根据 IDC 最新报告，数字转型支出预计将在未来 4 年内超过 6 万亿美元，据悉 2019 年，全球企业将在数字转型支出上超过 1 万亿美元。

该报告还指出，过程制造和运输等行业将是最大的消费群体。这些投资推动了机器学习 (ML) 和物联网 (IoT) 的发展，以提高客户使用的效率和准确性。随着企业开始数字化转型，我期待在 2020 年将步入物联网年。

1. 大数据发展为海量数据

《网络世界》中一篇文章写道：“IDC 预测，全球数据的总和将从 2018 年的 33 兆字节增加到 2025 年的 175 兆字节，复合年增长率将达到 61%。”这意味着我们不仅会看到物联网实时数据量的大幅增加，而且企业还会创建和管理大量的新数据。

到 2025 年，175 兆字节的数据中有近 60% 将由企业而非消费者来创建和管理。推动这一增长的主要因素是与云交互信息的物联网边缘设备数量的增加。

2. 物联网和 ML 不再是未来的技术

人工劳动力不具备分析如此大量数据的能力，因此企业将寻找 ML 和 AI 等新方法。物联网所产生的海量数据成为当今数据型经济的支柱力量。为了更好地利用这些数据，物联网产品和服务的发展将减少对核心技术的关注，而是更多地关注那些能更好地运用数据的技术。

3. 数据即服务

随着每天数据增长——到 2020 年，每个人每秒将创建 1.7MB 的数据——如何通过这些数据来做出更明智的业务决策是非常有意义的。

例如，KAR Global 已经发布了一个为汽车经销商提供当前需求车型的平台。除了库存细分分析和再营销建议外，该平台还展示了最好的销售区域，以及经销商如何投放不太理想的车辆。所有这些都使用 KAR 及其客户提供的数据，以一种专有的方式使整个汽车销售行业受益。我们应该期望其他行业开始以同样的方式使用数据服务模型进行决策。

4. 下载应用程序的衰落

与下载应用程序不同，增强型网页应用程序 (PWAs) 很快将变得非常普遍。访问 PWAs 的方式与从应用程序商店下载的方式相同，但是加载速度更快，更安全，而且体积更小。Lumavate 等公司帮助赛车、医疗制造、建筑和金融服务等行业的开发人员从原生应用程序转向具有成本效益的 PWAs，从而有效释放设备上的空间，并提供更好的用户体验。

5. 预测分析

预测分析不仅仅是预测可能的情况，而是分析一系列的行动和这些行动的潜在结果。随着越来越多的工具可用，这种类型的数据分析正在成为必杀技。

自动驾驶汽车就是很好的例子。自动驾驶汽车必须进行数百万次的计算分析数据，以决定何时转弯、换车道等等。

石油和天然气行业也在使用预测分析来评估供应、需求、定价以及它们的变化对行业的影响。预测性分析作为商业智能的重要组成部分，为公司高管提供有洞察力和有远见的决策。

6. 更多的工作岗位将由人工智能创造，而不是流失

人工智能预计将在 2020 年减少 180 万个工作岗位，但也会创造 230 万个工作岗位。医疗、教育和公共部门等行业的就业需求将日益增长。虽然中低层次的工作岗位将受到最大的冲击，但是在太阳能等行业将出现新岗位。太阳能是目前就业增长最快的行业。工业制造业也是一个试图重新配置劳动力的行业，将其员工的技术结合起来进行数字化转型。

7. 通过机器学习增强工作能力

ML 曾经意味着自动化任务和取代人工工作。现在的重点是 ML 增强人工工作的能力，使我们更有生产力和效率。在 2020 年，我们将看到 ML 模型被设计用于物流、零售和机器人等领域。像推荐引擎、欺诈检测和机器人过程自动化等产品和服务将会普遍化，行业竞争日趋激烈。

8. 机器人流程自动化 (RPA)

今年，德勤 (Deloitte) 发现，用于库存管理等日常业务的智能自动化工具 (例如机器人流程自动化) 的数量增加了一倍。特别是制造业，已经关注 RPA 好几年了，并将在 2020 年增加 RPA 的使用。在制造业，成功的 RPA 解决方案包括订单采购、订单处理、库存报告和运输管理。已经实施了 RPA 的高管们注意到，员工们解放了双手和大脑，具有战略性和创造性思维的能力，因而工作变得更加投入。

无论在哪个行业，物联网、ML 和数据分析领域的投资都将越来越具有竞争力。明年以及未来，我们将在技术领域看到的主要是物联网产品和服务，这些产品和服务将使我们进一步理解并挖掘数据的价值。现在，构建和分析数据为企业提供了比以往更多的信息。到 2020 年，他们将继续利用这些数据提升客户、员工和利益相关者的各种体验。

原文标题：The Year Of IoT: Eight Data-Driven Directions For 2020，作者：John McDonald