍智能,感知企业
  • 增强 - AI工程

H2.

数据与数字原生企业

创新,变换,
重新定义业务

关键模式

  • 大数据和数据平台
  • 分析
  • 数字化消费
  • 混合云数据策略
  • 迁移和现代化
  • 聊天机器人

特征

  • 结构化和非结构化数据
  • 利用分析进行实验和创新

H1.

数据驱动的企业

更好的决策

关键模式

  • 遗留数据拱
  • DW和电器
  • MDM
  • 报告和仪表板

特征

  • 结构化数据
  • 决策支持系统。描述性和诊断性见解

跨数据子域的关键趋势

数据库和电器

从记录系统到智能系统的运动

趋势1

加速从专有数据库和设备向开源和云平台的迁移

随着数字化亚博比分直播的数字转型,具有新的创新技术的巨大资本和时间投资。云计算是数字转换的主要趋势,因为它使业务应用程序和基础架构易于访问。亚博比分直播

趋势2

越来越多地采用各种NoSQL数据库

NoSQL或Nonrelational Database,采用升高,因为企业开发了访问和分析大量非结构化数据或存储在云中的多个虚拟服务器中的数据。

趋势3

交易和分析数据的融合

企业通常有跨独立数据仓库、数据湖和数据库的事务性、分析性和操作性工作负载。这会导致数据竖井,如果不跨这些系统移动数据,就很难提供实时分析和见解。

数据管道和流

从面向批处理的ETL转向事件驱动的实时ELT

趋势4

从批处理转向流数据

在当今互联互通的社会,企业正被来自传感器、机器、跟踪设备、银行和交易来源、智能手机、社交媒体内容和其他“物联网”设备的大量数据轰炸。

趋势5

设备或传感器数据的事件处理

流数据为具有AI和事件驱动的应用程序的有趣未来使用案例提供了机会,最显着地引起构建和运行可扩展事件流处理的各种工具和框架。

趋势6

元数据驱动的ETL管道支持敏捷性

企业有无数的数据源,需要可伸缩和健壮的管道来维护数据完整性。ETL开发工具通常需要使用工具集的专业知识,而且可能耗时且容易出错。

数据消耗

从描述性分析转向规范性分析

趋势7

数据市场支持数据民主化

在信息时代,数据专家主要负责释放组织内数据的权力,因为其他人缺乏有效处理有时的数据量的培训。

趋势8

数字大脑推动高律值

根据客户体验影响调查,86%的客户愿意为更好的客户体验付出更多。这为企业提供了一个通过提供超个性化服务而从竞争对手中脱颖而出的机会。

数据操作和治理

智能治理和运营的兴起

趋势9

智能操作

数字颠覆、客户体验和数据爆炸是迫使企业重新构想业务流程并采用智能运营的关键驱动因素。

趋势10

智能管理

为了成为数据驱动,企业需要在整个组织中应用自动化,智能和自助服务,以加速业务流程并授权所有业务单位。

数据隐私和安全性

人工智能驱动的主动保护的兴起

趋势11

关键域名和新地理位置的法规遵从性

在包括欧盟(欧盟)一般数据保护条例(GDPR),巴塞尔银行监管标准(BCB)239和加州消费者隐私法(CCPA)的各种法规,安全合规性已成为一个热门话题。与2019年的Capgemini报告中共享,符合完全GDPR的组织的百分比低于66%。

趋势12

通过设计和默认应用程序的隐私

设计中的隐私包括新设备、网络基础设施、IT系统甚至公司政策的初始阶段的隐私。在最初的项目阶段开发和集成隐私解决方案,积极地发现问题,并帮助预防它们的长期发展。

趋势13

云访问安全代理(CASB)

企业现在可以专注于核心功能,因为采用云计算减轻了对数据存储的担忧。在云安全解决方案需求增加的背后,主要是对隐私和安全漏洞的担忧。

数据保证

采用AI驱动的数据保证

趋势14

云数据验证

随着数据进出云(或数据湖),数据错误和不一致性就会累积。这导致不到40%的数据云(和湖泊)是可靠的和可用的。对数据敏感的组织来说,缺乏云数据验证是一个存在的威胁。

趋势15

端到端自助服务测试数据管理(TDM)

生产缺陷造成的重大经济损失导致测试行业对测试数据管理(TDM)的兴趣迅速上升。这是因为损耗可以通过使用适当的测试数据进行检测来避免。测试数据已经从一些样本文件发展到强大的高覆盖率测试数据集。

下载的见解

问问专家

迪帕克p . N。

迪帕克p . N。

副总统副总裁

Eggonu Vengal Reddy

Eggonu Vengal Reddy

主要产品架构师

Jagadamba Krovvidi.

Jagadamba Krovvidi.

副总统副总裁

辛格Jasdeep羽衣甘蓝

辛格Jasdeep羽衣甘蓝

副总统副总裁

拉杰夫纳亚尔

拉杰夫纳亚尔

副总统

Shashidhar Ramakrishnaiah

Shashidhar Ramakrishnaiah

副总统副总裁

订阅

为了让自己更新最新的技术和行业趋势,订阅了Infosys知识学院的出版物亚搏电脑登录

印孚瑟斯TechCompass