Forrester:商业科技驱动的数字化业务转型将推动中国市场科技支出增长
Forrester认为在来自国内和国际的双重影响下, 2017 年的中国经济发展仍将整体缓慢并面临巨大下行压力。其中,全球经济复苏的疲态以及外汇贬值都会对中国的出口经济带去不利影响; 而有限的内需则无法有效抵消传统行业 (例如钢铁和水泥制造业) 的产能过剩。
ZD至顶网CIO与应用频道 02月05日 北京消息:Forrester认为在来自国内和国际的双重影响下, 2017 年的中国经济发展仍将整体缓慢并面临巨大下行压力。其中,全球经济复苏的疲态以及外汇贬值都会对中国的出口经济带去不利影响; 而有限的内需则无法有效抵消传统行业 (例如钢铁和水泥制造业) 的产能过剩。此外, 在市场饱和的预期之下,包括汽车和移动手机行业在内的消费者市场也正在相应调整生产。世界银行预测, 中国 2017 年的 GDP 增速将从 2015 年的 7.1%下滑至 6.9%, 成为 20 年来最低。在这样的宏观环境之下,Forrester认为对于中国企业的 CIO 而言,未来一年 有以下趋势必须关注:
- 商业科技 (Business Technology,BT)支出将会成为企业的战略投资选择。随着越来越多企业认识到发展客户至(Customer Obsession)上数字化业务的重要意义, Forrester 预测中国的企业和政府机构将在 2016 年通过开展商业科技战略投资来进一步加速转型。
- 数字转型将会推动科技市场增长。中国企业的技术决策层过去重点关注的是自身的内部运营,但是对于企业来说,未来的商业的成败取决于企业能否在恰当的商业技术上投入足够的时间、金钱以及人力,从而使得企业能够更好的赢得、服务和维持客户。
- 数字化人才的争夺将进一步加剧。为了能够实现市场差异化、优化客户互动和加快业务增速这些发展目标,企业需要做的远不止成本削减。Forrester认为,为了成为客户至上的企业, 更加重要的长期企业战略资源是人才。
商业科技的发展需要企业系统性的预算投入
企业的 CIO 和技术管理层需要充分认识到中国经济放缓这一宏观经济的“新常态”, 并转而将更多的时间和资源投入在ROI 最大化和推动企业数字化转型上。在从 IT 到 BT的转型过程中,企业 CIO 必须全面考虑企业所面临的挑战并且采取系统化的应对方案。其中包括:
- 通过正式的评估程序确定企业技术投资目标。新兴技术中往往有一些不十分成熟的开源软件解决方案,甚至还有一些“过度承诺”的业务解决方案。面对这样的情况, 企业有必要以实际的业务需求为甄选条件开展技术评估,包括开展针对定制化应用场景的概念验证(PoC)等。为了对技术潜在的影响作出充分预估, 所有利益干系人都必须参与评估过程。
- 制定技术基础设施迁移计划,确保投资计划的有效性。新兴技术的采用, 包括云计算、大数据、社交和移动等,都不应该影响到企业业务部门对既有系统的正常使用。因此,企业架构专业人员(Enterprise Architect,EA)应当与应用开发交付(Application Development and Delivery,ADD)和客户体验(Customer Experience,CX)部门的同事合作以确保系统迁移后的客户体验水平。同时, 在此过程中企业架构人员也应该和基础设施运维(Infrastructure and Operation,I&O)团队协作,制定包含相关灾备措施的具体迁移步骤。最后,为了保证业务的连贯性,企业架构人员必须尽可能实现迁移步骤的自动化。
- 扩展价值生态系统,使投资效益最大化。为了能够实现投资收益的最大化,企业应该考虑将数据资产转变成数据产品,从而在合作伙伴生态系统中实现自适应智能(Adaptive Intelligence)。大型企业垂直技术领域领导者应当战略性地参与到主流的开源项目中,例如 OpenStack 和 Docker 等开源社区。这样做不仅能够帮助企业将自身的软件发展路线与业务目标联系在一起,同时也可以给予这些开源社区宝贵的反馈信息。
0赞好文章,需要你的鼓励
推荐文章
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
Feedzai团队首次系统评估了AI模型理解散点图的能力,创建了包含18,000张图表的大规模数据集。测试十个先进AI模型发现,在简单计数任务中部分模型准确率超90%,但精确定位任务表现不佳,准确率多在50%以下。研究还发现图表设计对AI性能有轻微影响,为AI辅助数据分析提供了重要参考。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
KAIST研究团队开发出MG-Select系统,首次让视觉语言机器人具备"货比三家"的决策能力。该系统通过生成多个行动候选方案并利用内部评估机制选择最优解,无需额外外部验证系统。在真实世界测试中,机器人精确操作成功率提升28%-35%,某些任务改进达168%,为机器人在医疗、制造等高精度应用领域的发展奠定重要基础。