从几个月缩短到几周。d：我认为低代码开发将变得更加“意图驱动”。如今，企业或域所有者使用高级用户体验工具来组装不同系统之间的数据流，以实现集成结果。这种演变将在年继续下去，届时用户需要的手动步骤将减少，结果背后的更多意图将被捕获并在管道中实现自动化。除了应用程序集成和流程自动化之外，我们还看到数据自动化、仓储和分析领域的活跃活动。我们如何确保业务用户在需要时获得高质量的实时数据？人工智能/机器学习在这方面的作用是什么？品牌：在需要时向需要的人提供数据对于使业务实现数据驱动至关重要。从云数据仓库中的关键业务系统复制架构和数据可确保在正确的时间提供正确的数据。我认为，到年，人们将越来越认识到这一点的重要性，从而引导那些尚未这样做的企业投入大量资金，以确保其数据正确且随时可用。
布拉德：我认为动态数据将完整地推动数字计划。到目前为止，数据自动化主要是收集废气数据来支持和分析结果。未来，“废气数据”而且比以往任何时候都多）将被捕获并用于支持客户计划，以提 巴林手机号码列表 供更好、更个性化的结果和价值主张。：公司将在数据收集和管理方面投入更多资金，以支持人工智能和机器学习计划。当今的人工智能和机器学习技术由大规模、有用的数据提供支持。组织进入的一大障碍是可用于训练模型的大规模源数据。基于云的数据服务有助于收集事件和传感器数据，这些数据可用于构建模型以支持客户体验或提高内部业务效率。d：我认为/将在年发挥更大的作用，帮助让越来越多的任务“隐形”。在我们的集成领域，人工智能迄今为止主要是学习和协助简化复杂的集成任务例如数据映射）。
到年，机器学习将继续改进，人工智能将通过建议，在人工智能的“协助”下，通过实际承担当今通常由人类完成的任务，减少“协助”，增加“增强”。随着人工智能的接管，这些任务将变得无形并“为你完成”，使我们离每个人的目标又近了一步：自动驾驶的集成。好吧，让我们换一下方式。当我们进入年，即众所周知的“隧道尽头的光明”时，随着大流行的混乱开始消退，您如何看待业务优先事项的演变？布拉德：尽管组织已经克服了大流行造成的破坏和不确定性，但他们仍将保持紧张状态。颠覆随时都会发生，企业需要确保做好战斗准备。仅有三到五年的数字化转型计划已经不够了。你需要随时做好适应、调整和防守的准备。格雷格：我同意，我认为在这种背景下，企业将加速因疫情而产生的现代化举措。
|
收藏