暂无个人介绍
2022年技术领域的发展趋势:数字化转型、云计算和人才竞争
2022年CIO的十大IT战略议程
遭遇勒索软件攻击之后需要采取的5个恢复步骤
可见性和分析在零信任架构中的作用
首席信息安全官摆脱成本中心陷阱的五大策略
实现有效的数字驱动创新,企业必须了解的3个概念
评估企业扩展业务能力的新方法
加密恶意软件的激增给首席信息安全官带来双重挑战
又一款新的世界级应用诞生了!
未来是无法预测的,但拥有战略远见使得领导者们能够通过更好地理解、预测和准备变革来拥抱不确定性。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。
现在是金融机构安全意识进一步发展的时候了——这意味着要超越试图阻止勒索软件突破防火墙的预防性方法,专注于用能够检测和阻止攻击的工具武装自己。有一件事是肯定的,在当今广阔的IT领域,人工智能将在这场打击勒索软件的战争中发挥决定性作用。
一旦企业做出实现自动化的决定,并不像简单地保持反欺诈和合规性一样简单。企业所需要的是金融自动化监督,这是一套人工智能驱动的技术和流程,能够实时有效地监管现代金融系统。
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。本文探讨了企业如何利用大数据和人工智能工具来提高投资回报率。
本文介绍了有助于确保企业的人工智能系统不会由于数据质量问题而受到阻碍的五个规则。
此次疫情使各企业加倍努力进行数字化转型。本文将介绍数字项目如何重塑技术战略,以及如何彻底改变工作方式。
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。
科技公司需要像其他企业一样实现IT现代化。电子产品制造商Keysight Technologies的CIO Dan Krantz的目标架构是,从传统的现场单体系统转向云优先的可组合架构,分为三个领域:参与性/交流系统,包括销售交易和客户支持,记录系统,以及洞察力系统。
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。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。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。
人才缺口是人工智能成功发展的头号障碍。Salesforce.com公司采取的多管齐下的方法可以为IT主管们提供一套方法,帮助他们在一些可能从未想到的领域发现人才和提升人才技能。
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。
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。
机器学习和人工智能将使医疗保健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。
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。
最近的一项调查表明,要让人工智能发挥作用,企业将需要充足资金和良好的数据。假设这些因素都到位,可以了解人工智能在改善人们的生活方面取得进展的一些领域,在这些行业领域中的应用不仅仅是营销和宣传。
为了满足当今时代对于不断创新的需求,IT 领导者必须采取不同的IT治理方法,以灵活性和敏捷性为中心,同时又不牺牲稳定性和安全性。
不要满足于“新常态”——现在是时候重新构想数字化转型在未来工作中的作用,为数字优先的客户创造新价值,为新环境而重新培训员工,以及探索创新技术来建立未来的业务。
人工智能技术对于企业解决许多商业挑战来说非常重要。其中最重要的应用领域之一是网络安全。人工智能技术在打击勒索软件方面可以提供帮助,因此企业应该使用人工智能驱动的网络安全措施来进行防范。
开发新的网络安全算法的DevOps开发者必须学会对黑客用人工智能开发的应用程序进行逆向工程,以创建更强大的防御系统。
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。
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。
企业之所以热衷于采用自动化技术有多种原因。企业被自动化简单而重复的流程、提高效率和节省业务成本所吸引。一些工业巨头开始使用人工智能管理企业的传感器和应用程序,快速分析生成的大量数据,以创建可操作的见解。
人工智能技术将为各行业领域带来更多的变革,但是许多企业都在为从哪里入手而感到苦恼。因此需要了解规划人工智能试点项目的一些技巧。
业务创新与卓越运营之间的最佳平衡点仍难以捉摸,但IT部门对疫情的应对工作已经为解决长久的IT难题提供了新的技能和策略。记者与各行业的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。
让机器人变得更加智能的一种方式是集成各种传感器,就像人类有五种感官一样。但机器人大多只有视觉这一种感官功能。随着技术的发展和进步,机器人的能力和功能将会继续提高。
由AI驱动的过程自动化仍然只是零星存在,但新出现的创新正在填补这一空白,从而使企业向完全智能自动化的前景更近一步。在自动化中使用AI的典型用例包括:无需工作人员将PDF文件中的信息手工重新输入到表单中,而对AI进行训练后,即可以替代人工完成这些工作。或者,当一名员工在需要常常搜寻公司文件来回答客户的某一问题时,AI会提供一些可能的答案。
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。
麦肯锡的专家Krish Krishnakanthan和Gayatri Shenai在文章中解释了为什么现在必须将技术投资作为公司级战略计划的一部分。
消费者物联网可以解决潜在客户未知的痛点,这种感知价值的缺乏正在造成巨大的采用障碍。虽然市场上有一些产品,但是很少有产品能够在集成的硬件、软件和连接性之间找到适当的平衡,以创造真正无缝的客户体验。
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。
通过将安全性和网络结合在一起,安全性不再充当叠加层。与其相反,需要了解网络功能,可以动态调整配置、策略和协议,以确保持续的保护和一致的实施。许多组织都在朝着平台方法迈进,但是平台需要考虑所有因素,而不是只关注某一个领域。平台不能只是端点的平台或是网络中的平台或跨多个云平台的平台。它必须是跨网络所有区域的平台,始终如一地端到端地工作,并使用身份和威胁情报加以增强。
新冠疫情危机凸显了迫切需要有更具活力的人才和工作模式。人力资源主管可以通过关注员工的身份认同感、灵活性和可扩展性来提供帮助。随着我们为后疫情时代进行思考,基于旧规则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。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。
为了实现经济复苏,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。远程工作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。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。
那些受到数字化转型影响最大的人可以助力或毁掉您业务的成功发展。本文介绍了如何利用他们的见解,解决他们的痛点,以及超出他们的预期。内部员工、客户、业务合作伙伴——任何将直接感受转型结果的人都应该参与您的数字化战略,否则,将导致失败。
借助网络安全中的先进智能技术,组织可以扩展资源来保护易受攻击的网络和数据。人工智能在网络安全中的集成将为企业提供额外的保护。它将使组织能够在任何类型的网络攻击中做好准备,保护甚至与网络攻击者保持一致。但是他们还必须保持警惕,以免让网络攻击者使用人工智能技术攻击薄弱的环节。
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。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。
机器人流程自动化工具通过添加可智能处理旧代码和有助于延长其使用期限的新图层,为遗留系统赋予了新的生命。许多机器人流程自动化工具还可以由非编程人员来部署,从而使那些使用旧工具感到苦恼的人能够通过拖放新图标来改善其工作流程。通过选择恰当的工具和实现方法,任何能够编写电子表格宏的人都可以使用机器人流程自动化来简化工作流程。但在机器人流程自动化为您的系统带来的这些好处背后,还隐藏着一些问题,随着时间的推移,这些问题可能会带来麻烦。
研究人员已经在研究用于计算机视觉的深度学习,它可以帮助机器人和机器人应用程序使用各种传感器来了解其环境,并帮助他们避开道路上的障碍物。而机器学习和计算机视觉技术确实可以解决这一问题。这将成为自动驾驶汽车的重要组成部分,即使没有训练数据,它们也必须学习如何在新条件下观察和学习。
人调研机构Gartner公司最近将“增强数据管理”列为2020年十大顶级数据和分析趋势列表中的第二位。供应商正在增加机器学习和人工智能功能,以提供自我配置和自我调整的数据管理,使IT员工能够专注于更高价值的任务。预测分析工具可以在存储自动化性能、效率和降低运营成本方面带来更多的好处。
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。
IT工作负载自动化不仅可以确保跨操作系统的流程、工作流和任务高效运行,并且无需在内部部署设施进行持续的人工干预,它还可以跨大规模的混合计算架构进行扩展。