
暂无个人介绍
欺骗工具在过去几年来取得了长足的进步,如今可以更紧密地模拟真实的网络活动,并帮助企业的安全团队识别和阻止网络攻击。精通安全的企业应该明白,需要假设他们的系统可能遭到破坏。这是零信任架构如今受到如此多关注的原因之一,这也是越来越多的企业拥有威胁猎手以寻找已经在其网络上活跃的攻击者的原因。这种做法越来越流行,因为网络威胁变得如此普遍,而传统的入侵检测/预防系统发送了太多误报信息,网络威胁也很容易规避。尽管如此,威胁猎手无法捕捉到所有东西,而且没有足够的员工具备这些技能。那么,安全团队去哪里获得一些帮助和缓解呢?越来越多的企业转向主动防御或欺骗技术,以帮助识别网络攻击者在其系统中的移动。顾名思义,欺骗技术就是试图欺骗网络攻击者,让他们认为正在渗透具有价值的实际资产或访问有价值的数据,而他们实际上是在陷阱中摸索,这不仅让他们在无害的系统上浪费时间,而且更容易观察他们的攻击措施。他们还为安全团队了解网络攻击者正在使用的工具、技术和程序提供帮助。然后,该智能可用于保护实际系统。为了发挥作用,欺骗技术本质上创造了模拟自然系统的诱饵和陷阱。这些系统之所以有效,是因为了解大多数网络攻击者的操作方式。例如,当网络攻击者侵入系统时,他们通常会寻找建立持久性的方法,这通常意味着关闭后门。除了进入后门之外,网络攻击者还会尝试在企业内部横向移动,将会尝试使用被盗或猜测的访问凭据。当网络攻击者发现有价值的数据和系统时,他们将部署额外的恶意软件并泄露数据。借助传统的异常检测和入侵检测/预防系统,企业试图在其整个网络和系统上发现这些正在进行的网络攻击。尽管如此,问题在于这些工具依赖于签名或易受攻击的机器学习算法,并会引发大量误报。然而,欺骗技术触发事件的门槛更高,但这些事件往往是真正的威胁参与者进行真正的攻击。虽然欺骗技术以端点、服务器、传统IT设备和网络设备而闻名,但它们也可以用于物联网设备,如销售点系统、医疗设备等。在为任何企业购买欺骗技术时,都需要考虑以下几点:扩展能力:为了行之有效,欺骗技术必须能够在整个企业环境中部署。集中管理:随着规模的扩大,成千上万的端点和管理这些欺骗性资产的需求,最好是从集中式控制台进行管理。敏捷性:欺骗技术还必须部署在各种形式的因素中:内部部署设施、云平台、网络设备、端点和物联网设备。集成:收集到的信息欺骗技术对于安全运营中心、事件响应团队和威胁猎手来说非常宝贵。它对其他安全工具也很有价值,例如安全信息和事件管理器、防火墙、漏洞管理器以及传统的入侵检测和预防系统。寻找可以直接共享数据的欺骗技术,这与现有的安全工具箱配合得很好。顶级欺骗工具以下是目前市场上可用的一些欺骗技术:01 Acalvio ShadowPlexAcalvio公司的ShadowPlex平台可以大规模提供企业级欺骗服务。该公司表示,ShadowPlex旨在尽可能减少管理开销和日常管理。他们的安装框架灵活且可扩展,可用于诱饵部署,并可选择通过云平台或内部部署管理仪表板。当网络攻击者与诱饵交互时,可以在时间线、详细的事件数据(例如数据包捕获、日志捕获和攻击中使用的凭据)中检查信息。当使用所谓的“高交互模式”时,ShadowPlex将提供所有键入的击键行为、它们连接的网络、任何文件修改以及诱饵中使用的任何系统进程和工具。企业环境在不断变化,ShadowPlex拥有对环境的持续评估并适当地更新诱饵。ShadowPlex可与威胁追踪和安全运营团队使用的工具配合使用。因为它产生很少的误报,所以这些团队将获得可用于事件响应和主动威胁追踪的数据。ShadowPlex与安全信息和事件管理 (SIEM)和安全运营中心(SOC)团队的日志管理解决方案集成,例如Splunk、ArcSight和QRadar。ShadowPlex还可以保护物联网(IoT)传感器和设备,甚至是构成大部分运营技术(OT)领域的工业控制中心。对于物联网和运营技术设备而言,拥有欺骗技术来保护它们至关重要,因为许多设备本身的原生安全性有限或没有。这也使其成为医疗保健环境的不错选择。它可以模仿台式电脑和医疗设备之类的东西,根据他们的兴趣引诱网络攻击者进入其中任何一个。02 Attivo威胁防御欺骗和响应平台2022年3月,SentinelOne公司收购了Attivo Networks公司,虽然分析师认为此次收购的主要动机是Attivo监控密码和用户异常的身份安全评估能力,但SentinelOne公司还获得了Attivo Networks的网络和基于云的欺骗能力。Attivo是首批为其产品添加响应功能的欺骗技术开发商之一,该公司通过其Attivo威胁防御欺骗和响应平台进一步推动了这一点。该平台可以部署在内部部署、云平台、数据中心或混合运营环境中。所有部署的诱饵似乎都是在网络中使用的真实资产。Attivo威胁防御欺骗和响应平台的目标与其他欺骗工具集相同,即部署网络攻击者将与之交互的虚假资产,但实际用户或者不知道,或者没有理由接触这些资产。一些诱饵比其他诱饵更公开一些,这有助于找出内部威胁或窥探员工。在大多数情况下,欺骗资产旨在捕获威胁者潜入网络并试图进入一条更深入的路径,获取凭据,横向移动或彻底窃取数据。一旦网络攻击者与Attivo威胁防御欺骗和响应平台的一项欺骗性资产进行交互,它不仅仅会生成警报。它还与网络攻击者交互,发回侵入者可能期望的各种响应。它可以激活沙盒,以便网络攻击者上传的任何恶意软件或黑客工具进入沙盒环境。这不仅可以保护网络,还可以检查恶意软件以确定网络攻击者的意图和策略。该平台还允许管理员采取措施,例如隔离被网络攻击者用作启动平台的系统或使受感染用户的凭据过期。一旦用户开始信任该平台,一旦收集到任何重要的威胁情报,就可以将这些操作设置为自动发生。欺骗和响应平台不仅提供了良好的欺骗技术,还帮助防御者快速提升响应能力,这是一个重要优势。03 Illusive ShadowIllusive Networks公司旨在使网络攻击者的成功横向移动变得虚幻。它通过为网络攻击者创建一个敌对的环境来实现这一点,因为他们试图通过将端点变成欺骗工具来在企业环境中到处移动。该公司称,其无代理设计可防止黑客检测到欺骗行为,Illusive Networks公司声称其欺骗技术在与微软、Mandiant、美国国防部和思科等机构和企业进行的140多次红队演习中保持不败。因为它是无代理的,所以Illusive Shadow可以直接部署在内部部署设施、云平台或混合云中。正如人们所预料的那样,Illusive Shadow诱饵以凭据、网络连接、数据和系统以及攻击者可能感兴趣的其他项目的形式出现。Illusive Shadow还会随着企业环境的变化而自动扩展和更改,并将为每台机器定制端点诱饵。安全分析师和安全运营中心(SOC)团队将对Illusive Shadow的管理控制台如何模拟网络攻击者的接近程度感兴趣,因为他们正在与诱饵、关键资产和攻击者行动的时间表进行交互。04 CounterCraft网络欺骗平台CounterCraft的网络欺骗平台通过ActiveLures捕获攻击者,可以自定义或基于模板。这些ActiveLure的“面包屑”分布在端点、服务器,甚至在GitHub等平台上在线。欺骗并没有随着诱惑而停止;诱饵的工作是将攻击者吸引到ActiveSense环境中。ActiveSense环境基于代理收集的数据,并通过安全和分段的环境发回。整个系统旨在实时提供有关网络攻击者活动的情报。CounterCraft公司表示,ActiveSense环境可以通过CounterCraft平台快速部署和控制。整个欺骗系统旨在灵活地在现有环境中工作,并与现有的安全、信息和事件管理系统以及威胁情报系统集成。它还适用于企业安全团队已经习惯的格式,例如SysLog或OpenIOC。收集的威胁信息也可以自动发送到其他机器以支持其他安全系统。了解网络攻击者的一种有效方法是通过可视化图表对他们的活动进行建模。CounterCraft的攻击图和来自欺骗平台的实时反馈,可以帮助安全团队了解攻击者的战术、工具和程序。05 Fidelis Deception平台Fidelis Deception平台声称可以轻松部署欺骗技术。欺骗资产通过下拉菜单和向导部署,可选择让Fidelis Deception平台查看环境并自动部署欺骗资产。它在部署与环境中其他任何内容相匹配的资产方面做得很好。它将监控网络的发展和扩展,就如何反映欺骗网络中的这些变化提出建议。例如,如果一家企业安装了一批新的物联网安全摄像头,Fidelis Deception平台将检测到这一点,并提供部署具有类似特征的假摄像头。它完全支持几乎所有物联网设备,并且在OT中也可以找到许多设备。除了易于部署之外,Fidelis Deception平台还控制其虚假资产,让它们相互通信并执行相同类型的普通设备会执行的操作。它甚至开始实施一些令人惊讶的高级策略,例如毒化地址解析协议表,使其看起来像欺骗资产一样活跃,就像它们所保护的真实资产一样。Fidelis Deception平台的独特之处在于它还产生了以真实方式与欺骗性资产交互的假用户。试图确定资产是否真实的黑客会看到用户与之交互的证据并放松警惕,不知道用户本身就是精心策划的骗局的一部分。06 TrapX DeceptionGrid(现为CommVault)2022年2月,数据治理和安全服务商CommVault公司收购了最流行的欺骗平台之一的TrapX和DeceptionGrid,因为它拥有虚假但真实的欺骗资产。借助DeceptionGrid,企业通常会在受保护的网络上部署数千个虚假资产。DeceptionGrid部署的欺骗资产包括网络设备、欺骗令牌和主动陷阱。从大多数部署开始,主要的欺骗性资产被设计成看起来像功能齐全的计算机或设备,TrapX有几个为金融或医疗保健等行业设计的模板。它可以模仿从自动取款机到销售点设备再到几乎任何物联网资产的一切。此外,DeceptionGrid可以部署具有完整操作系统的欺骗性资产。它们被称为FullOS陷阱,旨在让网络攻击者相信他们正在使用真实资产,同时全面监控他们为收集威胁情报所做的一切。TrapX部署的欺骗令牌更小。但同样重要。与功能齐全的欺骗性资产不同,令牌只是普通文件、配置脚本和其他类型的诱饵,网络攻击者用来收集有关他们试图入侵的系统和网络的信息。它们不会与网络攻击者交互,但会在他们访问、复制或查看它们时提醒安全团队。主动陷阱完善了DeceptionGrid部署的欺骗性资产的数量。这些陷阱在它们之间传输大量虚假网络流量,并提供指向欺骗网络其余部分的指针和线索。任何在幕后监控网络流量的攻击者都可能被虚假网络流所欺骗,这将导致他们获得欺骗性资产,即使他们可能认为它是安全的,因为它看起来在网络中正常且充分使用。TrapX DeceptionGrid最近在内部部署和云计算基础设施中添加了欺骗技术容器环境。通过检测高级网络攻击并提供对利用应用程序漏洞和容器之间横向移动的尝试的可见性,DeceptionGrid 7.2为增强的事件响应和主动防御提供了全面的保护。
针对 Linux 系统环境的恶意软件在过去一年中大量增加,攻击者使用各种技术来进行恶意操作。本文介绍了企业需要注意的针对 Linux 系统的六类攻击。Linux 系统是一个令人垂涎的目标。它是众多应用程序后端和服务器的主机操作系统,并支持各种物联网 (IoT) 设备。然而,对基于该系统运行的设备而言,其保护工作仍做得不够。“Linux 系统恶意软件一直被严重忽视,”VMware 公司安全威胁情报业务高级主管乔瓦尼•维格纳 (Giovanni Vigna) 说。“由于大多数云主机运行 Linux 系统,因此,破坏基于 Linux 系统的平台,可使攻击者访问大量资源或通过勒索软件和 wiper 恶意软件造成重大破坏。”近年来,网络犯罪分子和民族国家的攻击者已将目标对准了基于 Linux 的系统。根据 VMware 公司最近的一份报告,其入侵的目标通常是企业和政府网络,或获取进入关键基础设施的访问权限。他们充分利用了薄弱的身份验证、未修补的漏洞和服务器的错误配置等因素。Linux 系统恶意软件不仅变得越来越普遍,而且越来越多样化。Intezer 安全公司研究了各种恶意软件的代码独特性,以了解开发者的创新程度。该公司发现,与 2020 年相比,2021 年大多数类别的恶意软件的创新程度都有所增加,包括勒索软件、银行木马程序和僵尸网络。据一份报告称:“针对 Linux 系统的恶意软件创新程度的提升可能与各组织机构越来越多地转向使用云环境有关,而这些环境常常依赖 Linux 系统运行。”“Linux 系统恶意软件的创新程度接近基于 Windows 系统恶意软件的水平。”随着 Linux 系统恶意软件的不断发展,各组织机构需要关注最常见的攻击,并要始终对每一环节加强安全性。“尽管 Linux 系统可能比其他操作系统更安全,但需要注意的是,一个操作系统的安全性取决于其最薄弱的环节,”Cofense 公司首席安全威胁顾问罗尼•托卡佐夫斯基 (Ronnie Tokazowski) 说。以下是针对 Linux 系统的六类攻击,需要注意:1. 勒索软件是以虚拟机映像为目标近年来,勒索软件团伙开始窥探 Linux 系统环境。恶意软件样本的质量存在很大差异,但 Conti、DarkSide、REvil 和 Hive 等团伙正在迅速提升自己的技能。通常,针对云环境的勒索软件攻击是经过精心策划的。VMware 公司表示,网络犯罪分子在开始加密文件之前,会尝试使受害者的系统完全瘫痪。最近,RansomExx/Defray777 和 Conti 等团伙开始以虚拟环境中用于处理工作负载的 Linux 系统主机映像为目标。“这一令人担忧的新发展趋势表明,攻击者如何在云环境中寻找最有价值的资产,以造成最大的破坏。”VMware 公司在报告中写道。对托管在 ESXi Hypervisor 上的虚拟机映像进行加密,这对这些团伙而言尤其具有吸引力,因为他们知道自己会对系统运行产生巨大影响。Trellix 安全公司的一份报告称,“勒索软件领域的一个常见主题就是开发专门用于加密虚拟机及其管理环境的新二进制程序”。2. 加密劫持正呈上升趋势加密劫持是最常见的一类 Linux 系统恶意软件,因为它可以快速赚钱。托卡佐夫斯基说:“该软件的目的是利用计算资源为攻击者生成加密货币。”通常是门罗币。第一次被人们所关注的攻击事件发生在 2018 年,当时特斯拉公司的公有云成为受害者。据 RedLock 云监控公司称,“该黑客侵入了特斯拉公司的 Kubernetes 控制台,该控制台没有设置密码保护。”“在 Kubernetes 的一个单元中,访问权限凭证暴露在特斯拉公司的亚马逊网络服务 (AWS) 环境中,其中包含一个 Amazon S3(亚马逊简单存储服务)存储桶,而该存储桶中含有遥感监测等敏感数据。”加密劫持已变得越来越普遍,其中 XMRig 和 Sysrv 已成为最知名的加密矿工软件。SonicWall 公司的一份报告显示,与 2020 年相比,2021 年的攻击次数增加了 19%。“对于政府和医疗领域的客户而言,这一增幅达到了三位数,即加密劫持次数分别增长了 709% 和 218%。”该报告称。这家安全公司的统计数据显示,每个客户网络平均受到 338 次加密劫持攻击。托卡佐夫斯基表示,为了锁定受害者,许多团伙使用默认密码列表、利用 bash 漏洞,或故意锁定并利用那些安全性较低且配置错误的系统漏洞。“其中一些错误配置可能涉及到目录遍历攻击、远程文件包含攻击,或者利用默认安装的错误配置过程。”他说。3.三类恶意软件(XorDDoS、Mirai 和 Mozi)是以物联网为目标物联网是基于 Linux 系统运行的,几乎没有例外,这些设备的简单性使其很容易成为潜在的受害者。CrowdStrike 公司的报告称,与 2020 年相比,2021 年针对在 Linux 系统上运行的小工具的恶意软件数量增加了 35%。这三类恶意软件占总数的 22%:XorDDoS、Mirai 和 Mozi。这些恶意软件遵循相同的模式,即感染设备,将这些设备聚集到僵尸网络中,然后利用这些设备执行 DDoS 攻击。Mirai 是一种 Linux 系统木马,其利用 Telnet 和安全外壳 (SSH) 暴力破解攻击来破坏设备,被视为许多 Linux 系统 DDoS 恶意软件的共同祖先。当其源代码在 2016 年公开后,便出现了多个不同版本。此外,恶意软件作者从Mirai木马中吸取了经验,并将其功能应用到自己的木马程序中。CrowdStrike 公司注意到,与 2021 年第一季度相比,2022 年第一季度针对英特尔的 Linux 系统所编译的不同版本 Mirai 恶意软件数量增加了一倍以上,其中针对 32 位 x86 处理器的不同版本数量增加最多。该报告称:“Mirai 变体木马不断发展,以利用未修补的漏洞来扩大其攻击范围。”另一个流行的 Linux 系统木马是 XorDDoS。微软公司发现,这一威胁在过去六个月中上升了 254%。XorDDoS 木马利用针对 ARM、x86 和 x64 Linux 系统架构所编译的自身变体来增加成功感染目标系统的可能性。与 Mirai 木马一样,XorDDoS 木马也使用蛮力攻击来获取其目标的访问权限,一旦进入后,它会扫描端口 2375 处于开放状态的 Docker 服务器,以获得对主机的远程根目录访问权限,而无需输入密码。Mozi 恶意软件会以某种类似的方式来破坏其目标,同时为了防止其他恶意软件取代自己的位置,会阻塞 SSH 和 Telnet 端口。它会创建一个点对点的僵尸网络,并会使用分布式哈希表 (DHT) 系统将其与指挥和控制服务器之间的通信隐藏在合法的 DHT 流量背后。根据 Fortinet 公司的《全球安全威胁状况报告》(Global Threat Landscape Report),最成功的僵尸网络活动随着时间的推移始终在持续进行。这家安全公司发现,恶意软件作者投入了大量精力来确保其感染状态能持续存在,这意味着重新启动设备也不会解除黑客对受感染系统的控制。4.国家发起的攻击行为是以 Linux 系统环境为目标监视民族国家团体的安全研究人员注意到,这些团体越来越多地以 Linux 系统环境为目标。Intezer 公司的安全研究员瑞安•罗宾逊 (Ryan Robinson) 说:“随着俄乌战争的爆发,已有很多 Linux 系统恶意软件被攻击者使用,包括 wiper。”据 Cyfirma 网络安全公司称,在战争开始之前的几天,俄罗斯 APT 组织 Sandworm 就攻击了英国和美国机构的 Linux 系统。ESET 是密切关注这场冲突及其网络安全影响的公司之一。“一个月前,我们一直在研究 Industroyer2 恶意软件,其被用于攻击一家乌克兰能源供应商。”ESET 公司高级恶意软件研究员 Marc-Étienne Léveillé 说。“这次攻击包括使用 SSH 来传播 Linux 和 Solaris 系统蠕虫,还可能涉及窃取凭据。这是一次非常有针对性的攻击,其目标显然是为了破坏数据库和文件系统的数据。”根据 ESET 公司的报告,Linux 系统 wiper 恶意软件“可通过使用 shred 命令(如果可用的话)或只是使用 dd 命令(和 if=/dev/random)来破坏连接到该系统的磁盘的全部内容”。“如果连接了多个磁盘,则数据删除过程会并行进行,以加快速度。”ESET 公司将该恶意软件归咎于 Sandstorm APT 组织,该组织曾在 2016 年利用 Industroyer 恶意软件切断乌克兰的电力。至于其他民族国家攻击者,微软和 Mandiant 公司注意到,由国家支持的多个团体一直在利用 Windows 和 Linux 系统上知名的 Log4j 漏洞来获取其目标网络的访问权限。5.无文件攻击难以被侦测美国电话电报公司 (AT&T) Alien Labs 实验室的安全研究人员发现,包括 TeamTNT 团体在内的多个攻击参与者已开始使用 Ezuri,这是一款用 Golang 语言编写的开源工具。攻击者使用 Ezuri 来加密恶意代码。在解密时,其工作负载直接在内存中执行,而不会在磁盘上留下任何痕迹,这使得这些攻击行为很难被杀毒软件检测到。与此技术相关的主要团体 TeamTNT 是以未正确配置的 Docker 系统为目标,其目的是安装 DDoS 机器人和加密矿工。6.Linux 系统恶意软件以 Windows 系统设备为目标Linux 系统恶意软件还可以通过适用于 Linux 的 Windows 子系统 (WSL) 来利用 Windows 系统设备,WSL 是 Windows 系统的一个功能,允许 Linux 系统二进制文件在 Windows 操作系统上本地运行。WSL 必须手动安装或通过加入 Windows Insider 计划来安装,但如果攻击者拥有更高的访问权限,则可以安装该功能。Qualys 云安全公司研究了利用 WSL 功能在 Windows 系统设备上进行攻击或拥有持续性的可行性。到目前为止,该公司分析了两种技术(即代理执行和安装实用程序),并得出结论认为,这两种技术都是高度可行的。据该公司的安全专家称,想要防范此类攻击的组织机构可以禁用虚拟化和禁止安装 WSL 功能。这还有助于持续检查正在运行的进程。攻击者还将 Windows 系统工具的功能移植到 Linux 系统,旨在以更多的平台为目标。一个例子是 Vermilion Strike,它是基于 CobaltStrike(一款流行的 Windows 系统渗透测试工具)开发的,但也适用于 Windows 和 Linux 系统。Vermilion Strike 工具可为攻击者提供远程访问功能,包括文件处理和 shell 命令执行。该工具被用于攻击电信公司、政府机构和金融机构,攻击者的主要目的是进行间谍活动。Intezer 公司的研究人员在其报告中称,“Vermilion Strike 工具不可能是CobaltStrike Beacon 最后一个针对 Linux 系统的工具”。防范针对 Linux 系统环境的恶意软件当系统管理员和开发人员与时间和最后期限争分夺秒时,安全性就成为最薄弱的环节。例如,开发人员可能会盲目地相信来自社区的代码;他们从 Stack Overflow 中复制/粘贴代码,在克隆一个 GitHub 库后快速运行软件,或者将 Docker Hub 中的应用程序直接部署到自己的生产环境中。机会主义攻击者会利用这种“注意力经济”。他们会将加密矿工添加到 Docker 容器中,或创建与频繁使用的库名称几乎相同的开源包,以及利用部分开发人员偶尔出现的拼写错误。“利用开放部署的 Docker 和 Kubernetes,这是非常有吸引力的:粗心的人会将他们部署的容器向外界开放,从而使这些系统很容易被别人利用,并用作后续攻击或从事其他货币化活动(例如门罗币挖矿)的桥头堡。”VMware 公司的维格纳说。“我是开源软件和文化的热心传播者和倡导者,但真正让我感到不安的一件事是公共软件库中涉及的信任链的脆弱性。”Nucleus Security 公司漏洞研究工程师瑞安•克里贝拉尔 (Ryan Cribelar) 说。“当然,这不是 Linux 系统特有的问题,例如,潜藏在 PyPi 或 NPM 库中的恶意库无疑会导致 Linux 系统管理员和安全团队最难以入眠。”对于 Linux 系统服务器而言,配置错误也是一个大问题,这可能发生在基础设施中的多个位置。“通常,防火墙或安全组被错误设置,可使访问权限扩至更大的互联网范围,从而使外部访问权限能够在 Linux 系统服务器上部署应用程序。”Intezer 公司的罗宾逊说。应用程序常常被错误配置,从而使用户在没有身份验证或使用默认凭据的情况下进行访问。“根据错误配置的应用程序不同,攻击者将能够窃取信息或在 Linux 服务器上运行恶意代码。”罗宾逊补充道。“常见的例子包括错误配置的 Docker 守护进程,这可以让攻击者能够运行他们自己的容器,或错误配置的应用程序(例如 Apache Airflow 工具)导致泄露密码和客户信息。”罗宾逊补充说,默认配置通常不等同于安全配置。CrowdStrike 公司恶意软件研究高级总监乔尔·斯珀洛克 (Joel Spurlock) 看到的另一个问题是打补丁。他认为,各组织机构“要么没有或不愿意让设备保持最新版本”。应该定期打补丁,而且像 EDR 和零信任这样的流行语也应该出现在你的字典里。针对 Linux 系统环境的恶意软件在消费设备和服务器、虚拟环境和专用操作系统各领域中快速发展,因此,保护所有这些领域的一些必要安全措施需要重点关注和精心规划。
软件供应链安全工具将通过软件组成分析软件组合分析(SCA)和创建软件物料清单 (SBOM)来帮助识别第三方代码带来的漏洞和威胁。正如Apache Log4J漏洞在今年早些时候带来的影响所表明的那样,当今企业软件中最大的风险并不是由内部软件开发团队编写的不安全代码。当今软件代码库大部分的组件、库和其他开源代码存在的缺陷是不安全性这座冰山的水下部分。事实上,DevOps团队和软件工程团队采用的许多企业软件和自定义应用程序实际上并不是由他们的开发人员编写的。如今的现代软件通常是模块化的。开发人员使用所谓的微服务架构来构建新的应用程序,其方法就像搭建乐高积木,而其架构只是使用由预制代码组成的模块构建。开发人员无需在每次需要应用程序执行通用功能时重新发明轮子,而是在他们众所周知的模块工具箱中寻找合适的模块来完成他们需要的工作。这个工具箱就是当今不断扩展的软件供应链,有时是非正式的代码源,它来自当今在线上流传的数百万个GitHub存储库和开源项目。它由大量应用程序以及用于构建现代开发管道的底层应用程序和开发基础设施中使用的组件和库组成。当然,这个供应链提供的程序并不是真正的模块,它们并不总是完美地结合,因此开发人员创建自定义代码将所有这些部分整合在一起。事实上,许多人经常将这些创作开发成更多的开源项目,以供其他人解决类似问题。这也是软件供应链不断增长的原因之一。使用第三方代码构建的应用程序现代应用程序主要由第三方代码组成。根据调研机构Forrester公司的调查,构成应用程序代码库的开源代码比例从2015年的36%上升到2020年的75%。这是一种更快、更具可扩展性的快速开发方式,但与所有技术创新一样,除非采取适当的措施,否则它会增加网络风险。从当今的软件供应链中选择的组件很容易过时并充满漏洞,这是开发世界的一个秘密。让事情变得更加复杂的是,这些缺陷往往嵌套在一起,因为不同的项目可能对供应链中的其他项目具有依赖性。网络攻击者有时故意在开源软件中植入漏洞。软件供应链带来的漏洞就像企业软件中在网络安全方面隐藏的地雷,尤其是当企业没有采取任何措施来管理其开发人员如何使用软件供应链时。许多企业甚至几乎不跟踪(更不用说审查或管理)进入或生成其开发人员提交的代码的组件、库和开发人员工具的种类。根据Linux基金会发布的一项研究报告,不到一半的企业使用软件材料清单(SBOM)来准确跟踪从软件供应链进入其应用程序的内容。创建软件物料清单 (SBOM)是供应链安全的基础,同时也是开源治理和保护基础设施的基础,因为基础设施是与整个软件开发生命周(SDLC)中的应用程序相关的代码元素。以下是有助于实现这一目标的重点强调软件组合分析(SCA)的工具列表,这些工具专门专注于开发创建软件物料清单 (SBOM)、提高对软件内容的可见性,以及修复作为软件构建块的组件中的缺陷。7个顶级供应链安全工具(1)Contrast SecurityContrast Security以其交互式应用程序安全测试(IAST)技术而闻名,该技术通过运行在应用程序服务器上的代理检测应用程序中的漏洞,Contrast Security提供软件组合分析(SCA))功能,作为其开放平台完整测试计划的一部分,该平台还进行动态应用程序安全测试(DAST)、静态应用程序安全测试(SAST),AWS Lambda基础设施的运行时应用程序扫描保护(RASP)和无服务器安全检查。该工具不仅可以生成软件物料清单 (SBOM),还可以通过可视化应用程序架构、代码树和消息流信息来对构成应用程序的各种成分的缺陷实现场景化,以帮助进行威胁建模补救。开源治理嵌入在现代开发工作流程和工具中,Contrast Security的主要业务是弥合开发人员和安全团队之间的鸿沟,使其成为DevSecOps市场的主要参与者。(2)ShiftleftShiftLeft在这个选项领域相对较新,旨在适应具有前瞻性思维的DevOps团队的开发工作流程。其核心价值在于将软件组合分析(SCA)和静态应用程序安全测试(SAST)整合到一个扫描行为中,当开发人员提出拉取请求时完成该扫描。该技术使用该公司称为代码属性图(CPG)的技术来绘制自定义代码、开源库、SDK和API之间的依赖关系和数据流,不仅可以找出整个应用程序的缺陷,还包括其开源组件,但也是逻辑应用程序的弱点。供应链缺陷通过使用插入到软件物料清单 (SBOM)中的“可达性”指数对攻击的敏感性进行优先级排序,该指数根据组件在应用程序中的使用方式将其置于组件可攻击性的场景中。(3)SnykSnyk是一套云原生、以开发人员为中心的工具,专为DevSecOps和云原生开发商店而构建。它以其SCA和容器安全扫描功能而闻名,它还提供SAST和API漏洞测试。2022年2月,Snyk公司收购了云安全态势管理商Fugue公司。正如Gartner公司解释的那样,它在代码安全、容器安全和应用程序安全等基础设施中提供的产品组合代表了“应用程序和基础设施层越来越模糊”这一事实。它通常是在开发人员方面购买的,但对于寻求转向开发人员运行的安全测试和修复的民主化模型的首席安全官和安全人员来说值得尝试。(4)Sonatype Nexus作为软件组合分析(SCA)市场上运行时间最长的产品之一,Sonatype早在该术语进入安全会议和网络研讨会之前就将自己称为“软件供应链安全”公司。Sonatype Nexus平台的核心是其创建详细的软件物料清单 (SBOM)和策略管理的能力。Forrester公司分析师表示,“策略是Sonatype的优势领域,它具有符合一系列标准的开箱即用策略和允许用户创建策略,并将策略分配给某些类型的应用程序的策略引擎。”而策略不仅可以应用于代码中的内容,还可以用于管理周围基础设施的安全性和配置,作为用于开发和部署应用程序的代码和容器。Sonatype Nexus还提供存储库管理,为所有组件、二进制文件和构建工件提供单一事实来源。Nexus的组件历史可视化和Sonatype的客户服务也被分析师称为其最大优势。Sonatype公司去年还在一次收购中收购了MuseDev,帮助它建立了Sonatype Lift功能,在代码审查期间提供对开发人员友好的代码质量分析。(5)Synopsys Black DuckSynopsys公司的Black Duck SCA工具执行四种类型的分析(依赖性、代码打印、二进制和片段),以跟踪和管理组织软件中使用的组件。Synopsis公司最近改进了Black Duck的软件物料清单 (SBOM)创建功能,以包括BLANK。除了创建材料清单之外,该工具还执行自动化策略管理。Black Duck是Synopsys提供的更广泛的AppSec工具组合的一部分,Gartner公司在其应用安全测试魔力象限中将其命名为领导者。它用于提供SCA以及DAST、SAST、渗透测试、模糊测试和一系列其他测试功能的开放平台模型是一个关键的价值主张。Gartner公司表示,它使Synopsys非常适合使用多种开发风格和编程技术进行复杂、多团队开发的企业。(6)Veracode作为传统应用安全测试市场的长期强者,Veracode公司成熟的SaaS产品长期主导静态应用程序安全测试(SAST)和动态应用程序安全测试(DAST)领域,Veracode公司在过去几年一直在软件组合分析(SCA)上投入巨资。在2018年收购SourceClear之后,其本土软件组合分析(SCA)功能与其通过SourceClear提供的功能之间存在一些分歧,但Veracode软件组合分析现在是通过该平台提供的单一产品。Forrester公司分析师解释说,“Veracode的路线图侧重于在开发人员环境中统一静态应用程序安全测试(SAST)和软件组合分析(SCA)功能,并增强容器和基础设施即代码(IaC)安全功能。”他们指出,Veracode的亮点是它的补救报告和依赖关系图。他们指出,最大的摩擦点是难以将其集成到开发人员的工作流程中。(7)WhiteSource SoftwareWhiteSource Software的软件组合分析(SCA)上工具的一大亮点是对开发人员友好的组件安全问题进行修复,其中包括警报和修复过期和恶意组件。Forrester分析师写道,“WhiteSource的思想领导力专注于补救和优先排序。”他们认为这家供应商是软件组合分析(SCA)领域的领导者。他们说,“WhiteSource提供与众不同的功能,包括一个浏览器插件,以帮助避免有问题的组件,并从开发人员队列中删除无法访问的漏洞,以改善开发人员体验。但它落后的一点是缺乏开箱即用的政策。”WhiteSource公司今年早些时候推出了静态应用程序安全测试(SAST)解决方案。
IT领导者分享了他们的经验和建议,以加快IT改革,包括削减项目、转向基于产品的交付以及促进文化转型。IT在为业务提供技术支持的变革方面面临着前所未有的压力。然而,对IT的大量需求可能会使IT领导者难以将IT资源集中在正确的工作上。在这种情况下,敏捷性至关重要,聪明的IT领导者正在加倍努力简化IT,无论是重新确定项目优先级和重新调整IT组合、合理化应用程序和追求云原生方法、通过采用DevOps或AIOps提高自动化,还是彻底改革IT运营结构。本文中,4位IT领导者分享了他们精简IT以提高敏捷性的努力、经验、面临的最大挑战,以及最佳实践的建议。削减项目,提高IT专注度IT服务公司Randall-Reilly的首席信息官Chiranjoy Das称,他通过取消非必要性项目以提高企业的关注度,让IT人员更容易在更高的水平展现价值,最终确保企业变得更加敏捷。Das确定的最大优先事项包括将Randall-Reilly IT与客户系统集成,使用微服务等现代方法重新架构旧系统,实施人工智能和机器学习以自动化手动流程,并提供干净、标准化的数据用于分析和监控。Das表示,“事实上,为了保持敏捷并满足客户的需求,我们不得不推出尚不太完美的功能。例如,我们曾将sprints(即根据特定的时间框架划定的基本进度单元)从两周缩减到一周,这无疑提升了团队的专注度,但反过来也为Scrum团队带来了很大的压力,因为我们不能危及安全性。”现有资源只能支持这么多东西,这也是Das重新评估其团队项目的原因。导致交付管道过载的原因包括部门负责人推动可能对整个企业没有战略利益的“偏爱项目”(pet project),将太多投资回报率不高的大项目归类为“紧急项目”以及一些“假大空”的想法,例如未经适当审核的加密项目。由于交付以及精疲力尽的团队成员在期望的重压下遭受重创,Das开始着手解决一些关键问题,包括某些项目缺乏商业案例,其他项目没有执行发起人或项目所有者,以及缺乏可用于解决技术债务的时间。他缩减了IT正在进行的项目总数,并一直倡导转向“以产品为中心”的软件开发,这意味着除非产品所有者根据利益相关者的需求确定优先级,否则IT团队不会完成任何工作。除了每周的sprint,IT还实施了持续集成(CI)/持续部署(CD)并进行了自动化回归测试,从而提高了IT敏捷性和质量。自从Das开始做出这些改变后,IT团队的状态好转了很多。人才保留率增加了,会议减少了,IT人员也有更多精力来开展更多与业务目标一致的战略项目。Das补充道,公司领导者非常赞赏IT能够坚定立场,但他们正在考察我们,看我们能否兑现做出的承诺。但毫无疑问,更高的责任感和更少的项目负担有助于我们更好地集中注意力。领导者建议:Das认为,让企业了解IT为何要减少项目数量——以更一致地交付——是至关重要的。大多数项目并不会为业务赋值,在将项目分配给IT之前,责任需要转移到业务领导者身上以证明投资回报率。此外,敏捷的思维和文化远比敏捷开发方法重要得多。IT领导者必须在一头扎进CI/CD之类的事情之前创造一种紧迫感。敏捷性的其他关键要素包括建立数据仓库、API、适当的安全性和可扩展架构。没有这些基础板块,IT就无法实现敏捷。通过集成框架和微自动化为业务赋能为了与“以客户为中心”和专注创新的业务战略保持一致,技术团队必须做出快速决策并适应不断变化的业务环境。为此,Ricoh USA数字服务中心负责人Bob Lamendola确定了三个关键战略优先事项:微自动化,采用集成框架,并支持全民开发者。事实上,技术功能现在正围绕自动化、集成和分析进行组织。Lamendola介绍称,“通过专注于使用微自动化逐步改进业务流程,IT已经能够快速实现效率目标。我们还有很多长期的大型项目,并专注于更广泛地转型变革。但是目前,通过专注于较小的胜利,我们正在实现敏捷性并向企业展示我们正在倾听他们的迫切需求,同时也在朝着长期目标不懈努力。”认识到在可预见的未来需要支持复杂的混合云基础设施,Lamendola的团队开发了一个灵活的集成框架,可以在保持安全控制的同时实现更轻松的互连。API层允许Ricoh的第三方合作伙伴连接公司的企业资源计划(ERP)系统和其他合作伙伴服务,从而以最少的运营支持创造更好的用户体验。Lamendola解释称,“我们认识到,需要灵活地根据需要更改我们混合模型的合作伙伴或组件。通过将集成框架置于我们架构的核心,这样一来,每次我们想要将新的解决方案整合到我们的企业中时,任务就变得不那么繁重了。”此外,IT还在数据聚合、工程和分析方面进行了投资,以释放全民开发者的力量,他们可以使用集中开发的规则和业务流程框架将数据转换为驱动行动的信息。Lamendola表示,“他们有权构建自己的仪表板和模型来实现团队的目标。此外,数据分析社区与数据聚合和可访问性的结构化方法相结合,又在职能和企业层面提供了平衡的控制水平。”Lamendola补充道,这是一个重大的文化转变,它要求IT适应变化。传统工作正在转变,需要新的思维方式。从长远来看,我们将专注于生产力,但我们必须从一开始就掌握文化,以释放潜力。领导者建议:Lamendola称,我们一直专注于基础,而非最终产品。最终产品很重要,但它并不能推动我们前进。我们正在转型过程中,且仍处于转型中期,我们正在努力利用过去的投资来加速未来的基础战略。此外,了解何时放松控制也很重要。的确,政策和控制必须存在,但必须拥有灵活性,才能实现敏捷性。打破壁垒:围绕产品和流程进行重组内容服务提供商Hyland的首席信息官Steve Watt介绍称,Hyland公司正在进行重大系统改造,以推动企业发展并创建下一代基于平台的产品。此举也给IT带来了巨大的压力,要求其提供持续的价值。他解释称,“企业不能再等待所有项目都集中交付,他们期待在整个项目生命周期中持续交付价值的能力。”对于Watt来说,精简意味着消除员工绩效的障碍。在此,自动化至关重要,它使团队能够在IT内部和外部自助服务,并专注于结果。通过让正确的资源直接参与并专注于这些成果,团队能够实现紧密运作并取得成功。这就是Watt将IT重组为产品或流程一致的团队的原因。每个部门都有自己的报告结构,纳入来自不同领域的员工,包括解决方案和平台工程师、产品所有者、敏捷流程管理者以及精通基础架构、应用程序开发和集成的IT员工。例如,一个团队完全专注于Hyland的“按订单报价”流程,使用敏捷框架持续完成工作,以执行持续积压的功能、改进和修复任务。Watt称,“自重组以来,我们拥有更多的精力对任务进行优先级排序,浪费的时间也更少了。此外,我们能够更好地与业务保持一致,并且看到更快的实施和更少的返工。”此外,围绕这种新的工作方式与企业进行持续沟通同样至关重要。Watt解释称,“我们已经寻求并获得了支持,即需要削减一些事情以专注于更重要的事情,并确保我们专注于利用所拥有的有限资源进行正确的工作。”领导者建议:如果企业没有准备好在正确的时间和有规律的节奏下参与实践,IT仍然会浪费时间和精力。请务必确保你的业务利益相关者了解敏捷的真正含义,以及你在该框架中的执行将如何发挥作用。恰到好处的技术:拥抱工作流程自动化非营利性医疗认证组织Inteleos的首席信息官Juan Sanchez认为,对于Inteleos的IT团队来说,提高速度和敏捷性的压力是自己施加的。集成平台即服务(IPaaS)的实施是IT议程的首要任务,同样重要的还有通过核心平台更新减少技术债务,为内部和外部客户构建数据科学能力,以及创建零接触(zero-touch)员工入职和配置。Sanchez解释称,“如果我们利用这些工具和机会,就可以产生巨大的影响。精简IT的最终方式是利用工作流程自动化。”通过利用具有完整API的成熟SaaS平台,Inteleos的开发团队可以专注于工作流程的关键操作,而非代码的底层细节和永无止境的重构工作。基础架构团队还可以专注于构建为业务带来直接价值的工作流程。例如,通过简化及自动化帐户和应用程序配置工作流程而非保持域控制器运行,IT可以为新员工提供更好的入职体验。目前,Inteleos的许多业务流程都需要人工干预。变更请求也通常侧重于使流程更有利于员工,而非客户。Sanchez希望当业务流程所有者了解他们可以自动执行重复性任务时,能够释放他们以更全面的方式思考流程的能力,并更加关注流程的受益对象和方式。Sanchez表示,“我们将自身的操作视为一个弹性系统。我们试图确定交付价值的瓶颈在哪里,并考虑我们应该从哪里以及如何扩展该系统的不同部分。”此外,Inteleos还采用了“Goldilocks IT”原则,即构建适量的技术,不多也不少。根据Sanchez的说法,建立新技术几乎应该是最后的选择。虽然这种说法有悖常理,但每种新技术解决方案都会产生直接和长期成本。因此,建立新技术时必须慎之又慎,切忌步伐过快。到目前为止,Inteleos的KPI已经得到了改进,传统的IT服务指标(如周期时间和SLA违规)也有所减少。通过在API设计中使用更好的架构方法,开发团队已经超出其并发请求性能目标250%。将IT的形象从“黑箱”事务功能转变为业务合作伙伴并非易事。IT与其利益相关者之间不断增加的对话正在推动Inteleos的发展。Sanchez介绍称,“与以前相比,我们正在产生更大的战略影响,并在更宏观的层面帮助指导组织运行。有效沟通是协作的关键,也是大多数技术团队需要培养的重要技能。”领导者建议:愿意在人才方面发挥创造力。没有这种觉悟,即便世界上最好的架构也会失败。此外,Sanchez也认同,敏捷是一种思维,它必须首先存在于技术团队的头脑中,然后再让这种思维方式渗透到与业务部门互动的方式中。通过这些互动,我们将在业务中看到敏捷性的体现。如果作为一个技术团队,我们无法构思超出我们所见的想法,那么我们注定只能成为事务解决者,而非业务合作伙伴。
如果你追求的是真正的创新,那么请跳出“头衔”(如“最具创新性企业”)的束缚,因为很可能,它们并不像你以为的那般具有创新性。如今的创新正在平台层面进行,需要更多地考虑如何将供应商和合作伙伴融入创新生态系统中。在寻求IT创新的过程中,CIO需要超越典型的“最具创新性企业”头衔的束缚。如今的创新正在平台层面进行,需要更多地考虑如何将供应商和合作伙伴融入创新生态系统中。IDC发布的《IDC FutureScape:2021年全球行业生态系统未来预测》报告指出,领导者不能再孤立地看待他们的企业,未来的成功源于成为行业生态系统的一部分。事实上,IDC预测,今年行业生态系统将产生比传统方法高出40%的创新率。任何与行业生态系统相关的战略的一个关键部分,是决定作为参与者应该加入和成为哪些生态系统的一部分,以及作为协调者更希望在哪些生态系统中发挥主导作用。可能性是无穷的:你可能会决定多下几个“赌注”,甚至形成混合生态系统,在已建立的生态系统之上与你自己的合作伙伴和IP一起构建生态系统本身的新衍生产品。当你正在构建自己的行业生态系统和进入市场战略时,就需要考虑另一个关键因素,即与哪些技术合作伙伴保持一致以及如何尽可能地适应未来。在本文中,我们将重点关注这一点,即如何为你自己的行业生态系统寻找创新的技术合作伙伴,以便你可以从新的商业模式中获得新的净收入。从你的战略开始第一步是从你的战略、当前状态和未来愿景开始。许多行业正在从使用独立产品和单点解决方案转向更集成的工具套件,这些工具套件通常作为基于云的平台业务模型提供。企业正在寻求将其收入从基于项目的服务扩展到基于订阅的服务,以获取全年的收入。例如,建筑、工程和施工(AEC)行业正在发生这种情况。几十年来,我们一直在使用CAD和BIM软件逐个进行项目执行工作,为客户创建特定的2D和3D可交付成果。但随着Autodesk和Bentley等主要软件供应商的发展,该行业现在正更多地转向集成工具套件和行业云,这为新的商业模式和更具协作性的工作方式打开了大门。这里补充一下“行业云”的概念,它指的是由行业内或某个区域内起主导作用或者掌握关键资源的企业建立和维护,以公开或者半公开的方式,向行业内部或相关企业和公众提供有偿或无偿服务的云平台。随着数字孪生在行业中日渐普及,通过允许AEC公司为其客户管理和维护这些基础设施数字孪生(例如建筑物、桥梁和道路),也为全年的收入而非基于项目的收入开辟了新的可能性。Bentley Systems公司的Keith Bentley补充道,“自个人计算机问世以来,数字孪生可谓为提高技术对基础设施整体价值贡献提供了最大机会。即使使用当今的数字孪生应用程序,提高生态系统整体价值的机会也远远大于传统CAD或BIM。”总之,通过从你的战略入手,你可以很好地了解如今在你的部门和企业中使用的各种供应商和工具集,以及你认为事情发展方向的未来愿景。最有可能的是,它正朝着基于云的平台业务模式发展,其中技术提供商生态系统填充技术堆栈中的各个服务层——例如可视化、设计和建模、协作、数字孪生、集成、边缘/物联网、云和数据分析。虽然你的服务层可能因你的行业而异,但从IT服务角度来看,这种逻辑架构可以帮助你思考生态系统中可能需要的各种技术合作伙伴。验证你的愿景验证你未来愿景的一种方法是监控来自市场的并购信号。回到我们的AEC行业示例,Autodesk最近对The Wild的收购展示了将AR/VR技术集成到数字孪生解决方案中的价值,即允许客户更好地实现可视化并围绕其物理资产的设计或运营决策进行协作。这些类型的收购有助于说明行业重心所在,例如本例中的数字孪生,以及你需要整合的各种技术推动因素,例如可视化技术等。当然,与其完全重建自己的生态系统,倒不如用自己独特的IP和合作伙伴IP在这些现有的行业生态系统和平台之上进行构建。这种应用商店类型的商业模式,允许你在平台之上进行创新,使你能够专注于为客户提供利基行业应用程序,同时又不必担心一些较低级别的管道,例如数字孪生层、集成层、数据层和云基础。更重要的是,大型参与者意识到他们不可能对所有人都适用,因此他们有目的地将其平台构建为开放和可扩展的。识别新兴供应商既然你已经了解自己的生态系统中可能需要的各种类型的服务,下一步就是确定合适的技术合作伙伴。在内部方面,最好是通过在你自己的企业中众包来检测新兴供应商。你可以轻松设置新兴供应商跟踪器或类似工具,以允许企业内的员工轻松共享有关他们正在合作的新兴供应商以及他们关注的供应商的详细信息。这种跟踪工具可以帮助你确定哪些关系仍处于早期讨论中,哪些关系有积极的进展和项目。如果你与学术界有联系,可以让他们帮你进行市场和竞争分析,并就你所在行业以及新兴供应商的新兴趋势和技术分享见解。“孵化器”是洞察力的另一个重要来源,也是在你的利基市场发现创新技术提供商的一种方式。行业特定型孵化器可能会更好,因为他们对你的行业有更深入的了解。识别“颠覆者”在寻找创新技术供应商时,一个常见的错误是追求那些被吹捧为“最具创新性”或“同类最佳”的公司。因为很可能,它们并不像你以为的那般具有创新性。同类最佳的产品非常适用于内部IT,例如你的ERP或CRM,或者任何面向客户的解决方案等等,但当涉及到你的价值主张和差异化时,你的重点将不该放在这上面。你在互联网上找到的“最具创新性”或“同类最佳”列表通常都是基于公众或编辑的意见形成的,具有强烈的主观性。虽然它们可能确实是市场上的领先者,但这并不能保证它们是持续创新的。如果你确实需要参考“最具创新性”列表,请务必检查排名所涉及的具体方法,看看它是否符合你对创新构成的定义和期望。更好的方法是寻找谁在颠覆当初榜单中的这些“颠覆者”。即便是颠覆者也有生命周期,5-10年后,它们自己也可能开始受到颠覆。例如,看看Wasabi如何在云存储领域颠覆AWS。创建你的行业云现在,回到你的未来愿景以及你设想的生态系统和行业云,你现在可以使用此模型作为框架,来为你的生态系统识别和定位合作伙伴。你可能会为基础服务(如云服务、集成服务和协作服务)寻找同类最佳的供应商,然后为想要推向市场的特定行业应用程序确定更专业的合作伙伴。这种行业云方法将有助于快速启动和加速你的工作,以便你可以更加专注于应用层。同时,它还非常灵活,你可以在行业云中混合和匹配服务,为各种客户和用例创建独特的新行业应用程序。总之,花时间思考你的行业生态系统、未来的商业模式以及创新的技术合作伙伴将是非常值得的事情!
调研机构和行业专家在岁末年初都会思考和预测软件生态系统在未来一年的发展方向。在过去十年中,云计算一直是主要的发展趋势。然而,在过去的两年却大不相同——当然,这是由新冠疫情驱动的。疫情对人们的健康、工作生活和消费模式的影响已经显著改变了技术的作用。技术在未来社会和经济中的应用方式将发生永久性的变化。以下是2022年各行业领域中的5个技术发展趋势。(1)数字化转型推动芯片和软件的生产新冠疫情加速了数字化转型,将10年的进程缩短到1年完成显示出一个现实,如今的经济正在转向以软件为中心的运营模式。很多企业为应对员工从企业办公室转移到在家远程工作而采取的措施清楚地证明了这一点。这一举措的最大受益者是视频会议软件和虚拟活动提供商。其他的受益者还有杂货连锁店,随着人们由于疫情不再去餐馆就餐,连锁店的收入暴涨。许多连锁店推出了新的应用程序,以支持巨大的在线订购量、配送和路边提货。所有这些示例都说明了软件是业务流程的关键推动者。然而,数字化转型远远超出了支持模拟交易的在线交互。软件现在被安装到硬件产品中,将它们转变为以软件为中心的设备,其功能由数字交互驱动。在采用数字产品方面,汽车行业由于芯片短缺而影响汽车生产令人印象深刻。在2020年发生疫情降低产能和价格上涨之后,汽车的生产在2021年面临困境。这对福特公司来说是如此痛苦,以至于该公司与半导体晶圆代工厂商Global Foundries公司建立了战略合作伙伴关系,以确保芯片的供应。这标志着该公司业务的一个重大转变,与大多数汽车制造商一样,该公司在过去只是将芯片采购视为一项低价值的市场活动。芯片短缺凸显了汽车的性能现在依赖于数字处理,从发动机管理到悬架响应,再到用户交互——所有这些以及一百多种汽车功能都依赖于数字处理,也意味着依赖芯片。同样,这也意味着软件的重要性,因为毕竟芯片只有在控制这些功能的应用程序能够运行时才会发挥重要的作用。反过来,这意味着编写软件已成为汽车制造商在未来十年进行竞争的先决条件。汽车行业是软件在产品中扮演核心角色的一个典型例子,但这种转变正在各行业领域中发生。2021年是数字化转型S型曲线的拐点,预示着新兴技术将显著增长。无论软件是替代、补充还是注入其产品,企业都必须了解如何进行数字化转型。这个问题的重要性再怎么强调也不为过:这很快将成为企业的生存问题,如果没有正确解决这个问题,那么将会影响其业务发展。(2)应用程序变得动态新一代数字转发应用程序打破了传统应用程序的假设:它们被认为需要可预测的负载、有限的用户群、易于理解的基础设施规模要求和可靠的硬件。数字转发应用程序可能会遇到由不可预测的使用模式和不可预测的用户群驱动的广泛变化的负载。在麦肯锡公司调查的由新冠疫情驱动的一个例子中,一家快餐厅连锁店的在线订单在疫情期间从每天5万份激增至40万份。因此,很难预测需要部署多少基础设施才能维持应用程序可用性和性能,因此需要能够快速添加和释放计算资源。反过来,这意味着大多数传统应用程序开发和操作过程都已过时。它们是为可预测性和基础设施定量供应的情况而设计的。最后,采用数字优先的应用程序意味着它们将被部署到可以支持它们的基础设施环境中——这意味着采用公有云。实施数字化转型将促使企业采用云服务,这意味着需要采用云原生应用程序。对于企业来说,这意味着他们必须采用云原生公司的应用实践,例如频繁的应用更新、自动化流程以及通过冗余和轻松故障转移的弹性。这将迫使企业IT商店提升技能,这对他们来说将是一个关键问题,因为这将需要对人才招聘和保留的措施进行改变,这远远超出大多数企业现有的能力。(3)超大规模云计算提供商的收入持续增长鉴于向数字化转型的巨大转变,可能的结果是什么?一个明显的结果是,这将促进超大规模云计算提供商的业务增长,因为云原生应用程序的实际部署在公有云中。据估计,超大规模企业的核心增长总可寻址市场(TAM)规模大约在3到5万亿美元之间,这远远超出了大多数人的估计。但是,总可寻址市场(TAM)是基于传统IT实践的当前支出,这些实践将应用程序部署到内部部署数据中心,但这些做法充满摩擦和矛盾,需要大量的前期投资,这两方面都会阻碍广泛采用。大多数企业发现基础设施采购是一种沉重的负担,他们只追求最显著、优先级最高的用例,而其他用例都被搁置一边,因为要证明它们的合理性需要做太多工作。如今,云计算的变化增加了数字化转型的优先级,并将增加对计算资源的整体需求。这将增加云计算基础设施需求,远远超过取代传统基础设施的总可寻址市场(TAM)的需求。据估计,这种额外的需求可能会使整体云计算收入翻一番,达到10万亿美元。(4)IT角色的变化:经营业务如上所述,传统IT已被归入企业成本中心范围内——这些支出是必要的,但与市场是否成功无关。每家企业的成本中心的方法都是一样的:尽量少花钱。然而,随着越来越多的IT企业将工作重点放在数字优先应用程序上,这种情况将发生显著变化。这是因为这些应用程序直接与客户交互或改进产品以使其对市场更具吸引力。它们与收入直接相关,因此受到不同支出的影响。数字优先应用程序的问题不是“它需要多少钱?”而是“它会赚多少钱?”,对于那些对收入或利润有积极贡献的应用程序,问题将是可以投资多少以及投资的速度有多快。这改变了IT人员的角色,可以用“IT人员的工作从支持业务转变为运营业务”来概括。对于高级IT领导层,这需要采取一系列必要措施:与产品团队更密切的合作,以确保将正确的数字功能内置到企业的产品中。更好地分析用户实际使用产品的方式,可以对其进行修改以提高客户参与度,从而增加收入。更加重视应用程序弹性以减少收入流的中断。从本质上来说,IT团队必须从接受订单的企业转变为协作伙伴企业。一些领导者和企业将会进行这种转变。也有一些企业会发现变革太具有挑战性,但变革失败可能损害未来的业务发展。(5)人才竞争日趋激烈多年来,技术人才的竞争一直是一个热门话题。IT企业在招聘技术人才方面遇到了一些问题,同时实现项目交付时间表也面临挑战。根据预测,招聘和留住人才的问题将在2022年加剧。显然,其原因之一是由于实施数字化转型,对IT人员的技能需求不断增长。随着软件取代、补充或注入市场产品,企业需要编写、部署和管理更多的软件。所以,人才竞争日趋激烈的原因之一就是对技术人才的普遍需求。然而,人才争夺战将变得异常激烈还有其他原因。数字优先应用需要特定技能,甚至比一般IT人才更稀缺。编写专为弹性和故障恢复而设计的微服务应用程序需要的技能只占IT技术人才库的一小部分。成功地为特定的科技公司招聘员工将变得越来越困难。鉴于企业IT部门在以往并不愿为这类员工提高薪酬,因此企业IT部门在保留人才方面处于不利利地位。在过去,传统IT企业在人才竞争中拥有一定地域方面的保护措施。例如,如果是总部位于美国大溪城的区域性零售商,与大型科技中心相比,招聘具有技术技能的人员的竞争程度相对较低。不过这种情况已经改变。新冠疫情带来的意外结果之一是远程工作的增长,在突然之间,受雇于一家顶级云原生公司的IT人员可以远程为大溪城的另一家公司工作。虽然谷歌公司等一些大型科技公司已经提出了旨在诱导/敦促员工回到企业办公室的政策和措施,但远程工作似乎仍然存在。对于那些以前员工可以受到地域保护的企业来说,这意味着其人才库已经发展到范围更广泛的企业。许多公司将员工视为一种竞争优势,并且毫不犹豫地提高他们的薪酬。因此可以预测,人才获取将成为科技公司的一个关键问题,企业将不得不适应新的现实,吸引比以往任何时候都拥有更多就业选择的应聘者。未来将会更快发展2022年的IT行业变化将比人们在疫情发生之前的十年中看到的更多。在企业积极采用新技术的推动下,软件将成为企业的核心竞争力。这些变化将是巨大的。每个公司都需要根据这些变化做出决定。毫无疑问,这只是一个企业选择接受变革还是抵制变革的问题。
CIO已经为2022年制定了一长串的技术举措、产品交付和IT项目。当然,每一项都具有重要意义,且都致力于推动企业发展。本文介绍了多位CIO在2022年要实现的目标以及为取得成功而做的计划。多位CIO分享了他们对2022年的总体目标——或者,本着新年的精神,分享他们的决议。以下是他们想要实现的目标以及关于如何取得成功的计划:1. 最大化“人”的力量Booz Allen Hamilton公司认为,员工是其最大的资源,因此,CIO Brad Stone将最大限度地发挥每位员工的作用列为其2022年的首要目标。他解释称,我们的目标是为每个员工提供所需的服务和数字环境,以便他们能够最大限度地发挥自己的作用。对于一家拥有29000名员工的公司来说,这无疑是一个巨大的提升。这些员工就像许多其他企业的员工一样,将继续在”混合环境“中工作。Stone表示,“关于混合环境到底意味着什么,我们已经有了充分的认识,但仍然存在很多未知数。我们并不总能清楚地知道员工想要什么?工作对他们意味着什么?但我们仍然希望确保员工无论身处何处或在做什么,都能得到支持。”他计划创建“劳动者角色模型”(worker personas),寻找它们之间的共性,并利用用户社区来确定需求,然后提供满足这些需求的选项。他补充道,这个目标与我们的核心业务目标——即吸引、留住和扩大我们的人才队伍——是联系在一起的。2. 更能共情2021年12月初,施耐德电气数字技术高级副总裁Abha Dogra出发前往墨西哥,拜访她尚未碰过面的工作人员。她认为,这次旅程是她2022年目标的起点,即更多地发挥她的情商(EQ)。她解释称,“作为技术领导者,我们可以以智商为导向;我的行为是由我大脑的智商驱动的。这一点保持不变,但我想给自己多设置一个目标:更多地发挥我的情商,以便更深刻地体会团队成员身体上和情感上的需求,真正帮助他们发展。”此次行程中,她还专门前往蒙特雷访问在公司数字中心(COVID大流行开始前几个月才运行)工作的团队。Dogra表示,她会在个人日程上留出开放时间,并且选择一些开放式空间(例如办公室厨房)与员工交流,这样她就可以在个人层面(而非领导层面)与员工互动,让他们知道她可以并且愿意为其提供指导、帮助以及支持。3. 将客户体验提升到一个新的水平Parkway公司首席信息和营销官RJ Juliano对于如何为这家拥有近百年历史的公司打造“以客户为中心”的未来,有着非常深刻的认识。Juliano设想建立一种“无摩擦”的客户体验,为他们想去的地方提供高度准确的信息和方向——并将这些信息与他们旅途中需要到达的其他地方联系起来。这种愿景还需要与其他企业合作,连接平台以提供客户所需的服务。事实上,Juliano的想法已经萌生了很久,但在疫情大流行期间被搁置了一段时间,因为有其他需求被优先考虑。如今,Juliano正在将客户体验作为其2022年计划的核心部分,并利用疫情大流行期间交付的功能(例如用于非接触式服务的新应用程序)作为服务基础。他认为,现在已经没有时间可以浪费。如今,客户的期望会以很高的速度翻倍;他们正在期待一个完全互联的世界。其他人也看到了这一点:Info-Tech Research Group的《2022年技术趋势报告》发现,69%的受访IT从业人员认为,不断变化的客户期望将在未来12个月内扰乱业务。4. 保持敏捷性和快速适应性在许多情况下,许多企业之所以能够成功渡过2020年和2021年的难关,是因为它们能够在近两年的动荡和混乱中快速适应和调整。Juliano表示,无论是被迫还是主动,企业在疫情期间变得更加灵活、敏捷是不可否认的事实。我们不能再回到过度“厌恶风险”的状态。如果没有这次疫情,全球企业可能需要更多步骤来批准和改进流程,才能实现如今的敏捷性。当然,流程和控制对于确保做出正确的决策至关重要,但在疫情大流行期间,只有足够的灵活性和敏捷性才能快速适应巨变。永远不要忘记我们在疫情大流行中学到的教训:我们可以快速行动。我们做到了真正快速地思考和改变。让我们继续这样做吧!5. 为增长做好准备过去一年,IT推动了业务的大幅增长。Snow Software《2022 IT优先事项报告》将“推动业务增长”列为2022年12大CIO优先事项的第7位。报告指出,“凭借大量新发现的经验和重塑的视角,2022年将是IT汲取所学知识、设定新基线并推动新增长水平的一年。”保险技术公司Benefix.us的CIO Steve Heilenman将“推动增长”列为2022年的首要目标。这家成立5年的公司在其短暂的历史中实现了121%的同比增长,Heilenman表示,IT对于推动公司继续走上快速增长的道路至关重要。Heilenman 表示,Benefix.us的IT部门正在努力稳定公司的平台以适应这种增长,同时还增加了新功能,例如客户想要的分析功能,以及内部自动化团队需要跟上不断增加的工作负载的步伐。6. 发挥数据驱动能力Momentive(前身为SurveyMonkey)的执行副总裁兼CIO Eric Johnson为他自己和企业设定的首要目标之一:通过公司的数据计划推动更大的业务影响。Johnson在过去一年里为真正抓住这个机会奠定了基础。他表示,“我们重点投资了数据基础设施以及招聘关键技能等领域。2022年,我们将推动定义更大的目标和项目,以使用数据科学和机器学习推动关键业务KPI的发展。”管理咨询公司麦肯锡公司将“数据”列为2022年CIO的六个“成败优先事项”之一。麦肯锡高级合伙人Aamer Baig解释称,“可以毫不夸张地说,如果没有良好的数据,就不可能为企业创造重要的价值。它实际上是企业的命脉,应该被认真对待。CIO必须关注质量而非数量,并开发一种编排能力,以实现高级体验所需的更多数据链接。”Booz Allen的Stone也有一个涉及数据的类似解决方案,更具体地说,是继续推动公司走上成为真正数据驱动型组织的道路。他补充道,“我们希望从数据中获得更多价值,并更多地使用它来为我们的决策提供信息,这样我们才能真正实现更快的决策速度。”7. 优化混合工作文化对于许多CIO来说,混合工作环境——由面对面和远程员工组成的混合环境——或将长期存在。因此,他们的任务是提供基础功能以及领导和管理新的工作场所文化。但即便已经在这种模式下工作近两年,挑战依然存在。Snow Software《IT优先级报告》发现,78%的IT领导者表示,在他们试图雇用、保留和充分管理企业不断增长的远程劳动力时,混合工作可能是一种负担。为此,CIO决心专注于构建适合混合模式的工作场所文化也就不足为奇了。Laserfiche公司战略高级副总裁兼首席信息官Thomas Phelps就是这样一位IT领导者。他表示,“随着Laserfiche过渡到混合工作环境,我们有机会在几乎任何地方招聘人才。挑战在于,当您的人际互动可能仅限于两英寸的Zoom缩略图时,您该如何维持企业文化。我的决议不仅是领导技术创新和业务绩效,还要找到新的方法来维持我们的企业文化,以支持混合工作的领导力,为数字(有时是模拟)服务和协作工具定下基调和正确组合。一些技术解决方案会影响我们混合工作文化的样子,但最大的影响将来自培养一种让团队感到参与和重视的文化。”8. 自动化,自动化,自动化对于科技公司Samsara的首席信息官Stephen Franchetti来说,自动化在其2022年的目标榜单中名列前茅,他希望使用该技术来提高生产力并简化用户体验。他表示,“我们希望雇用的人能够专注于他们自己的工作。我们希望销售人员专注销售,工程师专注于削减代码并创造出色的产品,而非从事管理工作。因此,通过应用程序、机器人和集成等手段自动化这些可重复的流程,对于我们在成长过程中保持敏捷性至关重要。”此外,他认为自动化将是决定未来成功与否的关键组成部分,并将其视为帮助公司发展、有效扩展并在此过程中保持敏捷优势的一种方式。其他人也分享了类似的观点。Info-Tech《2022技术趋势报告》发现,79%的受访IT领导者认为,自动化将在未来一年为其企业提供更高价值。该报告还将“自动化即服务”列为2022年值得关注的五大技术趋势之一。9. 创新根据Snow Software的报告,CIO将“推动创新以获得竞争优势”列为2022年12项首要任务中的第5位——高于去年的第9位。Seagate Technology公司CIO兼存储服务执行副总裁Ravi Naik更是将创新——或者更具体地说,在他所拥有的权限内进行创新的能力——列为他的首要议程。他解释称,“这是为了更有效、更纯粹地扩展我们所做的一切,以便将资源再投资到企业中。当创新得到释放时,我们可以释放陷入低效的价值,并让这些价值重新投资到公司中。当然,CIO自己无法做到这一点。这是一种需要制度化的行为。我鼓励整个IT企业采取这种心态。”他补充道,“我们可以事半功倍,不是因为我们只是让项目节能,而是因为借助云和敏捷性,我们找到了更好的消费模式。我们需要将资源引导到最需要的地方。这就是我想推动一种‘在约束下创新’的文化的原因所在。”10. 简化Info-Tech Research Grou在其《2022年技术趋势报告》中将“复杂性”确定为CIO在推进某些计划时的风险因素。Booz Allen的Stone表示同意,这也是他将“简化”作为2022年另一项决议的原因所在。他表示,“我想简化我们的企业并简化我们的运营。”他认为,使用更多的云技术是消除复杂性的主要方式之一,而摆脱定制流程的组织和高度定制的应用程序则是另一项举措。他解释称,在这个需要无缝服务和速度才能成功的时代,这两者都会造成摩擦并减缓企业的速度。
企业需要按照必要的勒索软件恢复步骤为勒索软件攻击事件的“之前”和“期间”做好准备。本文将讨论企业如何恢复数据、减少声誉损失和降低安全风险,以及如何最大限度地降低总体成本。对于任何一个勒索软件攻击事件或安全事件,都会有之前、期间和之后这三个阶段。人们需要了解如何在每个阶段保护其所在的企业,并了解勒索软件是如何实施的。企业需要按照必要的勒索软件恢复步骤为勒索软件攻击事件的“之前”和“期间”做好准备。本文将讨论企业如何恢复数据、减少声誉损失和降低安全风险,以及如何最大限度地降低总体成本。一旦勒索软件攻击结束,可能将会发生以下一些事情:如果文件被加密,遭遇攻击的企业将了解勒索攻击者的勒索要求。企业将面临支付赎金的选择——受害者将在域名为.onion的网站上与勒索软件攻击者进行谈判,可以商定赎金并通过加密货币支付给勒索攻击者。收到赎金之后,勒索软件攻击者可能会提供解密/恢复文件所需的私钥,但并不会提供任何保证。勒索攻击者可能解密或恢复数据,也可能在二次攻击中使用这些泄露的数据,要求受害方支付费用,否则将这些文件发布到互联网上。在这一方面,受害方需要将损害降到最低,重新上线运营并提醒相关人员。勒索软件恢复工作将取决于企业自身情况、数据和安全事件的性质。在勒索软件攻击发生之后,企业依循以下5个步骤对企业是有帮助的。(1)根据响应计划对系统进行恢复和确定恢复工作的优先级在勒索软件攻击期间,企业需要获得一份干净的数据副本,以便迁移到分阶段恢复运行环境,并重新上线。这些是企业重新上线运营所需的最低限度的关键任务操作。现在,企业将要开始优先考虑恢复数据。企业IT主管要与其他高管合作,确保与其他利益相关者就恢复层级达成一致。应该明确定义应用程序恢复优先级或层级,以便业务部门了解恢复应用程序的时间表,并且不会出现意外。其规划还应包括关键基础设施,例如Active Directory和DNS。如果没有完成这些工作,其他业务应用程序可能无法重新联机或正常运行。(2)继续开展取证工作,并与有关部门、企业的网络保险提供商和任何监管机构合作企业与其取证专家合作以发现更多细节,例如:泄露发生时是否启用了加密措施?备份或保留数据的状态如何?查看日志以确定在违规时谁有权访问数据,谁目前拥有访问权限,他们是否仍然需要其访问权限,或者他们的访问权限是否可以被限制/撤销?哪些类型的数据遭到破坏?谁受到了影响,有他们的联系方式吗?在收集取证报告时,需要与执法机构(如FBI)和监管机构以及企业的保险提供商合作,这一点很重要。(3)通过恢复离线沙盒环境开始恢复工作,允许团队识别和根除恶意软件感染建议利用分层安全架构和“数据掩体”。这种方法可以帮助企业保留和保护大量数据,并使其立即可用。当企业开始恢复数据时,需要检查网络分段。在设置网络时,可能会对其进行分段,以便一台服务器或一个站点上的漏洞不会导致另一台服务器或站点出现漏洞。企业与其取证专家合作,分析细分计划是否有效地遏制了违规行为。如果进行任何更改,需要立即进行。(4)始终如一地进行沟通,让业务部门随时了解恢复工作的进展情况企业需要制定一个全面的计划,让所有受影响的受众、员工、客户、投资者、业务合作伙伴和其他利益相关者都能受益。不要对勒索攻击行为做出误导性的陈述;预测人们会问的问题是有帮助的;解决主要的问题,并提供清晰明了的回答。这有助于减少客户的担忧和沮丧,从而节省企业的时间和费用。此外,不要公开分享可能使消费者或企业面临更大风险的信息。(5)调查服务商的角度企业需要了解勒索攻击行为是否涉及任何服务提供商、合作伙伴或供应商?检查他们可以访问哪些个人信息,并决定是否需要更改他们的访问权限。现在是确保服务提供商自己采取必要措施以防止再次遭遇网络攻击的好时机。如果企业的服务提供商表示已经修复了漏洞,则需要进行验证。
现今的变革速度比以往任何时候都要来的更快,而且再也不会变的如此缓慢了。2000年以来,有一半以上的财富500强企业已被收购、合并或是宣布破产。与此同时,自2015年以来,价值超过50亿美元的私营公司的数量也已经翻了一番。带来这种变化的一个关键驱动因素是计算的指数级增长(例如,一美元可获得的每秒计算量),这推动了技术的快速进步、小型化和民主化。这不仅刺激了企业家精神,也带来了非传统竞争对手的颠覆的增加,以及客户对个性化数字体验期望的不断提高。但不断加快的颠覆速度也为技术主管们提供了一个机会,通过将他们对这一转变的知识应用于公司的技术、创新和业务战略,他们将可以从职能型领导转变为转型型领导。但是,在今天这个动荡、不确定、复杂和模棱两可(简称VUCA)的世界里,尤其是在新冠肺炎的疫情下,高管们如何才能跟上步伐?没有人能够预测未来,但高管们可以通过采用“战略远见”来提高他们对不确定性的容忍度。本文解释了战略远见可以如何通过授权企业识别、观察和解释变革的驱动因素、确定可能的影响,来增强传统的战略规划流程,并触发相应的响应。如何通过战略远见来改进战略规划战略远见是一种结构化和系统化的思考未来的方式,其目的是进行预测并更好地为变革做好准备。作为其中的部分流程和部分心态,战略远见鼓励对战略采取适应性而非确定性的方法。它会从展望未来开始,并追溯到现在,而不是从现在开始然后向前投射。通过这样做,企业将对变革的外部驱动因素拥有更完整和更全面的了解。然后,公司就可以设想比他们所能够想象的更广泛的未来场景,并解释潜在的后果了,从而使高管们能够做出更明智的战略决策,并利用竞争对手可能不容易看到的机会。传统的战略规划流程通常是先问“我们现在在哪里”,然后问“我们下一步要做什么”。战略远见是从消除“我们现在在哪里”作为沉没成本的约束开始的,它可以解放战略,探索公司在可能的未来状态下取得成功所需要发生的全部情况。各企业保持将战略转化为执行的结构化和级联方法仍然是至关重要的,但应进行重组,以便更好地将战略远见纳入其起点。通过这样做,战略远见将变成对战略制定流程的一种输入,它提供了做出战略决策之前所应该进行的思维,并最终丰富了战略制定、规划和执行的环境。将战略远见纳入战略规划流程可以推动对新兴市场(在哪里)、新的执行方式(如何获胜)的新见解,甚至是重塑企业的愿景(获胜的愿望),并最终提高增长的可能性,同时让公司为可能出现的中断做好准备。如何从战略远见开始战略远见将使用多种工具和技术来帮助从业者识别、观察和解释导致特定变化的因素,确定该变化的可能影响,并触发适当的企业响应。我们发现,将战略远见的活动视为三步流程的其中一部分是有帮助的:探索可能发生的事情。考虑对本企业可能产生的影响。触发有意义的企业反应。我们将在下面更详细地探讨这些步骤。1.探索可能发生的事情战略远见的第一阶段侧重于识别和研究变革的潜在驱动因素以及变革的潜在影响。要做到这一点,企业可以使用一些技术,如水平扫描,它试图识别新出现的或未被识别的趋势,还有趋势分析,它会检查与已知趋势相关的不确定性。考虑一下摩尔定律,这是一个众所周知的观察,即集成电路上的晶体管数量将每两年翻一番。许多人认为摩尔定律的末日即将到来,可以肯定的是,我们正在快速接近晶体管密度的物理极限。然而,更深入的趋势分析表明,计算能力的指数级增长与晶体管密度并无必然联系。事实上,集成电路是计算业指数增长的第五种范式,而不是第一种范式。120多年来,每单位美元所能够带来的计算性能一直在呈指数级增长。通过深入理解推动技术进步的指数力量,企业可以重新构建他们对未来可能的看法,并更好地预测破坏性的威胁和机会。虽然许多企业只是在从事粗略的扫描和趋势分析,但这些能力可以通过扩大扫描范围、开发连续扫描流程和创建强大的技术侦察生态系统来进行加强。例如,在思科,前首席执行官John Chambers就将该公司的历史成功主要归功于其识别技术趋势和先于竞争对手进行战略收购的能力。为此,该公司创建了思科技术雷达,以识别和监控关键的技术趋势和领先公司。这个端到端的平台允许数百名的全球技术侦察员提交趋势和见解,以便进行审查和确定优先级,同时帮助推动实现企业研发、风险投资和战略规划团队之间的一致性。由于使用了技术雷达,思科能够围绕雾计算等新兴趋势来加速内部创新的挑战,并在趋势出现在雷达上仅一至两年后就收购专注于此新兴技术的公司。通过持续扫描广泛的环境中的变化迹象并深入分析变化的驱动因素,高管们可以有效地定位他们的企业,以便在竞争之前为威胁做好准备并利用好机会。2.考虑对企业的可能影响实现战略远见流程的第二步是侧重于将第一阶段确定的信号转化为洞察力,利用这种洞察力为看似合理的未来替代愿景提供信息,并解释这些未来可能将如何影响企业。一种流行的方法是场景规划。这有助于企业通过开发和探索关于未来可能是什么样子的替代叙述来定义、测试和完善策略。虽然现在的许多企业都在使用场景规划,但着眼于战略远见的场景旨在拓展思维和挑战传统智慧。利用第一阶段确定的变革驱动因素来作为投入,以战略远见为重点的设想将着眼于更长的时间范围,放弃紧迫性,并拓宽可能的范围。通过关注在合理范围内的不同场景,每种场景对企业都会有不同的影响,高管则可以挑战他们对未来可能是什么样子的思考。为了切实了解体验场景及其对业务的影响,还需要另一种战略远见技术,即商业战争游戏法。商业战争游戏法可以通过模拟现实场景来测试企业对未来可能发生事件的准备和响应。通常,商业战争游戏法是以采用实时的角色扮演研讨会的形式,来模拟特定的场景的。它涉及创建一组团队,每个团队都代表了一个不可控制的因素,如市场、客户以及竞争对手。在战争游戏研讨会期间,所有团队都会同时行动,但不知道其他团队当前正在计划或做什么。这使得高管们能够探索其战略的含义,预测未来的发展,并认识到可能出现的风险和机遇。例如,在我们在与一家快速发展的云计算公司的合作中,我们为其IT部门的未来开发了三种不同的场景:一个100%IT自动化的世界100%外包的IT整个公司采用100%的内部技术运营。然后,我们促成了一场战争游戏演习,以动员一种完全不同的IT运营模式,这导致团队重新评估了以前曾经被抛弃的方法,并接受了新的工作方式。特别是,随着“数字工作者”成为了劳动力规划讨论的重要组成部分,关于预算增长的假设也发生了转变。通过对替代期货的预测和准备,企业可以减少市场不确定性和反应不确定性的影响。3.触发有意义的企业反应一旦一个企业探索了合理的未来并考虑了对业务的影响,最后一步就是将这种洞察力转化为行动,并最大限度地提高企业实现其首选未来的可能性了。实现这一点的一种方法是使用回溯,这是一种企业可以用来对达到指定最终状态所需的决策、资源(人员、流程、技术)和能力进行反向工程的技术。然后,企业就可以使用创新实验室、加速器或授权的业务单位来进一步的测试新的行动方案、创建原型、启动研发项目或是投资初创企业了。这些实践使得企业能够在必要时将新的解决方案推向市场,但无需在看似合理的未来到来之前就作出充分承诺。因此,这种准备提高了企业的意识和反应机制,使其能够比竞争对手更快地作出反应。例如,在Autodesk,其最近退休的CTO Scott Borduin就创建了一个战略前瞻小组,以“更好地应对不确定性,更主动地利用变化,以探索和实现更好的未来。”在小组中,三个团队与本文前面描述的三个阶段保持一致:思想领导团队专注于识别趋势,而战略远见团队则专注于开发场景并展望可能的未来。期间,故事叙述团队则会应用通用词汇和讲故事的方法,以可操作的方式阐明愿景。该团队会直接与Autodesk的公司战略团队合作,揭示并挑战公司战略中可能致命的假设,并形成关于趋势将如何影响未来竞争格局的预期。企业越来越需要清晰地了解变革的轨迹以及变革会如何重塑业务格局了,以便在技术和能力方面进行大胆的投资,从而保持竞争力。战略远见使企业能够探索超越普遍预期的可能的替代未来。如果做得足够好,将促使高管们考虑他们当前的战略可以如何使他们在未来的各种场景中获胜,并拓宽他们对公司可能面临的威胁和机会的视角。通过对上述三个阶段的战略远见概念的理解和熟练程度的提高,技术主管将能够帮助他们的公司接受变革并保持长期的竞争优势。
事实表明,数据技术的进步和发展使虚拟卡和电子钱包更适合支付管理。数据如今已经成为企业必不可少的资产,而金融行业是从数据中受益的主业行业之一。通过解释和分析数据,企业可以了解和预测趋势、提高安全性,并做出数据驱动的决策。大数据和人工智能技术可以超越市场预测,企业可以使用数据来改进工作流程,并优化和提高投资回报率。以下将探讨企业如何利用大数据和人工智能工具来提高投资回报率。大数据将如何改变金融行业和零售行业在通常情况下,金融行业和零售行业在优化投资回报率方面面临挑战。特别是零售行业,虽然总是能接触到客户,但以最少的时间和成本来做到这一点是一项挑战。利用大数据有助于汇总有关客户行为的信息并对其进行预测,有助于针对性地进行促销活动。很多金融机构(特别是银行)正在使用大数据分析来了解交易和支付,并为客户提供帮助。银行正在向数据驱动型组织转型,使用大数据解决方案将其服务扩展到数字钱包。大数据正在帮助银行将其服务与银行卡关联起来,实现数字化转型,并使用户的支付更加安全和简单。不仅是金融和零售行业从大数据分析中受益。无论规模大小,数据分析都能提高各行业组织的效率、性能和生产率。大数据技术为企业提供帮助的一种方式是简化支付处理。数据分析简化和个性化支付方式由于其便利性和安全性,虚拟卡和电子钱包这两种技术正在普及。(1)什么是虚拟卡?虚拟卡由用于支付和购买的随机信用卡号组成。企业使用这个独特的16位数字进行B2B付款和支付员工费用。虚拟卡程序提供一种可以立即兑换的安全支付产品。对于精通数据的企业来说,虚拟卡也是一种管理企业开支的明智方式。像Mesh Payments公司提供了一种无需信用卡即可简化支付的方法。通常耗时的流程(例如信用卡付款对帐)实现了自动化和简化。此外,虚拟卡通过新的数据驱动功能与ERP和内部会计系统无缝集成。(2)电子钱包电子钱包是一种应用程序,它使用复杂的数据算法,使用户能够使用电子邮件地址和密码进行在线支付。用户可以将电子钱包链接到一个或多个帐户或信用卡,然后在不共享敏感信息的情况下在线消费。电子钱包产品主要有Paypal、Google和Apple Pay。在某些情况下,如果手机上安装了该应用程序,用户可以使用电子钱包进行购物。电子钱包很方便,因为它们可以存储货币、会员卡、信用卡、驾驶执照和其他详细信息。用户可以在线使用它们,也可以在店内付款。但电子钱包仍未被普遍采用,因此对于企业支付并不是真正实用,因为它们不能与内部会计和ERP系统很好地集成。虚拟卡如何影响B2B支付很多企业正在利用数据来改进流程、简化工作流程并降低成本。虚拟卡可以显著改进的一个领域是支付处理。处理付款、费用和发票对帐是一些最耗时的活动。各行业的组织需要协调越来越多的费用支付和采购。更多的数据意味着员工需要花费更多的时间来匹配记录更多的错误和更多的管理费用。使用信用卡或支票核对交易时需要大量人工干预,这是许多企业的痛点。使用虚拟卡的好处之一是B2B支付流程的自动化。虚拟卡通常是一次性的。这意味着其标识符是唯一的,并与特定交易、供应商和金额相关联。虚拟卡提供了传统信用卡交易无法提供的精细级别的安全性。用户可以设置企业特定的信息,例如成本和项目代码、交易金额和时间范围。虚拟卡的优势依赖大数据技术的虚拟卡的一些优势包括:安全:由于没有采用实体卡,其交易比信用卡更安全。这降低了支付欺诈的风险,并通过使用最好的大数据功能防止员工之间共享虚拟卡。更好的现金流:这是一种更快的支付方式,因此,可以更深入地了解和控制企业的现金流。虚拟支付通过立即处理付款来优化企业的运营资金。这可以防止应付账款团队持有资金超过所需时间。预算管理:虚拟卡使企业能够管理他们的开支预算。可以在不同的虚拟卡中分配支出,因此可以处理多个支付账户。使用虚拟卡的注意事项虚拟卡也有一些缺点,因为供应商需要接受这种类型的付款才能行之有效。此外,这取决于供应商使用的大数据技术类型。大数据使虚拟卡和电子钱包成为高效的支付管理选项大数据极大地改变了人们的支付管理方法,虚拟卡成为了优化企业支付管理的最有效方法之一。虚拟卡平台可以自动生成虚拟卡号,并将其与内部会计和资源管理系统集成。最终,采用虚拟卡有助于更好地管理和控制企业支出,提高投资回报率。
管理漏洞是安全专业人员首要考虑的任务之一。安全团队通常会发现处于一种在网络攻击者发现并利用漏洞之前检测、优先排序和修复漏洞的竞赛中。传统的漏洞管理工具和实践对于日益增多的漏洞和安全人员短缺的情况不再有效或适用。大多数安全解决方案提供商都声称可以全面覆盖网络攻击的范围。以下了解企业如何利用基于人工智能的漏洞管理工具来最大限度地提高其有效性。为什么需要将人工智能纳入漏洞管理?大多数安全团队都会进行漏洞评估,这是过去几年发现漏洞的一种经过测试的有效方法。漏洞评估会检查运营环境中是否存在过时或未打补丁的软件和其他的漏洞。传统上,安全团队使用漏洞评估工具进行漏洞管理,但传统解决方案对于分布式环境的检测效果不是很好,尤其是具有移动设备和物联网设备的混合环境。传统的漏洞工具也会忽略复杂的网络攻击媒介,例如凭据问题或网络钓鱼。传统安全解决方案不会优先考虑检测漏洞,让安全团队在没有场景的情况下处理多个漏洞列表。安全专业人员负责确定漏洞的严重性。人工智能(特别是机器学习)可以实时分析数据,根据风险级别对漏洞进行优先级排序。人工智能驱动的解决方案包括威胁和漏洞管理功能,可以扫描和预测数千种攻击媒介和威胁的风险。处理漏洞有多重要?漏洞的统计重点:根据常见漏洞和利用(CVE),到2021年为止,已有超过12000个安全漏洞。漏洞的严重性平均达到70%,与2020年相同。人工智能技术在漏洞管理中的用例那么,如何使用人工智能技术进行漏洞管理?机器学习用于网络安全以自动化威胁检测和分析。(1)改进的威胁检测功能用户和事件行为分析(UEBA)等工具使用机器学习来分析用户行为,以检测任何未知危害的异常情况。人工智能技术对于检测哪些资产对企业至关重要,并且应该受到更多保护。该系统可以比较不同的资产,建立正常的基线并标记显著的资产。(2)减少漏洞检测中的误报漏洞检测通常会出错,并且在检测过程中通常会导致大量误报。安全团队采用人工智能技术来检测已经识别漏洞合法的可能性。人工智能系统会考虑哪个检测机制标记了漏洞和其他因素。(3)基于场景的漏洞风险评分人工智能技术提供了安全团队急需的基于场景的漏洞优先级排序。考虑到对资产背景的深入了解,这些技术可以开发更准确的风险评分。例如,它可能会发现实际上与网络隔离的潜在风险的资产。(4)使用情感分析检测漏洞利用趋势采用情感分析中使用的相同技术可以证明对检测漏洞趋势很有用。人工智能工具可以从网络安全聊天室和媒体网站收集数据,对其进行分析,并检测要利用的漏洞趋势。神经网络和自然语言处理等人工智能技术可以识别正面/负面情绪并解释文本的含义以评估风险。(5)改进修复措施许多企业面临的挑战是检测到的漏洞超过了他们可以修复的范围。由于人工智能技术提供了场景驱动的漏洞列表,企业可以使用这些信息来制定修复计划建议。人工智能为安全团队提供有关风险和漏洞评分的见解,从而改进漏洞修复。漏洞管理不仅仅是采用正确的工具无论人工智能对漏洞管理有多大用处,它都是一种工具。人工智能工具的应用需要精心设计的漏洞管理策略和熟练的安全团队,以确保对漏洞的强大覆盖和修复。人工智能本身也不能免除风险,因为网络攻击者可以使用机器学习技术来操纵人工智能算法。此外,网络攻击者可以使用相同的技术来创建模仿合法人工智能算法的恶意软件。根据IBM公司的研究,网络攻击者可以使用四种常见的方法来对抗机器学习工具的检测:中毒:这种方法为用于训练机器学习模型的数据添加后门。窃取:网络攻击者窃取机器学习专有模型。规避:网络攻击者在这里可以访问模型,修改输入并影响模型的结果。如何实现可靠的漏洞管理策略?要实现一个全面的漏洞管理程序,需要结合几个因素:首先构建一个知识库,其中包括按重要性排序的资产列表。其次,该清单应转化为可作为漏洞策略基础的漏洞地图。正确的人工智能工具有助于使识别、确定优先级和修复漏洞的过程变得更加容易和有效。这与精心设计的计划一起有助于形成强大的安全态势。
人工智能正从一种前沿技术迅速演变为一种融入人们日常生活的技术。在一些应用场景中,人工智能正在取代人类,无论是自动化完成一些琐碎的工作,还是将员工转移到更具生产力的工作。虽然关于人工智能取代人类这样的争论意义重大,但有些人忽略了更大的变革。毕竟,数字化转型发生在各行业组织中。以下来看看哪些行业可能会受到人工智能颠覆性的影响:1.医疗保健人工智能在医疗领域的应用带来了一场重大的革命,它允许医生获得有关患者的相关和准确的数据。人工智能支持的预测分析使医生能够更加准确地检查患者的健康状况,该技术还可以在诊断、扫描和其他健康检测方面提供更高的准确性,从而节省资金和时间。随着物联网设备的可用性,医生甚至可以有效地分析他们的患者并开出正确的处方。除此之外,人工智能驱动的健康聊天机器人可以帮助患者获得问题的答案,并帮助临床医生收集患者的基本数据。2.健身随着很多人由于发生疫情选择在家锻炼而不是去俱乐部,在线健身计划的使用量有所增加。这些应用程序提供了各种锻炼方式,用户可以根据应用程序中提供的说明进行锻炼。尽管如此,此类应用程序的一个主要缺点是无法评估锻炼过程中的姿势是否正确。人工智能通过提供一种在练习过程中保持正确姿势的方法来解决这个障碍。Zenia是一个支持人工智能的应用程序的示例,该应用程序提供了一种舒适可靠的瑜伽练习方法。3.客户支持和服务毫无疑问,使用自然语言处理(NLP)开发的聊天机器人开始颠覆客户服务。这些聊天机器人旨在接受客户的问题,并在几秒钟内以解决方案(通过预先确定的回复)做出回应。将人工智能引入客户服务领域,通过分离查询并将其发送到适当的客户支持主管,提高了效率。聊天机器人还通过首先询问客户的关键数据和查询来节省大量时间和精力。4.时尚时尚行业是世界上最大的行业之一,如今正在被人工智能所改变。人工智能技术正在帮助时尚公司更好地了解消费者的行为、提高品牌知名度、改善购物体验,并增加销售额。人工智能为不同的操作提供智能自动化功能,以及预测分析来评估需求、购买趋势和其他销售元素。此外,人工智能包括计算机视觉,它通过检测衣物瑕疵和识别假冒产品来帮助提高生产效率。5.房地产与许多其他领域一样,人工智能已经开始影响房地产行业。人工智能技术正被用来为想要出售、购买或租赁房地产的客户提供更好的服务。由人工智能驱动的聊天机器人全天候运行,为希望开展房屋交易的消费者提供相关的建议。它还允许房地产经纪人了解客户的偏好,并为他们提供相关选择或跟进线索。房地产行业采用的人工智能还通过在工作人员参与之前收集基本事实和其他所需信息来帮助减少文书工作。6.物流物流中的人工智能具有显著提高业务运营的能力。预测分析可以有效地估计供应商的库存需求,并优化路线以节省管理费用。百威和科罗娜等品牌饮料的全球分销商百威英博(Ab InBev)已经利用人工智能显著改善运营。使用预测分析,该公司不仅能够准备适量的每种饮料,还能够准确预测对某种产品的需求。这使他们能够大幅减少存储和管理费用。人工智能也为航运公司的运营提供极大的帮助。海关检查站的文件检查通常会拖延运输流程。一艘货船通常需要几个工作日才能获得运载货物的批准。通过扫描涉及的文件并将其转换为数字化文件,图像处理算法和智能自动化可以帮助海关人员更顺利地进行检查。然后可以利用这些信息来精确跟踪货物去向,同时减少在港口花费的时间。由于该技术的优势,全球航运业也使用人工智能,尤其是预测分析来优化供应链经济。7.网络安全网络安全中的人工智能可以与大多数网络安全公司保留的数据集进行交互,以检测恶意软件攻击。防病毒公司也在使用该技术来提供主动应对网络攻击的方法。由于有关各种类型的网络攻击、恶意软件和攻击路线的大量可用数据,可以训练人工智能进行推理。企业将能够使用“一劳永逸”的人工智能系统,该系统将持续监控网络是否有可疑行为。如果发现异常行为,该算法可以立即修复安全漏洞或将出现的问题通知工作人员。这将最大限度地减少解决安全问题所需的时间,从而降低了风险,防止信息丢失。人工智能解决方案也可以更早地识别针对跨国公司等重点目标的网络攻击。人工智能持续监控网络是否存在可疑活动,从而使企业能够更快地识别网络攻击。这对于最大限度地减少损害和保护企业免受财务和数据方面的损失至关重要。结论虽然人工智能是21世纪最具变革性的技术之一,但它对当前市场的影响还有待观察。人们现在正处于人工智能和相关技术采用曲线的起点,其长期优势将很快就会显现出来。话虽如此,人工智能具有的能力表明,还远远未充分发挥其潜力或对社会的影响。人工智能技术正在改变企业执行关键任务功能的方式,从工作方式的改变到促进业务的发展。
企业现在应该为人工智能和机器学习出现的一些主要趋势做好准备。通过帮助企业实现目标、推动关键决策以及创造创新产品和服务,人工智能和机器学习正在成为科技行业的主导部分。根据调研机构的预测,到2022年,预计每家企业将平均拥有35个人工智能项目。到2022年,全球人工智能和机器学习市场可能以44%的复合年增长率增长,市场收入将会增长90亿美元。近年来,人工智能和机器学习技术取得了多项突破。以下是将在2022年出现的人工智能和机器学习的一些主要趋势,它们将提供有关如何控制市场的想法:01人工智能、数据科学和机器学习在超级自动化中发挥的作用越来越大超级自动化是使用先进技术自动执行任务的过程,它也被称为数字过程自动化和智能过程自动化。很多的企业需要处理大量数据,而数据提取需要采用自动化技术。数据科学和分析随处可见。人们已经进入了数据科学生成的新时代,因为如今数据科学工具更易于获得和采用。数据科学家、企业架构师、机器学习科学家、应用架构师和数据工程师是一些市场需求量很大的职业。数据科学正被用于各种行业,例如金融公司、制造公司、保险机构、营销公司等。企业正在使用智能自动化进行研究以提高其收入。超级自动化中常用的先进技术有:机器人流程自动化。人工智能。机器学习。认知过程自动化。智能业务流程管理软件。这一概念是将适当的技术结合起来,以简化、设计、自动化和管理企业的流程,而不是使用基于脚本的且为狭义用例设计的工具。以下是企业业务运营中采用超级自动化的方法:更好的客户支持:提供更好的客户支持包括回复客户电子邮件、问题和查询。企业可以结合对话式人工智能和机器人流程自动化(RPA)来自动响应客户查询,并提高他们的体验。提高员工生产力:通过自动化耗时的流程,企业可以减少员工的人工工作,并提高他们的生产力。系统集成:超级自动化可帮助企业跨流程集成其数字技术。02人工智能和机器学习在网络安全应用中的使用人工智能和机器学习技术正在成为信息安全的重要组成部分。在人工智能和机器学习的帮助下,很多企业正在开发新方法,使网络安全更加自动化和无风险。人工智能正在帮助企业加强其云迁移策略,并提高大数据技术的性能。事实上,到2026年,网络安全市场采用人工智能和机器学习获得的收入可能会达到382亿美元。人工智能和机器学习如何改善网络安全:网络安全涉及很多数据点。因此,人工智能可用于网络安全中的数据聚类、分类、处理和过滤。另一方面,机器学习可以分析过去的数据,并为现在和未来提供最佳解决方案。根据过去的数据,网络安全系统将提供有关检测威胁和恶意软件的各种模式的说明。因此,采用人工智能和机器学习可以有效应对网络攻击。以下是在人工智能和机器学习的帮助下分析大量数据的方法:使用人工智能和机器学习以特定模式组织数据,帮助企业关联各种数据集,并扫描任何威胁。审核企业的数据保护技术以查看设置的限制是否有效,它将帮助企业保护其用户和数据。人工智能和机器学习的使用通过设置扫描大量数据的安全平台来帮助企业检测恶意软件和威胁。03人工智能和机器学习与物联网的交集人工智能和机器学习越来越多地用于使物联网设备和服务更智能、更安全。根据Gartner公司的预测,到2022年,企业80%以上的物联网项目将结合人工智能和机器学习。物联网将所有设备连接到互联网,以便能够根据收集到的数据对各种情况做出反应。在这种情况下,人工智能和机器学习的重要性在于能够从数据中快速获取洞察力。它们会自动识别模式并检测智能传感器和设备生成的数据中的异常情况。这些信息可以是关于温度、压力、湿度、空气质量、声音、语音识别和计算机视觉等数据。以下是人工智能和机器学习可能与物联网产生交集的主要部分:可穿戴设备:可穿戴设备包括健身和健康追踪器、心率监测应用程序和使用AIoT的AR/VR设备,例如智能手表、AR和VR护目镜以及无线耳机。智能家居:这些设备包括灯、恒温器、智能电视或智能音箱,它们可以学习用户的习惯以提供家庭支持。智慧城市:AIoT用于让城市更安全、更方便地居住。例如,智能电网、智能路灯和智能公共交通设施。智能行业:AIoT用作实时数据分析,以优化运营、物流和供应链。04业务预测与分析事实证明,通过实施人工智能和机器学习进行业务预测和分析比以前的任何方法和技术都要容易得多。借助人工智能和机器学习,可以考虑数以千计的矩阵来做出更准确的预测和分析。例如,金融科技公司利用人工智能实时预测各种货币的需求,这取决于市场状况和消费者行为。它正在帮助金融科技公司获得适量的供应来满足需求。05增强智能的兴起增强智能是机器和人类的融合,以提高认知能力。根据Gartner公司的预测,到2023年,40%的基础设施和运营团队将使用人工智能增强自动化来提高IT生产力。事实上,到2022年,数字工作者的贡献将增长50%。增强智能帮助平台从各种来源收集所有类型的数据,其中包括结构化和非结构化数据,并将其呈现给客户的完整视图。金融服务、医疗保健、零售和旅游等行业就是使用增强智能的很好例子。结 语以上是人工智能和机器学习将在2022年发挥重要作用的五个主要趋势。可能包括的其他功能是语音辅助中的机器学习和数字数据的监管。借助先进的人工智能和机器学习解决方案,各行业组织可以预测压力并做出快速选择。管理复杂任务和保持正确性对于业务成功至关重要,不断发展的行业动态进一步加强了人工智能和机器学习趋势的重要性。
虽然芯片短缺的情况影响到了全球各行业领域,但服务器CPU的供应比较稳定,而数据中心所需的CPU数量显然十分庞大。汽车行业受到全球芯片短缺的打击,而其他行业领域也深刻感受到带来的影响。那么,这种影响如何在数据中心行业中表现出来呢?数据中心行业难道只是为了确保服务器的处理器能够不间断地处理大量的数据?服务器CPU的供应目前看起来稳定,主要是因为它们为芯片制造商带来的利润要比其他芯片产品高得多,因此将其生产列为优先事项。而其他行业领域中受到芯片紧缺的影响。网络交换机供应商正面临着超长的芯片产品交付周期的影响,这使得他们的公司高管不得不努力说服股票分析师,表示有足够的资源和能力来满足今年的收入预期。很多企业在芯片供应链管理上花费的时间和费用都比平时多得多。一家大型电力和冷却基础设施设备供应商表示,可能会将这一额外成本转嫁给客户。冠状病毒疫情驱使大多数企业的员工在家远程工作、学习和娱乐,因此对所有数字服务下的个人电脑和服务器的需求猛增。与此同时,芯片制造商与其他所有行业厂商一样,必须克服困难,致力于在持续蔓延的疫情中正常开展业务。据报道,一些行业厂商为了规避风险,一直在过度购买和囤积芯片。而在芯片短缺时期,其他一些企业也试图建立更大的库存,人为地使芯片供应变得更加紧张。为了保证业务发展,芯片生产厂商不得不为那些能带来最大利润的客户供应产品。Omdia公司高级企业IT分析师Manoj Sukumaran表示:“与电力市场或任何其他细分市场的商品化芯片相比,数据中心的芯片为晶圆厂提供了可观的利润。”他解释说,尽管服务器和个人电脑的销量激增,但一些汽车制造商在去年上半年推迟了订单,却不知道这场疫情会对他们的产品需求造成什么影响。因此,诸如台积电(TSMC)、Global Foundries和三星公司等芯片制造商优先考虑交付来自数据中心和个人客户的高利润订单,而基本上把其他厂商的订单排除在外。这并不是说服务器芯片的生产并未受到影响。尽管服务器CPU芯片供应没有重大问题,但组装CPU所需的其他组件却供不应求,甚至英特尔公司和AMD公司之类的CPU生产巨头也不得不在运营上做出改变,并花费巨资来缓解这种情况。Sukumaran表示,服务器本身需要的不仅仅是CPU,而且从BMC芯片到电阻器、电容器和电路板的所有产品的供应都很紧张。芯片生产负责销售完整人工智能服务器系统的Nvidia DGX部门主管Charlie Boyle表示,尽管该公司的CPU或GPU并不缺货,但该公司的运营团队需要大量额外工作来采购其他组件。他说,“就像电阻、晶体管、电源模块之类的组件采购受到影响一样。”Boyle表示,芯片短缺并没有影响Nvidia公司向订购它们的客户交付DGX系统的能力,但是这并不意味着不必做更多的工作。52周的交货时间Arista Networks公司是全球最大的数据中心网络交换机供应商之一,也是向云计算提供商(包括超大规模厂商)提供交换机的主要供应商。该公司首席执行官Jayshree Ullal在本月初召开的财报电话会议上表示:“芯片供应链在Arista公司的发展历史上从未如此受到限制。为了要正确地看待这一点,我们现在必须为许多组件制定52周的交付周期计划。疫情导致基板和晶圆短缺,并降低了装配能力。由于一些国家和地区在疫情期间取消订单,我们的合同制造商的生产经历了极大的波动。当然,我们正在与战略供应商更紧密地合作,以改善计划和交付。”另一家数据中心网络设备制造商的供应链消息来源证实了超过50周的开关电源芯片的交货时间。这些已导致最终产品交付给Arista公司客户的交货时间延长。Ullal说:“显然,客户希望尽早获得产品,我们希望尽早交付,但是我们面临着更长的交货时间。”他预计这将成为今年余下时间的业务“痛点”。Broadcom公司是全球交换机芯片的主要供应商(包括为Arista公司提供产品),该公司的生产本身依赖第三方芯片制造商。该公司首席执行官Hock Tan本月在财报电话会议上承认,该公司已经开始延长交货时间,部分问题是客户现在订购的芯片数量更多,并且要求更快地交货,以期缓解供应链问题。网络设备供应商思科公司和瞻博网络公司的高管在最近的电话会议中也提到了主要的芯片供应限制问题。电力设备的价格将会上涨供应链条件导致数据中心电源和冷却设备提供商Vertiv公司推迟了先前推出的“足迹优化计划”。由于供应问题以及对于托管服务器和云服务的高需求,托管提供商和云计算提供商继续在全球范围内建立越来越多的数据中心。该公司首席执行官Robert Johnson在一次财报电话会议上说,“Vertiv公司决定推迟其中一些计划。”他表示,Vertiv公司一直在解决一些零件和材料短缺的问题,该公司已经为这些问题找到了解决方案。他说,“供应链的限制和通货膨胀的结合将导致一些意外费用在短期内增加。解决方案的一部分将是尽可能与我们的客户分担成本,我们希望可以按时交付产品。”Vertiv公司在数据中心基础设施设备领域的竞争对手施耐德电气公司的首席执行官Jean Pascal Tricoire在该公司召开的一次财报电话会议上,对该公司在处理供应链问题的能力持乐观态度,但他补充说,2020年是供应链弹性的一种测试。对基板的投资不足导致出现芯片短缺造成芯片短缺危机的一个主要原因是缺乏基板(单个芯片组件的封装)。近年来,基板制造商低估了市场需求,而对产能的投资却不足,这个问题在整个行业中已经感受到。英特尔公司和AMD公司都在这一领域投入大量资金,以帮助改善这种状况。AMD公司首席执行官Lisa Su在今年4月的财报电话会议上表示:“在基板方面,我认为该行业的投资不足。因此,我们已经抓住机会投资扩展专门用于AMD的基板产能,这将是我们继续做的事情。”英特尔公司首席执行官Pat Gelsinger在他的第一季度财报电话会议上说,“我们的基板供应一直受到很大限制。”他表示,该公司正在与供应商合作以创造性地利用其内部组装工厂网络来减轻这种限制。他预计将在今年第二季度看到这项工作的成果。Gelsinger还指出,该公司计划以第三方供应商的身份开始生产芯片,这是他自今年早些时候上任以来所做的第一次重大改变,目前正是最佳时机。英特尔公司首席财务官George Davis在电话财报会议中指出,供应紧张主要影响了英特尔公司的客户、物联网和FPGA业务,而不是其数据中心部门。在2022年还是2023年得以缓解?尽管这些公司的高管都没有表示芯片短缺会削弱他们实现2021年收入预期的能力,但目前还不清楚这种情况将如何发展,最重要的是,芯片供应链何时才能恢复正常。Omdia公司云计算和数据中心研究主管Vlad Galabov表示:“芯片生产工厂的产能每年以大约1%至3%的速度增长,但对芯片的需求却增长更快。所有类型的计算设备都有更高的需求,并且发生的疫情实际上加速了芯片产品的升级和采购。但是芯片生产工厂的产能并不是一夜之间就能提高的。”Omdia公司的Sukumaran解释说,每个供应商都与特定产品的芯片生产工厂有着紧密的合作关系,因此要从一个产能充足的制造商切换到可能具有一定产能的另一家制造商并不容易。如果一家客户与台积电公司签约以生产其特定芯片,则台积电公司将会专门为生产该芯片建立一条生产线。建立生产线需要很长的时间。Sukumaran说:“芯片生产商正在加快构建基础设施,并对其进行了优化,以实施更高的产量。但使CPU产量达到正确的水平可能需要将近一年的时间,但是其他组件的时间要少得多。”由于扩展制造能力需要很长时间,并且对计算的需求并未放缓,因此任何人都不能确定芯片供应链压力何时会缓解。Gelsinge预计可能是几年的时间,也有人估计是到2022年中期或2023年。Omdia公司的Galabov说,“即使是2023年也可能过于乐观。我个人对2023年的产能释放持怀疑态度。这可能成为一种新常态。”
为了了解人工智能和机器学习在医疗保健行业中的作用,需要探索这两种技术在医疗保健行业中的优势和功能。医疗保健行业在过去几年发生了重大转变。机器学习和人工智能的扩展和影响催生了新的生态系统。尽管如此,大多数情况下,这两种技术被描述为医疗保健行业的魔杖。移动健康应用的兴起移动健康(mHealth)是指通过移动设备提供的公共卫生和药物递送服务。随着数字化逐渐覆盖所有细分市场,医疗保健行业的移动应用程序出现了显著增长。智能手机的普及很快带动了移动健康应用的市场增长。根据调查,2020年全球移动健康行业的市场规模达到400.5亿美元,预计从2021年到2030年将以17.7%的复合年增长率增长。移动健康领域已经为患者和医疗中心提供了超过31000个与健康相关的应用程序。而且这个数字每天都在增长。作为一个广阔的行业领域,移动健康提供了更多的商业和投资机会。尽管如此,该细分市场仍缺乏新的技术和商业模式。目前在美国、英国、德国、加拿大、以色列、荷兰、丹麦具有巨大的市场潜力。凭借极具吸引力的市场规模,移动健康将很快成为一个生态系统。它将提供数字解决方案,并提高生活质量。(1)移动健康保健和技术诸如药物递送或远程医疗之类的移动健康应用程序都旨在加快医疗服务速度。这个细分市场和移动技术已经发生了有益的变化。(2)紧急医疗服务(EMS)的数据收集在医疗机构的传统工作流程中需要大量文书工作,这是首先要改进的地方。数据收集和存储的数字化实现了实时数据访问,它有助于创建即时报告的无延迟性能。(3)电子健康记录(EHR)减少文书工作的做法通过将记录实现数字化,可以节省医生的时间和精力为患者服务。电子健康记录(EHR)是实现变革的顶级技术。该服务还与健康移动应用程序和药品交付应用程序集成,即使在医院之外也可以注册患者数据。该技术将遵循HIPPA(健康保险流通与责任法案)控制。该法案致力于实施数字技术确保患者的电子数据隐私。(4)使用药品配送应用程序及时用药数字医疗系统可以在医院内部和家中创造患者体验。药品配送等与医药相关的应用程序不仅仅是配送应用程序,还可以保存患者的病史、电子处方、在线支付账单等。(5)健康追踪器和可穿戴设备健康追踪器和可穿戴设备不仅有趣,而且发挥重要作用。美国食品药品监督管理局(FDA)批准的健康追踪器可以生成实时数据。该算法修复了单一变化,并警告可能的危险。大众市场的可穿戴设备用于跟踪个人健康状况。相关的移动应用程序支持和处理收集到的数据并将其传输到后端服务器。在这个不间断的过程中将创建报告并帮助用户跟踪更改。(6)移动健康中使用了哪些技术?智能医疗保健现在正在通过应用程序和物联网技术提高效率。可穿戴设备、智能手表、健康设备和健身追踪器都是物联网设备。它们都提供持续的数据收集和与移动应用程序的同步。该技术现在可以将患者的数据发送给医生,而无需亲自到场,并继续进行进一步的治疗。大多数移动健康功能是由人工智能和机器学习驱动的。这两项顶级技术保证了医疗保健的未来。(7)2022~2030年移动健康中人工智能和机器学习应用的统计数据人工智能/机器学习改变游戏规则的技术对移动医疗的影响带来了显著的市场增长。预计到2030年,该市场规模将超过3589.2万美元,而2021年的市场规模只有66亿美元。80%用于医疗保健移动应用程序的技术将基于人工智能。到2025年,人工智能和机器学习将取代美国16%的工作岗位。到2025年,基于人工智能的可穿戴设备市场将产生1800亿美元的收入。到2030年,中国将占据全球人工智能市场的最大份额(26%)。人工智能应用将为美国医疗保健行业节省1500亿美元。移动医疗行业中的人工智能人工智能在医疗保健流程的自动化方面具有最大的潜力,而全球很快就会出现990万医生缺口,因此医疗保健行业需要实现自动化。人工智能具有为计算机程序完成任务的能力,通常与人类智能相关联。这种技术提供了一组算法,使设备能够感知、收集数据并进行预测。医疗保健行业的人工智能用例目前,移动医疗行业中有数十个人工智能用例使应用程序更加实用:自动诊断和处方。这项技术使聊天机器人能够为患者和医生提供帮助。基于人工智能的聊天机器人可以为患者提供初步诊断或处方。在患者能够与医生交谈之前,可以获得基于症状的答案。处方审核。处方可以通过人工智能系统自动化审核并保存,该技术可用于医药价格应用程序。实时优先排序。基于人工智能的患者数据透视分析可以实现精确的病例优先级排序和分类。个性化护理和药物治疗。人工智能处理患者数据并生成最佳治疗计划。因此,这项技术提高了护理效率。数据分析。人工智能的主要实践是数据分析。这项技术促进了保存临床数据、发现见解和建议行动的过程。客户服务聊天机器人。借助人工智能,客户服务可以更有效地运作。它将提供有关药物递送、预约、账单支付等的即时答案。创建新角色。随着移动健康和人工智能的新生态系统,该行业将需要新的人才来处理这项技术。为了支持这项技术,数据工程师和应用程序开发人员的需求量很大。医疗保健行业的机器学习医疗保健行业最大的技术突破是机器学习的实施。这些技术为以智能手机为中心的一代实现了医疗保健数字化。该技术旨在构建无需人工干预即可运行的自主智能设备。机器学习基于一组支持人工智能过程的算法。反过来,后者使机器能够独立运行。医疗保健行业的机器学习用例在人工智能技术的支持下,机器学习已经在移动医疗中得到应用。机器学习模仿人脑的功能。而如今使用神经网络来检测人类无法看到的变化。以下是一些示例:药物发现。机器学习的首批成功实施之一是精准医学。这是一种新的测序方法,可确保药物对患者产生疗效。个性化治疗。就像每个人对食物的反应不同一样,它对治疗和药物的反应也不同。对一些人来说,治疗可能是有效的,而对另一些人来说,它可能毫无用处甚至危险。机器学习将有助于根据患者的病史生成个性化治疗。实时数据监控将根据异常情况调整治疗。调整行为。通过机器学习,可以完成日常活动。从长远来看,支持应用程序会提醒可能对健康有害的活动。改进健康记录。机器学习的基本和最优先结果是保留健康记录。该技术通过OCR识别技术对数据进行分类。行为监测。实施机器学习技术的最新实践之一是对患者的行为监测。它揭示了对健康身心很重要的生活方式和行为变化。这些解决方案是具有支持移动应用程序的可穿戴设备。结 语机器学习和人工智能将使该行业向新一代医疗保健的未来迈进一大步,并且可以逐步应对安全性、数据存储、准确性等挑战。作为开发人员,需要考虑创建一个改变工作和生活的医疗保健应用程序以满足行业需求。与医疗保健标准相匹配的应用程序。保持标准以维护隐私和功能并成为值得信赖的产品。规划设计。直观的交互设计是推动健康应用价值的主要因素。与其他平台的集成。与现有软件集成的能力是获得应用程序认可的主要因素。移动健康具有巨大的发展潜力,凭借先进的技能和知识,将成为全球医疗保健市场的一部分。
人工智能(AI)和机器学习(ML)技术如今已经成为人们日常生活的一部分,其中包括网络安全。在网络安全人员的手中,人工智能/机器学习(ML)可以识别漏洞并缩短事件响应时间。但在网络罪犯手中,人工智能/机器学习(ML)则可能会造成重大伤害。以下是人工智能/机器学习影响网络安全的七种积极方式和七种消极方式。人工智能/机器学习对网络安全的7个积极影响(1)欺诈和异常检测:这是人工智能工具在网络安全领域进行救援的最常见方式。复合人工智能欺诈检测引擎在识别复杂的骗局模式方面表现出色。欺诈检测系统的高级分析仪表板提供有关攻击事件的全面详细信息。这是异常检测的一般领域中极其重要的领域。(2)电子邮件垃圾邮件过滤器:防御性规则过滤掉带有可疑词语的邮件,以识别危险的电子邮件。此外,垃圾邮件过滤器可以保护电子邮件用户,并减少处理不需要的通信所需的时间。(3)僵尸网络检测:有监督和无监督的机器学习算法不仅有助于检测,还能防止复杂的机器人攻击。它们还有助于识别用户行为模式,以极低的误报率识别未检测到的网络攻击。(4)漏洞管理:管理漏洞(人工管理或使用工具)可能很困难,但人工智能系统使其变得更容易。人工智能工具通过分析用户行为、端点、服务器甚至暗网上的讨论来寻找潜在漏洞,以识别代码漏洞并预测攻击。(5)防恶意软件:人工智能技术帮助防病毒软件检测正常文件和不良文件,从而可以识别新形式的恶意软件,即使以前从未见过。虽然用基于人工智能的技术完全替代传统技术可以加快检测速度,但也会增加误报率。结合传统方法和人工智能可以检测100%的恶意软件。(6)数据泄漏预防:人工智能帮助识别文本和非文本文档中的特定数据类型。可以训练可训练的分类器来检测不同的敏感信息类型。这些人工智能方法可以使用适当的识别算法搜索图像、语音记录或视频中的数据。(7)SIEM和SOAR:机器学习可以使用安全信息和事件管理(SIEM)以及安全编排、自动化和响应(SOAR)工具来改进数据自动化和情报收集、检测可疑行为模式,以及根据输入自动响应。人工智能/机器学习用于网络流量分析、入侵检测系统、入侵防御系统、安全访问服务边缘、用户和实体行为分析以及Gartner公司所描述的大多数技术领域。事实上,很难想象现代安全工具没有采用某种人工智能/机器学习技术。人工智能/机器学习对网络安全的7个消极影响(1)数据收集:通过社会工程和其他技术,采用机器学习技术用于更好地分析受害者,网络犯罪分子利用这些信息加速攻击。例如,在2018年,WordPress网站经历了大规模的基于机器学习的僵尸网络感染,黑客可以访问用户的个人信息。(2)勒索软件:勒索软件正在快速增长。犯罪成功案例很多;最严重的事件之一导致Colonial 输油管道中断6天,并不得不支付了440万美元的勒索赎金。(3)垃圾邮件、网络钓鱼和鱼叉式网络钓鱼:机器学习算法可以创建看起来像真实消息的虚假消息,旨在窃取用户凭据。在BlackHat会议的一次演讲中,John Seymour和Philip Tully详细介绍了机器学习算法如何生成带有虚假网络钓鱼链接的病毒式推文,其攻击效果是人工创建的网络钓鱼消息的四倍。(4)Deepfakes:在语音网络钓鱼中,诈骗者使用机器学习生成的Deepfake音频技术来制造更成功的网络攻击。例如深度语音等现代算法只需要几秒钟的语音就可以模仿受害者的语音、口音和语调。(5)恶意软件:机器学习可以隐藏跟踪节点和端点行为的恶意软件,并构建模仿受害者网络上合法网络流量的模式。它还可以在恶意软件中加入一种自毁机制,以放大网络攻击速度。人工智能算法经过训练可以比人类更快地提取数据,这使得它更难预防。(6)密码和验证码:采用神经网络驱动的软件声称可以轻松破解人类识别系统。机器学习技术使网络犯罪分子能够分析大量密码数据集,以更好地定位密码猜测。例如,PassGAN使用机器学习算法比使用传统技术的流行密码破解工具更准确地猜测密码。(7)攻击人工智能/机器学习本身:滥用在医疗保健、军事和其他高价值部门核心工作的算法可能会导致灾难。Berryville机器学习研究所的机器学习系统架构风险分析有助于分析已知的机器学习攻击分类法,并对机器学习算法进行架构风险分析。安全工程师必须学习如何在其生命周期的每个阶段保护机器学习算法。人们很容易理解为什么人工智能/机器学习受到如此多的关注。而对抗复杂的网络攻击的唯一方法是利用人工智能的防御潜力。业界人士必须注意到机器学习在检测异常(例如,流量模式或人为错误)方面的强大功能。通过采用适当的对策和措施,可以防止或显著减少可能的损害。总体而言,人工智能/机器学习在防范网络威胁方面具有巨大价值。一些政府和企业正在使用或讨论使用人工智能/机器学习来打击网络犯罪分子。虽然围绕人工智能/机器学习的隐私和道德问题是合理的,但政府部门必须确保人工智能/机器学习法规不会阻止企业使用人工智能/机器学习进行保护。因为众所周知,网络犯罪分子并不会遵守这些法规。
数据科学可能是解决业务问题的最热门工具,但存在缺陷的项目可能会造成重大损失,并导致决策者误入歧途。如今,数据科学几乎都会引起IT和业务主管们的兴趣。但数据科学确实会出问题。事实上,利用科学方法、流程、算法和技术系统从结构化和非结构化数据中获取各种见解的数据科学项目可能会以多种方式失败,从而导致时间、金钱和其他资源的浪费。存在缺陷的项目可能会导致决策者误入歧途,从而导致企业遭受的损害大于收益。以下是数据科学项目未能如预期那样成功的一些最常见原因。数据质量差不良数据会导致数据科学工作变得很糟糕,因此花时间来确保数据的质量,这是至关重要的。任何分析工作都是如此,数据科学当然也是如此。“不良数据或废数据会使数据科学项目无法完成,”数字化转型咨询公司 Adaptavist的首席信息官尼尔•莱利(Neal Riley)说。“您必须确保自己的数据是干净的,并适合于数据分析师使用。如果并非如此,那就完全是浪费时间。”当企业在数据科学项目中使用不干净的数据时,他们最终将“看到会产生奇怪输出的模型,(并且)会看到该输出并没有代表实际情况或没有表现出使事情变得更好的一个过程,”莱利说。有时,由于数据集中存在偏差或差异,所以数据质量很差。“对于某些组织来说,他们会使用多个系统来运营业务,”全球公共机构雇员保险(WAEPA)公司的首席信息官布兰登•琼斯(Brandon Jones)说。“对于经验丰富的企业来说,您甚至可能仍会使用一些遗留系统,以供参考或验证。在许多情况下,业务会随着每个系统的不同而发生变化,因此导致在业务中计算某一指标的流程和/或方法存在差异。”琼斯表示,这可能是导致数据科学出现问题的主要原因。由于基于更改后的业务流程进行了重复计算,从而其结果可能会被夸大。“为了解决这个问题,各个组织必须统一设置他们的数据分析程序,”他说。“这意味着要列出一个可以验证数据的具体日期,并且每个人都清楚和认同这是他们组织进行工作的通用标准。”对要解决的问题没有明确定义如果团队成员不了解他们试图解决的业务问题,那么数据科学项目如何能成功完成?然而,当数据科学团队在开展某些项目时,他们有时就会遇到这一问题。网络安全公司Kenna Security的首席数据科学家迈克尔•罗伊特曼(Michael Roytman)表示:“定义某一问题的过程通常是数据科学家的工作,而实际上,定义某一问题(包括)多种业务情况,既涉及确定工作范围,又涉及界定潜在的投资回报。”医疗咨询公司Impact Advisors的高级顾问兼虚拟首席信息官马克•约翰逊(Marc Johnson)表示,希望利用数据科学的业务用户需要就他们想要解决的问题提出一些探索性问题。“就像任何项目一样,花时间来锁定问题的范围以找到数据的正确来源,”约翰逊说。“几年前,有人让我为一家拥有20年历史的公司设计一款分析产品。没有对客户群进行研究,以了解该产品是否有市场。没有明确客户想要查看该分析结果的一些指标。这一切都是基于竞争对手声称其拥有某一分析产品,以及客户想要该产品的传闻。”约翰逊表示,这个项目在毫无方向的情况下消磨了两年,“因为对于我们试图解决的问题定义太模糊。”缺乏相关数据数据科学工作必然出问题的另一方式是不提供解决某一特定问题所需的特定类型数据。对某一问题提供大量数据并不能解决问题。“有一种想法是,大数据会带来洞察力,但实际上很少有这种情况,”罗伊特曼说。“适合的、定制的且通常较小的数据集常常会带来完善的和可归纳的模型。”约翰逊表示,为了从数据科学中获得价值,您应该不断努力从最相关的来源收集数据。“创造不是一次性活动,”他说。约翰逊表示,由于数据是从不同来源收集或购买的,因此团队需要确保在数据中的任何修改不会歪曲其结果,以及牺牲整个数据集的质量。他们还必须确保数据集不存在任何隐私、法律或伦理问题。缺乏数据透明度团队需要对他们用于构建任何给定模型的数据保持透明度。“当人们不信任该模型或不理解该解决方案时,数据科学项目就会失败,”新泽西州司法机构的首席信息官杰克·麦卡锡(Jack McCarthy)说。“解决这一问题的方法是,您必须能够‘说明其数学原理’,并将其传达给可能不具备技术或统计技能的利益相关者。”数据科学家需要解释数据的来源,他们为计算模型做了什么,并要提供对所有相关数据的访问权。“透明度是项目成功的关键,”麦卡锡说。这方面的一个例子是新泽西州所使用的风险评估算法。“我们会向所有利益相关者提供一份报告,该报告包含某一被告历史上的哪些案件属于哪个类别,以及每个案件的评分方式,”麦卡锡说。“这些内容会提供给所有对手,因此他们有机会查看每个案件,并可以质疑其中包含的内容。这一切都是透明的。”不愿意承认研究结果的不确定性罗伊特曼表示,有时需要获得洞察力的业务团队或数据科学团队本身根本不愿意承认其研究结果不确定、不清楚或不够完善,或者甚至无法进行业务应用。罗伊特曼说:“一个同样可接受和有价值的答复是,‘该模型不够好,无法为业务带来投资回报。”罗伊特曼表示,Kenna Security公司的数据科学团队花了两个月的时间构建了一个漏洞分类模型,该模型会自动为某一漏洞生成一个通用缺陷列表。“该模型很有效;这是对研究生水平课程问题的一个很好的答案,”他说。“但对于我们的客户而言,它的效果还不够好,无法带来价值。(其)精度太低。所以我们放弃了该项目,尽管我们投入了时间并取得了成果。”缺乏执行负责人数据科学工作需要一位来自高管层的负责人,以确保项目获得足够的资源和支持。“如果他是首席信息官,那么这会有所帮助,”莱利说。“我们将数据科学视为我们运营工作不可或缺的一部分,我已保证要做这方面工作的负责人。”他表示,即使首席信息官不是数据科学工作的内部负责人,他也应该负责确保所有相关数据的安全。但其参与的工作应该远远超出安全性的范围。“充分利用您收集的信息,我认为这是现代首席信息官的职责,”莱利说。“凭借手头上拥有的所有数据,您就有办法从中获得一些东西,并可以合理地使用这些数据,而首席信息官就可以利用这些东西来帮助其组织内各个职能部门。”莱利表示,在对销售流程制定新策略和做调整方面,Adaptavist公司从其数据科学工作中获得了最大收益。“这与我们的产品或IT基础设施、营销都没有任何关系。”他说。“从业务流程优化的角度来看,数据科学对我们帮助最大,可有助于内部销售人员更好地处理和管理潜在客户。”人才短缺技能缺口困扰着IT工作的诸多方面,数据科学也不例外。许多组织机构根本不具备开展项目或获取最大价值的相关技能。Beanworks是一家基于云计算的应付账系统自动化提供商,其工程和数据业务首席信息官Tracy Huitika说:“真正的数据科学家需求量很大,很难找到,而且薪资很高。”“该职位通常需要是物理学或科学博士学位,并且能够使用R和 Python语言编写代码。”约翰逊表示,数据科学项目失败(即使项目已经开始部署)的最大原因之一是缺乏持续管理项目的运营人才。“让一位优秀的数据科学家创建一个模型,而没有持续改进的运营计划,以及没有根据市场和数据变化进行调整,这就像设计一辆汽车,然后将钥匙交给一个10岁的孩子一样,”他说。在某一模型投入使用后,企业需要通过雇佣或利用外部专家(例如精通数据科学的顾问)来获得适当的相关技能,以对该模型进行维护。数据科学不是正确的解决方案如果某个特殊问题起初不需要数据科学作为其解决方案,那该怎么办?这种对数据科学的错误使用可能会导致项目的失败,因此应仔细考虑何时该使用以及何时不该使用数据科学方法、流程和工具。“导致数据科学项目失败的最大因素之一是数据科学、算法和机器学习技术甚至都不是适合的解决方案,”莱利说。“您可能根本不需要机器学习模型;您可能只是需要回归分析,然后您可能需要花费大量时间和精力来研究所有不同的排列,而无需使用数据科学,”莱利说。“我们陷入了这样一种情况,即我们在研究金融数据科学建模,以可视化预测我们主要业务在未来取得盈利的因素。而事实证明,其最好的方法就是统计回归。”
人工智能如今为实现数据中心的基本管理任务自动化做好了准备。但是,数据中心管理人员准备好从人工管理过渡到机器管理了吗?随着数据中心工作负载量呈螺旋式增长,越来越多的企业开始寻求采用人工智能技术帮助他们减轻IT团队的管理负担,同时提高效率,并削减开支。人工智能承诺将工作负载自动实时管理功能应用在基础设施,无论是在内部部署数据中心还是在由数据中心、云平台和边缘计算设备组成的混合云环境中。随着人工智能为工作负载管理带来的转变,未来的数据中心将与现在的数据中心设施大不相同。一种可能的方案是由远程管理员管理的小型互连边缘数据中心的集合。专注于数据中心业务和技术趋势分析的Infosys Knowledge Institute负责人Jeff Kavanaugh表示,由于竞争加剧、通货膨胀以及疫情导致的预算削减各种因素,许多企业正在寻求降低数据中心运营成本的方法。人工智能和自动化已经被证明是工作量管理中的强大工具,因为它可以将企业的员工从耗时且乏味的任务中解放出来,并使他们能够专注于真正需要人工处理的工作。满足需求大多数数据中心管理人员的首要任务是优化运营以满足高峰需求。然而,无论他们如何仔细地计划和准备,需求高峰和低谷往往无法控制。商业咨询机构Capgemini公司北美地区人工智能工程副总裁Goutham Belliappa说:“人工智能可以带来独特改进的地方在于它可以理解工作负载的模式,并将这些需求与数据中心容量相匹配。”人工智能管理可以使数据中心团队从一系列平凡而重复的任务中解脱出来,其中包括服务器管理、安全设定、计算、内存和存储优化、负载均衡,以及电力和冷却分配等。科技市场咨询机构ABI Research公司首席分析师Lian Jye Su说,“这些工作负载都可以通过人工智能实现自动化或增强。”IT管理软件开发商Manage Engine公司人工智能和机器学习产品总监Ramprakash Ramamoorthy表示,人工智能可以帮助分析从单个机器收集的数据,并发现被监控参数中的异常情况。他说,“人工智能还可以帮助更早地预测故障和中断,这可以帮助数据中心管理团队减少停机时间,并保持集群正常运行。人工智能还可以实现更好的温度和电压管理,从而直接降低运营成本,并帮助减少碳足迹。”Ramamoorthy表示,虽然可以使用各种人工智能方法,但工作负载管理工具应始终确保模型预测是完全可解释的。与其他领域相比,人工智能系统在数据中心工作负载管理中做出的决定通常会由一个或多个协同工作的团队来执行。因此,人工智能模型决策应该是可解释的,让IT团队能够更好地理解模型决策的意图,并采取相应的行动。他指出,“人工智能模型最多可以达到80%到85%的准确度,因此这也有助于人类团队通过正确解释人工智能模型的决策来关联明智的决策。如果人工智能模型可以为其呈现的决策提供置信度评分,那么它也将有助于有效的工作负载管理。”人工智能和机器学习开发商Tanjo公司联合创始人兼首席执行官Richard Boyd表示,随着人工智能和机器学习工具变得越来越普遍,很多企业认识到,当人类智能与技术合作而不是竞争时,可以实现最佳结果。他说,“机器在许多方面根本无法取代人类,但机器在某些领域的应用肯定比人类好得多。一旦人工智能和机器学习变得流行,并且企业员工适应这种新的合作关系,那么他们的观点就会发生转变。”Dell科技公司的人工智能战略负责人Brons Larson表示,数据中心可以利用人工智能/机器学习来提高性能以及优化配置和部署。人工智能/机器学习支持动态协调资源与工作负载,以优化资源利用率以更好地管理成本。所有人工智能解决方案,无论是何种应用程序或供应商,都需要专业知识来正确配置和优化价值。这首先要正确捕获和评估用于训练和测试的数据,以及针对漂移和偏差管理部署的模型。此外,基于规则的人工智能可以通过智能策略控制和预定义配置帮助自动化资源优化和合规性。Su指出,“使用从日常运营中收集的数据,基于机器学习的人工智能可以进一步增强数据中心运营的其他方面,这些方面以前需要深入的领域专业知识。例如,可以通过自学威胁检测和监控算法来加强数据中心的安全性。通过将所需资源引导到正确的方向,可以优化负载均衡、电源和冷却分配功能。”Kavanaugh说,“人工智能还可以简化数据管理。企业越来越发现自己被与关键利益相关者有关的大量数据所包围。使用人工智能,企业可以确保有效、准确地管理这些大量数据。”在人工智能的帮助下,企业的IT团队可以比以往更快、更准确地执行数据质量分析或提取数据以创建预测等任务。他说,“这对企业来说至关重要,因为他们需要更准确的数据来做出明智的决策。”人工智能软件包随着人工智能的成熟,现在出现了一种软件驱动的方法,可以将不同的元素结合在一起,并将人工干预降至最低。例如,在典型的数据库系统中,需要大量配置才能使操作高效运行,例如索引表、跨服务器对数据进行分区、为某些类型的查询分配内存以及调整优化器以适应计算平台和预期的工作量。Howe指出,“人工智能可以通过从大量历史数据中学习规则和程序来提供帮助,关于哪些日程安排对哪些任务有效,而不是让我们试图弄清楚所有事情。”有了人工智能,企业IT领导者和团队可以自由地专注于解决业务问题,而不必担心基础设施的细节。Belliappa说,“从人工智能的角度来看,我们使用的大多数模型都是自学习集成模型,它们结合使用各种技术,并在从它们管理的工作负载模式中学习时不断优化。”规划和部署在人工智能开始发挥其管理魔力之前,IT和业务领导者需要接受将关键管理职责移交给软件的想法。Shah说,“根据其规模和内部知识库,人工处理可能非常困难。”最终,企业如何处理从人工到人工智能工作负载管理的过渡取决于其技术成熟度、运营规模和数据中心的活力。Kavanaugh说,“缺乏现代基础设施来有效利用其数据的孤立企业将陷入困境。”另一方面,越来越多的人工智能供应商提供针对特定类型企业的工具,这增加了几乎任何类型和规模的企业能够平稳过渡的可能性。他预测说,“随着企业及其解决方案的成熟,配置和部署的便利性将会继续提高,”如果说人工智能有致命弱点的话,那就是该技术对数据中心系统和实践中甚至相对微妙变化的反应。Howe解释道,“大多数人工智能技术都是在假设固定环境的情况下寻找稳定的模式。如果以模型无法看到的方式改变环境,它会提供错误的答案。而在部署更改之前仔细规划可以帮助减轻这种担忧。”人工智能得到更广泛的应用虽然人工智能驱动的数据中心工作负载管理已经被许多大型企业使用,特别是谷歌、亚马逊和微软等超大规模企业,但规模较小的数据中心运营商直到现在才开始采用这项技术。Belliappa指出,用不了多久,数据中心管理人员将面临一个严峻的选择:或者继续依赖传统的数据中心管理技术和实践,或者大量投资于人工智能驱动的业务以保持活力。从长远来看,随着技术的进步、成本的下降以及采用者信心的增强,人工智能驱动的管理有望成为主流。Shah预测说,“在接下来的四到六年内,人们将看到人工智能数据中心工作负载管理技术成为标准选项。”Howe说,““我认为这种趋势正在迅速发展,随着数据中心自动化程度的提高,人工智能技术提供了一种更好的方法来利用提供商拥有大量数据的内容。”他预计使用人工智能学习方法的自动化工作负载管理将很快变得司空见惯。Kavanaugh说,“越来越多的行业观察家认为人工智能将在未来三四年内的某个时候开始主导数据中心管理,尽管疫情的驱动可能有助于推动这一时间表向前推进。数据中心很快将能够实现几乎所有操作的自动化,从网络安全到维护再到监控。但是,随着数据量呈指数级增长,以及企业发现人工智能的新用途,数据中心管理人员的工作量及其管理将会继续增长。”
这是长久以来的IT难题:在获取新能力和为企业提供可靠的运营环境之间取得适当的平衡。 由于IT部门面临的挑战是要提供强大、可靠的日常运营,同时还要利用技术来重新思考所有已完成工作的方式,因此,此次疫情再次带来了这一挑战。“对创新、卓越运营和携手合作的需求从未如此迫切,”美国银行(Bank of America)首席信息官兼面向客户平台的总经理哈里•戈帕拉克里什南(Hari Gopalakrishnan)说。“我们认为我们无法在两者之间做出选择。” 在近期最具挑战性的业务情况下,IT主管们及其团队承受着加快推进数字化转型和维护IT堆栈的压力。在今年的“首席信息官状况”(State of the CIO)调查中,有76%的IT主管认为,在业务创新和卓越运营之间寻求适当的平衡是一项挑战。 Trimble公司技术创新副总裁鲍勃·沃尔德(Bob Wold)表示:“经营一家企业是结构化的且易于衡量的,但创新则更多是组织化和非结构化的。” 这是好消息吗?两者可以是共存的。LexisNexis North America公司执行副总裁兼首席技术官杰夫·里尔(Jeff Riehl)说:“推动创新和实现卓越运营是我们的重点。“内部和外部的创新都可以帮助我们更快地发展,并影响我们的营收。(IT部门)可以推动创新的速度,加快产品上市时间,提高生产效率,并提升可靠性和质量。” 联想集团对卓越运营和创新都有很高的要求。“新冠疫情已加快了联想集团对数字化服务主导的转型工作的投入,同时也显现出,对卓越运营的投入已在业务的灵活性和敏捷性方面取得了回报,”首席信息官兼高级副总裁Arthur Hu说。 在LexisNexis、联想和其他公司中,这一非常现代的IT问题的答案似乎既简单又复杂。里尔说:“机遇在于找到同时做好这两方面工作(即推动创新和实现卓越运营)的方法。” CIO.com与各行业的IT主管们就压力、挑战以及在平衡创新需求和提升卓越运营方面的潜在解决方案进行了交流。 快速改变剧本 在许多方面,新冠病毒危机已加剧了对创新的需求。WalkMe公司全球首席信息官乌兹•德维尔(Uzi Dvir)表示:“面对几乎一夜之间就要实现远程办公的挑战,我们不得不为许多常见的IT难题和一些完全无法预见的难题找出创造性的解决方案,包括从远程开展入职培训、消除因居家办公环境所带来的新威胁等等。” 过去的一年已经证明,在许多方面,新技术和业务流程的改进工作是齐头并进的。在WalkMe公司,我们允许IT政治资本参与业务决策。“平衡状态已发生改变,”德维尔说。“我会为战略工作提供支持,以及提供可实现我们业务成果的技术。从职能型领导者转变为业务领导者,这为我提供了一个平台,可以让我为需要的地方直接分配资源,以支持创新的需求。” 在LexisNexis公司,首席执行官为创新设定了宏大目标,并专注于能创收的产品和服务。如今,里尔的敏捷团队80%的精力都放在新功能上。甚至后勤部门的改进工作都具有前瞻性。里尔说:“我们必须关注对市场的影响。”例如,当技术团队在提升内容交付系统的效率时,他们还会想办法通过质量或及时性方面的提高来改善客户体验。 在2020年,由于客户希望获得小企业贷款、抵押贷款和信用卡救济,美国银行(Bank of America)的交易量达到了历史最高水平。“所有这些工作都需要我们持续关注卓越运营和服务,”戈帕拉克里什南说。但客户还对运行良好的虚拟服务提出了新的要求。他说,几天之内,美国银行就为小企业客户开发了数字PPP应用程序,还对虚拟机器人Erica进行了编程,以回复来自客户和财务顾问的60000条询问。其结果是:客户满意度始终很高,并且为员工和客户提供一个稳定的平台。 戈帕拉克里什南说:“我们能够而且必须持续创新。”他指出,尽管有85%的员工转为远程办公,但美国银行还是获得了比以往更多的专利。在确保实现卓越运营的同时能够开发出相关数字解决方案的关键在于发挥每个人的创新作用。戈帕拉克里什南说:“我们不会将创新者局限在实验室或某一个团队中。” 南卫理公会大学(Southern Methodist University)于2015年在首席信息官的领导下加强了运营和创新工作。“在过去的几年中,IT团队开展了约30个与创新相关的项目,包括文本挖掘、网页抓取、数据仓库建设、建立仪表板、物联网网络、提供多模式教学和超级计算机升级。”该大学首席信息官迈克尔·海茨(Michael Hites)说道。他的团队由数据科学家、高性能计算专家、数据架构师、数据可视化专业人员和物联网程序员组成,致力于各项新技术。“从卓越运营的角度来看,我们大学在新冠疫情期间专注于各种类型的绩效数据,从而加快了为决策者提供及时、简洁的可视化数据的速度。” 起初,由于创新所具有的迭代性质,一些员工感到沮丧。传统上,各个项目会按时启动和停止,因此当教师们要求技术人员重做项目的某一部分工作或完全改变工作方向时,这是极不寻常的。海茨为研发工作聘请了一名项目经理,并设计了一种方法来平衡敏捷项目管理与创新“冲刺”中教师科研人员的需求。 发展的烦恼 然而,对许多IT部门来说,在创新和卓越运营之间进行平衡仍是一个挑战。癌症测试初创公司Guardant Health是一家发展迅速的企业。实现卓越运营固然重要,但创新也是重中之重。首席信息官库姆德·卡利亚(Kumud Kalia)说:“我们不想远远落在后面,因此我们确实对卓越运营进行了投入,但我们也不会忽视创新。”“这真的是一个挑战。当我们在专注于创新时,很容易累积一些技术债务,因此我们必须注意加以控制。” 卡利亚的团队已经投入精力来淘汰一些旧系统,这样就不会影响创新。他还对创新团队进行划分,以确保那些专注于核心平台的团队不会走错方向。 卡利亚很容易可以知道,这些工作何时发生失衡。他说:“我们的用户非常愿意表达。”“当我看到人们对运营方面的声音不断增大时,我知道我们需要重新平衡。”这种拉锯战并不是什么新鲜事。“但创新的步伐现在更快了,”他补充道。 doTerra公司执行副总裁兼首席信息官托德•汤普森(Todd Thompson)也在努力平衡这两方面的工作。汤普森说:“几年前,由于我们过于激进地推动创新,而开始对运营稳定性产生负面影响。”在过去的一年中,doTerra公司放慢了脚步,以加快业务发展,并组建了独立的创新和“业务运营”团队,以确保对这两个方面工作都给予足够的关注度。汤普森解释说:“为了平稳发展,我们有意降低了对新举措的关注度。”“通过专注于增强我们的自动化测试和部署过程,随着时间的推移,我们实际上提高了开发速度,而且我们可以看到这种方法开始取得成效。” 艰难时期的积极方面 在迫使IT部门同时解决创新和运营问题时,新冠病毒带来的压力可能会对IT部门在这两方面工作之间更好实现平衡的能力产生长期影响。其中部分原因是由于新工作场所的模式在兴起。 LexisNexis公司的里尔说:“混合型工作环境需要新的协同技术和流程、新的IT系统和方法,所有这些新事物都使我们对创新的新机遇有了深刻见解。”这与许多IT主管的体验相呼应。“因此,我们正以更快的发展速度和更快的创新能力走出新冠疫情。” 后台办公流程的自动化是一种转变,可以节省成本,并有助于企业更快地实现新功能。“自动化技术流程是帮助IT部门将资源和资金集中在创新上的关键,”里尔说。“即使很少的增量投资也能为您带来巨大收益。而且,它的规模会显著扩大。” 随着新冠疫情期间各项工作的开展,IT部门也增加了一些新技能。在联想集团,在此次疫情期间需要为终端用户服务而部署新的聊天机器人,这就要求Hu的团队学习数据建模、自然语言处理(NLP)和会话框架方面的新技能。 Hu说:“这就是一种创新,一种更好的运营方式,它提供了一种额外的选择,可以与用户进行实时互动,而且减少了一些常见问题解答的繁琐过程。这是一个部署和利用创新来推动改进运营工作的经典案例。” 联想集团还部署了机器学习模型,以提高其供应链规划的准确率(这是在客户需求高峰时的一项关键技能),这最终可以更好地满足客户交货日期,同时提高流程效率。 近几个月来,创新和运营稳定性在南卫理公会大学也已成为共存的状态。当该大学去年秋天决定举办混合式课程时,IT部门立即采取行动,利用一些大型活动场地和运动设施。海茨说:“增量式课程表的传统方法行不通。”该团队使用了其超级计算机,设计出解决该问题的算法。 这是过去一年的一个主要发现:改善当前运营工作的做法能够为创新开辟新的途径。 “从卓越运营中获得的经验可以无数次地帮助您发现创新的领域,”埃维诺公司(Avanade)全球IT业务企业服务主管约瑟夫·帕拉迪(Joseph Paradi)说。“更重要的是,大多数团队成员都想做很酷的创新性工作。因为他们已经找到了有效和高效运营的方式,因而通过让他们专注于创新工作,我们就对他们形成激励,同时也给他们成长的机会,而且他们的技能和经验也为重要的业务要素做出贡献。” 这种平衡方法在埃维诺公司的2021年及以后的计划中已变得很明确。 卓越运营的价值 当然,如果运营工作会因创新而受到影响,那么创新就没那么紧要。Telus International 公司首席信息官Michael Ringman说:“这很可能是一种相当平衡的做法,因为创新不可避免地导致流程发生变化,从而影响卓越运营。”要想取得成功,很重要的是要确保您所做出的改变与自己的长期战略和价值观相符,而不能仅仅是因为其他人可能正在这样做,或是因为出现一些新兴技术。如果您坚持自己的“北极星”计划,那么在任何不平衡的时期,团队都可以更轻松地进行调整、完善和持续推进,以实现卓越运营。” 在QuickBase公司,对无代码和低代码技术的需求不断激增,这对首席信息官德布•吉尔德斯利夫(Deb Gildersleeve)团队的能力带来了挑战,即他们既要快速提升技术能力以满足客户需求,也要管理新冠疫情带来的影响和改善内部流程。她说:“作为QuickBase公司的第一位首席信息官,我可以坦诚地说,我们已经感受到了这种压力,即在创新与管理长久以来的一些重要流程之间取得平衡。” 在考虑开展新项目时,她的团队会牢记两件事:如何为我们的客户提供最好的产品和工具包,以及可以建立起哪些系统来支持一家不断成长的公司的内部基础架构。吉尔德斯利夫说:“在我的职业生涯中,我一次又一次地看到了创新与卓越运营之间的这种紧张关系。”“IT部门的日常工作常常已经使他们非常疲惫,因此,当他们开始为新的转型项目提供支持时,这就进一步对团队的执行能力提出考验。” 其解决方案是在团队和业务合作伙伴之间建立信任。她说:“您需要为自己的团队找机会来适应新的角色,推动他们进行不断改进,并努力填补差距。”IT主管们必须为他们的团队授权,以充分发挥他们的潜力,同时还要加以防范,以确保实现卓越运营,她补充道。 这对埃森哲公司来说同样重要。“当您拥有如此多的创新和新功能时,如何保持高效和为企业提供服务?”该公司的首席技术官Merim Becirovic说道。他以沙盒的形式创建了实验边界,供团队成员进行测试。“但如果我们想向公司提供新服务,我们会非常严格。” 消除两者选一 “一家伟大的公司要经受得住时间的考验,创新也同样不能例外。它必须成为公司核心文化的一部分,而且写入您的DNA中。”Trimble公司的沃尔德(Wold)说。“在2020年,新冠疫情让所有公司都有机会考验其对创新的承诺。” 理想情况下,技术部门不仅仅是一个二选一的职能部门;它要以互补的方式来实现卓越运营和创新。LexisNexis公司的里尔建议说:“如果您将资源集中用于卓越运营,那么就要寻找可以为客户带来积极影响的方法。”“同样,如果您正在开展一些创新项目,那么就要花时间去寻找提高底层技术和效率的方法。” 协调统一应该是目标,并且创新和卓越运营应彼此支持IT基础。“这种构架可使您的团队走出零和思维,并可以开启更多的可能性,从而能激励您的业务利益相关者,”联想集团的Hu说道。 最后,南卫理公会大学的海茨表示,创新已在整个IT部门中蔓延开来。
数据可视化的定义数据可视化就是以图形的格式来呈现数据。它可以通过直观地呈现数据来减少数据的“噪音”,使决策者能够更容易地看到和理解数据中的趋势、异常值和模式。地图和图表是最早的数据可视化形式之一。早期最著名的数据可视化例子之一是法国土木工程师Charles Joseph Minard在1869年创建的流程图,以帮助了解拿破仑的军队在1812年灾难性的俄国战役中所遭受的苦难。这张地图用两个维度来描绘了军队的数量、距离、温度、纬度和经度、行进方向以及相对于特定日期的位置。如今,数据可视化涵盖了从仪表板到报表、统计图、热力图、图表、信息图等所有可视化呈现数据的方式。数据可视化的商业价值数据可视化可以帮助人们快速高效地分析数据。通过提供易于理解的可视化数据表示,可以帮助员工根据这些数据来做出更明智的决策。以视觉形式的呈现数据可以使其更容易被理解,使人们更快地获得见解。可视化也可以使这些见解更容易地被交流。数据的可视化表示也可以更容易地看到独立变量之间的关系。例如,它可以帮助企业查看趋势、了解事件的频率以及跟踪操作和性能之间的联系。数据可视化的类型可视化数据的方法有很多种,但数据设计机构Datalabs Agency表示,数据可视化有两种基本类型:探索:探索可视化可帮助企业了解数据想要告诉你的内容。解释:解释可视化会使用数据来向观众讲述故事。理解一个给定的可视化要达到这两个目的中的哪一个是至关重要的。一些最常见的特定可视化类型包括:二维区域这些通常是地理空间的可视化。例如,漫画利用地图的扭曲来传达诸如人口或旅行时间等信息。分级统计图上也会使用地图上的阴影或图案来表示统计变量,例如各州的人口密度。时态这是一种有一维线性的可视化,有一个开始和结束时间。例如时间序列,它按日或按月显示了网站访问量等数据,以及甘特图,它说明了项目进度。多维这些常见的可视化呈现通常会具有两个或更多维度的数据。示例包括了饼图、直方图和散点图。分层这些可视化显示了群体之间的关系。树形图是分层可视化的一个例子,它显示了较大的组是如何包含较小的组的。网络网络可视化显示了数据集在网络中是如何相互关联的。一个例子是节点链接图,也称为网络图,它使用了节点和链接线来显示事物是如何相互连接的。数据可视化的示例Tableau已经收集了它认为最好的10个数据可视化的例子。Tableau列表中的第一名就是上面提到的Minard的拿破仑向莫斯科进军的地图。其他突出的例子还包括:1854年英国医生John Snow为了解当年伦敦霍乱爆发情况而制作的点阵图。该地图使用了城市街区的条形图来显示伦敦附近每个家庭的霍乱死亡人数。地图显示,受影响最严重的家庭都是从同一口井取的水,这最终让人们认识到,是受污水污染的井导致了疫情的爆发。皮尤研究中心作为其The Next America项目的一部分,于2014年发布了一个生动的年龄和性别人口统计金字塔。该项目充满了创新的数据可视化。该图显示了自1950年代以来人口结构的变化,1950年代是底部有许多年轻人,顶部只有很少老年人的金字塔,到2060年则变成了矩形。Hanah Anderson和Matt Daniels在The Pudding网站上的四个可视化作品,通过分解2000部电影的脚本,统计了男性和女性角色的对白,阐明了流行文化中的性别差异。可视化包括了迪斯尼电影的分类,2000个剧本的概述,用户可以搜索特定电影的渐变条,以及对男性和女性角色的年龄偏见。数据可视化的工具有许多的应用程序、工具和脚本可用于数据可视化。其中最受欢迎的有:DomoDomo是一家专门从事商业智能工具和数据可视化的云软件公司。它侧重于商业用户部署的仪表板和易用性。Dundas BIDundas BI是一个用于可视化数据、构建和共享仪表板和报表以及嵌入分析的BI平台。InfogramInfogram是一个拖放式的可视化工具,用于为营销报告、信息图、社交媒体帖子、仪表板等内容创建可视化的效果。Microsoft Power BIMicrosoft Power BI是一个与Microsoft Office集成的商业智能平台。它有一个制作仪表板和报告的易于使用的界面。QlikQlik的Qlik Sense有一个用于调查数据的“关联”数据引擎并可以提供基于AI的可视化建议。它正在继续构建自己的开放架构和多云功能。SisenseSisense是一个以嵌入式分析而闻名的端到端分析平台。许多客户以OEM的形式在使用它。Tableau作为市场上最流行的数据可视化平台之一,Tableau是一个支持访问、准备、分析和呈现数据的平台。数据可视化的角色和薪资根据PayScale的数据,以下是一些与数据分析相关的最受欢迎的职位,以及每个职位的平均薪资。数据分析师:6.3万美元数据科学家:9.2万美元数据可视化专家:7.5万美元高级数据分析师:8.5万美元高级数据科学家:12.1万美元BI分析师:6.2万美元
人工智能正在重塑数字营销行业吗?是的!近年来,人工智能已经成为数字营销领域中至关重要的技术,全球各地的数字营销人员都在利用人工智能来简化和优化营销活动,并在数字时代赢得客户的忠诚度。对于大多数人来说,人工智能似乎更像是一个神话,而不是真相。但事实上,人工智能不再是一个牵强的概念,它正在重塑数字营销行业。调研机构预计,全球各地的行业组织2021年在人工智能平台和相关技术方面的支出将达到570亿美元以上。通过允许组织有效地收集、分析、应用数据,然后从中学习,人工智能正在改变数字营销策略。从苹果的Siri到阿里巴巴的FashionAI,越来越多的组织在数字营销业务中实施人工智能。人工智能无疑正在改变数字营销的未来。人工智能和数字营销人工智能在数字营销中的应用被称为人工智能营销。人工智能营销涉及整合客户数据和人工智能概念,例如大数据分析、机器学习和其他流程,以获得对目标客户的更深入了解。这些洞察可以帮助组织预测客户的下一步行动,增强客户体验,开发更有效的客户接触点,并增强客户互动。从长远来看,这些见解提高了营销活动的投资回报率(ROI)。在更大的范围内,人工智能营销可以用来自动化依赖于人的营销过程。内容生成、网页设计和点击付费(PPC)广告等过程可以通过人工智能营销实现自动化。这样一来,人工智能营销可以消除人为错误,并以更低的成本产生更好的数字营销结果。但是,人工智能营销无法完全消除数字营销领域中的人类角色。人工智能营销可以完成特定的任务,但不会取代数字营销中的销售人员。即使在营销中采用人工智能,数字营销空间仍然依赖于人类的创造力,同情、同理心和讲故事是人工智能无法模仿的一些人类属性,至少目前还不能。本质上,人工智能营销有助于组织更好地与客户互动并促进业务增长。人工智能营销的最新趋势如上所述,无论是传统公司还是初创公司都已经在其数字营销活动中使用人工智能来增强客户体验。人工智能的市场空间正在迅速扩大,预计到2022年,其市场规模将达到98.8亿美元。组织在数字营销活动中利用人工智能的一些方式包括:聊天机器人——如果是经常上网的人,可能会在各种网站上遇到聊天机器人。聊天机器人是一种利用人工智能与网站访问者进行对话的软件。聊天机器人可以根据自己的编程进行音频或文本对话。聊天机器人越来越多地被组织使用,并被证明是一种有效的营销工具。他们可以向客户发送有针对性的信息,收集客户数据,并通过回答特定问题来指导或建议客户。有针对性的内容——组织正在使用人工智能收集保护客户的数据,然后预测未来的行为或提供更有针对性的信息。人工智能还可以通过聊天机器人、电子邮件或网页上的动态内容来交付目标内容。通过观察潜在客户的在线行为,人工智能可以智能地为特定客户设计最合适的内容,并用这些内容自动填充他们的电子邮件。内容创建——内容营销涉及大量高质量的内容创建,这可能付出大量的成本和时间。因此,内容创建是令组织感到头疼的问题。人工智能可以通过为组织生成更具体的高质量内容来简化内容创建。大多数组织目前都在转向使用人工智能来创建以客户为中心和目的明确的内容。为什么需要在数字营销活动中实施人工智能人工智能可以帮助组织建立更有效的营销策略,改善客户体验,改变组织吸引、培育和转换潜在客户的方式。如果组织还没有用人工智能来改进其数字营销活动,将会错过很多东西。人工智能营销将通过推动转化并提高投资回报率,使组织在数字营销活动中脱颖而出。结语事实上,人工智能正在重塑数字营销行业。在当今充满活力的数字时代,越来越多的组织和数字营销商正在转向使用人工智能来提高客户忠诚度,并获得更好的投资回报率(ROI)。得益于详细的算法和低廉的购置成本,人工智能系统在数字营销领域变得更高效、更快、更易访问。将人工智能整合到组织的数字营销活动中,则将实现更好的长期效果。
由于新冠疫情危机,企业主管们正目睹自己的组织经历着深刻巨变,在一切尘埃落定之前,很难清楚这意味着什么。此次疫情并没有给他们或我们任何一个人带来享受,而且对社会的运转方式以及个人的互动和工作方式带来了深刻且直接的变化。我们所有人都目睹了大规模向远程办公方式的转变,资源的动态重新分配,以及数字化和自动化的加速推进以满足不断变化的个人和组织需求。各个组织基本上都已遭遇了这一危机时刻的挑战。但随着我们为后疫情时代进行思考,基于旧规则(解决统一性、官僚主义和控制性问题的层级结构)的管理体系将不再有效。取而代之的应该是一种更灵活和响应更迅速的模式,而且该模式是围绕四个相互关联的趋势建立起来的:更多的联系、前所未有的自动化、更低的交易成本和人口结构变化。为了引领组织机构面向未来,首席人力资源官(CHRO)和其他领导者应该重新构想组织的基本原则。新兴的模式具有创新性、适应性和抗脆弱性。企业目标会推动大胆的商业举措。“劳动力”变为“人才”。层级结构成为团队的网络。竞争者成为生态系统的合作者。企业变得更加人性化:鼓舞人心,相互协作,并致力于为员工创造有意义且愉快的体验。去年疫情爆发后,我们与350位人力资源主管就他们工作职能中不确定因素的作用进行了交谈。他们告诉我们,在未来两年里,他们希望优先推进一些举措,以增强其组织在推动领导力、企业文化和员工体验方面变革的能力。他们做得如何?在本文中,我们将通过重新思考以下三个基本方面的流程来讨论首席人力资源官如何继续应对当前的需求:身份认同感、灵活性和可扩展性。人力资源部门如何适应全局最近,麦肯锡公司就企业如何能最好地进行组织以面向未来做了一项研究。正在进行的实验表明,面向未来的企业具有三个共同特征:他们知道自己是什么,以及代表着什么;他们专注于速度和简洁性来运营;他们通过增强学习和创新能力来发展。人力资源部门可以通过促进这三个关键方面的正向改变,以及利用从这三方面延伸出的九个必要工作来帮助推动这种转变。身份认同感:人力资源部门可以阐明目标、价值观和文化的含义有发展目标的企业更有可能创造可观的长期价值,这会带来更高的财务业绩,提升员工敬业度,并提高客户信任度。为实现组织的目标参与其中您公司成立的核心原因是什么?您可以在哪些方面对社会产生独特而积极的影响?您现在比以往任何时候都需要对这些问题给出正确的回答——目标不是一个可选项,而是一个必选项。在确保自己组织实现其目标和价值观方面,首席人力资源官发挥着至关重要的作用。人力资源部门可通过找出公司文化中的“重要时刻”,并将企业目标转化为一系列领导力和员工规范与行为,从而阐明和塑造与企业目标相关联的以及所期望的个人思维方式和行为。例如,商用汽车制造商斯堪尼亚(Scania)每年都举办一次“气候日”活动,在此期间,公司将停止工作一小时,进行可持续发展的培训,以实现其“推动向可持续发展交通系统转变”的目标。人力资源部门还可以通过明确“以目标为导向”的员工的一些特征,并将这些特征融入到招聘、人员发展和接班人计划中,从而保证在招聘和能力建设流程中做出明确的改变。人力资源部门还可以将以目标为导向的指标纳入薪酬和绩效决策中。最近,各行各业的公司都开始采用这些指标。例如,清洁及个人护理用品制造商七世代(Seventh Generation)最近面向全体员工将其可持续发展目标纳入激励机制,以实现其到2025年成为零废物公司的目标。壳牌公司也计划制定短期碳排放目标,并将高管薪酬与这些目标的完成情况挂钩。对人才做深入思考那些能够按照战略计划重新调配人才的组织,其业绩高出其他组织的可能性可达两倍以上。为了将人才与价值联系起来,最优秀的人才应该指派去担任可带来价值的关键角色。这意味着要摒弃传统的方法,在传统的方法中,关键职位和人才是可以互换的,而且是基于组织层级制定的。让最优秀的人担任最重要的职位,就必须要严肃地研究组织内部在哪里可以真正创造价值,以及顶尖人才如何做出贡献。想想特斯拉公司为打造快速创新文化所做的努力,或者苹果公司执着于用户体验。这些文化层面上的优先事项是这些公司价值议程的核心。将这些优先工作事项转化为价值所需的职位通常与研发相关,并且都是有才华和创造力的人。为了实现这一转变,人力资源部门应通过培养分析能力来挖掘数据,以雇用、发展和留住最优秀员工,从而严格管理人才。人力资源业务伙伴会向高管层团队阐明这些人员配备需求,而人力资源部门应将自己视为组织内部服务提供者,要确保人力资本投资获得高回报。例如,为了让业务主管参与定期的人才评估,他们可以开发一些半自动化的数据仪表板,以跟踪关键角色的一些最重要的指标。创造最佳的员工体验企业知道,更好的员工体验意味着更好的盈利。成功的组织会与他们的员工共同创造个性化、真实、激励性的体验,利用目标来提升个人、团队和公司的绩效。人力资源团队在塑造员工体验方面发挥着至关重要的作用。麦肯锡公司的研究表明,在人力资源部门能够促进提升员工拥有积极体验的组织中,其具有更好组织绩效的可能性是其他组织的1.3倍以上。随着各个组织努力培养团队士气和积极心态,这一点在整个疫情过程中变得更加重要。人力资源部门应促进和协调员工的体验。组织机构可以通过帮助人力资源部门发展,增强该部门职能的能力,从而使其成为员工体验的架构师,这就有助于这项工作的推进。例如,爱彼迎公司(Airbnb)将首席人力资源官角色更名为员工体验全球负责人。贝宝公司(PayPal)专注于人力资源部门的能力和流程,以为员工创造更好的体验,包括指导人力资源专业人员评估和理解员工体验,以及更有效地使用技术。加强领导能力和培养变革能力文化是创造出色财务业绩的基础。具有高文化排名的企业(根据麦肯锡公司的组织健康指数进行衡量),其股东回报率比中等排名公司高60%,比排名垫底公司高200%。文化变革应以业务为主导,从顶层开始就具有清晰可见的领导力,执行工作应严格且一致。当领导者在要求员工进行行为改变之前自己已成为榜样时,则企业成功转型的可能性会在五倍以上。为了强化组织的身份认同感,人力资源部门应提出以下问题:我们如何培养一个充满激励性的目标意识,从而对我们的战略选择和工作方式产生切实的影响?我们如何找到关键的人才,并让其专注于创造价值?我们如何对自己组织的健康状况建立一个数据驱动的和系统化的认识?灵活性:人力资源部门在使组织扁平化方面的作用组织的灵活性会提高公司绩效和员工满意度。人力资源部门可以在以下方面发挥重要的作用:在将一个组织机构从传统的层级结构转变为可向一些有能力的小团队提供人才和资源的一个市场的过程中,帮助团队完成其任务,以及充当共同的指导性明星。采用新的组织模式例如,作为多年的敏捷转型项目的一部分,一家大型欧洲银行致力于成立一个由教练和人力资源职能部门共同领导的内部敏捷学院,以推动该转型项目的能力建设。为了获得转型成功,转型项目应涉及组织的各个方面,包括人员、流程、战略、结构和技术。人力资源部门可通过设计出人员管理流程中的一些核心要素(包括为敏捷团队提供新的职业道路、改进绩效管理和能力建设)来帮助创建迭代方法。人力资源部门也应通过转向使用可为首要工作分派人员的各种敏捷“工作流程”来以身作则。建立灵活且有吸引力的员工队伍由于许多岗位正变得分散且不稳定,因此工作将越来越多基于其技能来定义。技术变革步伐的加快正在扩大技能缺口,使之更普遍和更快地出现。为了生存和实现其战略目标,所有组织机构都需要在未来十年内对其大部分员工进行技能再培训和技能提升。根据2018年麦肯锡公司的一项调查,有66%的高管表示,“解决员工队伍中与自动化/数字化相关的潜在技能缺口”至少是“十大首要任务之一”。人力资源部门应帮助优先考虑这些人才方面的变化。针对后疫情时代的员工队伍的问题,麦肯锡公司最近对全球高管进行了一项调查,超过三分之一的受访者表示,他们的组织对自动化和数字化所引发的技能缺口尚未做好准备。在疫情期间,向数字化转变的速度已经加快:85%的公司已加快了其数字化的步伐(包括客户渠道的数字化增长了48%)。鉴于这些趋势以及需要进行技能的转变,在人力战略和规划背后存在一个明确的商业理由。在这方面,人力资源部门应通过确保让合适的人才在正确的职位上实现公司的核心目标,从而成为业务部门的战略合作伙伴。人力资源部门还可以通过回顾颠覆性趋势如何影响员工,通过找出未来的核心能力,以及通过评估人才供求关系如何解决未来的技能缺口来推动人力资源规划。向侧重技能的转变还需要有创新性的招聘渠道来满足特定的工作活动需求(例如零工经济和自动化),而且还要改变哪些职位公司需要以传统全职方式来招聘,以及哪些职位可以由临时员工或承包商完成。在对全球高管的调查中,约70%的人表示,在未来两年,他们预计将使用比新冠疫情危机前更多的临时员工和承包商。在疫情期间,我们已看到各个组织如何联合起来利用具备可迁移技能的人才。例如,麦肯锡公司就为Talent Exchange平台提供了支持,该平台会利用人工智能来帮助因疫情而失业的员工。更快更好地做出决策在正确的组织层级上做出决策且具有更少的管理层级的公司更有可能在质量、速度和绩效方面有稳定的表现,从而超越其他公司。此次疫情已使人们更为关注快速决策能力,因为许多组织必须比预计快得多的速度来采取行动。例如,一家零售商制定了一个路边送货的计划,该计划预计需要18个月才能推出;但当新冠疫情袭来时,该计划仅在两天内就付诸实施。人力资源部门可以在一个奖励冒险的文化中让员工承担风险,从而有助于做出强有力的决策。麦肯锡公司的研究表明,有权做出决定并从主管那里得到足够指导的员工有三倍以上的可能性会认为,他们公司下达的决定是高质量和迅速的。采用下一代绩效管理系统企业正在尝试各种方法来改善他们管理绩效的方式。根据麦肯锡公司的一项全球调查,一半的受访者表示,绩效管理工作未对员工或组织的绩效产生积极影响。三分之二的受访者表示,对自己的绩效管理系统进行了至少一项有意义的调整。我们发现三种做法(管理者进行指导,将员工目标与工作优先事项相关联,以及差异化的薪酬)会增加绩效管理系统对员工绩效产生积极影响的可能性。人力资源部门可通过对目标设定过程提供支持,通过将薪酬和发展讨论相分离,通过对管理者的能力建设进行投入,以及通过利用技术和分析方法来简化绩效管理过程,从而在将这些做法融入绩效管理过程中发挥重要作用。为了增强组织的灵活性,人力资源部门应提出以下问题:我们是否可以通过将决策推行到组织的边缘,通过建立可赋予员工技能的心理安全,以及通过能力建设来实现更有效的决策?我们如何才能加快转变为更多元化、更积极进取的人才群体,并得到以人为本的组织文化来支持,从而实现出色的业绩和卓越的体验?转向新的工作方式和组织方式,哪些组织部门或端到端的价值创造流将从中获益最大?可扩展性:人力资源部门如何推动创造价值大量、快速反复出现的技能缺口的新常态意味着,技能再培训工作必须是变革性的,而不是一成不变或碎片化的。通过技能再培训和技能提升来营造学习文化有效的技能再培训和技能提升将需要员工踏上一段混合式学习之旅,其中包括传统学习(培训、数字课程、工作辅导)和非传统方法(更高层次的同事指导、学习网络、大规模的个性化转变、“有益处的”技巧)。例如,微软公司从“了解一切”的观念转变为“学习一切”的观念,将开放学习日、非正式的社会学习机会、内部职业道路的学习数据以及合作伙伴网络的新平台和产品整合在一起。给人力资源部门的建议:照镜子为了推动和促进这些人力资源计划,人力资源部门必须首先进行自我转型。人才一直被首席执行官列为三大重要工作,但许多首席执行官对人力资源部门招聘人员的能力缺乏信心。人力资源部门常常因事务性工作而负担过重,从而无法很好地为企业创造价值。然而,以人为本的组织会从人才如何创造价值的角度来看待工作问题,而人力资源部门非常适合于将数据驱动的见解带入人才决策中。人力资源部门可以利用数据驱动的见解和人员分析方法来武装自己,从而为人才驱动的转型提供支持,然后人力资源部门的业务伙伴可以基于数据不断地做出人才决策。创建一个价值不断提升的人力资源生态系统麦肯锡公司的分析表明,多数高管都已认识到,外部合作关系在多大程度上会有助于企业脱颖而出。通过合作伙伴共享数据、代码和技能的生态系统可以创造更高的价值。如今,成功发展需要“模糊的界限”和相互依赖的关系来分享价值。人力资源部门需要时间进行协作,并在员工整个工作周期(从学习、人才获取、绩效管理到员工工作效率)中利用人力资源解决方案的各个方面来建立一个有效的人力资源生态系统。为了增强组织的可扩展性,人力资源部门应该提出以下问题:我们如何建立可涵盖生态系统中多个参与者的平台,并通过这些平台创造新的价值来源和员工体验?我们如何成为生态系统中最佳的合作公司?我们如何才能快速建立合作伙伴关系,并使用该生态系统?促进未来创造价值的关键技能是什么?我们如何相应地提高我们人才群体的技能?展望未来:转型如何发生随着面向未来的组织在成型,人力资源部门将成为许多举措的推动力:绘制出人才创造价值的路径;使员工队伍更加灵活;优先考虑战略性人力资源规划、绩效管理和技能再培训;建立人力资源平台;并建设人力资源技术生态系统。对于其他举措,人力资源部门可以帮助高管来制定和宣传企业目标,改善员工体验,推动领导力和文化发展,并简化组织结构。考虑到工作的艰巨性和各种可创造价值的人力资源举措,确定工作优先级至关重要。2020年5月,参加麦肯锡公司在线会议的人力资源主管们表示,在未来两年,他们希望优先启动那些可增强灵活性和身份认同感的举措。其中包括27%的主管表示,他们会侧重于能够快速地做出响应,还有25%的主管表示,将提升领导力、企业文化和员工体验列为首要任务。接下来有13%的主管表示,会侧重于绘制人才创造价值的路径,还有13%的主管表示,会侧重于制定和宣传企业目标。在第二次人力资源主管会议上,约有一半的首席人力资源官表示,他们会侧重于重新构想组织的基本原则,重新思考在下一个常态下的运营模式和工作方式。我们看到各个组织正在做出这一转变。在整个疫情期间,人力资源部门在公司如何建立组织韧性和推动创造价值方面发挥了核心作用。首席人力资源官及其团队可通过将人才与企业战略相关联,通过在身份认同感、灵活性和可扩展性这三个核心方面以及由此延伸出的九个必要工作上实施变革来继续沿这一道路行进。一个更加灵活和响应迅速的模式还有助于组织应对即将到来的人口结构变化和其他劳动力变化。千禧一代正成为劳动力市场中的主导群体(Z一代紧随其后),为各个组织满足他们的需求提出了新的挑战。零工经济和其他工作模式的重要性只会不断增长,欧盟和美国有1.62亿人在独立工作,其中70%的人是自愿选择这一方式的。数字技术和自动化的迅速普及正在极大地重塑着全球经济,如今有一半由人工处理的工作已经可以自动化。这些趋势并不是新闻,但这些趋势正在逼近临界点,正在成为各个组织首席执行官工作日程的首要任务。首席人力资源官可以通过改变人力资源团队本身来帮助领导层:制定和强化一些清晰的优先工作事项;采用新的工作方式,包括与业务部门进行快速迭代和测试,以及收集明确的反馈信息;并通过利用一些敏捷性和数字化功能来提高人力资源部门的技能。尽管新冠疫情显然是一场巨大的考验,但它也为人力资源部门提供了一个机会,使其可以加快从服务职能向战略职能转变,并有助于塑造一个更具活力的组织,以应对危机后的未来格局。
很多组织的业务发展如今正处于关键时刻。根据国际货币基金组织(IMF)的估计,2020年全球GDP可能缩减4.4%,而发达经济体的GDP可能缩减5.8%。而疫苗的供应和分发也给人们带来了希望。疫情危机的缓解还意味着,如果组织可以适应变化并采用新的工作方式,那么全球经济复苏的可能性就会越大。为了实现这种经济复苏,各行业组织都在加速向数字化解决方案的转变。转向云计算技术有望解决其最具挑战性的问题,并在不断变化的客户需求和监管框架中创造机遇。实际上,根据麦肯锡公司的调查,发生的这场疫情加快了采用数字技术支持客户与供应链互动的组织业务的发展。而更具创新力的组织将会重新考虑员工如何协作,以及如何将客户体验实现数字化。组织可以使用以下三种关键方法来利用技术来发挥自己的优势,并推动业务的复苏。01组织需要降低成本并为未来重新规划宏观经济和地缘政治的不确定性为组织开展的业务带来未知挑战。因此,组织的首席执行官和首席财务官需要寻求对其业务进行优化。购买、维护和升级经营组织所需的技术基础设施不仅困难,而且成本越来越高。而修复IT系统要求用户准确预测他们未来的需求,而现在看来这与组织不断变化的业务格局不符。相比之下,云计算服务器确保组织只进行适当的投资,使用户能够灵活调整其消费,以满足不断变化的需求。这使得组织可以将剩余资本投资于创造客户体验,从而推动价值创造。Gartner公司估计,2021年基础设施服务市场预计增长27.6%,正是因为这些成本节约和运营效率,成为了组织将业务迁移到云平台主要的好处之一。此外,很多组织正在意识到多云战略的潜力。通过采用多云,组织可以实现一个开放、安全、灵活的基础设施,可以在任何运营环境、任何云平台上运行。在组织内部发展和创新可能意味着将整个内部部署IT基础设施迁移到云平台,以转变数字化运营。02每个组织都需要数字化入口远程工作(这可能是一个永久性的转变)正迫使组织使用数据和分析来更好地了解其客户,从而全面丰富客户体验。冠状病毒疫情带来的影响已经加快了客户对数字化产品的偏好。面对面的现场客户服务已经不足以维持不断增长的业务。如今,客户还要求有一个“数字入口”,并且它已经超越了几乎每个行业。例如零售行业的组织正在使用人工智能和机器学习来提供更好、更准确的在线体验。医疗保健提供商需要安全、可扩展的平台,为远程医疗的数字患者就诊提供支持。数字化入口也在改变政府部门的工作方式,例如利用云服务在线分发失业保险金。随着数字化的到来,组织有机会使用数据和分析来做出更明智的决策,并为客户创建更多有用和更有成效的体验。通过对创新的数字入口进行投资,组织将在疫情期间保持敏捷性,同时以不断变化的客户期望为中心。组织将会获得数字体验的便捷性,这些体验是可个性化的,但并不意味着必须牺牲体验质量。03组织需要采用新的工作方式工作以及工作场所的定义如今已经发生了变化。尽管人们知道疫情终有一天将会消退,但远程工作这种工作方式仍将继续存在,并且也增加了人们重新思考如何完成工作的需求。人们看到了对混合工作环境的需求,组织和员工可以使用数字化工作区,使他们能够在灵活的云原生平台上进行协作,以产生新的想法并相互联系。能否成功过渡到这个新的工作时代,则取决于组织如何重新评估现有的沟通和协作工具,同时保持员工的参与度、生产力和联系性。虽然没有人能预测未来几年会发生什么,但是组织可以通过投资灵活基础设施以应对不确定性,这些基础设施将人员和联系保持在其运营的核心位置。每个组织应对带来的挑战和机遇的方式将决定他们在未来的发展。那些乐于变革的组织将会抓住数字化转型的机会,并将比以前更强大。
多云架构现在成为了大多数组织采用的云计算策略的核心。多云架构提供了很多好处,但是在安全性、性能等方面也面临一些重大挑战。面对这些挑战,组织规划有效的多云架构不仅仅是将另一个云平台添加到运营环境中并每天调用。组织还应该制定多云的详细实施计划,以尽量减少与多云环境相关的挑战。规划多云架构时需要考虑的因素多云架构有多种形式,它们通常涉及同时使用多个公共云。然而,考虑到公共云提供的大量云服务,实际上来自两个或更多公共云的服务有大量设置组合。组织可以在一个云平台中托管数据,并在另一个云平台中使用数据的应用程序;还可以跨两个云平台镜像相同的数据以提高可靠性,也可以部署一个或多个公共云的Kubernetes集群,等等。根据定义多云的精确程度,组织的多云策略也可以集中在混合架构上,该混合架构将内部部署环境或私有云与公共云混合在一起。由于多云架构的可变性,因此从单个云平台迁移到多云并非易事。更好的方法是组织先要考虑一系列问题,这些问题将帮助其确定实施针对组织优先级的多云架构的最佳计划。为什么要迁移到多云?在这些问题中,首先要问的是组织为什么要迁移到多云。如果只是因为科技网站的介绍,了解到多云是未来的潮流,那么组织也许应该重新考虑其多云计划。因为并不是每个组织都需要采用多云。如果组织转向多云架构主要是为了节省成本,那么需要知道成本优化是指导组织制定多云规划的首要任务。或者,也许性能优化或可靠性改进是组织的主要目标。也许组织只是想利用当前云平台上不可用的其他云服务。哪些云平台提供最好的解决方案?组织在规划多云架构时需要权衡的第二个因素是,哪些特定的云平台为其优先级提供了最佳的解决方案。例如,如果组织的主要目标是节省成本,则需要查看其使用的云服务以及这些服务在不同云平台的使用价格,以确定哪些云平台为成本优化提供了更多的机会。如果工作负载可靠性是组织的目标,那么可以根据其停机历史记录和正常运行时间服务等级协议(SLA)来评估不同的云平台。需要记住的是,为了规划最有效的多云架构,组织不仅应考虑公共云,还应该考虑混合云和私有云框架。根据组织的需求,将公共云与基于OpenStack之类的私有云配套使用的多云环境可能是最佳的解决方案。组织将如何构建多云工作负载?如上所述,在多云环境中运行的工作负载有多种形式和大小。组织需要评估计划使用的云平台中可能使用的不同组合,并使这些方法与优先级保持一致。例如,如果成本优化是主要目标,则可以决定以这样的方式来处理工作负载:将数据存储在价格更低存储服务的云平台中,而将应用程序托管在价格更低计算服务的另一个云平台中。如果可靠性是组织的首要任务,则可以选择在不同的云平台中部署相同工作负载的冗余实例,或者设置一种解决方案,以使工作负载在发生故障时自动从一个云平台转移到另一个云平台。组织将如何管理多云工作负载?有多种方法可以跨多个云平台管理工作负载。最简单的方法是使用每个云平台提供的原生工具。这种方法的缺点是它要求组织学习和使用多套管理工具。一种更有效的策略是找到可以与组织需要管理的所有云平台一起使用的工具。为此,确定所需的工具类型(常见类别可能包括基础设施即代码解决方案、访问管理工具以及监视和日志记录工具),然后寻找能够与组织打算包含在多云计划中的所有云平台一起工作的平台。组织将如何将工作负载迁移到多云?组织需要权衡的最后一个关键问题是如何将现有工作负载迁移到多云环境。如果组织计划使用的云平台提供原生迁移解决方案,以便将数据和应用程序迁移到其平台中,例如谷歌云平台的Migrate工具和Azure Migrate,组织在规划云迁移时,这些很可能是一个好的起点。组织可能还需要进行一些提升和迁移,以便将工作负载的不同部分迁移到组织正在构建的多云环境中的正确位置。结论在能够解答上述问题之后,组织就可以为迁移到多云架构制定正式计划。组织迁移到多云就像执行计划一样简单。在这一过程中,组织可能会遇到一些问题。当然,即使是最好的计划也会遇到问题,但从一开始就制定计划总是比尝试多云迁移的每个步骤要有效得多。
数据是企业的命脉,不要让糟糕的管理消耗掉您组织内最宝贵的资源。 数据是企业最宝贵和最持久的资产,是数字化战略和转型的基础。然而,要想强有力地管理好分散在公共云、私有云以及本地的快速增长的数据,就需要一种全新的和创新的管理方法。 使数据管理现代化以跟上不断增长的应用和安全需求,这不仅非常重要,而且至关重要。安全有效地管理数据需要您制定策略和想出可靠的方法来访问、整合、清理、管理、存储和准备数据。以下七个建议可有助于您更快、更轻松地完成这一富于挑战性的过程。 1.更新您现有的数据管理策略和架构 卡内基梅隆大学泰珀商学院商务技术助理教授黄燕(Yan Huang)建议,首先要对组织机构的经营策略、数据需求、数据分析目标有深入的了解,才能开始数据管理的现代化工作。 她说:“然后设计一个数据管理架构,该架构可以整合当前的数据管理工具和系统,利用最先进的模型和方法,实现组织的当前目标,而且满足其未来的需求。” 黄燕指出,一个强大的架构会使数据管理现代化工作以系统化和整体的方式实现,同时可避免发生兼容性问题和产生数据孤岛。 她解释说:“重新设计数据管理架构的过程需要您仔细评估组织内的数据分析目标,而且找出需要改进的领域和新的机遇。”“一个设计良好的现代化数据管理架构可确保组织机构的数据管理系统能够有效且高效地运行,可为组织不断地提供价值,而且可以足够灵活地整合增强功能和新功能。” 2.盘点和绘制出所有数据资产 在继续下一项工作之前,请先回到一些基础工作上。网络安全技术开发公司RedSeal的首席技术官迈克·劳埃德(Mike Lloyd)警告说:“如果您无法明确数据资产的位置以及这些资产是否受到保护,则您将无法回答这些数据被授予的访问权限是否适当或是否对互联网完全开放”。 咨询公司Protiviti的企业数据和分析实践业务的常务董事兼负责人彼得•摩特拉姆(Peter Mottram)对此表示赞同。他说:“了解哪些东西进入到公司中,您创建了哪些东西,以及您发送出去了哪些东西——这是基础。”“然后考虑在管理数据方面您的目标是什么,以及现代化数据管理技术如何可以简化组织内的数据/分析运作模式。” 摩特拉姆指出,在过去的几年里,数据管理已变得异常复杂。他说:“将(管理工作)分解为核心构建模块,并简化问题陈述,这是开始进行有意义转变的最佳方式。” 现代化数据管理策略还应包括混合云策略。“在各种环境中都建立一个清晰的清单,这是一个很好的开始,”摩特拉姆建议道。“然后,部署原则和控制措施可有助于企业来管理在不同环境中的数据。” 3.力争实现数据民主化 就在几年前,企业才有了一个对其数据管理生态系统进行现代化升级的重要理由:管理快速增长的数据量。 商业和技术咨询公司Capgemini North America的数据管理业务副总裁Luc Ducrocq指出:“如今,新的机遇就能够使数据‘民主化’——在正确的时间让适合的人获得想要的数据。” 数据民主化使企业能够部署自助分析服务,给大型数据工程和数据科学团队授予权力,与商业合作伙伴创建数据交换和协作区域,以及开展其他成熟的数据管理计划。 “通过使数据民主化,企业还可以实现真正的数据信任,”Ducrocq说。“这使他们有更大的自由,专注于商业价值和变革性成果。”信任是另一个重要属性。他警告说:“那些没有可靠数据的(企业)会始终很难为商业客户找到和提供适合的数据。” 应该制定和部署管理策略,以确保数据保持最新状态和准确性。Ducrocq说:“需要对民主化的数据进行识别、编目录、标准化和分类,以便管理消费者在整个组织内所使用的数据。” 强有力的管理工作还可以使企业缩短数据准备时间,使数据科学家和其他高级用户可以将时间集中在分析工作上。他补充说:“如果组织机构不花时间彻底解决数据问题,他们就无法在云计算和日益依赖数据的新环境中成功发展。” 4.对数据现代化技术进行投资 持续对云计算和数据管理技术进行投入。专业服务公司德勤(Deloitte)的AI生态系统主管弗兰克·法拉尔(Frank Farrall)表示,那些实施的最成功的数据现代化项目都与这些工具紧密关联。他说:“首席信息官们应该从比较容易实现的目标开始着手——内部的、能力不足的原有技术;将在未来12到24个月内合约到期的老旧决策支持系统。” 法拉尔认为,对主数据管理、治理技术和流程进行投资,这是维持对数据进行全面管理的理想方式。他说:“了解数据的来源、关键定义以及数据在不同系统中如何移动,这是在异构环境中的重要元素。”“在数据管理项目中,常常缺少对数据流程和数据元素的严格责任制以及关键领导的支持,然而这是管理复杂环境的关键推动力。” 5.充分利用数据统一带来的管理优势 采用混合云/多云策略的组织机构可能希望对那些可以整合数据的管理平台进行尝试和投资。 技术和商业咨询公司EY Americas的新兴技术主管费萨尔•阿拉姆(Faisal Alam)说:“这可能包括通过SaaS提供商、数据订阅提供商以及生态系统中的其他提供商将企业数据与第三方可用的数据源相结合。” 虚拟化是一个已经存在了一段时间的选项,但直到最近它才变得成熟,可以以最小的延迟进行大规模的部署。“所有主流的云供应商都提供联合查询功能(数据虚拟化的子功能),该功能可实现跨云和混合云数据的查询和统一,”阿拉姆解释道。 数据统一方法始终在不断完善,联合查询只是其中一种选择。阿拉姆指出,还存在其他选择,例如数据湖、特征库和现代数据仓库。 6.明确数据问责制 商业和技术咨询公司毕马威(KPMG)的首席信息官顾问史蒂夫•贝茨(Steve Bates)表示,明确数据问责制是重新思考数据管理工作的基本步骤。 他解释说:“成功的组织机构不仅仅是关注政策和流程,还将某些见解和质量措施的责任交给了高层领导。”贝茨建议,要明确高级主管(包括首席信息官、首席技术官和首席数据官)的具体数据责任。 在当今快速发展的商业环境中,几乎所有东西都是数字化的和互联的。贝茨指出:“所收集到的与交易、客户和内部流程相关的每一项数据都可以成为一种资产,可以用来改进产品或客户体验。” IT主管们面临的关键问题是,尽管数字化的工作在不断激增,但许多工作仍与庞大的遗留系统紧密相连。他建议:“我们需要对涉及敏捷方式、开发运营、云计算和许多其他方法在内的现代化解决方案的设计和交付进行更全面的了解。” “现代化交付是一种模式,可有助于组织机构更快速地创造价值,减少部署工作的失败,以及创建一种持续改进和以客户为中心的文化,同时帮助企业赢得市场。” 7.掌握不断发展的数据管理方法和实践 数据管理是IT主管们在2021年及以后将面临的最不确定、最棘手的问题之一。 黄燕说:“数据管理策略及其有效性应被持续监控,而且至少应每年进行一次系统审查,以发现问题和找到改进的机会。” 她认为,一家企业的数据管理方法应与其整体经营策略相匹配。“因此,在审查经营策略时,也要审查数据管理策略,这也是一个不错的想法。”
尽管数字化和先进分析技术的好处已显而易见,但其往往也隐藏着风险。某家银行正在进行数字化转型项目,其早期阶段进展顺利。他们已成功地将其开发团队转变为敏捷团队,而且主管们对由此带来的速度和工作效率提升感到很兴奋。但在几周内,领导层发现软件开发人员一直在走一条工作流程捷径,导致客户的用户名和密码容易遭到黑客攻击。之后其转型团队解决了这一问题,但随后该银行遭遇了另一种黑客攻击,使其客户数据的安全性遭到破坏。在发现错误之前,某些应用程序已经运行了数周,因为在部署之前没有设置适当的监控措施来识别安全问题。这意味着该银行不知道谁可能访问了这些敏感的客户数据,也不知道这些数据可能泄露的程度和范围有多大。这一问题非常严重,以至于使整个转型工作都处于危险之中。其首席执行官威胁说,如果他们无法提高应用程序开发的安全性,则将结束该转型项目,并将开发团队恢复为瀑布开发方式。该银行的经历并不罕见。各个行业的公司都在开启数字化和分析转型项目,以使各项服务和流程数字化,通过敏捷方式和自动化提高效率,提高客户参与度,并使用新的分析工具。然而,大多数这些转型项目都没有采取任何正规的方法来识别和管理相关风险。许多项目在新流程中设置了很少的管控措施,变更计划不够完善(或根本没有),并且常常缺乏来自安全、隐私、风险和法律团队的参与设计。因此,各个公司在网络安全、技术债务、先进分析技术和运营弹性等方面就产生了隐藏的非财务风险。新冠疫情及其管控措施只会加剧这一问题,迫使各个组织快速进行创新,以满足居家办公和其他数字化需求。最近,麦肯锡公司对来自全球各行业的100位企业数字化和分析转型项目负责人进行了调查,以更好地了解这一问题的范围。尽管数字化和先进分析技术的好处已显而易见,但常常仍隐藏着风险。从麦肯锡公司的调查和随后的访谈中,发现了一些重要的结果:目前,各个行业的组织都在广泛开展数字化和分析转型项目。风险管理还没有跟上数字化和分析转型项目的发展步伐,这一差距正在拉开,而这一差距只有通过大规模的创新才能得以弥合。新冠疫情环境加剧了风险管理需求与现有能力之间的不均衡。大多数公司都不确定如何来管理数字化风险。然而,领先的组织机构已经设立了组织责任制,并实行了一系列有效的做法。麦肯锡公司已经想出了解决这些调查结果中所隐含难题的方法。其中包括一个新的四步框架,用于定义、实施、嵌入和加强解决方案;一些辅助方法可以加快一线团队实现其风险管理的有效性和效率;以及一个基于云计算的诊断评估和跟踪工具。该工具旨在帮助公司在企业和产品层面更好地识别、评估、降低和衡量由数字化和分析转型项目所产生和加剧的非财务风险。幸运的是,利用这些方法,大多数公司不必从头开始。他们可以使用其现有的企业风险管理(ERM)基础架构。该架构通常用于应对财务和监管风险,但也可通过改造变得更加敏捷和更具适应性,以满足数字化和分析转型项目的风险管理需求。数字化和分析转型项目的优势是真实存在的,但风险也同样存在。通过了解麦肯锡经过研究所获得的见解和采用此处所述的方法,企业可以实现数字化和分析转型项目的价值,同时还可以保护其组织和客户。最终,企业可以激发出更富于成效的团队关系,并通过长期保留其转型工作的影响,为公司创造可持续的竞争优势。一系列新的(和代价高昂的)风险大多数公司似乎对数字化和分析转型项目所产生和加剧的非财务风险几乎无所作为。这些风险的范围很广。数字化和分析转型项目通常部署在整个组织范围内,涉及许多部门和第三方。诸如技能、思维方式和工作方式等软性因素,以及诸如技术、基础架构和数据流等硬性因素,都将在这一转型过程中立即发生改变。一些传统风险在大多数项目中更为常见,包括那些由预算和进度超出、人才(员工和第三方,包括承包商、供应商和合作伙伴)、IT绩效以及合规性和法规问题引起的风险。然而,数字化和分析转型项目还带来了新的网络风险、数据风险以及人工智能(AI)应用带来的风险。数字化和分析项目需要从更广泛的来源收集更详细的数据。然后,这些数据会被用于组织内的不同部门以产生见解。这些移动的数据会在数据可用性、位置、访问和隐私方面产生固有的风险。运营弹性的风险来源包括新的IT服务和向云端的迁移。预测性分析模型可能会偏离或脱离该项目的最初侧重点,使组织机构面临法律责任或信誉风险。如果处理不当,此类风险可能导致犯下代价高昂的错误,遭到监管处罚和消费者强烈抵制。由新冠病毒危机引起的业务中断使这些额外的风险更加复杂。从某种意义上说,这次新冠疫情引发了历史上最大规模的数字化和分析转型浪潮,将原本需要数年才能完成的转型项目压缩到数月之内(甚至数周内),而且往往没有事先规划。在新冠疫情发生之前,大多数组织机构都有一些安全策略和培训。然而,很少有组织就如何安全地设置远程办公环境,或如何解决与快速获取和部署新工具相关的其他风险制定详细的策略或进行培训。例如,某家石油和天然气公司必须划分其虚拟专用网络以扩展带宽,这样所有员工都可以在家中访问公司网络。这导致在员工笔记本电脑上安装补丁程序的速度减慢,从而使公司暴露出一些攻击者常常利用的漏洞。某家电信公司让其呼叫中心员工在家办公,但具体政策由团队经理制定。其结果是30%的员工被允许使用不安全的个人设备进行远程连接,从而使公司暴露在“自带设备”攻击的风险之中。同样,某家银行发现,员工在其家用打印机上打印文档,而且通过不安全的家用路由器传输公司数据,而众所周知的是,这很容易遭到黑客的攻击。另一家公司对员工使用“智能家居”语音识别设备表示担忧,因为这些设备可以在高管的家庭办公室中对视频通话的内容进行录音。人工智能还有望重新定义企业的运营方式,并已经在一系列重要职能部门中释放出数据的力量。但人工智能的合规性和信誉风险对传统的风险管理职能部门仍是一个挑战。我们现在工作方式的迅速变化已引起了各种担忧。当前的风险管理能力还不足以解决这些担忧,因为这些都是新出现的风险,而且呈指数级增长。这就需要一种新的风险管理方法。数字化和分析转型项目风险管理简述“麦肯锡全球调查”的结果让我们对数字化和分析转型项目所面临的风险以及企业如何管理这些风险有了一个全面的了解。从参与转型项目的人员中可以发现几个要点。转型项目在各个行业变得司空见惯受访者在过去三年中平均完成了六个转型项目,并设定了一系列目标。超过80%的公司至少实施了一次端到端的客户旅程转型项目,而70%的公司开发了新的数字化主张和生态系统。组织机构也在调整其运营模式以支持这些变化。大约80%的公司打算在未来三年内让多达30个团队采用敏捷工作方式;其余20%的公司正在将30多个团队转变为敏捷团队。当然,这意味着麦肯锡所调查的所有100家公司都打算在未来几年内采用或扩大规模采用敏捷工作方式。如果做得好,这对于风险管理人员来说是一个好消息,因为在管理良好的敏捷团队中,存在其固有的风险缓解结构和早期发现和补救缺陷的文化。风险管理工作没有跟上发展速度企业的风险管理能力落后于其转型工作。与更新其风险框架以应对新的和更严重的风险相比,组织机构开展转型项目的频率要高得多,而风险和法律专业人员经常各自单独工作。因此,风险基础架构无法跟上创新的步伐。总体而言,大多数受访者评估自己组织的风险管理成熟度为一般,但超过75%的组织尚未对其开展的一半的数字化和分析转型项目进行正式的、全面的风险评估。令人惊讶的是,有14%的公司从未正式评估过这些项目的风险——这对老牌公司来说是一个很大的疏忽。企业不清楚如何管理数字化风险与财务风险管理不同,在财务风险管理中,企业往往会设置明确的角色和流程(例如模型风险管理),而我们所调查的公司都没有设立明确的角色、流程,甚至对数字化和分析项目风险要素没有统一的理解。主管们表示,他们在管理数字化和分析项目风险时面临的最大挑战就是识别风险。这一挑战印证了一句格言:“您无法管理那些自己无法衡量的东西。”值得注意的是,该调查结果显示,IT支出额度与数字化和分析转型项目的总体风险管理成熟度之间几乎没有关系。简而言之,预算规模并不能解决这些挑战。角色和责任不够明确在哪个部门应负责应对数字化和分析转型项目风险上,受访者几乎没有形成一致的看法。对于几乎所有受访者来说,首席信息官或首席数据官都在负责领导数字化和分析转型工作;然而,受访者在谁来负责识别和降低相关风险上并没有形成一致的看法。对于超过40%的受访者而言,这一任务落在了负责数字化和分析转型工作领导身上。不幸的是,这些人常常对内在的风险因素缺乏详细的了解,但却获得激励去“完成转型工作”。即使对于那些真正关注风险管理的人而言,责任也被认为是次要的,而完成项目才是更重要的。领先企业会运用一系列有效的实践和工具来管理风险在麦肯锡的调查中,具有最高风险管理成熟度的公司可以更轻松地管理数字化和分析转型项目。这些公司更有可能使其风险管理职能集中化或自动化,并且它们会使用一系列实践和工具进行汇报,以识别和降低其数字化和分析转型项目中的风险。以下是主管们提到的最重要方法:重新设计流程并对员工重新培训。在不同行业和地区的受访者中,分别有74%和69%的人提到了这些做法,使其成为管理数字化和分析转型项目中最受欢迎的方法。这些做法对于敏捷工作方式尤其重要。如果实施得当的话,这些方法对于使用敏捷方式来降低技术风险是至关重要的。敏捷方式可以让企业自动组建团队,或者以更少的精力部署新工具,并且可以及早发现和补救其企业文化中固有的缺陷。正式的风险评估。企业没有进行这些必要的大范围评估工作;但进行此类评估工作的公司表示,他们对数字化和分析转型项目所面临风险的认识增加了75%。正式的风险评估还与更高的风险管理水平和更高的风险管理成熟度相关。自动反馈循环。拥有风险管理能力的公司其风险成熟度得分比平均水平高出30%以上。集中化。风险管理得分最高的公司更有可能通过一个单一的、集中的来源而非多个来源跟踪数字化和分析项目的风险。管理数字化和分析转型项目风险方面的痛点受访者还描述了他们在识别和降低风险方面的最大痛点。认识风险48%的受访者表示,他们最关注的问题是了解与数字化和分析转型项目相关的风险。许多负责转型项目的主管基本上都是很盲目的:风险归属权都不明确,对复杂和不断变化的技术和监管环境没有进行很好的理解,设计和测试计划在工作流程中并没有尽早考虑风险。与金融风险不同,非金融风险很难进行基准测试,也没有统一标准来管理风险。快速管理变更数字化和分析转型项目常常通过敏捷和其他方式快速交付。如果传统的风险管理实践没有随着新的工作方式而进行转变,那么这些实践可能会带来延误,威胁到雄心勃勃的工作时间表。在某些情况下,由于存在不可预见的相互依赖性,即使遵循一些新策略也会产生问题。例如,某家北美分销商启动了一个分析转型项目,并在该项目的实施阶段还制定了新的信息安全策略。突然,所有转型项目的相关工作都要服从于该新策略,这意味着必须每天记录数据,将其保存在云端,而且要在30天后删除。由于数据处理流程发生这些变化,使该转型项目推迟了四个星期,导致超过2000万美元的损失,这是与新的数字化工作方式直接相关的财务风险。应设计、实施和支持风险管理工作,以使风险管理工作与数字化和分析转型项目团队的工作进度保持同步,并应避免这些和其他类似风险。利用资源近三分之一的受访者指出,在优先考虑风险识别和管理工作方面,缺乏来自高管或其他利益相关者的鼓励或支持。创造短期收益比管理内在风险更重要。当然,后者对于维持长期价值至关重要。超过一半的受访者在利用所需的人才和能力来改进风险管理工作时面临资源限制。企业在部署适合的工具和流程方面也很艰难。例如,一些组织机构仍使用电子表格来手动管理数字化和分析转型项目风险。即使是那些使用更高级工具的组织机构也无法在整个组织范围内都保持使用同样的工具。克服运营方面的限制在数字化和分析转型项目中,整个组织必须进行培训,以使用新的方式(例如敏捷方式)开展工作,并对降低新风险保持警惕。数字化和分析转型项目的一个常见的目标是更好地为终端用户提供服务,他们通常是风险管理链中最薄弱的一环。低风险意识可能使企业面临与新的数字化和分析工具及流程相关的重大风险。一线用户的失误甚至可能带来风险,例如,错误地授予了访问权限。IT基础架构也可能成为运营工作受到限制的来源。数字化和分析转型项目会部署新系统和关闭遗留系统,但组织机构有时缺乏足够的培训和经验来管理新系统的补丁程序和漏洞。遗留系统(如果未正确停用)还可能会留下漏洞,恶意攻击者以后可能会利用这些漏洞。例如,某家公司出于科研目的在数据中心中部署了一种硬件,但在常规的补丁周期中没有为该设备安装补丁程序。在该设备上的漏洞被攻击者利用后,恶意软件蔓延到整个数据中心,导致数据丢失,系统无法使用。云迁移可以降低甚至消除许多这类风险,但前提是正确地进行云迁移,而且将安全性作为其核心工作的一部分。数字化和分析转型项目的框架数字化和分析转型项目带来的风险可能不同于公司通常所面临的风险,或者说这些风险可能是高频率发生和存在重大影响的传统风险。幸运的是,大多数公司已经具备避免这些风险的基础:他们现有的企业风险管理基础架构已用于应对财务和监管风险。企业风险管理通常包括几项常见的工作:制定一个成熟的企业风险框架通过分类法、风险偏好、报告和关键风险指标来建立一个有效的风险管理策略建立有风险意识的组织和运营模式(包括相关的三道防线),并整合所需的资源和人才建立风险管理流程创建风险文化这些工作对于数字化和分析转型项目至关重要。然而,这些工作必须与数字化和分析团队一起进行变革。这是因为风险管理工作必须与快速变化的数字化风险环境保持同步,以持续降低风险,同时又不能减缓业务发展速度。我们的框架可使组织机构更轻松地做到这一点。该框架由四个步骤组成,这些步骤可定义、实施、嵌入和加强转型项目的各个要素。该框架可促进建立一种动态方法,有助于使现有的企业风险管理(ERM)基础架构适应不断增加的风险缓解信息和操作。在该框架内,组织机构可设计转型项目的各项工作和进行适当的干预。随着工作方式、风险偏好、风险暴露和人才需求的变化,该框架也会不断更新。定义:第一步,组织机构将其现有风险管理框架(以解决诸如金融和监管风险等传统风险)中特定技术元素应用到转型项目环境中。没有企业风险管理框架的组织将需要从该框架着手,理想情况下,创建一个具体的转型框架来解决数字化和分析项目风险。其目的是通过具有清晰的分类法、明确的风险负责人、可用的控制措施和资源以及该项目的管理结构的相关风险矩阵来阐明风险和提出可能的解决方案。实施:第二步,转型项目负责人要与风险领域专家或风险卓越中心合作,将风险管理的研究假设转化为解决方案。具体工作可能包括采用软件和数据控件,验证算法模型,实施系统和基础架构的补丁,培训一线技术人员相关的网络安全实践,以及通过缺陷和单元测试来验证产品的韧性。作为此步骤的组成部分,各团队还要根据明确定义的指标(例如关键风险指标和关键绩效指标)开始编写风险报告,这些指标不仅可以严格评估风险工作的有效性,还可以严格评估风险管理的效率。嵌入:此步骤旨在将风险管理工作(包括测试结果、风险评估、事件报告和绩效评估)中获取的经验教训嵌入到现有的管理实施运作模式、流程、治理以及(如果需要的话)组织设计中。在此步骤中,根据这些经验教训,将设计出一些新的降低风险的方案。转型团队和转型部门中的一线同事都已接受了有关风险意识、风险识别和降低风险的全面培训。加强:在该工作周期的最后一步,转型团队通过将这些做法固化在人才管理和文化变革中,以加强和扩大缓解风险的这些实践。他们还会将关键的见解、学到的知识和新风险反馈给核心风险管理团队,以根据需要更新风险基础架构,同时将外部获取的信息和反馈信息应用到“定义”步骤中。这会使风险管理、风险缓解和绩效与转型工作保持同步。框架和转型角色的好处该框架使企业能够系统地管理数字化和分析转型项目的风险,从而该框架与组织的创新工作保持同步。它会吸收来自一线员工的经验教训,以改进概念矩阵,并随着转型过程调整风险管理方法。它还会与敏捷工作模式相结合,以实现更好的风险管理,鼓励协作,并营造更好的风险文化。通过采用这种方法,企业已经看到了风险缓解的显著效果和风险管理效率。尽管尚处于早期阶段,但该方法有望为风险管理人员和转型团队带来更多好处。为了给该框架提供支持和将其方法付诸实践,企业还需要为数字化和分析转型项目风险来设定一些角色和职责:数字化和分析转型项目领导:该角色负责提交数字化和分析转型项目的各项工作。数字化和分析转型项目风险负责人:该角色负责所有转型项目的风险。转型工作团队:这些团队通常以敏捷方式工作,并已拥有风险管理工作的相关资源。转型产品客户:这些人是转型后的产品、服务和功能的最终用户;这些变化可能会影响转型项目的风险偏好和风险态势。企业风险管理和控制合作伙伴团队:转型项目风险领导要与企业风险管理小组和单个管控合作伙伴小组紧密合作,以确保在企业层面已考虑到这些转型项目风险,并在转型层面上也考虑了企业的风险。转型风险经理:风险经理专门负责变革风险以及数字化和分析转型项目中产生的风险。他会与一线转型团队密切合作,并在转型项目的早期规划阶段参与设计风险控制措施。转型项目发起人:总体转型项目的发起人应在整个变革过程中参与其中。在大多数情况下,设立这些角色不需要增加人员。企业发现现有团队成员已准备好并希望承担这些职责。这些人员可能需要一些培训才能完全发挥作用,但通常大多数团队成员都有积极性接受此类培训,因为他们清楚在转型工作中所产生或加剧的风险。最后,企业必须提高组织内部对数字化和分析项目风险的意识,包括在高管团队和董事会中。同样,企业必须将数字化和分析项目风险管理充分纳入其正式的风险管理模式中。在如今的商业环境中,数字化和分析转型项目是企业成功的核心。然而,如果在没有采用正确的风险管理方法的情况下开展转型项目,则企业只会是解决一系列问题后,可能又面临一系列更大的问题。随着数字化和分析功能变得日益普及,那些可以从其数字化和分析转型项目中获得最长期价值的公司能够实现其目标,而且还能够系统地识别、理解和降低相关风险。
工业物联网自从诞生以来至今已有50多年的发展历史,但直到几年前,工业领域还没有一个合适的术语对进行描述。工业组织为了更好地收集数据,将大量传感器连接到各种设备,并将记录的数据进行分析,这就是工业物联网的主要用途。如今,许多组织都在利用最新的工业物联网开发获得一些实质性的好处。但是对于其他组织来说,“工业物联网战略” 的日常任务是保持设备运营和生产正常运转。以下研究了组织在采用成功的工业物联网战略时可以考虑的五个要素,并提供了支持示例,以说明工业物联网在哪些方面可以提高效率,并节省成本。1.工业物联网的外围应用在以往,工业领域将传感器和执行器连接到专用系统中,通常连接到安全关键设备。这些系统控制危险的操作,有时甚至是非常高速的操作,并且由于操作的安全性,对添加传感器的接线进行的任何更改都会变得成本高昂。由于布线和变更控制过程,甚至安装一个传感器的成本可能要花费20,000美元。现在的不同之处在于,工业组织可以将工业物联网应用于以往成本效益不高的领域。工业物联网将从成本降低、消费级传感器以及降低的云计算拥有成本优势以及用户友好的分析能力受益。对于那些可能担心在控制网络中添加传感器带来更高成本的组织来说,添加可以收集外部数据的工业物联网传感器的成本如今已经显著降低。2.考虑使用“影子传感器”以节省成本和停机时间在大多数工厂中,传感器在传统上没有应用在不重要的设备,因为其安装成本过于昂贵。尤其是在可能存在现有控制系统传感器的情况下,由于它们是嵌入式设备的一部分,因此信息和分析系统可能无法使用它们。与其努力使对嵌入式设备的访问层变得复杂,不如添加低成本的并行工业物联网传感器(称为“影子传感器”)更具成本效益。影子传感器如今已经成为一种经济有效的度量指标,例如停机时间。例如,考虑机械性很强的包装线能够以很快的速度生产产品。如果包装线每秒包装10盒酸奶,而酸奶的标签有时会卡住,需要10~30秒才能修复,则运行人员不想通过人工记录故障。但是,在内置传感器的旁边添加影子传感器可以提供更好的可见性,以进行跟踪和诊断,尤其是由于其成本降低。如果组织可以安装更多的影子传感器,并通过Wi-Fi连接并记录停机时间,那么付出这种成本是值得的。3.考虑补充非关键设备的好处想象一下,农药和化肥生产商可能已经在他们的主要工厂实施了工业软件,但没有在他们测试化学品的农场实施工业软件,因为实施和部署硬件和软件的成本很高,而且他们没有在农场配备工程机械和IT人员。但是,使用工业物联网传感器部署低成本的云计算管理解决方案可能是获取补充信息的一种经济高效的方法。通过这种方式,生产商将能够远程跟踪土壤湿度和温度等指标,并由工厂中具有专业知识的人员管理、部署和维护这些分析。在更多的低成本传感器和云计算技术出现之前,收集这些补充的、非关键的信息是不现实的。这类信息可能并不重要,因为工厂仍然可以生产产品,但如果能够以一种成本效益高的方式获得更多的洞察力,那么拥有这些信息是很有帮助的。4.考虑云计算在降低拥有成本方面的全部潜力如果组织可以经济高效地通过工业物联网捕获数据,并且不需要以前所需的人员和技术基础设施,那么他们就能够很好地实现采用云计算技术最主要的好处:节约成本。不仅是在最初的部署中,而且在总体拥有成本方面。托管云服务可能带来更好的价值。例如,某个跨国组织可能在北美和西欧拥有广泛的软件栈和员工基础设施,但在东欧和亚洲缺乏技术基础设施和员工。然而使用基于云计算的解决方案,收集数据进行分析和报告变得更容易。这是云计算简化和优化操作以及节省成本的很好示例。5.不要将工业物联网视为非此即彼的选择:可以考虑采用混合部署许多组织已经拥有广泛的内部部署系统,因此很难考虑切换到基于云计算的工业物联网工具和功能。但是,内部部署/云平台的混合选项是一个理想的折衷方案,可以在不放弃现有功能的情况下获得更多可访问信息的好处。内部部署系统只能由控制室的人员访问。然而,对于那些现在可能需要远程工作的人来说,除了这些内部部署系统之外,还需要基于云计算的系统来安全地访问控制室中的数据,以便工程师和工厂管理者能够可视化数据并进行远程协作。重要的是要认识到,混合云选项在当今成功的工业物联网战略中占有一席之地。在最基本的层面上,工业物联网可以使组织以更具成本效益的方式访问更多信息并吸引更多用户。最重要的是,工业物联网应该使工业运营更容易,帮助组织建立联系,改进流程和业务决策。
人们普遍认为现在人类的发展正处在十字路口,而政府部门和行业组织推出的节能环保的策略和措施不仅保护人们赖以生存的环境,也有益于子孙后代的幸福。在针对气候变化的应对措施中,这一点尤为明显。随着可持续性发展成为行业组织和消费者的重要事项,许多组织都在通过绿色倡议来推有利于环境保护的积极变化。随着人们对数字化转型的渴望与日俱增,全球最具影响力的行业部门(从农业到建筑,再到数据中心、IT、能源和公用事业)必须做出一致的决定,将可持续性发展作为其战略的重中之重。当然,科技已经成为企业和消费者的关键推动力,而在2020年对数字基础设施的依赖性急剧增加。根据施耐德电气公司的预测,到2035年,所有IT部门将消耗全球电力的8.5%(而2021年为5%),并且数据中心预计将占据这一需求的很大份额。然而,数据中心行业在推动可持续运营方面发挥关键作用,可以直接为联合国发布的可持续性发展目标(SDG)做出贡献。可持续性发展与数据中心行业的发展如今,许多数据中心运营商(从超大规模数据中心运营商到云计算和托管服务提供商)都已经以身作则地引领了市场发展,对数字业务采取了更可持续的方法。例如,微软公司运营的数据中心采用的电力开始向可再生能源过渡,随着最终用户和政府部门对可再生能源的认识和需求激增,这一趋势将会持续。根据施耐德电气公司和451 Research公司最近对800多家全球数据中心运营商进行的一项调查, 97%的托管数据中心提供商的客户都要求签署的合同具有可持续性发展承诺。然而,要满足对可持续性发展实践的日益增长的需求,并将大量可实现的环境目标付诸实施,需要各行业组织的共同努力。对于许多组织来说,将可持续性发展纳入其业务实践中说起来容易做起来难,但是通过提高意识,制定正确的策略并使用正确的激励措施,可以鼓励行业组织从一开始就将可持续性发展的理念融入高效的数据中心。随着更多客户的决策基于与具有绿色议程的组织开展合作,对托管服务提供商保持竞争力至关重要。克服气候挑战的四阶段可持续性发展计划真正的数据中心可持续性的理想并不像听起来那样复杂,并且在许多方面,制定全面的战略要求数据中心运营商专注于多个方面。这包括数据中心的设计、位置、电力设施及其运营和能源管理策略。那么,数据中心运营商如何考虑、实施或修订其可持续发展计划呢?组织在初始阶段需要考虑三个基本要素:首先,必须确定具有专业知识的合作伙伴,以帮助他们采取可持续性行动;其次,他们应该评估自己的资产,以决定如何最大程度地提高投资组合的效率;第三,他们应该考虑满足可持续性发展和效率目标的数据中心设计或概念,这些设计或概念可以应用于新项目或用于改造现有数据中心设施。对于许多组织来说,这三个概念并不是新的或突破性的想法,而是基本原则,它们既支持又有助于建立一个全面的四阶段可持续发展计划,帮助数据中心运营商克服气候挑战。其关键步骤是:(1)为组织定义成功目标,并授权其团队采取行动。(2)设定目标,并尽可能地获取收益,未来25年内的每年1%的收益将在全球组织中产生重大影响。(3)在整个业务中部署计划,并分析每月、每季度或每年可以改进的地方。(4)通过监控、管理和分享经验教训来维持结果。可持续性发展的业务驱动力如今,许多组织对可持续性发展计划进行了重大改进,并获得了长期的回报。例如,Equinix公司的可再生能源电力采购量在过去三年中从30%增加到82%,而该公司在北美地区采用100%的可再生能源电力节省了2320万美元的成本。在欧洲,数据中心运营商Iron Mountain公司的75%的电力已转换为绿色能源,而该公司在英国、爱尔兰、比利时、荷兰、卢森堡的业务采用100%的可再生能源电力。这不仅节省了电力成本,并减少了碳足迹,而且还产生了足够的清洁能源,可为56,000户家庭用户提供电力,相当于每年减少1万辆汽车的碳排放量。施耐德电气公司也对可持续性发展十分关注,并发布了加强碳中和的承诺。其中包括到2030年实现净零运营排放,到2050年实现零净供应链。此外,还承诺到2025年底减少六氟化硫(SF6)的使用,这种气体主要用于数据中心开关设备中。现在有许多国家签署了《巴黎协定》,现在要做的事很多,时间很紧迫。但是人们看到的一件事是,尤其是数据中心行业组织希望采取一致行动;利用数字化、电气化和协作来拯救人类和地球。这些目标并非无法实现,可以通过一个简单的公式来实现:可再生能源+电气化×效率=可持续性。如今,考虑到对能源的影响并不是数据中心运营商需要考虑的唯一要素,这要求对环境和能源影响有一个全面的看法。通常情况下,当数据中心运营商推行可持续性发展举措时,他们会致力于提高数据中心效率和弹性。数据中心行业必须专注于变得更具可持续性,帮助减少气候变化的影响。变革的时机如今已经到来。
你有没有想过我们周围的一切是如何变得如此聪明的?这些小玩意是如何做出类似人类的决定的?我们又是如何通过点击一个按钮来改变周围环境的?所有这些奇迹的答案都在流行词物联网和人工智能当中,它们是当今最强大的技术,当它们混合在一起时,会导致出现更强大的技术,这些技术将具有改变周围世界的能力。现在,在讨论物联网和人工智能如何帮助组织和人员以及将两者融合起来的必要性之前,我想向大家简要介绍一下人工智能和物联网作为两种不同的技术及其在当今世界的相关性,以便更好地理解。物联网你有没有想过智能空调是如何收集所有关于室外温度的数据并相应地调节室内温度的?这个问题的答案就在于物联网这个术语,它是Kevin Ashton在1999年宝洁公司时提出的。物联网是指连接到互联网上,能够收集和处理数据以做出明智决策的所有事物或设备。这些设备可以像我们家里的空调一样简单,也可以像可穿戴设备和智能汽车一样复杂。物联网的重要性在于它可以帮助收集实时数据,而组织或人员则可以在此基础上做出更实际、更智能的决策,因为理论信息和知识从来都不足以进行有效的决策。因此,物联网的受欢迎程度正在呈指数级增长,这一事实可以从Business Insider所进行的一项调查中得到验证,该调查预测,到2027年,物联网设备将超过410亿台,而2019年还仅为80亿台。人工智能人工智能,也称为机器智能,是指在类似人类智能的机器中模拟智能的过程,从而使得机器能够像人类一样思考和行动。人工智能的三个主要阶段是:学习推理感知这些阶段都将利用人工智能算法,这些算法旨在帮助机器通过使用实时数据来做出智能决策,然后相应地采取行动。人工智能的一个例子是自动驾驶汽车,它有能力像人类一样做出决定,如是否右转或左转,是否停车,检测交通,调整速度等。融合人工智能和物联网的力量在分别理解了物联网和人工智能的力量之后,我们现在可以进一步了解人工智能和物联网融合的必要性了。当人工智能与物联网相结合时,我们就得到了一种叫做人工智能物联网(AIoT)的东西。将人工智能与物联网相结合的主要原因是,虽然物联网设备的目的是收集所有数据并将其传输到通常的云端或任何其他空间,但在这些空间中,人工智能,被认为是AIoT的大脑,将实际上最终做出决策或是模拟机器的行动或响应。为了更好更深入地进行理解,我们可以再次考虑我们上面所讨论的智能空调的例子。智能空调内装有传感器,传感器实际上是负责检测室外的温度的。但是传感器只能收集数据,仅仅收集数据并不能达到智能设备的目的。正是与物联网设备相结合的人工智能组件实际上做出了智能决策。因此,空调中的人工智能组件最终将有助于调节室温。一家名为ASHARE的公司正在制造一种这样的AIoT空调。|| 为了更好地理解这些设备的决策过程,下面阐述了AIoT设备所遵循的步骤。1.数据收集数据是通过安装在物联网设备中的传感器所收集的。这些传感器是实际设备的一部分,可以有多个传感器连接到一个设备上,以便收集不同类型的数据。例如,一个设备可以有多个传感器,如照相机、全球定位系统、加速度计等,以便收集不同种类的数据。2.数据传输由于数据量巨大,收集的数据通常会传输到云中进行存储。云存储有助于降低存储成本,因为组织不必花费巨资安装硬件来存储大量数据。3.数据处理如果不进行处理,存储在云中的数据将毫无用处。处理数据包括了从云中提取相关数据、清理数据并使其不存在任何异常、转换为标准格式、然后应用算法来获取见解等各个阶段。4.数据预测机器学习和深度学习算法是预测未来事件的关键。在建立相关模型后,就可以根据所获得的结果来进行预测。5.行动在做出预测后,最后一步就是让机器根据所生成的见解来采取行动。讨论的步骤清楚地描述了将物联网与人工智能相结合的相关性。前者有助于从不同的资源中收集数据,而后者则有助于设备从收集的数据中获得有意义的见解,并采取明智的行动。因此,我们可以说,物联网的价值是在其分析和行动阶段所确定的,没有人工智能就没有意义。|| 将人工智能与物联网进行集成的好处1.改善客户体验我们可以使用大量的AIoT设备来极大地改善客户体验,因为这些设备能够学习用户的偏好并进行相应的调整。例如,智能家居中的恒温器能够在没有任何人为干预的情况下自行调节温度。2.互联智能随着人工智能开始嵌入物联网,我们将可以体验到更多的“互联智能”,因为预测分析(会发生什么?),规范性分析(应该做什么?)以及适应性分析(需要考虑哪些适当的行动?系统应如何适应新的变化?),全部可以由单个设备来进行处理。3.降低计划外停机时间在工业装置中,机器故障和停机是一个常见的问题,这种计划外的停机时间会花费大量的资金,因为运营可能会被突然停止。但是这个问题可以通过AIoT来得到解决,AIoT有助于持续监控所有的设备,并识别出最终有助于及时预测机器故障的模式。德勤在一项调查中发现,在制造部门,机器的预测性维护有助于将设备可用性提高10-20%,并将整体维护成本降低5-10%。4.新的产品和服务将人工智能嵌入物联网可以直接帮助创建出新的强大的产品和服务,这些产品和服务将具有收集和分析数据的能力,并可以根据情况来做出智能的、类似人类的决策。例如,麻省理工学院人工实验室的3名成员开发的iRobot Roomba使用了物联网和人工智能技术来高效地清洁房间。这个机器人真空吸尘器有一套嵌入式传感器,可以帮助它检测路上的障碍物和地板上的所有污点。它可以通过记住房子的布局,使用最经济的运动方式来进行清洁。5.实时监控和操作支持人工智能的物联网设备也有助于实施严格的监控活动。关于实时监控的一个例子是Google地图,当我们在选择路线时,它就会帮助我们。他们会监控实时交通,并向我们提供所有的信息,如到达某个地方的估计时间和合适的路线。6.增强的风险管理大量将物联网与人工智能相结合的应用程序也可以用于帮助组织预测和管理各种风险和威胁,如员工安全、网络威胁、财务损失等。|| AI嵌入式物联网设备的真实案例1.交通管理交通是城市地区的一个现实问题,人们始终需要有效的交通管理来避免拥堵。如果交通管理必须由人类来完成,那么它可能就会很困难,因为这只会导致混乱。然而,AIoT是解决这个问题的一个聪明的解决方案。现在,使用无人机可以有效地管理实时交通,无人机可以监控大面积的区域并传输交通数据,然后使用人工智能来进行分析,以做出最终决策,如可以在没有人工干预的情况下调整交通信号灯。这个系统的一个例子就是阿里云开发的产品ET城市大脑。该系统具有检测交通事故、违章停车的能力,并能根据需要来改变交通信号灯。IJETSR还发表了一篇研究论文,解释了无人机可以如何使用人工智能来管理交通的工作原理以及交通管理无人机的未来。2.自动驾驶汽车自动驾驶汽车是嵌入了人工智能的物联网设备的另一个使用案例。特斯拉的自动驾驶汽车就是最好的例子。在安装的传感器和人工智能的帮助下,该车能够通过确定周围环境的状况来做出类似人类的决定。例如,他们可以通过确定最佳车速、天气和路况,来做出有效的决策。3.智能家居物联网与人工智能的融合也导致了智能家居概念的出现。当智能家居通过物联网将所有设备连接了起来,这些设备就具有了在人工智能的帮助下做出智能决策的能力。智能家居通过赋予我们远程控制设备的能力,能够使我们的生活变得更加轻松。例如,我们可以预先决定打开电视的时间,或者在发生火灾时打电话给消防部门。即使我们不在家,也可以根据需要来打开或关闭电器。4.人体传感器保持健康是当今人们所面临的一大挑战。由于工作繁忙,时不时地去看医生进行定期检查对很大一部分人来说也是困难的,但是这个问题也可以通过诸如健身跟踪器之类的可穿戴设备来解决,这些设备将有助于跟踪血糖水平、心跳、胆固醇水平等,从而有助于健康管理。建筑公司也可以使用这些传感器来检测工人的姿势,以避免在工作时受到任何伤害。国际创新技术与探索工程杂志(IJITEE)发表了一篇论文,解释了物联网与人工智能的结合将如何有助于姿势识别。5.制造业机器人制造业也在制造过程中使用了机器人,这些机器人只不过是另一种形式的人工智能嵌入式物联网设备。它们将有助于通过节省加工时间和成本来提高制造工艺。一个例子是眼镜制造商通过使用机器人来制造高精度的镜片。6.人脸识别人脸识别器是AIoT的另一个重要用例。人脸识别对于犯罪调查部门,甚至是在办公室中为了考勤而检测员工面部的公司来说也变得很重要了。目前使用人脸识别器的另一个有趣的领域是购物中心和其他公共场所,以检查人们是否佩戴了口罩,并相应地惩罚违规者。7.零售分析管理零售店的员工是一项重要的任务,因为员工过多和过少都会导致运营效率的低下。然而,通过使用传感器和人工智能,就可以观察到进入商店的人及其在商店内的移动,以估计他们到达收银台所需的时间。然后就可以相应地增加或减少柜台人员,以减少结账时间并提高生产率。捕获的数据也可以在将来用于确定高峰时间,并提前制定管理策略。8.智能建筑物联网和人工智能的另一个交叉领域是智能办公楼。因此,不仅是住宅,整个建筑也可以安装AIoT,以提高运营效率和管理成本。例如,一些公司就在他们的建筑中安装了AIoT设备网络,这些设备可以检测人员的存在,并相应地调整温度,或者在没有人的情况下关闭设备,从而提高能效,并最终降低成本。也可以有其他设备来帮助检测火灾或建筑物中可能发生的任何其他故障。关键要点1.物联网和人工智能的结合导致了一种非常强大的技术,即AIoT,这种技术可以通过为设备提供收集数据的能力,然后通过分析数据来做出类似人类的决策,从而有助于使生活变得更加轻松和智能。2.AIoT让人们可以在不需要物理干预的情况下,只需点击一个按钮,就可以控制家里的电器、汽车、健康等所有的一切,让人们的生活更加轻松。3.在机器人、智能建筑和其他员工可穿戴设备的帮助下,AIoT同样能够使企业变得高效和智能,从而实现利润的最大化和效率提高。4.它还拥有借助实时交通检测地图、交通管理系统、人脸识别器等技术来帮助和管理全球大量人员的能力。
关于安全性的一个棘手问题是,这就像是“打鼹鼠”的游戏。一次性处理可能很简单,因为许多漏洞可以修补,并且企业可能已经制定了使用安全应用程序的流程。而困难的是,有太多的“鼹鼠”,没有太多时间来确保系统安全,而人工处理过程很繁琐,因此需要实现安全自动化。安全自动化的5种有意义的方法对于实现安全自动化,企业可以了解对企业具有意义的五种方法。(1)了解对企业重要的事情许多安全工具可以集成到自动化流程中,例如持续集成(CI)/持续交付(CD)管道。以这种方式集成安全性通常被称为DevSecOps。DevSecOps是组织扩展DevOps的一些实践和过程的一种方式,以继续快速开发和缩短发布周期,同时解决安全问题。而且这样做不会造成更多的开销和延迟。DevSecOps一直面临的挑战是安全是一个多方面的问题,无论是对于一般的应用程序还是对于云计算原生应用程序。DevSecOps扫描源代码中的已知漏洞,确认应用程序依赖项目的当前版本(如数据库)用于构建代码,或者检查生产中运行的应用程序是否保持最新版本。很多人正在搜索将应用程序与其他所需组件封装在一起的容器中的漏洞。企业要确保应用程序平台、工具链和开发人员客户端本身是安全的。其中完成许多任务需要不同的工具。但是,并非所有这些任务对于企业来说都具有同等重要的意义。如果尚未使用容器,或只使用自己构建的容器,容器扫描工具可能不是优先事项。如果在受到管制的环境中,则可能需要为某些类型的数据或通信优先考虑额外的安全级别。(2)实现容易成功的目标尽管实施更全面的安全性方法可能是一个重要的项目,但是可以通过一些相对较小的改进而获得更大的成功,并确保软件供应链安全。随着开源软件的广泛使用,开源代码正逐渐进入越来越多的应用程序中,无论是专有的还是开源的。例如,Synopsys公司在其发布的“2020开源和风险分析报告”中指出 ,该公司审核了1253个应用程序,发现其中99%的应用程序包含开源组件,总的来说,70%的代码是开源的。分析报告还发现,82%的代码库的组件已过期4年以上,88%的代码库组件在过去两年中没有开发活动。但是,企业不应避免使用开源库和其他组件。它应该是从受信任的来源获取经过签名的软件,并使其保持最新状态。如果在开发过程中使用开源软件,那么改善软件供应管理是企业可以采取的最重要步骤之一,而且几乎都会这样做。(3)文化胜过过程,过程胜过工具现在有很多良好的工具。而且企业应该至少利用其中一些工具自动执行以确保安全性。但是仅靠工具是不够的。需要有一个过程,并以一致的方式使用工具。自动化技术在这方面有很大帮助。但是企业还需要一种安全文化,在这种文化中,安全是每个人都在考虑的事情,而不只是安全团队的事情。这并不是说每个人都必须成为安全专家,但是需要了解开放式网络应用程序安全性项目维护的十大网络安全性风险列表。该列表包括诸如注入漏洞、跨站点脚本XSS、身份验证损坏等风险,并且每年都会更新。令人关注的是每年的变化很小。回顾10年的清单,就会发现许多与当前相同的风险。而这种变化很慢,这很重要,因为文化很难改变。(4)采用自动扫描技术安全文化采用可靠的安全过程,并在整个开发过程中使用安全工具,其结果是安全性很早就开始内置。这是有利的,因为即使最终在代码投入生产之前发现了所有的安全缺陷,这意味着现在必须从头开始,这就是安全性成为瓶颈的原因。与其相反,企业应该尽早发现问题,并且解决的成本相对较低,可以使用自动扫描来捕获漏洞。这是现代制造系统中的一种众所周知的做法。企业希望在零组件安装到车辆上之前就发现供应商的问题。(5)安全自动化也与运营团队有关虽然DevSecOps在全球范围内可以操作,但考虑到DevOps在历史上倾向于以开发人员为中心,因此经常会忽略安全性。然而,安全自动化对运营团队同样重要。这种自动化通常看起来与云原生架构之前有所不同,那时更可能修复长时间运行的虚拟机或服务器实例中的漂移和其他问题。现在,更有可能关闭一个容器并启动一个新容器。但是,需要知道哪些容器需要构建新的容器进行更新,构建这些容器包括针对新问题的安全修补程序。此外,在不停机的情况下快速将这些更新的容器投入生产可能会受益于快速部署。这听起来工作量很大吗?如果人工处理的话是这样。与其相反,监视生产中的容器并根据需要刷新它们的过程需要可靠的自动化技术。这是安全自动化过程中的共同点。
各种组织都在为各行业中的众多应用实施人工智能项目。这些应用包括预测分析、模式识别系统、自主系统、会话系统、超个性化活动和目标驱动系统。每一个项目都有一个共同点:它们都基于对业务问题的理解,并且数据和机器学习算法必须应用于解决问题,从而构建一个能够满足项目需求的机器学习模型。 部署和管理机器学习项目通常遵循相同的模式。然而,现有的应用程序开发方法并不适用,因为人工智能项目是由数据驱动的,而不是编程代码。学习来源于数据,因此正确的机器学习方法源于以数据为中心的需求,并产生专注于数据发现、清理、培训、模型构建和迭代阶段的项目。 对于许多组织来说,机器学习模型开发是一项新活动,但是在某种程度上已经建立了以数据为中心的项目构建方法。 大约25年前,一个由五家供应商组成的联盟开发了跨行业的数据挖掘标准流程(CRISP-DM),该流程专注于数据挖掘项目中各种数据密集型步骤的连续迭代方法。该方法从业务理解和数据理解之间的迭代循环开始。接下来是数据准备和数据建模之间的迭代循环的切换,然后是评估阶段,它将结果分解到部署和业务理解。这种循环的、迭代的循环导致了连续的数据建模、准备和评估。 但跨行业的数据挖掘标准流程(CRISP-DM)的进一步开发似乎已经停滞在近20年前完全生产的1.0版本上,而在15年前还发布其第二个版本。IBM公司和微软公司对这种方法进行了更新和迭代,以生成它们自己的变体,这些变体为数据处理和建模之间的迭代循环添加了更多细节,并提供了在此过程中产生的工件和可交付成果的更多细节。 此外,这种方法由于并不敏捷或不适用于人工智能和机器学习项目而受到质疑。因此需要增强诸如人工智能的认知项目管理之类的方法,以满足人工智能特定的要求,并且可以在具有现有敏捷开发团队和数据组织的组织中实施这些方法。 这些方法论以及大型公司及其数据科学团队的学习,因此采用了一种更强大、更灵活的分步方法来进行机器学习模型开发,以满足认知项目的特定需求。 步骤1.了解并识别业务问题(并定义成功) 任何机器学习项目的第一阶段都是发展对业务需求的理解。在解决问题之前,组织需要知道要解决的问题。 首先,与项目所有者合作,并确保组织了解项目的目标和要求。目的是将这些知识转换为适合机器学习项目的定义,并制定实现该项目目标的初步计划。需要回答的关键问题包括: 需要认知解决方案的业务目标是什么?解决方案的哪些部分是认知的,哪些并没有认知?是否解决了所有必要的技术、业务和部署问题?项目定义的“成功”标准是什么?项目如何在迭代冲刺阶段进行?是否对透明度、可解释性或减少偏见有特殊要求?道德方面的考虑是什么?精度和混淆矩阵值可接受的参数是什么?对模型的预期输入和预期输出是什么?要解决的问题的特征是什么?这是分类、回归还是聚类问题?什么是“启发式”:解决不需要机器学习的问题的快速方法?模型需要比启发式方法好多少?如何衡量模型的收益? 尽管在第一个步骤中有很多问题要回答,但是回答甚至尝试回答这些问题将会显著增加整个项目成功的机会。 设定具体、可量化的目标将有助于从机器学习项目中实现可测量的投资回报率,而不是简单地将其作为一个概念证明来实现,稍后将被搁置一边。其目标应该与组织业务目标相关,而不仅仅是机器学习。虽然机器学习特定的度量(例如精度、准确性、召回率和均方误差)可以包含在指标中,但更具体的业务相关关键绩效指标(KPI)更好。 步骤2. 理解和识别数据 一旦对业务需求有了深刻的了解并获得了计划的批准,就可以开始建立机器学习模型了,是吗?这种想法是错误的。建立业务案例并不意味着组织拥有创建机器学习模型所需的数据。 机器学习模型是通过对训练数据进行学习和概括而构建的,然后将获取的知识应用于从未见过的新数据中进行预测并实现其目的。数据不足将会阻止组织构建模型,而仅访问数据是不够的。有用的数据必须是干净的并且处于良好的状态。 确定组织的数据需求,并确定数据是否适合机器学习项目。组织的重点应放在数据识别、初始收集、需求、质量识别、见解和潜在的值得进一步研究的方面。以下是一些需要考虑的关键问题: 训练模型所需的数据源在哪里?机器学习项目需要多少数据?当前培训数据的数量是多少?质量如何?如何拆分测试集数据和训练集数据?对于监督学习任务,是否可以标记这些数据?可以使用预训练的模型吗?操作和培训数据位于何处?在边缘设备上或更难以到达的地方访问实时数据是否有特殊需求? 回答这些重要问题有助于组织处理数据的数量和质量,并了解使模型正常工作所需的数据类型。 此外,组织需要了解模型如何在实际数据上运行。例如,该模型是否可以离线使用,以批处理模式对异步输入和处理的数据进行操作,还是可以实时使用并在高性能要求下运行以提供即时结果?这些信息还将确定所需的数据类型和数据访问要求。 组织还要确定模型是否将在迭代中训练,定期或实时部署其版本。实时训练对数据提出了许多要求,这些要求在某些设置中可能不可行。 在人工智能项目的这一阶段,了解真实世界数据和培训数据以及测试数据和培训数据之间是否存在任何差异,以及组织将采取何种方法来验证和评估模型的性能,这一点也很重要。 步骤3.收集并准备数据 一旦正确地识别了数据,组织就需要对这些数据进行格式化,以便可以使用它来训练其模型。重点是构建用于建模操作的数据集所必需的以数据为中心的活动。数据准备任务包括数据收集、清理、聚合、扩充、标记、规范化和转换以及结构化、非结构化和半结构化数据的任何其他活动。 数据准备、收集和清理过程中的程序包从各种来源收集数据。跨不同数据源标准化格式。替换不正确的数据。增强和扩充数据。添加更多具有预先计算数量的维度,并根据需要汇总信息。使用第三方数据增强数据。“倍增”基于图像的数据集,如果这些数据集不足以进行培训。删除无关的信息和重复数据。从培训中删除无关的数据以改善结果。减少噪音并消除歧义。考虑匿名化数据。标准化数据以使其进入格式化范围。来自大型数据集的样本数据。选择可标识最重要尺寸的特征,并在必要时使用多种技术减小尺寸。将数据分为训练、测试和验证集。 数据准备和清理任务会花费大量时间。对机器学习开发人员和数据科学家的调查表明,数据收集和准备步骤最多可占用机器学习项目80%的时间。俗话说“垃圾进、垃圾出”。由于机器学习模型需要从数据中学习,因此花费在准备和清理上的时间是值得的。 步骤4.确定模型的特征并训练模型 一旦数据处于可用状态,并且组织知道要解决的问题,就到了组织希望做出的下一步:训练模型,以通过应用范围从已准备好的高质量数据中学习技术和算法。 这一阶段需要模型技术的选择和应用,模型训练、模型超参数设置和调整、模型验证、集成模型开发和测试、算法选择以及模型优化。为此,需要执行以下操作: 根据学习目标和数据要求选择正确的算法。配置和调整超参数以获得最佳性能,并确定获得最佳超参数的迭代方法。确定提供最佳结果的功能。确定是否需要模型可解释性。开发集成模型以提高性能。测试不同型号的性能。确定模型的运行和部署要求。 然后可以评估结果模型以确定其是否满足业务和运营要求。 步骤5.评估模型的性能并建立基准 从人工智能的角度来看,评估包括模型度量评估、混淆矩阵计算、KPI、模型性能度量,模型质量度量以及模型是否可以满足已建立的业务目标的最终确定。在模型评估过程中,应该执行以下操作: 使用验证方法和验证数据集评估模型。确定分类问题的混淆矩阵值。确定k-折叠交叉验证的方法(如果使用该方法)。进一步调整超参数以获得最佳性能。将机器学习模型与基准模型或启发式模型进行比较。 模型评估可以视为机器学习的“质量保证”。根据指标和要求对模型性能进行充分评估,可以确定模型在现实世界中的工作方式。 步骤6.实验并调整运行中的模型 当组织确信机器学习模型可以在现实世界中工作时,那么是时候看看它在现实世界中的实际运行了,也称之为“可操作性”模型: 部署模型以持续测量和监视其性能。制定基准,以可用来衡量模型的未来迭代。不断迭代模型的不同方面,以提高整体性能。 模型的操作化可能包括在云计算环境中,边缘、内部部署或封闭环境中或封闭的受控组中的部署方案。在运营方面的考虑因素包括模型版本控制和迭代、模型部署、模型监视以及开发和生产环境中的模型分段。根据需求,模型的操作范围可以从简单地生成报告到更复杂的多端点部署。 步骤7.实验和调整模型 即使模型是可运行的,并且组织一直在监视其性能,也还没有结束。在实施技术时,通常会说成功的秘诀是从小处开始,大处思考,并经常进行迭代。 始终重复该过程并及时进行改进以进行下一次迭代。业务需求不断发生变化,而技术能力也在不断变化。实际数据以意想不到的方式变化。所有这些都可能对将模型部署到不同端点或新系统中提出新要求。而结束可能只是一个新的开始,因此最好确定以下内容: 对模型功能的下一个要求;扩大模型培训以涵盖更大的能力;改善模型的性能和准确性;改进模型的运行性能;不同部署的操作要求;针对“模型漂移”或“数据漂移”的解决方案,这些解决方案可能会由于实际数据的变化而导致性能变化。 组织需要反思在其模型中哪些有效,哪些是正在进行的工作。要在机器学习模型构建中取得成功,最可靠的方法就是不断地寻找改进和更好的方法来满足组织不断发展的业务需求。
对于Mikayla Dyer来说,在IT行业开创事业是一段艰辛而有回报的旅程。作为曼哈顿社区学院的一名学生,Dyer最初计划从事人力资源行业,直到她“天生的好奇心”促使她参加了由Year Up主办的一个信息会议,这是一个职业组织,让她看到了未来的可能之路。“对我来说,最重要的是,这个为期一年的培训项目采用了一种高支持、高期望的模式,能够让学生学习需要的技能,并在为期六个月的企业实习中加以应用。”她说。作为第一代牙买加裔美国人,Dyer说,她的家人一直在强调教育的重要性,认为教育是“开启机会”的一种方式,她觉得Year Up提供了一个独特的机会,让她可以开始职业生涯。Year Up是寻求弥合机会鸿沟的几个组织之一。Year Up于2000年在波士顿成立,旨在为18至24岁经济困难的城市年轻人提供服务,自那时起,Year Up已发展到了全美35个校区,包括亚特兰大、巴尔的摩、芝加哥、纽约、普罗维登斯、旧金山/圣何塞湾区、西雅图和华盛顿特区,报名参加Year Up的决定最终被证明了是一个转折点。“我在IT行业的成功很大程度上归功于我在过去一年里创造的一个教练环境,帮助我发掘了自己的潜力和抱负。”Dyer补充说,该计划提供了一个 “难得的机会”,可以帮助像她这样“不是来自传统招聘渠道(如精英或私立大学)”的年轻人。但这并不容易。在参加Year Up项目期间,她在曼哈顿社区学院兼职,每周要做30个小时的会计工作。培训结束后,Year Up将Dyer的技能与她在摩根士丹利财富管理技术部门的IT项目经理实习进行了匹配。多亏了“Year Up的社区和摩根士丹利的组织文化所提供的大量支持”,Dyer的辛勤工作得到了回报。她成功地完成了这个项目,现在在摩根士丹利担任Agile Scrum master。将有动力的工作者与机会联系起来Dyer的经历是整个IT行业正在展开的一个更大故事的一部分,在这个故事中,那些寻求为被忽视的人才建立新管道的公司,正在发现一些传统上服务不足的群体,他们通过努力工作获得了成功,并在IT领域获得了新的职业发展。“如果你没有了Year Up的人才管道,那你就是把自己置于竞争劣势中,因为你错过了一个雄心勃勃、有动力、有毅力的年轻人,他们想要一个机会或需要一个机会。”John Galante说,他是摩根大通消费和商业银行部门的金融服务总经理、退休首席信息官。在担任首席信息官期间,Galante还负责向摩根大通公司提出年度晋升计划,他很早就认识到,这是一种使人才输送渠道多样化的方法,同时也可以为服务不足的社区中的个人带来机会。企业可以以27,500美元的价格资助实习生一年,这笔费用将用于实习生的津贴以及与实习生的培训和教育相关的费用。程序是严格的。学生们需要在前六个月接受软技能和技术技能的培训。一旦接受了培训,他们就会在接下来的6个月里作为实习生为公司赞助商工作。在整个实习过程中,学生们会得到定期的反馈,每周与其他实习生和职业顾问见面,回顾他们的进展,并检查他们可能需要的额外培训。这种结构可能就是该项目如此成功的原因。一份2018年的PACE报告发现,83%的Year Up学生在毕业四个月后找到了全职工作,77%的人每小时赚15美元或更多,41%的人在实习赞助商那里找到了工作。Year Up的毕业生Susie Mendosa承认,该项目的严格性是其价值的一个重要部分。Mendosa参加这个项目时,她的女儿只有两岁。她早早地就开始了日托,然后开始了为期一年的培训,之后她又开始了脊椎指压治疗助理的工作。她每天的工作时间大约在晚上8点或9点结束,那时她会回家照顾女儿,并完成全年的任务。“工作日很长,但完全值得。”Mendosa说,他是Year Up招聘人才的另一个完美例子:有干劲、工作勤奋的年轻人充分利用了该项目所提供的机会。所有这些努力也给Mendosa带来了回报:她现在在LinkedIn的服务管理工程部门担任业务运营分析师。“现在我在LinkedIn工作,在那里我建立了很多人际关系,并在我的职业生涯中不断成长。我也可以通过在LinkedIn领导实习项目,回馈给Year Up。”Mendosa说。Year Up在长达一年的教育和培训过程中为学生提供了广泛的支持,这在传统的实习项目中是看不到的。在传统的实习项目中,学生通常需要有足够的资源来休假,免费工作,并按照公司的时间表进行工作。参加Year Up的学生通常没有那么奢侈,但是在项目和公司赞助商的适当支持下,这些有才华的个人能够迅速弥合这一差距,以满足他们可能出现的任何需求。“这个项目同时是一个学习IT知识和个人发展的曲线。在参加这个项目时,了解自己目前的处境或生活中的困难,以及拥有一个如何应对可能需要克服的挑战的计划是很重要的。”Mendosa说。“最重要的是要有勇气,不要让那些挑战压倒你,这本身就是一种挑战。”投资于你的人才Year Up在投资人才方面做了一项令人耳目一新的投资--企业赞助商没有花钱从顶级商学院那里招聘人才,而是投资于拥有不同背景的合格候选人。成为Year Up公司赞助商的一部分,就是要重新定义投资你的人才的意义,打开你的人才渠道,建立一个更多样化的劳动力队伍。“我看到了企业的巨大需求,企业比以往任何时候都更致力于多元化、公平和包容,并真正产生了影响。我们看到了全面的第一手需求。”Galante说。例如,摩根大通的运营技术主管Russ Cassar表示,摩根大通的目标是每年至少聘用超过350名实习生中的65%。过去两年,公司每年都达到或超过了这一目标,他说。摩根大通的实习生大多是初级软件工程师,但该公司也雇佣了技术运营、网络安全、生产管理和应用支持方面的资深实习生。“这种合作关系是一种很好的方式,既可以招募那些可能无法获得传统实习机会的有才华的年轻人,又可以有意地为我们所在社区的年轻人提供支持。”Cassar说。为多元化人才管道提供个性化支持Year Up承认,它的学生通常不会总是能够有幸请假一年来完成课程。该项目必须认真对待每个学生的独特情况。无论该学生是收入低,无法获得医疗保健或是生活状况不稳定,Year Up都将致力于确保该计划对该学生有效,而不是期望学生适应该计划。例如,Galante提到了一名学生,在他开始这个项目的时候,他住在一个无家可归的收容所里。在努力为他提供了完成课程所需的资源后,他现在成为了一名软件开发人员,在课程毕业仅仅三年之后,他就住在自己的公寓里了。“以零售业从业人员为例,”Galante说。“我们将努力与他们合作,包括如何改变他们的日程安排,这样他们就可以同时完成这个项目,并且在项目期间不会损失太多收入。我们确实会有一些困难的情况,不仅仅是在经济上。根据情况,我们会尽我们所能,与他们合作,支持他们,确保他们取得成功。”一个建设性反馈的文化Year Up鼓励一种反馈文化--无论是对项目中的实习生还是对组织中的领导者。Galante的团队在努力工作,以确保学生们能学到目前和未来最需要的技能。“会有很多培训,我们总是对他们的成就设定很高的期望,同时也提供了很高的支持,以确保他们拥有实现这些目标所需的一切。”Galante说。Dyer说,该项目提供的严格培训、实践经验和定期反馈帮助她进入了一个她在加入该项目之前并不知道的自己想要的职业。“我之所以能够非常平稳地过渡到我的角色,是因为Year Up为我提供了真正的资源和晋升技能的职业培训--尤其是在转行的时候。出于这个原因,我认为我和我的校友们就是一个个活生生的见证,Year Up对于年轻人来说就是一条成功开创IT事业的成功之路。”Dyer说。“感谢Year Up为我提供了这个黄金机会,让我得以迈出第一步,能够在一家大公司建立联系,获得宝贵的实际经验,同时在一个充满活力、创新和协作的工作场所进一步发展我的技能。”她补充道。Mendosa说,这个项目让她认识到,IT行业的工作会比她预想的更有价值。她还意识到,她的职业道路或许可以比她想象的更加灵活,随着她发现在事业上取得成功的新方法,她会不断的调整和改变。“成功不仅仅是一条直线,”她说。“改变和发展你的职业也意味着个人的成长,迫使自己适应不舒服的感觉,因为那正是成长发生的地方。这些都不是我们在社区或环境中能够学到的东西,但它是Year Up能够教给我们的内容的一部分。”
创造力和生产力听起来似乎截然不同:一个是以新方式思考;另一个是让事情发生。但在成功的数字转型项目中,这二者是相辅相成的——创造性思维的完美结合,考虑到最新的技术创新,以及将这些新想法带到现实中的富有成效的行动。如今,创造力比以往任何时候都更加重要。由于发生冠状病毒疫情,组织被迫采取不同的思维方式并迅速适应新常态,并保持相关性得以生存和发展。这是一个决定成败的问题。数字化转型:5个利用创造力和生产力的方法但是,如何才能确保创造力得到应有的关注,又如何有效地将抽象思维转化为能够为程序增值的具体创新呢?以下五种方法可以帮助组织达到适当的平衡:(1)调整思维方式现实世界和人们生活正在不断变化,需要快速适应。关于“这是一直以来做事的方式”的观点越来越过时了。人们都听说过“新常态”这一术语,无论是否喜欢,这都迫使人们采取更加分散的思维方式。寻求新的做事方式而不是简单地借鉴以往的经验和解决方案是关键。(2)花费时间学习来扩展思维最大的挑战之一是如何确保创意思维是程序规划和开发的组成部分。创造力是由知识和经验推动的。因此,抽出时间学习非常重要,无论是通过研究、阅读最新的行业出版物、收听播客、参加(虚拟)活动,还是与同事沟通和交流。人们很容易将此看作一种分散注意力的做法,并认为“没有时间做”,因为看不到即时的输出。但是花费时间扩展视野会提供创造性思维,并带来奇迹。(3)开发适合远程工作的创造性流程今年发生的疫情提醒人们,创造力并非偶然发生,需要有一个集体创造性思维的过程。在疫情危机开始时,由于采用各种协作工具,组织的团队能够很快过渡到在家远程工作。但是,组织最初遇到的一件难事是如何保持创新。员工通常习惯于在企业办公室一起工作,交流想法,而通过视频通话进行的头脑风暴并没有产生同样的效果。但是,通过应用一些简单的技术(例如交互式白板)并通过视频平台上的演示进行原型制作,可以设法恢复创造力。(4)多做实验为了度过这场疫情,组织不得不进行调整,或者寻找其他收入来源,或者调整现有的商业模式。组织已经证明了他们的决策能力、快速多样化和创新能力。事实上,根据BeTheBusiness公司发布的一份调查报告,在疫情期间,很多人已经认识到,他们可以在没有所有事实的情况下做出决定,有时及时但“不完美”的决定总比迟到的完美决定要好。数字化转型计划可以从愿意尝试、尝试新事物并快速交付业务变化的意愿中学到很多东西。组织的目标应该是创建、迭代、快速失败、创新并继续前进,这符合敏捷项目管理方法。组织通过缩小选择范围,将精力集中在产生最多成果的想法上,这是一种获得创造力和创新的有效途径。(5)专注结果除非组织保持方向感和目标感,否则创造力会成为一个无休止的发现之旅,最终一无所获。创造力并不意味着无休止地空想,它应该始终与目标和结果相联系。毕竟,衡量成功的标准是交付的内容和是否及时。这意味着从更传统的瀑布式方法考虑计划交付,该方法为实现产出和目标列出了广泛的时间表目标,同时在流程中留出创造空间。本质上,它是关于将内容与方法结合在一起。例如,人们需要交付一个数字平台才能在一定期限内实现在线销售,但是仍然可以在该平台的构建方式上发挥创造力。而将项目呈现给客户的不同方法有助于组织获得优势。因此,组织始终专注于时间范围,但要在计划范围内让富有创造力的人员与客户合作,并真正了解他们以及他们的运作方式。创造价值最终,组织都是根据交付情况来判断的。例如交付的上一个项目、实施的最后更改或推出的最新版本。然而,如果组织没有足够的创新能力,那么就难以满足客户的需求。这就是在组织的开发和交付中考虑创造力是如此重要的原因。而在疫情过后,那些能够在创造力与专注于新创意之间取得平衡的组织将会获得成功。
近年来,越来越多的首席信息官和IT领导者致力于实施数字化转型,他们在这一过程中积累了很多经验教训:如何更好地进行数字化转型、如何让团队获得成功、如何提高投资回报率,甚至还有虽然经过大量努力却仍然失败的原因。 值得庆幸的是,许多积累下来的经验和教训仍然很有价值。但是发生的冠状病毒疫情对人们看待数字化转型的想法产生了影响。 鉴于冠状病毒疫情的蔓延,关于数字化转型的一些观点现在看起来有所不同。人们可能需要重新思考采用一些方法。 当前需要反思虑的7个数字化转型问题 (1)一切照旧的心态 如果IT领导者还没有进行数字化转型,现在是进行反思的时候了,他可以花费一些时间来了解业务以及过去几个月中发生的事情。全球技术研究和咨询机构ISG公司数字咨询服务合伙人、ISG公司EMEA地区总裁Steve Hall建议说:“组织领导者需要对有效的方法进行战略评估。” 由于缺乏数字功能,在欧洲疫情蔓延期间有四分之一的组织不得不暂停或停止交易。Hall说:“只有拥有数字渠道的组织在疫情中才能幸免。为此IT领导者必须检查业务模型,并消除不再有意义的内容。” (2)坚持与现有的IT服务提供商合作 疫情揭示了IT服务提供商供应链中的薄弱环节。Hall说:“因此,作为战略评估的一部分,现在是为实际有效的东西买单的时候了。业务案例中的权重将发生变化,其中包括灾难恢复/业务连续性计划元素,这意味着企业现在可以更接近完美的解决方案,而不是可用的解决方案。” (3)细分数字化方法 Everest集团合伙人Cecilia Edwards表示:“许多公司都采用了有关其客户渠道偏好的假设,通常假设只有新兴市场才喜欢数字化转型,并为此放慢数字化转型的步伐。现在也许是忘记这种偏好时候了。没有人愿意一直在家中远程工作,因此,几乎每个人在数字化模式下的操作都必须具有更高的舒适度。展望未来,IT领导者将优先考虑数字渠道。” (4)为数字化而实现数字化转型 与此同时,只有当数字化转型计划能够改善客户体验或增加业务价值时,才能取得进展。Hall说:“企业不要只为实现数字化而不考虑如何使产品与众不同或增加客户体验。” Hall表示,例如,一个组织为其联系中心实现了一项视频服务功能,会议支持人员可以面对面地处理客户问题。从那时起,客户体验指标开始蓬勃发展,客户对服务人员的满意度也得以提高。 (5)采取项目管理方法 Hall表示,从“永远不会再做的事情”清单上看,无法想象为企业董事会或首席执行官制定一项投资1亿美元的应用开发项目为期三年的计划。企业领导者希望获得的是以星期为单位而不是以月为单位的计划。 他说:“我们正从项目思维转向组织各个层面的产品思维。问题在于,专注于里程碑并将生存时间作为指标是一种决策行为,虽然感觉良好,但长期来看会对客户和员工产生不良的影响。而服务于成果、产品理念和以客户为中心的工作比以往任何时候都更重要,要将精力集中在最有价值的活动上。” 6.进行实时决策 组织领导者必须能够让接近一线的人员进行实时决策。他说,“如果团队按照高管制定的战略方向执行,那么他们必须有权围绕投资、流程和政策做出决策,而无需等待组织的执行委员会的批准。” 7.寻求渐进式改进 Hall表示,在疫情发生之前,许多组织仍在进行数字化转型,主要是在其传统运营模式的边缘。他们可能已经开始进行敏捷转型,但只是在卓越中心或创新中心内,而不是在整个组织中采用,因此这种方法不再适用。Hall说:“渐进式的变化导致投资回报低,而且变化太小,无法与外部颠覆速度相匹配。” 他表示,采用支持人工智能的工具和算法来重新定义其业务运营模型的组织可以获得竞争优势。他说:“随着越来越多的组织在快速发展的格局中处理大量数据,因此可以采用这种方法。新的业务运营模式需要考虑到这一点,它将成为未来数字运营模式的重点。”
IT和运营技术之间的界限正变得越来越模糊。边缘计算是会造就还是打破IT与OT之间的关系?IT和OT(运营技术)一直占据着两个独立的世界。OT关注的是一个组织的垂直、专有的核心系统--在制造、医疗保健、物流等领域--以及运行这些系统所需的专业知识。多年来,OT一直倾向于抵制开放这些系统并将其与IT进行集成,即使是在面对旨在弥合鸿沟的新的边缘计算和物联网计划的时候。或者,IT部门和OT之间的通信线路可能从来就没有建立起来过。问问首席信息官Satya Jayadev就知道了,他去年听说高性能半导体制造商Skyworks Solutions的OT部门正在为其组织招聘一些技术人员。Jayadev很好奇。“我们开始问:你们雇佣他们是为了什么?他们在为你做什么?”他想知道OT是否想在没有咨询IT的情况下建立自己的分析解决方案,尽管事实上IT已经在使用的分析软件也工作得很好。“我们不想再重新发明轮子。IT已经建造了轮子,”Jayadev说。“当我们开始调查时,我们意识到,我们正在做的事情和他们正在做的事情之间有很多共同点。”这种共性带来了一个巨大的机遇:整合OT和IT的资源,通过将OT系统装备起来,并将它们插入到强大的边缘分析中,将可以为业务带来持久的价值。潜力是巨大的,但是首席信息官们在建立有效的IT/OT关系方面面临着巨大的挑战。两种文化的故事IT和OT之间的哲学鸿沟是根深蒂固的。今天,IT代表了敏捷性、可伸缩性和商品基础设施,而OT则会优先考虑精度、可预测性和牢不可摧的安全性/可用性。但边缘计算和物联网--更不用说是与2019冠状病毒相关的生产和供应链中断--已经模糊了两种文化之间的界限。物联网设备为OT系统的监控和控制带来了新的水平。此外,这些物联网设备所连接的前沿部署也有望为处理OT设备产生的大量数据提供全新的分析能力。然而,许多OT组织也认为边缘计算是重复的,甚至可能是有害的。“向OT推销这种价值主张非常具有挑战性,”IDC负责全球IT/OT融合策略研究实践的研究经理Jonathan Lang表示。“他们已经拥有了传统的有线连接和工业网络能力,以及SCADA(监视控制和数据采集)系统和控制系统,可以很好地满足他们的需求。”他说,OT的领导者还认为,集成新系统可能还会威胁吞吐量和可靠性。但是,生产要求正在迅速变化,设备也可能需要非常迅速地改变。“当IT开始干扰他们的设备时,就会转化为生产力上的损失,”Lang说。Lexmark通过将相关项目定义为了“价值证明”而不是概念证明来说明OT中的边缘计算。“如果你把重点放在了解决问题上,并有明确的回报,那么你就有机会在与OT的谈判中占有一席之地,”高级副总裁兼首席信息与合规官Brad Clay表示。“尽管如此,重要的依然是要明白,在OT的世界中,在实施任何更改之前,他们总是会小心地充分了解对其流程的影响。这可能会让你觉得他们没有接受,但你需要理解他们的观点,以及采取改变的时机。”根据IDC 2020年对1014家制造商的调查,目前全球79%的运营资产已经与网络相连,高于2016年的60%。其余21%的运营资产中,大部分根本没有数字化的能力。“而对于这些设备,边缘计算具有将仪器和资产连接在一起的潜力。”Lang补充道。首席信息官可以在培养与OT同行的富有成效的IT关系方面发挥关键作用,并充分利用不断增长的机会。在实际情况下,形势已经在推动这两个派别朝着共同的目标前进了。新的现实要求IT与OT之间的团队合作集成IT和OT系统的安全风险是真实存在的。当OT传感器和执行器开始与后端IT系统进行通信时,针对恶意黑客的新的攻击载体就会打开--并且必须由IT和OT共同来进行解决。“IT可以大规模、快速地感染和消灭OT环境,就像WannaCry和NotPetya一样,”施耐德的全球CISO Christophe Blassiau说。“OT和IT专家需要通力合作来保护工厂和关键的基础设施。”至于回报,IT和OT的领导都将受益于将相关业务添加到所有由OT产生并由IT系统捕获的数据中去,这是一种对整个组织具有切实利益的紧密协作的努力--这一点很可能会得到上层管理人员的赞赏。今天,根据上述IDC的研究,37%的制造商报告说,IT和OT仍然是分开的,但会向同一个执行领导报告,而33%的制造商说,尽管执行领导可能仍然是分开的,但至少会有一部分IT组织与OT组织是可以整合的。在Skyworks,“OT的一些部分正在成为IT的一部分,”特别是分析,Jayadev说。COVID-19导致了供应链的中断,迫使该公司必须提高吞吐量,并最大限度的减少浪费。Jayadev表示,“只有我们把这些信息纳入其中,并使用强大的分析工具来对数据采取行动,你才能做到这一点。”除了分析之外,OT和IT团队也仍然在“高度合作--我一直试图将他们都纳入到同一个流程下,而不一定在同一个组织下。”去年11月,Skyworks成立了一个由十多位OT和IT领导人组成的委员会,他们现在会定期开会讨论OT的问题和机会,并展示现有的IT解决方案是如何发挥作用的。Jayadev还邀请了OT的同行来参加IT创新委员会,在那里他们可以看到解决OT需求所正在开发的技术。“我们现在一起成为了这个领域解决方案的塑造者。”他说。混合IT和OT团队Lang认为一种趋势是混合了的“数字工程”团队--一部分是IT技术专家,另一部分是具有特定领域专业知识的运营人员--他们可以为问题带来最佳的知识和背景,并以有意义的方式将技术技能应用到运营当中。他说,这些团队会随着时间的推移而发展,首先是作为独立的实体在某个特定项目上合作,比如将运营数据汇集到边缘计算节点的分析解决方案之中。但随后,他们就会开始采取一种更持久的结构,专注于战略性的、创新的技术部署,而不只是持续的维护和支持。“这些混合小组的主要目的是开始建立这种关系桥梁,让更多的技术能力更接近业务线,因此,当新的能力进入管道时,它所需要的将不再是一个两年的周期了。而这种创新文化也将开始得到培育。”Lang说。这些小组通会常隶属于首席运营官或运营部门,而不是IT部门,但有一个向首席信息官报告的虚线结构。在纸浆、造纸、汽车和一些加工行业,“许多大公司都在向这个方向发展”,Lang说。“他们将IT技术人员纳入到了一个以行动为主导的小组中,而不是将行动人员纳入到一个以IT为主导的小组当中。”首席信息官和IT仍将控制着战略架构和整个企业。但关键是要在运营中嵌入一些内部人员,以发展这种信任关系,并开始培养双方的能力,Lang说。重复的工作支持IT/OT集成的最有力的论据之一是减少冗余和浪费。你不会希望构建或购买两套系统,因为它们在鸿沟的两边都做着几乎相同的事情。Lexmark就深知这一点。这家制造商追踪了具体的产品故障,比如瑞士的一台打印机出现了油墨融合问题,他们一直追踪到了生产过程,以了解打印机在中国工厂生产当天的功能如何。但在检索这些数据时,Lexmark也发现了令人震惊的冗余。“那次融合的失败导致了对600兆字节的数字化、IT数据的分析,”Clay说。Lexmark创建了一个由数据湖及其相关平台组成的“数字线程”--它允许在整个生命周期中通过传统的竖井式功能透视图实现单个数据流和集成的数据视图。对数据进行归一化后,唯一的相关数据量缩减到了60兆字节。不过,没有人会主张在短期内就废除一种制度,然后去支持另一种制度。OT所运行的SCADA系统所需要的低延迟和高可用性,是不太可能改变的。“因此,在我们运营的许多方面,我们并不认为SCADA会很快转向云端。边缘计算和云计算可能会出现,但是SCADA将会用来执行操作,而边缘计算则可以用来提供分析。这是两条不同的路。”Jayadev说。但可能会有一个转折点,使得IT和OT的功能合并。“如今,IT将OT与所有这些新出现的强大功能包裹在了一起,而且他们也越来越多地重叠在了一起。在某种程度上,将没有办法证明这些系统是分开的。一些领先的公司可能会在五年内开始涉足(云计算中的OT),在最有意义的地方开发非安全的关键资产。”Lang说。与此同时,这一切都是为了建立信任。“我们的想法是在这两种系统中都获得舒适感和信任,这样,当时机到来,开始改变关键任务的功能时,人们就会愿意这么做。”他补充道。“你必须要有同理心,理解他们的立场,让他们也理解你的立场,并在你们说同一种语言的地方相遇,”Clay说。“最后,你必须得到一个统一的投资路线图,在那里你所做的投资都将被OT方考虑”,反之亦然。
供应链是生产的各个环节的源泉。从原材料到制造再到分销,每个步骤都需要最安全的过渡。但是,有时供应链可能会带来各种风险,而这些风险会影响这些步骤。这些漏洞会引发安全问题,有些人可能会损坏或偷窃商品,从而导致更多的麻烦事和耗时的过程。但是,人工智能(AI)正在努力提高安全性。技术影着响社会的方方面面,供应链也不例外。人工智能提供了一种高度创新的技术形态,而这种形态使供应链的管理人员和工作场所发生了巨变。人工智能涵盖了计算机所展现的知识,这种知识与人类的智能是不同的,但其过程却十分相似。由于人工智能市场增长迅速,专家们认为它是一种颠覆性创新,因为它改变了社会的运作方式。它打破了传统的做法并带来了更好的运营方法。供应链中亟需这种集成。由于工作场所和运输过程越来越缺乏可见性,全球供应链为人工智能找到了各种用途。但我们要应对的这些问题到底是什么呢?供应链中的安全问题贯穿整个供应链的首要主题是可见性。此问题意味着管理人员往往无法完全控制或了解整个供应链中发生的每个操作。例如,生产主管可能不知道供应商从何处获取原材料。在某些情况下,企业可能无法在供应商那里获得所有信息。令人惊讶的是,有84%的信息安全人员说,缺乏可见性是整个供应链中存在的最大问题。随着沟通和可见性出现问题,其他问题也渐渐出现。随着传统商业和电子商务的持续增长,供需每天都在增长。随后,制造商需要更多的供应商,而供应商需要更多的原材料。而这使沟通变得更为复杂。缺乏沟通会在各个层面产生各种安全问题。如果管理人员不知道进出仓库的是什么,那么这可能会导致库存盘错,甚至发生盗窃。往小里说,员工可能会遇到钓鱼邮件或其他欺诈。这些情况包含骗子和黑客冒充主管人员索取各种凭据和业务信息。假冒产品是供应链中存在的另一个安全问题。这类产品可能会招来投诉或调查。但是,除此之外,这类产品对那些最需要它们的人会产生危险的影响。例如,如果武装部队或医务人员收到有问题的产品,后果则可能十分严重。这些问题触及到本质问题,即供应链中缺乏安全性可能产生的各种后果。这些后果会不断产生更大的影响。但是,人工智能可以通过多种方式改善这些问题。人工智能如何提供帮助人工智能领域是一个强大的概念,这个概念就是使用大数据来进行运营。使用人工智能的系统可以迅速完成曾给工人带来各种麻烦的任务并将其自动化。人工智能中的机器学习(ML)功能使供应链管理平台可以独立运行并随时学习。由于实施了这些自动化任务,安全风险将会减低。安全问题中最重要的一些领域涉及到监控、信息共享、库存和通信。这些领域很容易发生事故或盗窃。但是,只要更好地沟通并了解每个阶段的运作方式,整个供应链就可以步调一致。人工智能利用其可用资源提供这样的帮助。预测性数据和数据分析,模式识别,实时跟踪和库存管理是人工智能的强项。实时监控有助于了解产品所在的位置,而这可以防止盗窃或假冒产品的出现。数据分析可以更好地洞察供应链的物流状况。安全人员可以跟踪供应商的装运数量并改善供应商与公司之间的沟通渠道。这带来了另一个好处,那就是人工智能的自动化特性。过去要几小时甚至数天才能完成的任务现在几乎不需要花什么时间。例如,人工智能可以对盘货进行优化。管理者可以随时查看商品进店和离店的日期和时间。同样,企业可以使用数据分析来改善公司决策并了解供应链。当供应链中的日常运营没有得到管理或检查时,系统就会极度脆弱。客户必须相信系统的每个部分都能顺利运行。人工智能技术可以使供应链中的各个参与者实现这一目标。通过自动化来监视过程中的每个部分,这将提高安全性。供应链中使用人工智能的最重要因素人工智能可以改善供应链中的三个因素:•顾客满意度•员工待遇•公司的收入企业,制造商和供应商的目标是使客户满意。如果客户不满意,那么整个供应链将停止运作。其次,员工待遇至关重要。员工是推动供应链发展的骨干,因此他们的健康和资源状况必须处于最佳状态。最后,收入是推动所有公司发展的因素。这个因素影响企业决策和使用人工智能的方式。人工智能对这三个因素都具有影响力,从根本上讲,人工智能对于其所能减轻的安全风险也同样有影响力。人工智能可以超越并预测消费者趋势和行为。它可以实时编译数据以进行业务决策。人工智能安全是确保客户满意度,员工待遇和利润的主要工具之一。有了安全的供应链,员工就可以充分利用人工智能,从而改善工作环境。他们可以专注于必要的任务,而不是处理人工智能可以处理的安全职责(如监控或库存)。客户满意度和公司收入是齐头并进的。其中一个增加则另一个也增加。如果有更多的公司使用大数据,那么客户满意度将会提高,其收入也会随之提高。幸运的是,人工智能是实现这一目标的最佳方法。通过人工智能优化供应链企业将继续加强人工智能的当前功能,而供应链中的人工智能技术将继续得到改善。自动化将继续承担更大的责任并为整个供应链及供应链以外的部分进行安全措施方面的优化。
随着首席信息官们进入了这个不确定的经济时代,运营效率再次成为了焦点。以下是如何在促进业务增长的同时精简IT运营和削减预算的方法。 对于首席信息官们来说,这一年的开始是光明的,大多数人预计2020年的预算将保持健康。事实上,调查显示大部分的IT预算都比去年增长了。 由于COVID-19,全球经济衰退的潜在预期重创了组织收入,许多首席信息官都在准备扭转局面。 因此,IT预算预计将会下降。 多家公司在今年春天发布的数据显示,大多数首席信息官都面临着裁员。例如,Forrester Research就表示,在最佳的情况下,首席信息官可能在2020年面临5%的裁员。IDC预测全球IT支出将下降5.1%。Dresner咨询服务公司发现,60%的受访者报告说,疫情正在影响着IT预算和项目。 尽管首席信息官们在少花钱多办事方面有着悠久的历史,但他们现在也看到了对运营效率的重新关注。但是考虑到IT在推动收入增长和确保组织在市场上的地位方面越来越重要了,首席信息官们需要在不削减推动他们业务发展的计划资金的情况下节省开支。 管理咨询公司Swingtide的执行顾问Mark Barner表示,这意味着IT领导者在提高效率方面必须具有创造性和战略性,“因为他们在努力提高效率的同时,也在拥抱企业的数字化议程。”首席信息官们不能只从每个项目中削减一定比例就期望获得成功。 此外,许多顾问和资深IT领袖说,效率也不能完全从实现最低成本的角度来看待。相反的,首席信息官需要专注于推动最大价值的实现,在尽可能的精简运营的同时,为组织提供更好的服务。 在此,专家们提供了六种方法,可以在不牺牲质量的情况下提高IT运营的效率,因为运营效率已经再次成为焦点了。 1. 仔细检查设施 北极星运输集团公司和北极星数字解决方案公司的首席技术官Dave Brajkovich表示,他不希望自己的团队过度关注后台基础设施,因为资源应该更好地用于能够支持业务需求和创造收入的活动。 因此,他不断地寻找能够以更低的成本从其IT基础设施中获得更好性能的领域。 “我们会通过观察内部来实现的效率最大化。我们在不同的部署浪潮中实现了多个层次,有些系统是内置的,有些则是现成的。尽管IT层能够与业务无缝对接,但它们也可能很难操作,而且成本高昂。”他说。 例如,Brajkovich最近分析了公司的协作软件成本与性能之间的关系。他发现,他的团队平均每月约有600个用户会请求支持,平均成本约为每小时50美元。 Brajkovich说,尽管这种现有的协作软件在首次被实施时是首选,但它现在也只是众多选择之一了。于是,他换了供应商,他认为,即使考虑到引入新系统和培训员工来使用该系统的成本,此举仍能节省成本。事实上,他已经看到了回报,他说,支持电话降到了几乎为零,而且总体表现也被证明更好了。 Brajkovich承认,审查现有的运营并不是一种不寻常的策略,但他也表示,这需要领导团队清楚IT的痛点在哪里。 2. 聘请专业人员来管理供应商合同 当Swingtide的顾问Barner还是Ascension的首席信息官时,他看到了一个从与他的IT部门做生意的供应商那里获得更多价值的机会。因此,他建立了一个供应商生命周期管理计划,并建立了一个专门的供应商管理办公室,配备了在谈判和授权方面有经验的专业人员。 他说:“完整的供应商生命周期管理是一门学科,这不是在晚上或周末应该做的事。”他补充说,他还与具有技术背景的注册会计师在一起工作,以便他们能够梳理出细节,并根据各种许可和合同选项准确地比较成本。 该办公室首先将目标锁定在了那些明显有省钱机会的合同上,在晋升之前应该先摘些容易摘到的果实。在成立的头几年,该办公室就200多份合同进行了重新谈判。 这些更新后的合同不仅为公司节省了资金,还提供了更好的质量和服务,Barner说,节省的费用超过了供应商管理办公室的成本。 “首席信息官们知道他们的预算有多少花在了第三方身上--保守的估计是60%到70%--他们还会继续依赖第三方。这种对技术供应商日益增长的依赖所带来的风险只能通过良好的、保护性的和一致的合同、受管理的供应商关系以及支持流程和功能的协调来减轻,”Barner补充道。“可以论证的是,已经在首席信息官的投资组合中存在超过几年的合同都是应该被更新、彻底检查和重新谈判的,因为首席信息官不能再将他们的解决方案投资组合视为稳定环境的代表,因为技术在不断地快速发展。” 3. 精简技术和项目 多年来,许多首席信息官享受着年度预算增长的同时,也享受着探索和创新的任务,管理顾问们表示,IT领导这时候应该重新安排他们的支出,把大部分(即使不是全部)资金集中在他们知道会带来成果的技术和项目上。 “在当前形势下,人们将不再对尚未在实践中证明其回报的新技术进行大量投资,”卡耐基梅隆大学泰珀商学院运筹学教授willlem-jan van Hoeve表示。 当然,创新不应该消失;但是首席信息官们应该关注那些已经被证明能够带来更直接回报的技术--这需要对项目进行诚实的评估,以确定它们在近期或中期是否真的有益。 与此同时,首席信息官们也应该消除那些有潜力但不能带来结果的项目。这些释放出来的资源可以重新定位到有明显回报的项目上。 “过去可能没有削减这些项目的理由,在经济繁荣时期,冒一些风险是值得的,但在某种程度上,你需要关闭这些项目,这样你就可以在其他地方开发已证明效果的项目了。”van Hoeve说。 4. 将自动化引入IT运营 大多数首席信息官已经在其组织的整个业务方面实现了自动化,以加快运营速度,使员工免于重复任务,并最大限度地减少错误。IT自动化可以带来这些好处以及更少的停机时间,从而实现更高效的整体运营。“我觉得机器人流程自动化技术,人工智能决策引擎都“具有降低成本的潜力,”马里兰大学的IT部门主席、曾在美国交通部担任首席信息官的前高管Daniel Mintz表示。 “IT内部也有自动化的候选者,例如,IT帮助台的某些方面可以通过聊天机器人来实现自动化,这些机器人已经存在一段时间了,但并没有得到充分的利用,”Mintz补充道。 研究表明,许多IT领导者还没有完全的接受自动化。Flexera的2020 CIO优先级报告发现,只有72%的人计划采用人工智能和机器学习,而只有58%计划在今年采用RPA。 尽管调查并没有明确指出那些计划中的项目中有多少百分比会将自动化引入到IT运营中,但专家说,自动化经常能够连接业务和IT运营,为组织的这两个领域带来效率。 以北极星集团的工作为例。Brajkovich说,他的团队部署了RPA来实现业务流程的自动化,从WorkFusion中选择了一个平台,提供API的连接,并与公司的ERP系统进行了集成,以保证IT的顺利运行。(RPA也是北极星数字解决方案公司的一部分。北极星数字解决方案公司是北极星集团拆分出来的一家科技公司,为其他运输公司提供产品。)此外,Brajkovich说,这些用例显示了效率是如何与创新和增长联系在一起的。 5. 继续云计算之旅 企业在云计算上的支出持续保持着增长,软件制造商Flexera的2020年云计算状态报告发现,20%的受访者表示,他们在云计算上的年度支出将超过1200万美元,74%的受访者表示,他们在云计算上的年度支出将超过120万美元。这两个数字分别高于去年的13%和50%。 但是专家警告说,不要把这种增加看作是额外的成本,而是实际交付效率的提高、最终为IT部门和组织整体交付了更多价值的投资。 CBT Architects的首席信息官Nirva Fereshetian一直在将公司更多的工作量(包括大型图形文件)转移到云上。在计算成本和价值时,她考虑了一系列的因素,并采取了一种整体的方法,认识到继续云计算之旅(特别是对于复杂的工作负载)将如何节省员工的时间和提高性能。 例如,她说,随着她的员工从与管理内部硬件相关的商品任务转向了通过技术战略来推动业务成果的更高价值工作,她所在的公司不断向云端进行了转移,使得Fereshetian能够最大限度地发挥IT人才的才能。她还计算了改善业务连续性、减少停机时间和减少服务中断的价值,以评估将某些东西转移到云计算上是否会带来财务改善。 “我认为,更多地转向云计算仍将提高效率,但你必须从整体上来看待它。即使转移到云计算可能会花费更多的资金,但如果它能提供更好的业务连续性和其他价值主张,这仍然是一种效率的提升,”她表示。“在过去,效率就意味着成本削减。然而,我认为目前的情况不仅仅是成本的差异,还有提高服务质量、改善体验和提高商业价值。” 6. 将效率作为一个持续的目标 随着企业进入一种由流行病引发的成本削减模式,专家预测,所有职能部门的高管都将被要求从预算中削减一定数额的开支,就像过去曾经发生的那样。 但管理顾问们表示,具有前瞻性思维的首席信息官们并不把精益运营作为一项反动活动,甚至也不把它当作是偶尔要做的任务,而是作为一项持续的管理目标;他们不断地评估他们用来管理IT部门的人员、流程和技术是否能够尽可能优化和高效。 “人们经常把运营效率看作是‘我要做一些分流以获得更高的效率,然后我就完成了’但实际上,它必须是你价值体系的一部分,你做事的方式;这更像是一个过程,而不是一个项目,”客户参与度软件公司Freshworks的首席信息官Prasad Ramakrishnan说。 Ramakrishnan说,当他考虑IT将如何发展时,他会着眼于如何使他的IT运作的更高效,他的方法跨越了类别--从终端用户服务到商业应用场景再到安全技术。 “形势将会发生变化,你必须把衡量效率作为你正在做的事情的一部分,因为如果你不从提高效率的角度来考虑你将如何发展,以及它将如何发挥作用,你就会被困在原地。”他补充道。
随着企业持续势不可挡地从本地应用程序转向云端应用程序,请确保您的组织可以正面应对三个挑战。 应用程序交付的SaaS模式已经变得司空见惯,以至于对于许多组织而言,不再是考虑是否部署SaaS的问题,而是它应该在多大程度上主导企业软件领域。 SaaS的潜在优势是众所周知的:节约成本、更高的敏捷性、更容易扩展等等。IDC公司的SaaS和云软件研究总监弗兰克•德拉•罗萨(Frank Della Rosa)说:“SaaS部署的便利性和速度以及其包含的创新功能,可帮助企业加快数字化转型工作。” 但使用云端应用程序也伴随着一些挑战,特别是在COVID-19新冠病毒大流行造成远程办公急剧增加的情况下,IT团队需要在事情失控之前解决这些问题。 以下是组织机构在转向SaaS环境及维护该环境时面临的三大挑战,以及如何克服这些障碍的专家建议。 1.SaaS应用程序数量的激增 SaaS应用程序数量持续在组织机构内激增,这使得拥有强大的管理能力和成本控制能力变得更加重要。 Okta公司在其2020年“Businesss @ Work”报告中称,其客户平均部署应用程序的数量为88个,比2019年增长6%,比2017年增长21%。而Okta公司(是一家为中小型企业和企业组织提供身份管理平台的公司)称,其有10%的客户正在使用200个或更多的应用程序。 德拉•罗萨(Della Rosa)说:“SaaS通过让业务潜在客户和越来越多的最终用户购买软件来完成工作,从而使购买应用程序的决策变得民主化。”“虽然这提高了速度和敏捷性,但却给IT部门带来了管理和合规性方面的挑战。” SaaS的范围正在不断扩大, IDC公司的研究显示,许多IT高管并不确信在其整个企业中有多少个应用程序正在使用。德拉•罗萨说,在某些情况下,可能还有数百个应用程序并未发现。 德拉•罗萨表示,IT团队需要去了解自动化工具,以帮助他们找到正在使用的应用程序,并更好地管理安全性和合规性风险。IDC公司表示,该领域的主流供应商包括VMware、思科、AWS、微软、谷歌和Microfocus。 Gartner公司副总裁兼分析师凯尔·戴维斯(Kyle Davis)表示,为了应对无处不在的SaaS所带来的挑战,企业还“需要具有基于风险的或分类的思维方式”,以确定哪些应用程序对企业成功运营至关重要,然后让IT部门部署这些应用程序。 戴维斯说:“IT部门将无法为组织机构未来使用大量SaaS形式的应用程序提供支持。”“通常,企业最初会仅使用少数几个SaaS应用程序,然后发展到几十个,数百个,而大型组织机构会达到数千个。从历史上看,组织机构并不是以这种方式来使用软件的。” 戴维斯表示,在主要使用本地IT基础架构的年代,组织机构通常会配备一些大型平台来运行业务,并围绕这些平台进行建设。 戴维斯说:“当您拥有成百上千个SaaS应用程序时,IT部门不可能对所有这些应用程序都拥有专业领域知识。”“如果这些应用程序不是由IT部门部署和维护,则必须根据其给企业带来的风险大小进行分类。” 也就是说,很可能总会有一些“影子IT部门”,即业务用户在需要时会在没有IT知识或支持的情况下使用SaaS。戴维斯表示,但即使在这种情况下,用户最终仍将依靠IT部门来提供支持,此时IT部门会进行评估,以确定业务部门或IT部门是否应继续使用该SaaS应用程序,或将其替换为其他产品。 戴维斯说:“IT部门需要在某个中间位置进行管理,”而不是强硬地对软件进行管理或完全放弃对软件进行管理。依据SaaS应用程序可能给组织机构带来的风险,我们必须对SaaS应用程序进行检查。 2.安全性、隐私性和合规性 解决与在云端使用应用程序相关的数据安全性、隐私性和合规性问题是另一个重大挑战。由于冠状病毒疫情以及由此带来的居家办公的需求,远程办公人员的急剧增加使这一问题变得更加难以处理。 IDC公司的德拉•罗萨说:“大量正在使用的SaaS应用程序使许多公司容易遭受数据泄露和网络攻击。”他表示,SaaS管理工具可以帮助IT部门实施一些策略和流程,以满足对执行速度的要求,同时还可强制执行数据隐私性和合规性的工作。他表示,SaaS管理产品的主要供应商包括Blissfully、Zylo、G2 Track和Better Cloud。 德拉•罗萨表示,大多数SaaS管理产品供应商提供了SaaS运营管理产品(SaaSOps),这是一个新兴领域,可帮助企业使SaaS工作成为优先事项,同时会推荐一些新的应用程序,并可将IT部门的角色从执行者转变为推动者。 德拉•罗萨说:“IT部门可以监视可疑活动,以防出现一些不适当的数据共享。” “可以定期检查文件以防止敏感数据泄露。可为特定的监管法规制定一些自动化的策略。” 营销服务和技术提供商Epsilon的首席信息官罗伯特•沃尔登(Robert Walden)表示,组织机构必须对员工进行培训,使其充分了解自己的责任,以及自己在参与和继续使用SaaS过程中的重要性。 沃尔登说:“在确保正确使用SaaS解决方案时,员工是(或应该是)第一道防线。”“疏忽大意不能成为借口。” 沃尔登表示,为此,组织机构必须确保自身拥有适当的策略、培训和持续的沟通,以告知员工其责任以及不遵守法规的后果。他说:“同样重要的是,组织机构应部署一些治理流程、工具和控制措施”,以降低安全风险和保护数据。 Gartner公司的戴维斯(Davis)表示,评估SaaS产品时,安全性应该放在首位。为此,企业应该制定一套标准,使供应商必须从网络安全角度符合这些标准。 戴维斯说:“要考虑的一件大事是‘您是否可以相信SaaS供应商也做得一样好,如果他们没有做得更好,那么您在内部该做些什么?’”“您需要了解供应商如何发布和披露破坏行为,他们如何处理物理安全性问题,以及如何保护传输中的数据和静态数据。” 戴维斯表示,许多SaaS供应商通过主流的云提供商(例如亚马逊网络服务、微软云和谷歌云平台)提供服务,因此他们正在利用这些平台的安全功能。但企业仍然需要确保所使用的SaaS产品符合数据保护法规,并且实施了正确的访问控制措施。 3.云端软件的集成 第三个主要挑战是将需要协同工作的各种云端应用程序进行集成,以执行某项任务或支持业务流程。 戴维斯表示,当试图将各种云端应用程序彼此集成以及与内部服务器中的应用程序进行集成时,组织机构可能会遇到障碍。 戴维斯表示,在采用新的SaaS产品或从本地应用程序转向使用SaaS应用程序时,通常需要重新定义或重新构建现有的业务流程。此外,转向使用SaaS产品通常会导致要与其他SaaS软件和本地软件进行集成。 戴维斯表示,SaaS服务对某一组织机构的战略性越强,则越有可能需要与其他应用程序进行集成。电子邮件就是一个很好的例子。许多应用程序和系统可能都会使用电子邮件进行通知,因此,当电子邮件应用程序转为SaaS模式时,企业需要为这些相互依赖关系做好准备。 Gartner公司表示,现代的SaaS功能是组织机构在其基础之上进行构建的一个平台,而不是一个孤立的工具。因此,它需要一套详细的应用程序编程接口(API),使用户能够将其集成到一些过程和工作流程中。 Gartner公司指出,主流的SaaS提供商正在通过使最常见的集成案例尽可能简单地完成来解决集成需求。但对于典型的企业来说,这仍然不足以满足全部的客户集成工作和业务流程。 因此,组织机构需要仔细评估SaaS产品的集成功能和接口,在某些情况下,还需要根据自身的特定需求为该问题设计一些定制解决方案。 德拉•罗萨表示,借助通用数据模型、标准工具和可靠的公共API等服务,SaaS平台已得到迅速发展,这有助于减轻集成和定制方面的工作量。他说:“这在新一代SaaS产品中变得日益重要,其特点是从单一的企业应用程序转向由可组合和容器化微服务组成的云原生架构。”
数字化转型仍然很流行。首席信息官们正在将云计算、API和微服务整合到平台中,以提升业务流程。他们认为,敏捷架构有助于简化运营工作,同时可更好地为客户服务。根据咨询公司TEKSystems在2019年末进行的一项研究,在510名企业和技术主管中,有47%的人声称他们正在整个企业内部推进数字化转型计划。残酷的现实是,这些转型工作常常感觉像是海市蜃楼:从远处看很酷,很吸引人,但随着转型工作一路推进,才感到不那么真实。通常最大的错误是无法解决在企业范围内推行转型工作所需的文化变革。COVID-19新冠病毒疫情的突然来袭对组织机构的转型之旅没有带来任何好处,但即使是对那些基本不修改预算的组织来说,推行大规模企业变革也存在着非常具体的障碍。以下是12个阻碍数字化转型的绊脚石。1.文化冲击对于许多组织而言,转型工作所需的文化变革可能是无法克服的。根据TEKsystems公司的民意测验,有39%的组织机构表示,其组织结构不利于转型工作。TEKsystems公司市场调查经理杰伊·海曼(Jay Hayman)说:“技术触手可及,但要认识到如何优化其潜力却很复杂。”“那种狭隘的思维方式(缺乏共同的愿景,无法考虑到整个生态系统)正是数字化举措失败的原因所在。”2.缺少首席执行官的支持转型工作从高层领导开始,至少在理论上是这样。但根据Wipro Digital公司在2017年的一项调查显示,35%的高管认为缺乏明确的转型战略是实现其全部数字化潜力的主要障碍。而Wipro Digital公司全球负责人Rajan Kohli补充说,首席执行官通常对此要负有责任。Kohli说:“数字化转型工作未能达到预期的投资回报率,部分原因是数字化转型既是战略、技术、文化和人才问题,也是领导问题。”3.孤岛问题接受TEKSystems公司调查的主管中,有32%的人表示,过多竞争优先权的情况是他们正在努力清除的转型障碍。海曼说:“人们的预期不一致。”“对许多组织而言,COVID-19新冠病毒疫情可能使这一点更突出。确保高层领导和利益相关者之间就业务目标达成共识,这是至关重要的。”安永会计师事务所咨询市场、业务拓展、行业和解决方案负责人赫伯·舒尔(Herb Schul)表示,一致性问题往往源于业务部门之间的孤岛。由于产品负责人不允许接触供应链内部,因此他很难为客户提供服务。此外,存在孤岛的组织不会在冠状病毒疫情等危机中做出快速的反应。舒尔说:“成功的关键是超越或跨越组织内的孤岛和组织结构,对所有业务流程进行转型,以获得想要的结果。”4.“内容和方式”的问题假如他们克服了变革的阻力,大多数公司也不会退出观望模式,除非财务状况不佳,以及董事会和竞争对手给予更大压力。Kohli表示,尽管如此,大多数主管仍在努力弄清楚他们需要改变什么以及如何去做。这种犹豫不决会造成惰性,或者更糟的是,做出错误的决策。麦肯锡公司资深知识专家劳拉·拉伯格(Laura LaBerge)表示,转型工作的主要障碍是不清楚所需的技术和所需的人才。企业是否需要一种新的数字运营模式?这需要多少Scrum /敏捷专家或DevOps工程师?业务部门主管必须与他们的首席信息官保持沟通,以解决这些知识缺口。数字化变革的步伐使之成为转型成功的一个困难但必要的因素。5.观望陷阱波士顿咨询集团亨德森研究所(BCG Henderson Institute)董事总经理马丁·里夫斯(Martin Reeves)表示,对“内容和方式”问题上的犹豫不决会使公司陷入困境,因为它们延误了转型工作。里夫斯说:“成功转型的一个最大预测性因素是其能否迅速开始。”“数字化颠覆发生得很快,而大多数财务指标都是潜力的滞后指标。”舒尔表示,具有讽刺意味的是,尽管COVID-19新冠病毒疫情使许多企业陷入停滞,但它也在数周而非数月内加快了技术变革的步伐。他补充说:“COVID-19新冠疫情正在推动我们跨越障碍。”6.技术陷阱无论是变革的意愿,还是技术和人员的完美结合,都无法挽救首席信息官陷入以技术为中心的陷阱,也就是闪亮新玩具综合症。里夫斯表示,虽然技术是转型的关键驱动因素,但使用那些无法有助于满足客户需求或无法有助于启动新数字业务模型的工具,其价值很小。另一个问题是选择自己最喜欢的技术,例如云计算、预测分析、区块链、人工智能或物联网(IoT)。里夫斯表示,有时首席信息官可能会钟爱于其工具包中的某一个工具,而忽略考虑了一些基本的竞争性和客户因素。舒尔说:“我们所看到的那些转型工作开展良好的客户,他们较少关注于很酷的新工具或新技术产品,而更多的是关注于寻找能应用这些技术的地方。”7.大爆炸理论在策略上找到共同点并表示愿意变革的组织都倾向于使用“大爆炸”方法来推行转型工作,而不是采用一系列迭代转变方式来改变业务流程。这通常会导致“对过多的结果有过多的期望”,舒尔说。他补充道,如果组织文化不适合,则企业战略就会失败。“关键是您如何在不断重复的基础上获得成功,而不是在那个永远不会实现的大里程碑基础上获得成功。”8.缺乏速度在Wipro Digital公司调查的受访者中,只有4%的人表示,他们在不到一年的时间内看到了一半的数字化投资所带来的成果,大多数受访者表示,他们公司花了两到三年的时间才看到至少一半的投资产生结果。拉伯格表示,数字化加速推进的规模和步伐会使问题更加严重,很难缩小老牌公司和竞争对手之间的差距。例如,开始使用第2版本数字化服务的公司发现,自己正在与使用第78版本的颠覆性公司进行竞争。“规模或网络效应会使转型失败看起来更严重。”拉伯格说。9.人才短缺数字化转型工作需要配备新的人才,其中包括接受过最新编程语言培训的软件工程师,以及了解客户对虚拟助手需求的产品经理。当找到用户体验设计专家、DevOps工程师、数据科学家和人工智能人才时,企业会支付高昂薪水。海曼说,90%的组织机构认为,他们至少需要一些新型的人才,而37%的组织机构则认为,要想成功实现数字化转型,就需要进行大范围的人才结构改革。但需求远远超过供给,大多数企业发现很难吸引成熟的软件开发人员、产品经理和其他技术专业人员,因为这些人才都去了苹果、谷歌或Facebook。10.缺乏连续性您之前也见过这种情况:某位首席信息官的领英个人资料从“X公司的全球首席信息官”变为“Y公司的全球首席信息官”,或者更糟的是,“正在寻找下一个职位”。这种跳槽的影响很难量化,但这种人员流动往往很难逆转。拉伯格说:“高层主管不想延续某一变革。”“他们希望从头开始,留下自己的印记。”拉伯格还表示,普通员工和其他管理人员的流动是造成这一问题的主要原因。由于首席信息官及其员工(自愿和非自愿)的跳槽,企业几乎没有可能来推行其数字化战略。
随着经济开始出现转机,对IT预算的预测也已经开始下滑,是时候在首席财务官打来电话之前收紧你的技术储备了。经济景气的时候,庄稼丰收,粮食满仓,企业很容易就能够大快朵颐。而当时局艰难,财政收入蒸发时,是时候削减那些曾经非常有意义的疯狂开支和大胆想法了。这不是一项容易的或令人愉快的任务,但如果认真执行,结果可能是获得一个灵活高效的组织,随时能够准备好走向未来。在首席财务官打电话来之前,这里有11个不太明显的地方可以从IT预算中寻找利润。1.转储的噱头你的网站是否包含了额外的数据,只是为了让它更有用?一些网站喜欢滚动股票市场的报价,天气预报或是体育比赛的比分,以便使体验更加丰富。还有其他的包括像这样的预告,“这家酒店在过去的47分钟内已经被预订了18次。”在经济繁荣时期,人们会期待看到聪明的数据和华丽的显示屏--有时甚至能小幅的提高收入。但在经济困难时期,它们很容易成为省钱的目标,特别是那些通常由运行在自己的服务器中的单独微服务支持的“增强功能”。这些功能通常会对信息源或API进行频繁的后台调用,以收取订阅费用。这些额外的功能可能会使你的网站更加复杂,但是如果这些额外的字段只是为了美化或娱乐,那么数据传输的成本、额外的服务器时间和软件维护开销就很容易减少了。2.更改架构的优先级开发团队总是试图完成他们所提供的目标。在繁盛时期,许多管理人员会关注强调速度的指标,例如响应时间。但节省这些毫秒通常也意味着增加额外的服务器层,构建更接近用户的精心设计的网络。这些都是崇高的目标,因为大量研究表明,变化无常的客户对高速反应良好。但在时局艰难、每一分钱都很重要的时候,顾客可以用更少的钱来凑合。对价格敏感的人也可以多等几毫秒来达成交易。如果优先级从速度转换到效率,许多额外的缓存和同步层就可能会消失。与其测量原始的反应时间,不如看看满足请求所需的计算量。有时,只需将速度降低10%或20%,就可以节省一半以上的计算量了。节省额外资源上的资金也意味着能够节省保持所有这些层所运行的劳动力。3.审计基础设施配置优秀的开发人员如果足够谨慎,他们通常会创建具有更多内存和虚拟CPU的云实例--以防需求激增。有时甚至不只是开发人员会这样。有人会因为用户激增而把机器升级。在经济繁荣时期,这种增加一点额外力量的先见之明的行为会得到奖励。不过,在经济拮据的时候,这些开支应该被小心的回收。拨回CPU通常会比较容易,因为分配核心的层基本上是自动的。如果没有额外的CPU内核可用,软件只需再等待一纳秒,就会有空闲出现。拨回内存则有点危险,因为当找不到更多内存时,软件崩溃或失败的情况将更为常见。如果代码在正常的情况下失败了,可以在减少RAM的同时查看日志文件。有时罪魁祸首就是本地存储。当一些实例的账单到达时,磁盘空间的成本可能会超过CPU或RAM。大部分磁盘空间是空的,但有人将计算机映像构建为了原来的两倍大--只是以防万一。云计算使得增加额外的磁盘空间变得容易了;而让他们减少开支可能会有点麻烦。4.反思灾难准备以一场巨大的社会灾难为借口来减轻防灾准备工作似乎有些奇怪,但我们所有人现在都应该知道什么才是真正重要的。建立一个健壮的、故障安全的数据库来收集关键任务医疗材料的订单比以往任何时候都更加重要。但是,把同样的安全原则延伸到一堆社交媒体帖子上就不是这样了。有些数据库不需要每隔几毫秒就在世界各地复制一次。有些击键也不需要跟踪。一些数据库甚至不需要实现事务一致性。许多数据甚至根本不需要太多的关注。一些事务的一组日志文件对于偶尔引用的位(如果有的话)来说可能就会有很好的效果。5.切换到无服务器在过去的几年里,一种新的轻用资源的选择已经达到临界值。“无服务器”仍然包括隐藏在层下的服务器,这使得计算变得更容易了,因为当偶尔出现请求时,基础设施会负责启动和关闭虚拟服务器。云计算的价格通常小得令人难以置信,因为云计算供应商对某些web请求的响应收取的费用只有区区几美分。如果你的一些数据库或网站一个月只接待几十个人,那么你的账单可能会少于一便士,甚至可能四舍五入为零。寻找那些负载非常低的服务器,并寻找能够替代它们的方法。它们可能是实验性的工具,也可能是商业利基市场的工具。小心那些可能会传播病毒或遇到使用高峰的业务。一分钱的数量如果多了,加起来也是很快的。6.考虑低租金选择在过去,IT部门会通过构建由专有前端管理的专有数据库来解决问题。自定义软件就是这个游戏的名称。现在,在云管理的电子表格中转储数据比以往任何时候都更加容易了。例如,微软的Excel就有一个接受JSON数据包的API,Google Sheets也是如此。如果你已经为桌面工具付费了,为什么不直接将基本数据推送到电子表格中呢?这是一个很好的计划,因为它还可以增强其他能够使用电子表格但不能处理SQL的团队成员的能力。但这也是有限度的。例如,Google Sheets只能处理40万个单元格。当数据变大时,在web浏览器中下载所有数据可能会是一件很麻烦的事情。但是对于小规模的工作来说,依赖基础设施可能是提供解决方案的一种快速的方式。7.将低使用率的服务重新分配到旧的重新利用的硬件上云计算机器易于配置和使用,但是如果你经常使用它们,它们就会变得很昂贵。最容易省钱的地方是二级和三级的数据库,它们需要随时可用,但又不是关键任务的数据库。可以将它们移回本地,使用那些通常运行某些开源操作系统的旧硬件。一些带有富余磁盘的后台机器也可以作为日志文件和很快就会被遗忘的数据库条目的有效存档。不要以便宜的价格卖掉一些旧机器。可以通过将数据移回服务器壁橱来节省云存储的费用。8.仔细检查升级软件升级可能会是一个挑战。有些可以修复安全漏洞和稳定性的问题。应该尽快安装它们。其他的升级则可能包括一系列新的特性和功能,当资金能够自由流动时,这些特性和功能可能会受到热烈欢迎,但现在却应该仔细考虑隐藏的费用了。新特性通常意味着更多的代码,而更多的代码则通常需要更多的内存和CPU。即使升级已经包含在许可证成本中了(它们通常花费更多),为更大的计算资源支付费用也可能是不必要的支出。每个人都已经在没有额外功能的情况下操作了。升级是可取的吗?还是真的有必要而且值得付出额外的代价?9.降级服务许多图像和视频的分辨率是额外预算最隐蔽的集合之一。改用低分辨率是一些主要的视频流媒体服务在COVID-19封锁后所做的第一件事。豪华的4k视频是美妙的,但大多数情况下,人们也能够以更低的等级做得很好。降低像素的数量和使用更极端的压缩意味着可以用更少的服务器来传输数据以及更低的带宽费用。10.重新使用开源专利代码通过提供价格合理的高级特性,在市场上赢得了自己的地位。如果您的堆栈已经包含了一些昂贵的代码,那是因为这些代码交付了一些重要的东西。为了节省许可成本而取消运行专有代码对关键任务核心来说可能没有意义,但有大量的二级和三级工具也是可以公平竞争的。充分的内部系统开源选项可以帮助节省费用。这一举措可能不会受到喜欢这些额外功能的内部团队的欢迎,但如果许可预算较低可以避免裁员,他们会感谢你的。11.停止提供食物就像Dave Barry所说的,“这不是我编的。”一家硅谷网络公司曾经邀请我去他们的办公室吃晚餐。员工厨师准备的食物很好,但晚饭后,在餐厅几英尺之外的柜台上,放着至少20瓶顶级的昂贵烈酒,还有一些Napa Valley最好酿酒厂的红酒。有些酒在所谓的折扣店的售价在100美元以上。数量太多了。你的技术预算是否也包括了一些委婉的标签,比如“鼓舞士气”或“加班服务”?这个架子上的酒花费了一个大项目一年以上的服务器时间。对于许多组织来说,购买酒精和其他食物会是一个有效的策略。很难判断这个管理团队过去做了些什么,因为自从我吃过晚饭以来,该公司已经生存并成长起来了。但是时代变了。至少,可以砍掉超过10年的苏格兰威士忌以及小批量的任何东西。从纳帕酒转向索诺玛酒,或者更好的,考虑一下盒装酒。扔掉甜甜圈吧。这样既可以减少额外的预算,也可以减少堆积在我们腹部用以抵抗脂肪的胰岛素。
在过去的几年中,IT部门常常会被要求在与业务的合作中扮演更积极的角色,以帮助实现业务目标。对大多数人来说,强大的IT和业务伙伴关系正在带来回报,进而产生了可以直接影响产品或服务交付、提高运营效率或是改善整体客户体验的数字解决方案。通常,这些解决方案是切实可行的,例如新的或改进了的后端软件、支持AI的呼叫中心,或是可以为最终用户提供更高水平的可见性和可访问性的移动应用程序。从本质上讲,IT组织已经将其运营模型从关注业务的运行和支持发展为了关注业务伙伴关系的增量式改进。但是,随着技术的快速发展和竞争基础的迅速转变,这种方法是否已经足够了呢?规模经济正在显著地降低单位成本,为技术和业务用例的新应用打开大门。因此,企业既面临着提升价值的机遇,也面临着破坏性的威胁。今天的技术和“可能性的艺术”正在从启用和改进业务转变为了转换业务流程和业务模型。在Oshkosh公司,组织中的每个人都有一个共同的目标:改变他人的生活。这种共同的目的和哲学商业方法已经让我们在每一项业务中都占据了市场领先地位。例如,作为我们组织的一部分,我们设计了用于应对紧急情况的消防设备,例如发生火灾时。一辆消防车的核心目的是帮助扑灭火灾,但Pierce制造公司(一个Oshkosh业务部门)通过超越核心需求,寻找到了更广泛的方式来改变那些保护我们安全的男人和女人的生活,从而将自己与其他制造商区分了开来。正是这种思维方式推动了领先市场的创新,例如我们的空中态势感知系统,它是一种绳式无人机,能够为热监控提供免提视频流,向在途响应者提供实时传输,以及为消防员提供场景文档。考虑到这一点,我们在IT团队中采用了相同的核心理念。我们不再认为IT是一个支持我们核心产品的功能组件(如网络、基础设施、信息安全)。我们认为IT也是一种通过数字解决方案来改变人们生活的业务。所以,在我们做的每一个决定中,我们都会问一个基本的问题,“我们将如何利用技术来改变我们内部和外部客户的生活?”这种方法是一种不同的思维方式,它超越了建立商业伙伴关系的范畴。像任何企业一样,我们会花时间去了解我们的产品和服务成本、价值、质量,并制定策略来优化我们的产品和服务组合。我们会花时间通过对客户需求和痛点的第一手了解来表达对他们的同情。当我们想到IT的特点时,我们的第一个想法通常不会是同理心。但是,通过在整个组织中优先考虑同理心,其结果将会是更高水平的倾听和讲述,以及更高比例的做与说。为了更好地理解我们的客户,我们调整了组织结构,将IT资源嵌入到了业务当中。这允许我们能够采用更全面的方法来与组织的多个层次的业务涉众进行交互。我们还可以在产品开发中注入业务词汇和情感,并提高我们的业务领袖在数字方面的悟性。这将带来更快、更成功的数字化转型,而不仅仅是满足短期的业务需求。在数字化转型中寻求平衡同理心的方法是有效的,但它也带来了挑战。它的思维方式必须植根于技术。我们不断努力加强与客户的合作关系,更好地了解我们的业务功能和痛点,但我们也对技术及其进步有一种与生俱来的迷恋。难点在于如何在解决问题以产生直接影响和探索新的创新或转型机会之间找到适当的平衡。当我们从业务角度考虑IT时,我们不仅会以不同的方式与客户进行交互,还会以不同的方式来看待自己。例如,考虑客户体验。通常,IT部门的服务台是根据每天提交和完成的票数来进行操作的。但是如果这些指标是基于提交的票数和决议的质量呢?通过这种方法,我们可以衡量我们响应客户的速度和效率,同时考虑我们所提供的解决方案的质量和可持续性。将IT的心态从业务支持功能转变为提供数字解决方案的业务不是一件容易的事情。它需要在业务和IT之间建立信任、信誉和责任。根据我的经验,要做到这一点,需要以下几个关键步骤:•不仅要了解你的业务成功地做了什么,也要了解它不能做什么。花时间与公司的各个方面见面,倾听他们的意见。一旦你有了更好的理解,你就可以成功地调整流程、工具和文化,从而使业务成功。•创建一个IT和业务的计分卡,并使用业务能够理解的语言编写。我们可以使用的最简单的度量标准之一是通过完成的数字项目所实现的期望值。这是我们衡量收益的形式,我们提供了截止到目前为止完成项目的预期价值的数据,以及今年的预测。这类指标与业务领袖在季度会议上向投资者展示的指标非常相似,有助于形成一致性,让他们对IT有更好的理解。•将相同的业务规则应用于IT组织。业务不会每天改变方向,但通常会在季度或年度的基础上重新评估活动和进展。IT也应该采用相同的原则和时间表来查看项目和性能。但这并不意味着IT组织将变得不那么敏捷,而是以业务能够理解的格式和节奏来呈现进度报告和方向转变。这就是谈话的质量和统一的词汇需要出现的地方。•对项目进行优先排序,并将重点放在那些为整体业务提供高价值的项目上。通常情况下,一个业务部门可能会说太多的“不”,但对IT来说则恰恰相反。这里可以使用在业务中看到的相同的优先级方法。了解每个项目的目的,但优先考虑更重要或更有影响力的项目,以避免在每个项目上申请资金。通过采取这种方法,你就是在说,“我们对做很多事情持开放态度,但我们也对在承担更多项目之前完成项目持开放态度。”•为创新和实验项目留下一些“回旋余地”。有些项目可能会对技术的使用、价值主张甚至采用带来不确定性。此类项目的参数必须向业务审查委员会明确定义,以便在应用任何资金时都要考虑到一定程度的不确定性。总之,作为首席信息官,我意识到我们真的需要有意识地重写组织DNA。这与技术或项目无关。而是关于我们该如何重写DNA,以客户至上的基本原则为基础,对业务价值的不懈关注,也包括我们团队成员的整体福祉。
人们需要了解人工智能影响供应链的8种方式。了解供应链简单地说,供应链包括一系列向客户提供产品或服务的步骤。企业与其供应商之间总是有一个网络来生产特定产品,并将其交付给最终用户。这个网络包括不同的活动、人员、实体、信息和资源。供应链还表明将产品或服务从原始状态提供给客户所采取的步骤。这些步骤通常包括将原材料转移和转化为产品,并运输这些产品,最后将它们交付给最终用户。供应链中涉及的实体包括生产商、供应商、仓库、运输公司、配送中心和零售商。供应链管理对于企业来说是至关重要的过程,因为优化的供应链可以帮助企业降低成本,并在商业环境中保持竞争力。了解人工智能及其对供应链的影响当大多数人听到人工智能这一术语时,他们通常想到的第一件事就是机器人。但这并非完全正确。人工智能(AI)是机器智能的同义词,它是由机器表现出来的智能,而不是由人类表现出来的自然智能。“人工智能”这一术语通常用于描述模仿人类与人类思维相关的“认知”功能的机器(或计算机),例如“学习”和“解决问题”。企业可以使用这些方法,然后对其进行分析,以获得可以启动流程和复杂功能的结果。在Crisp Research AG公司于2016年对IT决策者进行的一项研究中,发现物流行业是其中已经积极使用机器学习流程的企业数量最多的行业之一。现在,许多企业已从人工智能投资中受益。根据Adobe公司的调查,目前有15%的企业已经开始使用人工智能,而其他31%的企业计划在2019年采用人工智能。可以产生收益的领域包括研发、产品创新、供应链运营和客户服务。调研机构麦肯锡公司预计,通过在供应链中使用人工智能,企业每年获得经济价值为1.3万亿美元到2万亿美元。据普华永道公司预计,到2030年,人工智能可以为全球经济贡献近15.7万亿美元的价值。以下是人工智能影响供应链的8种方式:(1)人工智能能够分析大量数据,从而增强需求预测企业通过处理大量的数据(例如由传感器产生的数据)以描绘现实世界,然后做出正确的决定。例如当库存落后于需求时,企业可能会遭受损失。人工智能的预测能力有助于网络规划和预测需求。这使销售商变得更加积极主动。物流公司通过了解期望值,可以调整车辆数量并将其引导到预计最大需求的位置。这会降低运营成本。大数据的力量使物流公司能够比以往更好地预测高度准确的前景,并优化未来绩效。大数据技术可以进行预测和复杂的情景分析,并可以进行精确的容量规划以及供应链和库存的优化。(2)人工智能提供了提高生产力的见解通过自动计算更好的解决方案,人工智能极大地提高了仓库的生产率,特别是对于在线零售商。将人工智能应用于供应链管理,可以对其进行绩效分析,找出影响同一领域的新因素。为了找出影响供应链绩效的因素和问题,人工智能结合了强化学习、无监督学习和监督学习等不同技术的能力。(3)聊天机器人正在重新定义客户支持根据埃森哲公司的调查,80%的客户服务都可以由机器人来处理。人工智能可以使客户和物流供应商之间的关系个性化。Pega公司表示,38%的消费者认为人工智能可以增强客户服务。还有一个个性化客户体验示例是DHL公司与亚马逊公司的合作。通过使用Alexa应用程序跟踪DHL包裹行程,DHL客户可以要求Alexa与Amazon Echo或Echo Dot智能音箱连接,并确认包裹的状态。如果在交互过程中出现任何问题,Echo用户可以直接与DHL公司联系,以寻求其客户支持团队的帮助。(4)智能仓库管理在未来几年内,大面积的仓库管理将会完全实现自动化。人工智能技术越来越成为不可或缺的组成部分,尤其是在短期和中期预测方面。智能仓库是一个完全自动化的设施,其中大部分工作是通过自动化或软件来完成的。在此过程中,繁琐的任务得以简化,其操作变得更具成本效益。阿里巴巴集团和亚马逊公司已经通过使用自动化改造了他们的仓库。亚马逊公司最近推出了根据客户订单自动装箱的机器人。在亚马逊公司的仓库中,机器人和人类一起工作以提高生产力和效率。(5)自动驾驶汽车自动驾驶汽车是人工智能提供供应链的下一个重要产品。拥有无人驾驶卡车可能需要一段时间,但是物流行业现在正在利用高科技驾驶来提高效率和安全性。在辅助制动、车道辅助和高速公路自动驾驶方面,预计该行业将发生重大变化。为了达到更低的油耗,更好的驾驶系统正在推出,它的作用是将多辆卡车聚集在一起形成编队。物流公司通过计算机控制这样的编队,它们也彼此相连。(6)遗传算法正在缩短交货时间并降低成本在供应链中,每一英里和每一分钟都很重要。企业可以使用基于遗传算法的路线规划器来规划交付的最佳路线。全球快递服务商UPS公司使用GPS工具Orion帮助司机及时、经济、高效地送货。可以根据交通状况和其他因素来规划和优化路线。Orion可以帮助UPS公司每年节省近5000万美元。(7)机器人技术任何关于人工智能的讨论都离不开机器人领域。虽然它们听起来像一个未来主义的概念,但它们已经嵌入到供应链中。根据调研机构Tractica Research公司估计,到2021年底,全球仓储和物流机器人的销售额将达到224亿美元。如今,有些仓库的操作原理已不再为人类观察者所理解,因为它们是由人工智能管理的。它们的共同特征通常是采用机器人处理,尤其是自动导引车(AGV)。在仓库中,产品以混乱的方式存放在各种架子和过道中。对于自动拣选机而言,这意味着不必要的旅程和搜索时间,这对于自动驾驶机器人来说是没有问题的:当收到订单时,第一个可用的自动拣选机将拾取最接近其位置存储的物品,并将其传送到仓库末端的人工打包机。(8)财务异常检测供应链供应商通常依赖大量的第三方运营其业务的核心功能,这些第三方包括公共航空公司、分包人员、特许航空公司和其他第三方供应商。这给物流会计团队带来了更大的负担,他们每年要处理来自数千家供应商、合作伙伴或供应商的数百万张发票。在这里,诸如自然语言处理之类的人工智能技术可以从企业收到的非结构化发票形式中提取关键信息,例如账单金额、帐户信息、日期、地址和相关方。咨询机构安永(EY)公司正在采用类似的方法来检测欺诈性发票。使用机器学习技术对国际方的发票进行彻底分类,并识别异常以供专家审核,这有助于安永公司遵守制裁、反贿赂法规以及《美国反海外腐败法》的其他规定。安永公司的欺诈检测系统达到了97%的准确性,并已推广到50多家公司。类似的逻辑可以应用于具有高频重复任务的任何业务流程。结论在不久的将来,人工智能将为整个供应链和物流流程建立新的效率标准。游戏规则瞬息万变,并通过自动化、智能化和更高效的方式,为全球物流公司管理数据、运营和服务客户创造了“新常态”。以往被视为人类专属领域的任务现在可以执行,这要归功于当前算法开发的进展,以及加上更强大的处理能力和可用数据量的指数增长。
云计算已经改变了我们对数据管理和分布式工作负载的看法。向任何一位首席信息官询问他们对多云的看法--数据和应用程序应该如何在所有公共云、私有云和本地云之间无缝地传输,以获得最低成本和最佳性能--你可能都会得到两种截然不同的回答。其中一个典型的例子是来自那些还没有将计算转移到AWS、Microsoft Azure或Google Cloud等公共云的新手。他们对这个概念完全不感兴趣。因为他们的印象是,无论如何,云就应该是这样工作的。另一个呢?这是为那些曾经和上面那些人有同样印象的人写的。然后,他们将数据和工作负载转移到了公共平台。现在,他们仍在想,是否真的可以实现多云。事实上,这是有可能的。我们现在开始看到一个新的稳定的产品出现了,可以解决今天的多云缺点。今年1月,Gartner为这类新兴产品创造了“云数据生态系统”这一术语。分析公司451 research去年年底将其命名为“企业智能平台”,而Cloudera号称是该类别中最全面的平台,并在去年夏天将其命名为了“企业数据云”我称之为云计算2.0。当一切尘埃落定,它最后将变成云1.0本应成为的一切。发生了什么…在看似无限的按需存储和计算能力的诱惑下,许多急于放弃数据中心资本化决策的早期采用者双双投入了云模型。但是很多人很快发现他们的脚卡在了需要着陆的地方。这里有两个原因。首先,他们已经被锁定在长期合同当中,签订这些合同是为了在不知道实际需要多大能力的情况下也能够获得优惠价格。虽然他们支付的是固定利率,但实际上他们最终还是支付了更多。有些人最终只使用了他们保留的功能的一小部分。而那些低估了存储空间和计算需求的人最终会面临令人瞠目结舌的超额收费。第二个原因是,他们了解到,在所有相关元数据都完好无损的情况下,从云服务将数据带回会是多么困难。放弃历史记录和其他描述性的上下文关联会极大地降低数据在未来分析中的价值。在某种程度上,为了摆脱困境,企业开始越来越多地投资于自己的私有云能力,或者外包给第三方数据中心,或者投资于老式的、实地的、现场的资本化方案。他们的目标是最大限度地利用自己的资源,然后在绝对必要的时候才将其释放到云上。“肯定有很多遣返活动在进行当中,”联想数据中心集团软件定义基础设施业务的技术总监Henry Vail告诉我。“客户真的很喜欢混合云的概念。因此,他们正在构建或外包自己的私有云。”重要的是要理解那些冒险进入云的企业仍然对云模型充满热情,并继续致力于云计算。甚至一些还没有涉足实际云计算的公司也在投资并受益于虚拟机、容器和微服务的灵活性和效率。云提供商都在使用他们自己的混合云选项来对此做出响应。事实上,去年年底,三大公共云提供商都发布了或增强了将其服务扩展到私有云部署的计划:•AWS宣布了自己的基础设施即服务产品AWS Outposts•微软(Microsoft)于2017年首次引入Azure Stack,将其云服务扩展到了客户的数据中心,并发布了Azure Arc,将Azure Stack的保护伞扩展到更广泛的硬件和服务上面。•谷歌也披露了自己的混合云平台Google Anthos。拥抱多云就目前而言,这些服务都是受欢迎的扩展。也就是说,虽然它们都在将自己的平台从自己的公共云扩展到托管的私有云和内部数据中心,但它们都没有帮助客户走出自己的领域,然后进入竞争对手的云基础设施。无论是在IBM和Redhat、HPE还是Oracle,您都会遇到与其他云提供商几乎相同的情况。像Nutanix和Dell的VMware这样的平台是独一无二的,因为它们支持多个云平台。但首先,你必须从中挑选一个。从一个地方移动到另一个地方仍然具有挑战性。我们很难指责公共云提供商为何不愿为付费客户铺平道路,尽管有一天他们可能不得不这么做。因为客户确实需要云计算。事实上,在云平台之间左右移动的能力,以及从公共云向私有或租赁资产的上下移动的能力,都是我们在听云广告时能够听到的。不幸的是,这并不是云提供商真正想说的。至少现在还没有。“客户真的希望能够用单一的规则来管理一切,”Cloudera负责行业解决方案的副总裁Cindy Maike表示。“出于成本或性能方面的考虑,他们希望能够灵活地访问数据,并将工作负载放在最合理的地方。如今,客户想知道他们能以多快的速度来采取行动。”当然,答案是它取决于或者主要取决于您将如何开发您的云架构。如果您从一开始就准备好了数据和工作负载,那么就会轻松很多。而且还会有更多的帮助。例如,在业务分析和机器学习方面,像Databricks、Looker和Rancher这样的公司可以用来帮助编排跨不同部署的ML项目。像Panoply、Qubole和Snowflake这样的公司则能够在混合云和多云部署中帮助协调数据。Cloudera的独特之处在于,它为数据和ML管理提供了新的Cloudera数据平台,这是与一年多前收购的Hortonworks进行功能合并的结果。Cloudera平台的一个关键部分是它的治理能力,它可以帮助运营商设置和维护元数据参数,包括安全性、法规遵从性和数据分析--甚至是跨云平台的数据分析。当然,其他独立的数据管理平台也正在追求多云治理。最终,每个人都会需要这样做。因为如果没有轻松的数据和应用程序的可移植性,我们就无法实现真正的多云数据。这就是云2.0的核心和灵魂,也正是我们想从云1.0中想要得到的。
随着岁末年初的到来,现在是展望未来一年行业发展趋势的时候,以便企业为做出明智的决定做好准备。在IT领域,企业领导者在IT领域做出的选择不仅会对业务发展和客户关系产生影响,也会对整体经济产生影响,而整体经济越来越依赖于为关键业务提供可靠服务的企业网络。人们可以了解一些关键IT技术在2020年的发展前景。1.2020年的数据中心:自动化发展和更加低廉的内存行业分析人士在年底的时候,通常会对未来一年进行预测。人们将会看到一些事情即将到来:在2020年,云计算得以兴起,SSD硬盘继续发展;很多企业将工作负载从云平台遣返回内部部署数据中心,AMD公司计划在市场上卷土重来,这些都是令人关注的发展趋势,行业媒体为此做出10个面向数据中心行业的预测,其中包括物联网,NVMe over fabrics的影响,以及存储级内存价格将会下降等。2.2020年物联网:尴尬的成长时代物联网的一些宣传和炒作已经成为现实——从自动驾驶汽车到联合收割机,再到工厂的智能机器设备,如今已经成为人们工作和生活的一部分。然而,尽管物联网呈爆炸性增长(Gartner公司的一项广泛引用的预测声称,2020年企业和汽车物联网设备的数量将达到58亿台),物联网市场解决其已知缺陷和复杂问题的能力仍以更为平缓的速度发展。这意味着,持续的安全问题和缺乏完整的解决方案是对于未来一年物联网发展的主要预测。3.2020年的SD-WAN:寻找6种趋势随着分布式组织广泛部署SD-WAN技术以解决广域网带宽限制、提供可靠性/弹性,以及提高基于云计算应用程序的用户体验质量,SD-WAN市场竞争仍处于白热化状态。数十家供应商正在采用云计算技术、对领先SaaS应用程序的支持、安全和管理/自动化平台的创新,在完善其SD-WAN产品等方面开展市场竞争。4.2020年边缘计算的热点是什么?一切企业很少面临像网络边缘这样的动荡。行业专家表示,推动这一变化的挑战多种多样,从不断增长的SD-WAN接入需求到云计算互联资源和物联网,企业的传统边界正在发生根本性转变,并将在2020年持续这一发展趋势。5.2020年的5种颠覆性存储技术几十年来,存储技术的进步主要是以容量和速度来衡量的。近年来,通过采用使存储变得更智能、更灵活且更易于管理的先进新技术和方法,这些稳定的衡量标准得到了增强。在未来一年,随着IT领导者寻求更有效的方法来应对由人工智能、物联网设备和众多其他来源产生的数据海啸,有望对原本发展平稳的存储市场带来更大的颠覆性。随着企业采用率的提高,五种存储技术将在2020年带来颠覆性影响。6.2020年的5G:仍然只是一个私人派对如果人们听到各大移动运营商正在谈论5G,以为他们正在或已经部署,并且已经准备开始改变世界。5G具有超高速连接、低延迟,以及显著提高处理大量不同连接的能力。而最终这一切都将成为事实——但据该领域的专家称,现在并不是时候,而且大部分不会在未来一年内发生。支持5G技术的3GPP标准尚未最终确定,尽管预计将在2020年初实现,这意味着备受吹捧的美国5G部署是基于以前的技术标准。7.2020年思科公司的发展热点预计思科公司2020年将在云计算、安全性和SD-WAN方面继续努力,但仍有许多障碍需要克服。CIMI公司总裁Tom Nolle说:“总的来说,我认为思科公司需要以一种更有效的方式进入云计算。我认为他们最近的重组表明他们对这一点的理解。Cloud Interconnect是一个侧面展示。我们需要的是独立于基础设施的开发和部署,这将使Cloud Interconnect只能成为一个网络网关。”8.Gartner公司展望2020年及以后的IT技术革新预测长期的IT技术趋势有点让人不知所措。但是,Gartner公司分析师一直专注于展望,多年来具有80%的准确率,Gartner公司副总裁Dart Plummer表示,这些成功的预测包括自动化、机器人技术、人工智能技术和其他持续发展趋势的兴起。9.Gartner公司预测2020年十大战略技术趋势技术变革的步伐正在迅速加快,IT专业人员以前从未处理过的事情(例如超级自动化、多重体验、人为增强)将加速技术变革,Gartner公司认为这些将对企业发展产生重大影响。自从互联网发布第一条信息以来到现在已经有50年的时间。在这50年中,科技改变了企业、关系和社会本身。而未来五年可能带来的变化与过去50年一样多。
创新和数字化转型的成功是建立在某一基础之上的。那么,首席信息官在创建学习型组织方面应具备哪些知识呢? 几周前,在每周进行的#CIOChat会议上,我询问了与会者有关创新的问题。在讨论的过程中,我们简要了解了学习型组织。鉴于此,我接下来想利用#CIOChat会议来介绍学习型组织的一些知识。如你所见,学习与创新息息相关。因此,首席信息官和其他业务主管需要创建学习型组织。 创建学习型组织有什么价值? 一个学习型组织会不断地获得新的技能和能力,并在组织的各个级别上鼓励和要求养成这种习惯。根据首席信息官的说法,当IT主管不能开启这个学习进程时,将会产生真正的后果。事实上,首席信息官认为,如果不开展学习,IT领导层和更大的商业组织将无法长期生存。如今,一切都在快速变化,包括业务和技术,IT组织也必须学会与时俱进。 显然,改变是不会结束的。我们如何不断进步也是没有止境的。技术不会停滞不前,IT人员也不能止步。所以,需要持续学习。一位首席信息官说:“问题是当你坐着不动时,你最终就是抛下一个锚。显然,如果不学习,人们只会知道他们已经知道的东西,这意味着他们的组织将无法前进。发生这种情况时,这一组织就无法自我改进。相反,这一组织实际上会不断倒退,走向灭亡。”在这方面失败的公司有很多,其中包括柯达、黑莓数字(BlackBerry Digital)、康柏(Compaq)、Palm、玩具反斗城公司(Toys R Us)和Borders Books等。 可悲的是,这些公司中的许多公司在过去都有些正在进行中的工作可以让他们重新取得成功,但是他们没有抓住这些工作,也没有将这些工作放入杰弗里·摩尔(Geoffrey Moore)所谓的转型区。与上面列出的公司相反,学习型组织会创建正向反馈循环。采取这一步,可以鼓励不断学习,这不仅给组织带来了新知识,而且还增加了学习更多知识的愿望。成为一个学习型组织可以使自身具有敏捷性、适应性、灵活性,以及能够满足组织各部分和整个市场不断变化的需求。 因此,学习型组织会变得更加敏捷,更容易变革。这样的组织是人们重新培训和提高技能的地方。由于这些原因,学习型组织变得不那么僵化。它们通过对人员的投入从而对组织及自身持续改进获得回报。有一个含蓄的理解是学习没有止境,它需要一个连续的循环。首席信息官们说,学习让我们可以说,我们正在对你投资,因为你很有价值。这从本质上推动了员工的参与、发展和增长。一位首席信息官说:“我之前已经讲过这个故事,但是在以前的一个组织中,一位经理对我说,那些我为他们投资获得认证的人不断地离职,所以我不再为他们获取认证而付费。剩下的人会留下来,而且不想获得认证。唉”。 此外,学习型组织在接受变革管理和创建变革领导层方面会做得更好。这两者在今天都是至关重要的。学习型组织是一个响应型的组织,了解需要对某些事情紧抓,并不时进行调整。然而,如果你没有一个稳定的业务操作,你就不能在组织成熟度模型中处于更高的地位。另外,你和你员工的精力将大量消耗在处理紧急问题上。 学习型组织本质上是否更具创新性? 首席信息官很清楚,他们认为没有什么事情是自动产生的。如果领导层通过接受风险和奖励一些正确的行为等表现出对持续学习的支持,那么这个组织就拥有更好的创新性文化,而不是依赖于一些历史的技能。组织具有对失败的容忍度以及对创新和试验的意愿,这是必不可少的。可能会存在一个教授规避风险的学习型组织。这种类型的组织文化决定了是否可以进行创新。 简单地说,学习可以使组织跟上时代,而创新则可以促使组织去做出新的东西。鉴于此,学习型组织并不会自行推动更多的创新。但是,学习对创新型组织是有帮助的,也是至关重要的。同样,要创建一个创新型组织,你需要改变文化,以便可以经历失败和看到学习机会。 从本质上讲,学习型组织更有可能具有创新性,但人员可能是创新的最大敌人。学习、成长、适应、阅读失误和失败以及走出失败,这会增加成功的可能性。因此,首席信息官们不认为学习和创新是相关的。学习不仅仅是从错误/失败中学习。创新不一定总是成功,但是失败可以作为一个学习的机会。 首席信息官需要做哪些关键的事情来创建学习型组织? CIOChat的与会者提供了以下十件事情: 1.提供资源(时间、金钱、灵活性) 2.创建一种重视学习的文化 3.养成一种鼓舞和加强学习的习惯。 4.想办法使学习变得更容易——有多种学习方式,让每个学习者都可以找到一种自己的方式。 5.维护员工参与学习所需的预算和时间,就好像你的工作依赖于此一样。因为学习确实与工作密不可分。 6.给人们学习的时间和预算,奖励他们实现学习目标。不仅如此,还要表明你将利用这些新技能和人员来推进工作。 7.让自己成为学习模范。如果你不学习,没有其他人会这样做。让你的组织高层领导也这样做。整个组织,而不仅仅是IT人员,都需要完全参与,否则你可能无法充分发挥潜力。 8.启动辅导项目。辅导可以为组织带来许多积极的结果,包括打破孤岛,传递机构性知识,提升领导技能,促进公开交流和对话,以及解决冲突。 9.引进非传统的思维、工作和做事方式。敏捷、精益创业、设计思维。让你的团队脱离他们的舒适区。 10.花时间学习和尝试。如果你能从失败中学到所有教训,则失败是成功的必然要素。 在推动创建学习型组织方面,谁应该是首席信息官的最大支持者? 首席信息官们表示,学习文化应该从首席执行官和高管层开始,并且必须通过人力资源流程和消息传递来实现。从高层领导和IT员工自上而下。如果高层领导不认同这一价值,那么组织文化就会变得神经质。如果IT员工不支持,则他们将会走过场,而实际上学习不到任何东西。话虽如此,首席信息官们强调,学习需要时间。最后,如果将学习时间视为浪费,则没有人会愿意学习。 对于想创建学习型组织的首席信息官,你提供的最佳建议是什么? 首席信息官们表示,首先要查看组织内部,然后找到那些倾向于支持学习文化的部门。在需要时,首席信息官可能必须重新定义组织文化。在这种情况下,首席信息官会把大部分精力都放在这上面,而不是在学习上。同时,从小处着手是很重要的。首席信息官应创造少量学习机会,但要确保其具有尽可能多的包容性。首席信息官需要确保员工意识到学习是所有人的事。重要的是,一旦员工学习到了新的技能,首席信息官就需要制定如何使用这些技能的计划。同时,首席信息官应该想办法鼓励持续学习。 考虑一下你想要什么样的结果,让一支多元化的团队参与进来,以便他们可以帮助设计和打造一个你希望实现的组织。首席信息官需要设定一些积极的目标,衡量结果,并培养学习文化。重要的是,应该对那些想要了解学习内容的团队成员保持敏感。首席信息官应将此作为其消息传递的一部分来传达。 一位首席信息官深入讨论了信息安全问题。他们说,多年来,他们在信息安全访谈中询问人们正在学习或尝试什么东西。令人惊讶的是,很多人都没给出好的回答。显然,学习是一个过程。它需要包括所有人参与。在许多情况下,它需要吸引IT部门以外的人员参与。IT人员需要选择一种模型来指导这一过程。他们还应该衡量进展,并奖励在学习方面取得的创新和成功。 学习与创建创新型组织密切相关,但不仅仅是成为一个学习型组织,还需要更多东西。然而,学习需要首席信息官让组织能够相信,并去学习。对于某些组织来说,这将是一个巨大的改变,但对于另一些组织来说,这将是一种自然的工作方式。
只要与任何首席信息官或IT负责人交谈,他们将毫无例外地指出几乎所有组织都面临的一个问题:寻找并留住合格的技术人员。国家教育统计中心(National Center for Education Statistics)的数据显示,几年前,大约有64000名学生从美国的大学毕业,他们获得了计算机科学学士学位,其中约20%是女性。不过,美国劳工统计局(Bureau of Labor Statistics)的增长预测指出,据一些估计,美国有多达500000个计算机行业的职位空缺,预计这个数字的增长速度将是美国其他职位的两倍。显然,技术人才供不应求。造成技术人才短缺的原因之一可能是传统的高等教育课程和计划仍基于传统的学习方法,而不是在整个课程中过渡和促进数字素养。当今的学问并不一定与当今数字世界的现实相吻合。尽管学生每天可以使用各种设备并且适应了这种技术,但是由于当前教育计划中缺乏数字素养,他们离开学校进入当今的工作场所时还没有做好充分的准备。为什么会这样呢?在大多数的文科机构中,学生都处在一个面朝黑板的实体教学环境中,这个环境要求“读这本书,撰写或提交这篇论文。在个人生活中,他们是数字原住民,他们使用iPhone和各种技术来做几乎所有事情——从交流到订购食物。但是,他们必须将这个世界推到一边,以符合非数字素养的教学方法和教师的要求。这个解决方案不仅是在教室中引入更多的数字设备和技术培训,以使教职员工和学生对自己的工作进行更多的数字化思考,还可以提高他们整体的数字素养或生活,工作,思考和交流的能力。由互联网,社交媒体,移动设备和其它数字技术驱动的社会。简而言之,变革教育方式和学习方式,使其更符合当今数字世界的需求。为数字素养安营扎寨今年初,克莱姆森大学为制定解决方案迈出了第一步,启动了“大帐篷”数字素养计划,该计划是克莱姆森的IT与学者之间展开的合作,旨在创建和支持校园范围内的数字素养计划,其中包括多门含学分课程,这些课程研究数字技术和电子文本如何改变人们的阅读和理解方式。该计划的启动考虑了四个主要目标:1.通过数字素养方面的创新为研究和学习创造积极影响。2.鼓励创造性和批判性思维来推动智能创新。3.建立一个包括教师和学生在内的创新环境。4.打造一个敏捷的,设在大学里的“合作实验室”,为数字世界打造各种新的技能和素养。这项工作还有望促进与Adobe等公司的合作,这些公司的创意工具在大学中得到广泛使用,并在启动数字扫盲计划中发挥了关键作用。事实上,这个思想倡议是在该大学开始使用Adobe产品来生产创意内容时提出来的。虽然克莱姆森里早就开始接受的数字素养的大多数人都来自人文部门,但越来越多的计算机科学和工程学专业的学生也开始接受了。这是为了教会大家对可用于生产内容的工具进行更为视觉化和数字化的思考,例如可在全校普及的3D打印机。因此,这样的毕业生对企业更有吸引力,因为这些企业更倾向于聘请更具创造力,具备各种表达能力的人,以及能从学习管理的角度高效地为企业创造效益的人。Gartner的调查指出,到2020年,超过30%的组织最大的竞争优势就在于员工能富有创造力地探索各种数字技术。(GARTNER 2018)该计划的下一步是从数字化思维转向创建和交付数字产品。为此,我们计划使所有人都能理解和开发应用程序,其方法就是使编码成为数字素养体系的核心部分。这并不意味着人们需要深入研究数据分析,而是要从顶层来理解如何访问数据,如何将数据组合在一起,从而使其有意义并以不同的方式表达自己。克莱姆森(Clemson)数字扫盲计划所关注的改善和增长目标包括:•与私人组织建立合作关系,从而有助于指导该计划的进一步发展和演变。我并不想假装知道所有的答案,所以我想与各大公司和作为股东代表的人共事。在这方面,与Adobe和苹果建立合作关系是很重要的,这也是为什么我们要与AT&T和Splunk,Inc.等公司展开对话的原因。•从数字扫盲计划的最初核心扩展范围和目标,并创造性地思考,从而更好地为个人做好准备,以应对由人工智能和认知智能等新兴技术推动的劳动力变革。如果这是基于实用效用的工作,你将冒着失业的风险,而且你无法顺其自然地应对瞬息万变的环境。而只要具备数字素养,你就可以获得以前难以企及的机会。•将数字素养能力的各个方面整合到校园内更为传统的大学课程中。例如,宣传和教授数据分析及其潜力的基础知识,并将其与各种课程和由教职员工主导的有关企业道德的讨论相结合。你可以进行前所未有的素养对话,而如果学生没有意识到自己正在同时提高数字素养的情况下,又有谁会参与呢?对于任何有意复制克莱姆森数字扫盲计划的大学而言,人们需要牢记,这与技术无关。技术对创造力和创新起到了支持和推动的作用,但它实际上是在激励人,改变文化,从IT和管理部门获得支持,以及建立高效的团队——人们从领导力的角度向我们诉说的所有事情,我们都应该去做,但是我们中有很多人却无动于衷。尽管这实际上很简单,但是实施起来却很困难。这也是值得的,因为如果你不朝这个方向发展,你就会遇到风险,即你和你所接触的从事传统高等教育课程的人最终可能都变得无关紧要。
就利用人工智能和机器学习而言,人们对结果的信任是很重要的。由于所谓的人工智能“黑匣子”问题,许多组织(尤其是那些受管制的行业的组织)可能会犹豫不决,不敢使用人工智能系统:算法只是得出模糊的决策而没有解释其所遵循的理由。这是一个显而易见的问题。如果我们不知道人工智能如何发挥作用,那我们又如何将医疗诊断或自动驾驶汽车等领域里生死攸关的决策交给人工智能来做?这个问题的中心是神话所笼罩的技术问题。如今,人们普遍认为,人工智能技术已经变得如此复杂,以至于系统无法解释为何做出自己的决定。即使可以,解释也太复杂了,以至于我们的大脑无法理解。现实情况是,当今在机器学习和人工智能系统中使用的许多最常见的算法都可以内建所谓的“可解释性”。我们只是没有在使用它——或者我们无法访问它。对其它算法来说,人们还在开发可解释性和可追溯性功能,但我们很快就能用上了。在本文中,你将找到可解释的人工智能的含义,它为什么对商业用途来说很重要,以及哪些力量在推动人们采用人工智能,以及哪些因素阻碍了人工智能的应用。为什么可解释的人工智能很重要毕马威(KPMB)和Forrester Research去年发布的报告显示,只有21%的美国高管高度信任这两家公司的分析。毕马威(KPMG)的新兴技术风险的全球负责人Martin Sokalski表示:“这些高管不仅相信我们对人工智能所做的分析——而且相信我们所做的所有分析。Sokalski说,由于人们对分析缺乏信任,人工智能的采用渐渐放缓,尤其是各大公司对人工智能进行大规模部署的速度放缓。Sokalski说:“虽然你让聪明的数据科学家想出这些令人惊叹的模型,但是他们却没有施展空间,因为企业领导者不信任也不了解这些模型。我不会在任何会使我不断与监管机构打交道的模型部署到这些流程中,也不会使让我登上头条新闻的模型部署到这些流程中。”要考虑监管审查的可不光是医疗和金融服务行业。《通用数据保护条例(GDPR)》称,所有公司都必须向客户解释为什么自动化系统会做出决定。此外,由于无法分析算法如何得出结论,因此各大公司在业务可能上线时不得不盲目相信人工智能系统的建议。例如,零售公司Bluestem Brands正在使用人工智能提供定制化的购物建议。但是,如果人工智能系统推荐的商品不是有据可考的畅销物品,或者与销售专家的直觉不符怎么办?Bluestem Brands的IT主管Jacob Wagner说:“人们往往会说,‘不,这个人工智能坏了,我们应该推荐最畅销的裤子。’”解决这些信任危机的方案是提供一个解释。人工智能系统在提出建议时使用了哪些因素?这就是可解释的人工智能该出现的场合——人们越来越需要这样的功能。可解释的人工智能包含了各种各样的工具和技术,这些工具和技术旨在使具备领域专长的人更容易理解人工智能系统的最终解决方案。可解释的人工智能使人们能够参与决策过程,从而使人们更加信任这些系统并对这些结果高度负责。这往往相当于输出人工智能通过培训所学会的规则,并使人类可以对这些规则进行审计,从而了解人工智能如何从未来的数据中得出结论,这些数据的范围超出了数据集。Wagner说,就Bluestem Brands而言,他能够从Lucidworks提供的当前系统中获得大约85%的解释,但他希望看到更多的解释。Wagner说:“使人们克服信任障碍是很难的。推荐某物的理由是什么?——我们对此所有用的信息越多,越容易有这样的体会。”治理问题如今,企业使用的大部分人工智能都是基于统计分析的。这些机器学习算法的用途广泛,如改善购物建议、搜索结果、计算信用风险、发现计算机网络中的可疑行为等等。为了提出建议,这些算法分析了特定的特征、数据字段、因素或在行业中被称为功能的东西。每个功能都具有特定的权重,这些权重有助于人工智能将事物归类或发现异常。因此,例如,在确定某动物是猫还是狗时,算法可能会以动物的体重为主要因素,然后是动物的大小,最后是颜色。因此,了解决定因素是一个简单的过程。但是各大公司尚未将与决策相关的因素列为工作重点。毕马威的Sokalski说:“我们注意到的主要趋势之一是企业缺乏对人工智能的内部治理和高效管理。我们发现,只有25%的公司正在投资开发控制框架和方法。”Sokalski说,这是商业流程成熟度的问题,而不是技术问题。“其本质就是在整个生命周期中构建内部功能,端到端治理以及人工智能的端到端管理。”可解释的人工智能的现状Sokalski说,所有主要的人工智能平台供应商以及大多数顶级开源人工智能项目都内置了某种形式的可解释性和可审计性。毕马威(KMPG)一直在与其中一家供应商(即IBM)合作,开发属于自己的一系列工具,(即AI in Control)供客户使用。这样的框架使公司更容易开发具备内置解释性的人工智能系统,而不必将各种开源项目的功能拼凑在一起。8月,IBM发布了自己的工具集AI Explainability 360,该工具集包含开源算法,可用于当今使用的所有主要类型的机器学习的可解释性,但不包含常用于时间序列问题(如股市预测之类的问题)的递归神经网络。该工具集中有八种算法,其中大多数尚未以可用代码的形式公开提供。基础研究在今年或2018年才公布。IBM的首席研究人员兼IBMThomas J.Watson研究中心的经理Kush Varshney这样说道,Varshney说:“任何人都可以使用该工具集,不管他们是不是IBM的客户。”Varshney警告说,但是向人工智能系统添加可解释性并不像提供决定所用因素的列表那么简单。“解释的方法林林总总。”例如,做出有关是否向某人提供银行贷款的决定。Varshney说,客户想知道为什么自己的申请遭到拒绝,以及怎样才能增加将来获得贷款的机会。Varshney说:“监管机构不会太在乎每个申请人。他们希望查看整个决策过程,希望整体上解释过程的运作机制。他们希望就如何做出决策并找出是否存在问题(如公平性或其它潜在问题)而为所有输入做出模拟。”Varshney补充说,对银行来说,要确保系统做出准确的预测,它们将面临截然不同的问题。解释神经网络随着人工智能系统变得更加先进并且对预先定义的功能和权重的依赖减少,解释也变得更加困难。举例来说,对猫和狗进行分类的系统不是根据一组列表的数据点进行处理,而是对动物的照片进行处理。卷积神经网络通常用于图像处理,它会查看训练数据并自行发现重要特征。这些功能以非常复杂的形式出现,即涉及十分复杂的数学计算。Varshney说:“如果你有一个非常复杂的黑匣子模型,该模型具有所有这些功能并以数百万种方式加以组合,那么人类将无法理解。”由于特定像素之间的复杂关系而将图片判定为猫而不是狗,这就像甲因其大脑中的特定神经元在特定时间放电而告诉乙这是猫一样无济于事。但是,Varshney说,人们仍然可以通过进行更高级别的抽象来使系统具有可解释性。Varshney说:“你可以找到在语义上有意义的表征形式。例如,如果这是猫的图像,人工智能将发现胡须、鼻子的形状和眼睛的颜色都是重要的特征。”然后,为了解释决策,人工智能可以在照片中突出显示表明这是猫的那些地方,或显示猫的典型图像的对比照片。Varshney说:“这确实是增强人们对系统信任的一种方式。如果人们能够理解这些事物的运作逻辑,那么他们就可以对系统的使用充满信心。”这正是马萨诸塞州综合医院和百灵达妇女医院临床数据科学中心的执行主任Mark Michalski所采取的方法。医院使用人工智能在放射图像中发现癌症。医务人员必须对系统有高度的信任才能使用人工智能。为了解决这个问题,医疗提供商不仅会得到扫描图是否表明患者是否得了癌症的非此即彼的答案,还会得到解释。“你可以在图像上面覆盖若干热图,以此来解释机器为何会盯着某个位置看,” Michalski这样说道。专有系统和勉为其难的供应商完全透明并不总是对每个人都有利。对某些人工智能供应商而言,公开人工智能决策方式的细节无异于公开秘密。数字服务咨询公司Nerdery的数据科学总监Justin Richie表示:“这些软件公司有点自私,它们认为所有人都图谋不轨,都想窃取它们的点子。有些供应商之所以让客户走马观花是因为这样他们就不会暴露自己的权重数据。而其它供应商则直接在其工具中展示可解释性。”Richie补充说,与其说这是技术限制不如说这是市场问题。随着人工智能技术变得司空见惯,游戏规则也会发生改变。制造由人工智能驱动的聊天机器人的LivePerson的首席技术官Alex Spinelli说,商用的现成算法往往缺乏关键的可解释性功能。Spinelli说:“有些更好的产品确实具有检查和审计功能,但并非全部产品。可供参考的标准并不多。可审计性、可追溯性以及就人工智能为何做出决策的原因而对算法进行查询的能力,这些都是罕见的功能。”Spinelli说,LivePerson编写自己的具备可解释性的算法,或者使用具备这些功能的开源工具,例如百度的Ernie和谷歌的Bert开源自然语言处理算法。人工智能标准越来越多Spinelli说,但是业界正在极力使人工智能系统更加透明。例如,LivePerson参与了EqualAI计划,致力于通过制定准则,标准和工具来预防和纠正人工智能中的偏见。现有的标准机构也一直在努力解决这些问题。例如,红帽(Red Hat)的业务自动化开发经理Edson Tirelli说,红帽正在使用旨在帮人工智能和机器学习系统提高透明度的多个标准。Tirelli说:“这些标准有助于‘打开黑匣子’。”其中一个标准来自Object Management Group的决策模型和注释(Decision Model and Notation)标准。Tirelli说,这个相对较新的标准有助于填补空白,即人们在理解公司决策过程中所涉及的一切步骤。“你可以跟踪该决策或业务流程的每个步骤,一直到人工智能部分。”这些标准还使在供应商平台之间迁移流程和模型变得更加容易。但是除了红帽之外,只有少数公司支持决策模型和注释。Tirelli补充说,Object Management Group的商业流程模型和注释标准得到了数百家供应商的支持。Tirelli说:“几乎所有的工具都支持这个标准,或同级标准,即分析的可移植格式(Portable Format for Analytics)。大体上所有可以创建机器学习模型的工具都支持该标准。”Tirelli说,这些标准相互联系,为可解释的人工智能提供功能。前缘地带帕洛阿尔托研究中心(PARC)的研究人员Mark Stefik表示,随着人工智能用于执行更复杂的任务,可解释性越来越难实现。Stefik说:“如果理由给出5000条规则,那将无济于事。”例如,帕洛阿尔托研究中心一直在为国防高级研究计划局(DARPA)做一个项目,该项目包括对用于护林员救援任务的无人机进行训练。对简单的任务而言,要知道何时信任该系统,比要知道在复杂的山区或沙漠场景中的专家级任务要容易得多。Stefik说:“我们在这方面取得了很大进展,但我不认为我们对所有类型的人工智能都有解释性。”最后的挑战,也是最困难的挑战,即常识。滑铁卢大学人工智能领域的加拿大研究主席Alexander Wong说:“因果推理可望而不可及,这就是我和其他人努力的方向。”Stefik说,如今,计算机系统很难将关联性和因果关系区分开来。闹钟的响声会导致太阳升起吗?Stefik说:“我们想找到将虚假的关联性与真实的因果关系区分开来的方法。甚至训练人来做正确的因果推理也是很难的。这是一个非常困难的问题。”Stefik说,这种通过一系列因果关系进行思考的能力是人们谈论通用人工智能时所谈论的内容。Wong补充说:“我们在这个方向上取得了不错的进展。但是,如果我不得不猜测的话,我会说,因果推理的最终形式将在一个时限内实现。”但是,即使可解释的人工智能仍处于起步阶段,这并不意味着公司应该被动等待。Wong说:“即使在目前的形式中,可解释性对许多商业流程仍然非常有用。如果你现在就开始使用这个形式,那么你所创建的系统将很超前,并且更加公平。谈到负责任的人工智能时,我的核心信念之一是,可解释性和透明性是人工智能的关键组成部分。”
多年来,IT行业权威人士和分析师一直在宣传公共云计算的价值。通过谷歌搜索“云之年”,其给出的结果超过150万条,而专家声称的“云之年”可以追溯到2015年。由于目前只有20%的工作负载在公共云上运行,这种预测可能有点为时过早。云计算市场仍有许多增长。2019年似乎是最佳时机。随着新技术和云计算产品的出现,云计算应用的动力比以往任何时候都要强大。两个主要的IT咨询机构强调了对云计算服务的新投资将如何以及为何会迅速增长。如果考虑新兴技术概念所需的基础设施类型,例如人工智能(AI)、边缘计算、DevOps,就会明白为什么云计算是IT战略的核心。Gartner公司云计算服务和技术副总裁Sid Nag说,“我们的客户通常会考虑采用云计算技术。这已经成为定局,但采用方式已发生变化。曾几何时,这个想法只是简单地采用信用卡,并与AWS公司签约即可。从采用云计算的角度来看,这种非理性的繁荣发展已经转变为一种更具战略性的模式。”云计算不仅仅是达到目的的手段虽然一些公司将云计算用于战术目的,但这些类型的项目正变得越来越少。Nag说,“我们仍然看到一些公司正在进行数据中心整合、迁移应用程序等工作,但现实情况是,我们正处于云2.0浪潮中,云计算并不是一个选项,而是已经成为一个现实,我们看到许多组织正在向云优先和仅云模式转移。所有这些都推动了云计算的采用。”根据Gartner公司对于公共云市场的预测,到2022年,公共云市场将增长到3200亿美元:这几乎是整体IT服务增长的三倍。Nag说,“真正具有战略意义的企业正在使用云计算作为从传统业务方式到更多数字业务的推动者,而这涉及不同的技术。”其中一项技术是人工智能(AI)。德勤公司在最近的一份报告中指出,人工智能是推动云计算进步的五大载体之一。德勤公司总经理David Schatsky说,“大多数主要的云计算提供商都在竞相提供高质量、强大的人工智能工具和功能以及API。当客户认识到云中有很多可用的工具,他们可以在没有大量固定成本的情况下进行试验,那么他们就可以将云计算视为一个进行概念验证的地方。”访问这些工具和功能可为云计算增加价值,从而进一步提高采用率。Nag说,“云计算本身是一个重要的业务推动者,但分析、人工智能、边缘计算、物联网和其他东西也是如此。事实上,所有这些技术都需要一个可扩展的基础设施,而这正是云计算的优势所在。云计算技术与所有这些技术都有接触点,因此企业将云计算技术的采用视为希望改变业务的一种战略方法。”混合云将继续普及Nag表示,虽然推动云计算应用的因素很多,但只有20%的工作负载在云上运行。“企业仍在采取有针对性的方法。并非一切都在公共云中结束,这就是企业拥有普遍存在的混合云模型的原因。”在过去几年中,混合云也有其相当大的市场份额。那么现在有什么不同?Schatsky说:“所有主要的云计算提供商都在提供混合解决方案,以确保不会出现向云迁移的全部问题。混合部署是未来。在过去一年的时间里,各大厂商都纷纷对这一点表示支持,这使得制定混合云战略变得更加容易。”尽管公共云提供商提供安全功能,如数据分类工具,甚至是满足行业特定规范的整个云计算环境,但安全性仍然是将业务迁移到云端的公司的主要关注点,德勤公司将其列为云计算进程的关键。Schatsky说,“很多时候,企业在云端做的第一件事就是将现有的应用程序、工作负载及其运营的数据迁移到云端。云中的安全模型相当不同,有时需要以更细粒度的方式保护数据和资产,因此数据分类是谨慎迁移到云端的重要组成部分。”Nag表示,企业将业务迁移到云端还需要“组织上的转变,文化上的放手”。他说,“有一些应用程序开发模式编写的应用程序,并将它们转换为云端应用需要时间、精力和意愿,此外,还需要技巧。正是这些因素减缓了将所有东西转移到云端的过程。”Schatsky对此表示认同,他说,“对很多公司而言,他们正在努力学习和提高充分利用云计算所需的技能。当企业开始将业务批量迁移到云端时,他们最大的需求就是传播对云计算所支持的工作流和运营模式的影响。但不能急于求成。这是一个需要时间的人力资本问题。”德勤公司表示,正在积极采用DevOps等新IT运营模式的公司正在从云中实现更多价值。Schatsky表示,“像许多企业采用的技术一样,只有通过改变工作方式,技术才能真正发挥其潜力。电力确实如此,云计算也是如此,这就是这个载体的意义,企业改变了他们管理IT功能的方式以及开发人员如何利用云计算环境。只有少数几家公司拥有完全云优化的IT运营和软件开发,而这正是许多公司获得最大价值的地方。”
人们需要了解采用人工智能的挑战,例如数据、人员和业务。人工智能正在进入更多的行业,越来越多的公司已经体验到了实施人工智能的好处。尽管人工智能正在发展并越来越受欢迎,但许多企业仍然无法采用这种新技术改进业务。这是为什么?企业可能担心人工智能实施的原因有很多。在2019年,O'Reilly公司出版了一本电子书,总结了对企业采用人工智能的调查结果,并列出了阻碍进一步实施人工智能的一些最常见因素。23%的受访者表示,他们没有进一步采用人工智能的主要原因是他们的公司文化不认可对人工智能的需求。其他原因包括缺乏数据和缺乏技术人员,以及难以确定适当的商业案例等。企业在实施人工智能时面临哪些挑战?正如人们所见,一些常见问题主要包括与人员、数据或业务一致性相关的问题。虽然每家公司都不同,并且也会以不同的方式体验人工智能的采用过程,但也应该注意一些障碍。在本文中,将介绍人工智能实现中最常见的一些挑战,并尝试建议如何做好应对这些挑战的准备。与数据相关的问题可能是大多数企业所面临的问题。众所周知,企业构建的系统只能与它给出的数据一样好。由于数据是人工智能解决方案的关键要素,因此在此过程中可能会出现许多问题。1.数据质量和数量如上所述,人工智能系统的质量在很大程度上依赖于输入的数据。人工智能系统需要大量的训练数据集,以类似于人类的方式从可用信息中学习,但为了识别模式,它需要更多的数据。在任务上做得更好,执行任务的经验越多,这是有道理的。不同的是,人工智能能够以人类想像不到的速度分析数据,因此其学习速度很快。企业给它的数据越好,它将提供更好的结果。那么企业怎么解决数据问题?首先,需要知道已有的数据,并将其与模型所需的数据进行比较。为此,企业需要知道其将要使用的模型,否则,将无法指定所需的数据。列出企业拥有的数据的类型和类别问题:数据是结构化的还是非结构化的?是否收集有关客户人口统计数据,购买历史记录,现场互动等数据?当企业知道其已经拥有的东西时,会看到所缺少的东西。缺少的部分可能是人工智能系统可以轻松访问的一些公开信息,或者企业可能必须从第三方购买数据。某些类型的数据可能仍然难以获得,例如临床数据可以更准确地预测治疗结果。不幸的是,在这一点上,企业必须做好准备,不是所有类型的数据都容易获得。在这种情况下,综合数据得以拯救。综合数据是基于实际数据或从头开始人工创建的。当没有足够的数据可用于训练模型时,可以使用它。获取数据的另一种方法是使用开放数据作为数据集的补充,或使用谷歌数据集搜索获取数据来训练模型。企业还可以使用RPA机器人来抓取公开可用的数据,例如维基百科网站上发布的信息。当企业知道自己拥有哪些数据以及需要哪些数据时,将能够验证扩展数据集的哪种方式最适合自己。2.数据标签几年前,大多数数据都是结构化的或文本的格式。如今,随着物联网(IoT)的发展,大部分数据都是由图像和视频组成的。这没有什么不对,但问题是许多利用机器学习或深度学习的系统都是以监督的方式进行训练,所以他们需要对数据进行标记。事实上,人们每天产生大量数据的事实,已经达到了没有足够人员来标记正在创建的所有数据的程度。有些数据库提供标记数据,包括ImageNet,这是一个拥有1400多万张图像的数据库。所有这些都是由ImageNet人工注释的。尽管在某些情况下其他地方可以获得更合适的数据,但许多计算机视觉专家仍然只使用ImageNet,因为他们的图像数据已被标记。企业可以采用一些数据标注方法。可以在企业内部或外包工作,也可以使用合成标签或数据编程。所有这些方法各有利弊。3.可解释性对于许多“黑盒”模型,企业最终得出一个结论,例如预测但没有解释。如果人工智能系统提供的结论与企业已经知道的结果重叠并认为是正确的,那么就不会质疑它。但是如果不认同会发生什么?需要知道如何做出决定。在许多情况下,其决定本身是不够的。医生不能完全依赖系统提供的关于患者健康的建议。LIME(本地可解释的模型不可知解释)等方法旨在提高模型的透明度。因此,如果人工智能判断患者患有流感,它还会显示导致此决定的数据:打喷嚏和头痛,而没有考虑患者的年龄或体重。当企业获得决策背后的理由时,更容易评估人们可以信任模型的程度。4.特定案例学习人们能够利用从一个领域到另一个领域的经验。这就是所谓的学习转移,人类可以在一个环境中转移学习到另一个类似的环境中。人工智能却难以将其经验从一种情况转移到另一种情况。一方面,人们知道人工智能是专业的,它意味着执行严格指定的任务。它的目的只是回答一个问题,为什么人们还希望它能回答另一个不同的问题呢?另一方面,人工智能在一项任务中获得的“经验”对另一项相关任务可能是有价值的。有没有可能利用这种经验而不是从头开始开发新的模型?转移学习是一种使之成为可能的方法——人工智能模型被训练来执行某项任务,然后将该学习应用到类似(但不同)的活动中。这意味着为任务A开发的模型稍后将用作任务B的模型的起点。5.偏见偏见是许多人所担心的事情:人工智能系统对女性或有色人种“有偏见”的故事不时成为头条新闻。但这是怎么发生的呢?当然,人工智能不能有恶意。那么如果人工智能可能具有恶意呢?像这样的假设也意味着人工智能有意识的并且可以做出自己的选择,而实际上人工智能只能根据可用数据做出决策。它没有意见,但它从别人的意见中学习。这就是偏见发生的地方。偏差可能是由许多因素造成的,首先是收集数据的方式。如果数据是通过杂志上发表的一项调查收集的,人们必须意识到,其答案(数据)只来自阅读上述杂志的人群,这是一个有限的社会群体。在这种情况下,不能说这个数据集代表了整体人群。探测数据的方式是产生偏见的另一种方式:当一群人使用某种系统时,他们可能拥有最喜欢的功能,而根本不使用(或很少使用)其他功能。在这种情况下,人工智能无法了解未使用的功能。但是在偏见方面,人们还有另外一件事需要考虑:数据来自人类。人们如果说谎或者散布成见。这种情况发生在亚马逊公司的招聘时,他们的人工智能招聘人员被证明具有性别偏见。由于技术部门的工作人员中男性占主导地位,人工智能系统了解到男性申请者是有利的,并对包含“女性”一词的简历进行筛选。它还降低了女子学院毕业生的等级。人们可以在一些关于人工智能失败的文章中了解关于这个案例的内容。6.如何处理模型错误人工智能并不是没有错误的。人类的偏见(或谎言)渗透到其算法中,有时结果是有偏见的。如上所述,数据集存在偏差的原因有很多。任何类似的问题都可能导致人工智能产生不准确的结果,例如预测。“糟糕的推理”是人工智能错误的另一个常见原因。随着人工智能系统越来越先进,人们也越来越难以理解网络中的流程。因此,当人工智能系统出错时,可能很难确定出问题的确切位置。如果决定是自动驾驶汽车急转弯还是撞倒行人呢?幸运的是,科学家为深度学习系统开发了白盒测试。它用大量的输入来测试神经网络,并告诉它的响应哪里是错误的,这样它们就可以被修正。但是人工智能犯的错误总是那么危险吗?当然,不总是这样。这完全取决于人工智能系统的使用。如果人工智能被用于网络安全、军事用途、驾驶车辆,那么更多的问题就会更加危险。如果人工智能系统选择男性而不是同样技术熟练的女性员工,这是一个道德问题。但有时这些错误只是愚蠢的——正如2015年《连线》杂志上的一篇文章所说,他们描述的人工智能显示了一个黑色和黄色条纹的图像。人工智能却判断为是校车,但这是错误的。为了确保人工智能产生的错误无关紧要,必须确保高质量的输入和适当的测试。7. 非技术人员对人工智能缺乏了解人工智能的实现需要企业管理层对当前的人工智能技术、它们的可能性和局限性有更深入的了解。不幸的是,人们被一大堆关于人工智能的神话和误解所包围,从需要雇佣内部数据科学团队(人们应该知道,他们只为Facebook、亚马逊、谷歌工作,以及如何工作)到科幻幻想中的机器人,以及机器人最终终结人类。人工智能技术的缺乏阻碍了人工智能在许多领域的应用。由于缺乏理解而导致的另一个常见错误是努力实现不可能实现的目标。那么如何解决这个问题?从教育开始。这可能听起来令人沮丧,但并不是说技术人员必须成为一名数据科学家。只需浏览一下其行业,了解一些重要的参与者,看看他们部署了哪些用例,并了解人工智能的当前可能性。技术人员可以自己解决,也可以请求专家帮助。一旦掌握了一些知识,就可以更轻松地管理自己的期望,因为将了解人工智能能为企业做些什么,不能做什么。8. 缺乏实地专家为了开发一个成功的人工智能解决方案,需要技术知识和业务理解。不幸的是,这往往是其中之一。首席执行官和管理者缺乏采用人工智能所必需的技术知识,而许多数据科学家对他们开发的模型如何在现实生活中使用并不十分感兴趣。知道如何将这项技术应用于某一特定业务问题的人工智能专家数量非常有限。总的来说,优秀数据科学家的数量也是如此。FAMGA(Facebook、苹果、微软、谷歌、亚马逊)以外的公司正在努力吸引顶尖人才。即使他们试图建立一支内部团队,他们也不确定自己是否能找到合适的人才。如果缺乏技术知识,无法真正了解他们是否提供高质量的解决方案。由于预算有限,中小型企业可能无法采用人工智能。但是,外包数据团队现在也是一种选择。9. 缺乏业务一致性正如O'Reilly公司在图表中所示,企业文化不承认人工智能的需求以及识别业务用例的困难是人工智能实施的最大障碍。识别人工智能业务案例需要管理人员深入了解人工智能技术、它们的可能性和局限性。缺乏人工智能技术可能会阻碍许多组织的采用。但这里还有一个问题。一些企业抱着过于乐观的态度,没有明确的战略,进入了人工智能的潮流。人工智能的实现需要一种战略方法,设定目标,确定关键绩效指标,跟踪投资回报率。否则,企业将无法评估人工智能带来的结果,并将其与企业的假设进行比较,以衡量这项投资的成功(或失败)。10.难以评估供应商正如招聘数据科学家的情况一样,当企业缺乏技术知识时,很容易被愚弄。人工智能是一个新兴领域,它特别脆弱,因为很多企业夸大他们的经验,而在现实中,他们可能不知道如何使用人工智能来解决实际的商业问题。这里的一个想法是使用像Clutch这样的网站来识别人工智能开发中的领导者。看看正在考虑的企业在他们的投资组合中有什么好处。另一种方法是迈出一小步,例如与人们认为具有前途的供应商的研讨会。通过这种方式,将了解他们是否了解业务,拥有合适的技能,以及是否解决问题。11.整合挑战将人工智能集成到现有系统中是一个比在浏览器中添加插件更复杂的过程。必须设置满足业务需求的接口和元素。有些规则是硬编码的。人们需要考虑数据基础设施需求、数据存储、标记,以及将数据输入系统。然后,进行模型培训,测试开发的人工智能的有效性,创建一个反馈循环,根据人们的行为不断改进模型,并进行数据采样,以减少存储的数据量,更快地运行模型,同时仍能产生准确的结果。怎么知道它有效?怎么知道具有价值?为了克服可能的集成挑战,企业必须与供应商共同努力,以确保每个人都清楚地了解流程。它还要求供应商拥有更广泛的专业知识,而不仅限于建立模型。当人工智能以战略方式实施并逐步实施时,可以减轻失败的风险。在企业成功地将人工智能集成到其系统中之后,仍然需要训练人们使用这个模型。他们如何接受模型产生的结果?他们如何解释结果?企业的供应商应该建议每天使用其模型,并建议如何进一步发展人工智能。12.法律问题一些文章描述了企业实施人工智能之前需要考虑的一些法律问题。法律规章跟不上技术的进步,将会出现问题。如果人工智能造成损害怎么办?如果由于人工智能的原因,某些东西被损坏或有人受伤,谁将对此承担责任?订购方还是开发人工智能的公司?目前没有规则明确说明在这种情况下必须采取的措施。另一个问题是采用GDPR法规,数据已成为必须谨慎处理的商品,这可能是数据收集方面的挑战:可以收集哪些数据以及以何种方式收集数据?如何以符合GDPR法规的方式处理大数据?敏感数据也存在明显不敏感的问题。虽然它可能不会构成法律问题,但它仍然是一个可能会伤害企业的问题。一般而言,任何泄漏威胁到企业的地位或其形象的信息都应被视为敏感信息。想象一下,当企业员工培训和课程数据泄漏时,就会出现这种情况。这些信息可能被误解并传播,将会损害企业的业务。如何应对人工智能采用的挑战?人们必须记住,自己无法处理所有问题。首先要做的是熟悉人工智能——这样,就更容易理解这个过程。然后,当企业创建人工智能策略时,就必须认识到需要注意的问题。通过战略性和循序渐进的方法,企业将能够更顺利地完成人工智能实施过程。没有错误是否可以实现?没有什么是百分之百完美的,但企业需要为今后可能发生的问题做好准备。
很多人希望了解AIOps能做些什么来帮助IT团队完成他们的任务。在当前的现代化时代,数据中心技术由云计算、内部部署技术、以及IT管理方法的组合组成,IT运营团队正在努力适应这一新的现实,并应对由此带来的日益增加的复杂性。人们通过新闻报道可以获知,越来越多的宕机和停机事件导致银行和金融业务瘫痪;迫使机场停止运转;以及影响医疗记录的可获取性。数据不断增长的影响迫切需要解决。毫无疑问,人们正在进入一个复杂性和变化率远远超过传统人力资源IT团队有效管理基础设施能力的阶段。与传统设施整合技术进步是一件了不起的事情,但新产品并不总是能够有效地集成到传统环境中,从而导致巨大的漏洞。这导致组织变得不适应,以致于难以跟上变化的步伐,组织需要掌握这些部署如何影响应用程序工作负载的行为和性能。业务中断和停机对客户造成了影响,将给组织带来了巨大的经济损失,更不用说受损的声誉,以及导致员工失业。为了走出这条混乱的道路,IT运营的智能化(AIOps,这是由调查机构Gartner公司创造的一个术语)已经成为一种解决方案。IT运营团队发现,随着技术堆栈的增加,他们需要一种新的方法来管理技术堆栈的各种元素和复杂性。虽然人们普遍认为自动化是现代数据中心的关键优先事项(支持IT团队确保运营流程的一致运行,有助于降低成本和维护时间),但人们对AIOps很少有真正的了解。简单来说,AIOps能够以类似的方式使用异常检测和机器学习来增强人类的理解能力,减少定位和诊断性能问题所需的时间。应用于基础设施性能管理(IPM)的AIOps 能够有效地确保最佳性能,可以监督业务关键型面向客户的应用程序的运行状况和利用率,能够在数据中心基础设施中出现任何潜在阻塞或延迟问题之前提供警报。AIOps带来的好处AIOps有效地帮助监控和忽略所有不同组件的复杂性,以及混合数据中心的各种部署(无论是云计算、闪存、超融合等)。它可以有效地监控、关联和优先处理IT运营的基础设施流程,从而使其尽可能顺利地运行,无论生态系统面临何种压力和困难,无论是临时的还是季节性的。因此,AIOps用于整个基础设施的容量规划,以优化应用程序可用性和性能。AIOps提供启发式和算法,它可以检测和暴露异常以及基础设施中潜在的漏洞。AIOps事件关联和分析功能意味着它可以挖掘大量不太重要的警报,以突出对业务运行至关重要的警报。随着堆栈变得越来越复杂和关键,迫切需要AIOps的功能。在当今的混合、虚拟化和多供应商环境中,传统方法和专有的传统工具根本无法胜任工作。AIOps需要更多的宣传然而,为了真正有效,AIOps需要采用机器学习(ML)技术来实现其适当的成熟度。它的能力无法在短时间内实现。为了使机器学习对业务有效,需要摄取成千上万的场景以使这种学习有效地发生。这种能力可能需要数年才能实现。随着新公司的宣传推广,并声称拥有AIOps功能,组织需要清晰了解AIOps的真正含义(以及它不是什么),否则IT团队将发现自己无法实现其优势,无法让他们的混合数据中心成型。主要AIOps功能为了实现AIOps的真正承诺,其功能必须超越单纯的数据聚合和算法应用,AIOps必须代表IT运营的整体转型,其中包括管理模型、智能关联数据、分析和场景,以实现所有元素的自动化IT运营。那么带来的问题是,该组织如何实现这一目标?以应用程序为中心的重要性一个重要的出发点是确保AIOps部署采用“以应用程序为中心”的方法。 AIOps产品应包括自动发现整个基础设施并将其映射到应用程序拓扑的功能。这样可以深入了解每个应用程序服务正在使用哪些基础设施资源。它应该能够主动识别可能影响性能的资源争用问题。以应用为中心的方法提供的下一层聚合是能够理解基础设施的所有不同元素如何相互关联和相互连接的场景。最重要的是,这必须包括应用程序如何与基础设施堆栈交互以及应用程序对业务的价值。获得高质量的数据AIOps还必须利用高质量的数据和分析来提供有价值的见解,以帮助决策和优化管理。真正的AIOps的力量在于超越单纯的聚合警报。这需要实时连续的反应能力,提供解决潜在问题的知识,从而避免问题。正是影响运营的数据和分析的可用性使IT能够应用人工智能,并获得所需的洞察力,这使IT运营团队能够有效地专注于整体性能优化。而这一重要步骤将是AIOps平台为下一个关键的价值层添加新的内容。自适应IT操作的自动化真正的AIOps的下一个关键属性是自动化,这对于运营团队能够适应变化,并体现主动防止宕机和停机的能力至关重要。真正的AIOps通过根据需要应用修复和优化来实现这一目标,从而可以维护整个生态系统的健康状况,并在整个堆栈(无论是在内部部署还是在云中)中了解工作负载行为。IT运营团队专注于简单地保持基础设施运行的日子已经一去不复返了。为了使IT能够在当今的动态环境中充分支持组织,它不仅必须保持业务的一致、平稳、可靠运行,还必须部署所有AIOps功能:从应用程序和业务价值角度利用全栈监控,获取正确的数据以提供高质量的见解,并将智能自动化应用于IT运营以实时响应。
2022年08月