就在几年前，公司主要通过创新和数字化转型来脱颖而出并保持竞争力。 自从过去几年以来，数字技术和云计算的迅猛发展改变了这种观念。

如今，组织必须具有创新性，并利用最新技术来保持业务正常运转。 实施在线零售，银行业务和其他服务的企业并没有将这些渠道视为增加收入的另一条途径。 他们意识到在线服务正Swift成为他们的主要收入渠道。 根据Forrester报告为期三个月的数据分析， “数字商业势在必行” ，美国84％的银行客户使用网上银行进行交易，而43％的用户使用手机进行这些活动。

毫无疑问，支持这些技术的计算能力，存储，规模和速度所需的基础架构最好由云提供。 您需要问的问题是：“我们是要开发和托管支持数字化所需的基础架构，还是要利用云提供商所提供的不断完善的强大基础架构和服务？”

计划进行大规模增长和转型的组织通常是那些在技术上进行大量投资以支持创新思想的组织。 数字空间的进步有助于推动创新，但是如果没有坚实的云战略以及敏捷的开发流程，想法很可能会像纸上的想法一样简单地保留下来，并将永久化为可提供价值的产品或解决方案。 在当今的背景下，由于云上可用于支持数字计划的强大基础架构，服务和工具，数字和云几乎不可分割。 所有领先的云提供商均提供竞争解决方案和服务，以帮助组织快速推进其数字计划。

在我的文章《用云进行转换：如果不是现在，什么时候？ ，我谈到了组织应考虑使用云来转变业务的一些关键领域。 我以类似的方式组织了这篇文章，重点介绍了云技术在支持关键数字技术（例如人工智能，大数据，分析和物联网）中的作用。 目的是提供对数字环境的高层次概述，并讨论领先的云提供商如何通过其数字计划帮助企业。

人工智能

以计算机和通信设备的批量生产为中心的数字革命改变了企业在过去几十年中的运营方式，从而导致了每个领域的不断改进，从提出产品和服务的新想法到创新的产品设计以改善客户体验。 当前，世界正在经历另一场甚至可能更强大的革命：使用人工智能执行复杂的认知任务，以以前非常复杂或非常耗费资源的方式解决业务问题。

大多数组织处理的业务命题只产生中小价值，需要大量的人工工作，例如审查大量文档（例如RFP）以了解需求并估算成本。 事实证明，人工智能是处理此类案例的最佳替代方案，这些案例目前由人来处理，但涉及的工作量给企业带来了继续使用无人工智能的可能性的挑战。

人工智能系统试图模仿人类大脑，后者使用模式来生成感知，并使用逻辑来驱动从理性角度分析情况的结构化方法。 AI系统处理来自各种来源的大量数据，例如传感器，在线应用程序，来自社交媒体的文本数据等。 AI使用感知来处理数据以分析模式，并结合机器学习以利用结构化评估方法和合理的决策，不仅可以提取有意义的信息，而且可以组合这些信息以做出有价值的决策。

云在增强集成了AI的应用程序的功能方面发挥着重要作用。 几乎所有云业务的主要参与者都已经开发了AI服务，这些服务使用功能强大的认知引擎来处理结构化数据，例如关系数据库以及来自NoSQL数据库，传感器等的非结构化数据，这些数据已上传到云中。 这些认知引擎中内置的模式匹配算法和逻辑组件非常复杂且功能强大。 数据和计算能力是使这些引擎有效的两个最关键的要求。 引擎使用更大的数据集可以更准确地预测。 诸如图像识别，视频分析，自然语言处理和语音识别之类的AI应用程序利用高度复杂的神经网络利用机器学习来对大量数据进行检测和预测。 使用GPU（图形处理单元）的并行处理有助于这些数据处理和计算更快地运行。

在内部构建和实施这种强大的基于GPU的并行处理引擎既昂贵又耗费资源。 云通过提供API来访问机器学习服务（例如视频分析，语音识别，流程自动化，视觉检测，自然语言处理等）来解决此问题。这些API的背后是复杂的基础架构，这些基础架构结合了基于GPU的集群的功能计算引擎，神经网络和数据湖。

大数据与分析

随着互联网，云和社交媒体的增长，我们还看到了全球数据的指数增长。 根据过去五年中有关大数据生成的统计数据，全球每天平均创建的数据量约为2.3万亿千兆字节。 当数据的性质更加结构化和组织化时，公司将依靠数据仓库和BI应用程序来帮助制定重要的数据驱动型业务决策。 传统的数据仓库是建立在可以使用SQL查询的关系数据库的基础上的。 通过一天最多运行几次的ETL作业，可以从一个或多个数据源中提取，转换和加载数据。

在处理和修改来自多个不同来源（例如社交媒体，IoT，公共网络和关系数据库）的连续实时数据流时，这种方法已被证明是无效的。 大数据分析可帮助检查大型结构化和非结构化数据集，已成为企业的主要推动力，可通过数据挖掘，预测性分析和预测提供见识和知识，从而帮助企业制定关键的业务决策。 大数据处理的发展导致了数据湖 ，即一个集中存储库，该存储库按原样存储结构化和非结构化数据，并允许使用各种工具和方法来解决业务问题。

云的垂直和水平扩展能力使其成为大数据托管和分析的理想平台。 通过垂直扩展，可以通过添加应用程序所需的资源来增加服务器的容量。 水平扩展允许企业随着处理需求的增加来扩展硬件资源。 引领大数据革命的Hadoop被设计为可扩展的分布式系统。 并行处理是其设计的重要组成部分，它使系统能够处理多个独立的小任务，例如为数据存储和文件系统提供服务，处理流数据以及一并处理查询。

基于云的系统提供高带宽，大量内存和可扩展的处理能力，以帮助大数据应用程序改进实时处理和流数据分析。 对于运行大量工作负载并存储大量数据的应用程序，云是一个明确的选择。 云提供商提供了高度可扩展的数据库服务以及工具和服务，以支持信息管理，商业智能和分析。

物联网

物联网（IoT）是指连接的设备的整体，例如安全传感器，监控摄像头，智能手机，诸如智能手表之类的可穿戴设备，甚至包括洗衣机，冰箱等家用电器，这些设备都具有通信和传输数据的能力通过网络，无需直接的人工干预。 这项颠覆性技术不仅可以通过提供对家用系统和设备的更大控制权来增强消费者的能力，还可以使组织获得的数据可以提供对关键业务领域的深入洞察，为创新产品，解决方案和新的商机打开大门。

物联网将影响从制造业到物流业再到医疗保健的所有行业，距离世界几乎所有事物都互联的时代已经过去了。 随着连接设备数量的不断增加，物联网的业务采用已经呈指数增长。 根据Gartner的最新研究 ，当今企业可能已经使用了多达31亿个IoT设备，到2020年，这个数字可能会增加到约76亿。

物联网在优化生产，管理供应链，跟踪资产，制定财务决策以及改善客户体验方面发挥着至关重要的作用。 福布斯有关物联网对业务影响的报告指出了物联网使用越来越占主导地位的几个领域。

健身行业中的数字化转型和物联网的采用非常出色。 具有内置传感器的可穿戴设备可以不断收集有关身体活动的数据，例如行进距离和燃烧的卡路里，并且可以监控睡眠模式，以提供详细的分析和见识，从而实现持续的医疗保健。 物联网应用程序旨在使用来自连接设备的数据，而云中提供的复杂工具可让您可视化，探索和构建复杂的分析。 对于使用多个设备的复杂物联网应用程序，重要的是了解设备的状态并经常与利用这些设备的应用程序组件进行通信。 确保设备和应用程序之间的安全标识和访问也至关重要。

与任何技术革命一样，物联网也面临挑战。 随着越来越多的设备连接到Internet，生成的数据量极大。 这给互联网带来了巨大压力，并且需要一种可以更有效地传输和存储数据的基础架构。 随着连接设备数量的不断增加，人们正在推动创建“边缘”设备，这些设备足够智能以执行一些处理并将结果发送到服务器，而不是将大量数据发送到中央服务器进行处理。

例如，监视摄像机通常将视频发送到中央记录设备，该设备仅在检测到运动时才进行记录。 想象一下，如果数百个高清监控摄像机不断向该中央服务器发送视频源，将会对网络造成影响。 还值得注意的是，随着设备和服务器之间的物理距离增加，网络传输延迟也会增加。 通过边缘计算，摄像机足够智能，可以感知运动，并且仅在检测到运动时才将视频发送到基于云的中央记录系统。 这大大减少了通过网络传输的数据量并提高了效率。 云和物联网相辅相成：互联设备生成大量数据，而云则提供了存储，处理和分析数据的基础架构。

考虑到一切...

技术无疑是当今任何业务的主要推动力，而努力有效地集成技术的公司最终将发现很难成功甚至维持在市场上的地位。 互联设备，社交媒体以及大量形式的结构化和非结构化数据馈送为进一步利用技术和转变业务铺平了道路。 包括人工智能，大数据分析，物联网和其他新兴技术在内的数字化转型正在Swift成为组织创新和保持竞争力的关键要求。 Digital为更好的分析和决策打开了大门，引导企业探索，分析和获取新的见解和想法，以发展业务。

云提供了成熟的服务，工具和安全性集合，是任何制定数字化转型战略的企业的理想平台。 所有领先的云提供商都提供全面且具有竞争力的解决方案，工具和服务，甚至可以为其客户解决最复杂的数字化转型计划。 此外，云提供的基础架构的水平和垂直扩展使其非常适合数字技术要求的强大计算要求。

人工智能包括机器学习，语音识别，语音合成，图像识别，图像比较，视频分析和许多其他应用。 它已被企业广泛实施，以改善客户体验，实施聊天机器人，开发培训等。 云提供商提供了API，应用程序开发人员可以利用它们来构建智能的，支持AI的应用程序。

大数据分析将数据分析带入了一个不同的维度，提供了从结构化数据（如来自常规关系数据库的提要）和非结构化数据（如来自社交媒体的数据流）中收集更好的见解的方法。 例如，通过分析社交媒体上的评论和对话，它使企业能够更好地理解客户的看法。 在内部部署大数据及其相关工具需要大量的时间和金钱投资。 云平台提供了所需的所有工具和弹性计算能力，可帮助企业专注于分析的优势，而不必担心实施，维护和支持。

物联网（IoT）将设备连接到Internet，并为个人和组织提供了对其家，生活和企业的更大控制权。 例如，基于雨量传感器的浇水系统可监测湿度，自动浇水，促进农作物的更好生长并降低成本。 边缘计算可为设备提供更好的处理能力，而无需将大量数据传输到中央服务器进行处理。 领先的云提供商通常为边缘计算和物联网提供许多解决方案和工具。

无视数字革命将给组织和个人带来灾难性的后果。 人类和企业每天都会产生数万亿千兆字节的数据。 无论我们是否意识到，数字化正在改变我们的生活。 对于组织来说，开发和实施与云计划和工具配合使用的数字战略至关重要。

参考资料

• Forrester关于数字业务势在必行的报告
• 公有云中人工智能即服务的兴起
• Gartner的报告-您应该在哪里使用人工智能-以及为什么
• 什么是大数据？ 大数据有什么好处？
• 企业如何使用物联网进行业务转型
• 物联网对业务影响最大的5个领域

接下来要读什么

翻译自: https://opensource.com/article/18/7/digital-transformation-strategy-think-cloud