各行各業都在進行數字化轉型，并希望進一步利用人工智能（AI）、機器學習（ML）等新興技術提高運營效率和降低成本。AI和ML算法的持續發展推動了機器學習和處理的采用。從金融到電信業、從制造到零售業，企業正以創新的方式利用這些技術來實現業務轉型。

隨著越來越多的行業在數字化方面趨于成熟并廣泛采用這些技術，2023年將成為企業尋求跨業務職能部署新興技術解決方案的關鍵一年。以下列舉了在未來一年中可能主導業務重心的三大關鍵趨勢。

趨勢1：將數據視為戰略業務資產

近年來，企業在開展數字化活動的過程中產生了前所未有的大量數據，并增加了數字客戶接觸點。這一點在電信、零售、醫療、制造、保險和金融服務等行業表現尤甚。隨著5G網絡的部署覆蓋整個地區，這一數據量將繼續大幅增加。

在亞太地區，企業正在或準備更多地利用數據，并縮短價值實現時間。數據蘊藏著做出關鍵業務決策所需的寶貴洞察，而最具創新力和最成功的企業已經認識到數據是一種戰略資源，因此需要制定相應的數據戰略。鑒于每個環節都環環相扣，該戰略的具體內容取決于企業各自的業務需求，并不存在一個放之四海而皆準的方法，而需要隨著業務重心的變化不斷調整數據戰略。

可以肯定的是，企業數據戰略應與企業的云戰略和業務重心保持一致，這將有助于企業通過提高運營效率和挖掘新的盈利來源來創造更大的商業價值。根據??企業數據成熟度??調查的研究結果，在亞太地區擁有成熟數據戰略的企業中，有5.97%實現了更高的利潤增長。

各個行業、不同規模的企業只要有合適的工具，就能輕松地從數據中提煉出可執行的洞察，進而使用這些洞察實現業務目標或挖掘新的盈利來源。尤其是自助服務功能的出現，企業不需要具備運維或云方面的專業知識也能輕松使用。

趨勢2：使用自適應AI系統加快業務決策速度

隨著實時數據處理、流式傳輸和共享需求的增加，推動企業向數據驅動型企業轉型，我們預計會有更多的企業投資建設自適應AI系統。這些系統能夠頻繁采集大量數據，并能迅速適應變化和差異。聚焦中國市場，??IDC??預計，2026年中國AI投資規模全球占比將達到8.9%，位列全球第二。

決定勝負的關鍵將取決于預測分析的執行速度，以及與這些算法范例相關的成本效益比。企業若能夠通過合適且可解釋的AI建立信任，以此提高決策的速度和靈活性，則能超越對手脫穎而出。

我們預測企業將把重心從算法轉向可直接用于業務的預測性儀表盤、可視化、應用等，簡化使用AI系統得出結論的過程。這將幫助企業領導者迅速了解業務所受到的影響，并自信地采取行動。

我們一直在與亞太地區的企業合作，使用數據分析和AI解決方案推動數據驅動型決策和運營效率優化，這些企業很快就收獲了巨大的商業利益。例如，??新加坡的大華銀行（UOB）??使用機器學習進行操作分析，并向整個銀行的用戶提供洞察。大華銀行通過Cloudera數據平臺推出存款分析解決方案，保證了該銀行能夠憑借最佳的定價獲得穩定的存款，并提供連貫、準確的存款視圖。此舉最終增加了該銀行的收入、降低了風險并提高了生產力。

趨勢3：持續向公有云和混合云遷移，優化部署

圍繞云的政策和云遷移仍然是IT高管的第一要務，使得不同規模企業的公有云支出和工作負載量繼續加速增長。在中國，混合云的采用已成為主流趨勢，根據??Gartner的預測??，中國大型企業機構的混合云采用率在2026年會提高到70%以上。但由于企業難以有效地優化成本，這些支出中有很大一部分被浪費了。

根據??Flexera的《2022年云現狀報告》??，許多受訪者估算其企業在2021年浪費了32%的云支出，相比前一年的30%有所上升。成本優化已連續第六年成為企業的第一“云”要務，可見企業應該選擇更加經濟有效的戰略以便快速、高效地交付成果，包括：

·       通過將更多的工作負載遷移到云端來解放資源，同時提高敏捷性

·       實施數據和分析解決方案

·       將一些機器學習工作流程回遷本地，這樣就可以更加經濟有效地處理復雜的流程，優化合規、治理和安全方面的云支出

使用數據湖倉、數據編織、數據網格等現代化數據架構對于提高各項此類業務的效率至關重要。除了管理本地和公有云或私有云中的數據外，這些現代化數據架構還能處理各種復雜的問題，包括與安全和治理相關的問題，并解決IT團隊在企業數據訪問權限方面的擔憂。

企業可以考慮遷移到能夠管理整個數據分析和機器學習生命周期的混合數據平臺。這些平臺必須具有開放性和互操作性，這樣才能實現輕松的共享和各種自助功能，比如內置共享數據體驗（SDX）功能的Cloudera Data Platform（CDP）。這些功能為企業提供了一個涵蓋所有數據的通用元數據、安全和治理模式。

總而言之，在擁抱云、邊緣和數據能力之前，企業必須花時間評估他們的業務流程。這里的關鍵在于確定最適合自身業務需求的方法和戰略，從而使整個企業都能從這些功能中受益，而不僅僅是解決具體問題。