数字商务依赖于组织将更多数据转化为更有用的工作的能力。这方面的主要推动因素是企业在高级分析、人工智能、深度学习和机器学习方面的投资。12月15日，Wikibon举行了一年一度的网络广播，我们预测了数据分析市场、平台、工具和实践在未来一年的发展趋势。在那次网络直播中，以下是乔治·吉尔伯特、尼尔·雷登和我的主要预测：人工智能将成为高性能IT操作和应用程序管理环境的支柱。ML对于当今日益复杂的分布式计算环境的连续监视、优化、诊断和修复至关重要。吉尔伯特预测，2018年，信息技术运营和应用绩效管理将成为第一个大规模、横向应用的机器学习。数据驱动的自动程序设计将成为企业应用程序开发的核心。我预计，到2018年底，最新的自动程序设计技术（包括ML和机器人过程自动化）将被纳入顶级的以云为中心的集成开发环境中。ML和RPA的共同点是它们采用了一个领域驱动的代码生成框架，并使用数据驱动的代码构建训练来提高它们的效率。数据科学生产力将迅速提高，使更多的工作能够用更少的数据科学家完成。Raden预测，2018年及以后，数据争论和建模自动化工具的不断增加将使数据科学家能够跟上对其服务不断增长的需求，甚至随着这一领域的民主化，传统数据科学家的地位可能会下降。分析应用将成为在无服务器云上使用功能编程的展示微服务。我预测，到2018年底，超过50%部署在公共云上的新微服务将部署在无服务器环境中。ML解决了许多主流人工智能的核心功能，包括云编程的新功能。但是由于无服务器的本地平台的初步采用，私有云中不到10%的新功能代码将使用功能代码。开源大数据软件解决方案的供应商将通过并购进行整合。吉尔伯特预测，在2018年，这些整合将受到投资者对盈利能力需求的不断增长而非销售增长的推动，以及利基供应商需要建立企业销售队伍，以利用其"土地和扩张"的上市战略。与边缘设备之间的数据移动将成为物联网运营的主要成本要素。Raden预测，在2018年，减少"物联网"数据传输、压缩人工智能和其他边缘部署算法的方法将获得普及。由于强化学习的应用越来越多，人工智能微服务将越来越多地转向边缘设备进行自主操作。我预测，到2018年底，超过25%的企业人工智能应用开发项目将涉及自主边缘设备，到那时，超过50%的企业人工智能开发人员将熟悉强化学习工具和技术打包的、预先训练的机器学习模型将成为企业应用策略的关键。企业仍然面临数据科学家的短缺，无法在生产应用中构建、培训、部署和管理人工智能和其他数据驱动模型。吉尔伯特预测，在2018年，IT专业人士将不太可能从头开始构建机器学习模型。相反，组织将越来越多地在打包的应用程序和云服务中使用和定制可访问API的预训练模型。请在这里收看幻灯片完整的网络广播。资料图：维基百科既然你来了…点击订阅我们的YouTube频道（见下文），显示您对我们使命的支持。我们的订户越多，YouTube就越会向你推荐相关的企业和新兴技术内容。谢谢！支持我们的使命：>>>>>立即订阅我们的YouTube频道。……我们还想告诉你我们的使命，以及你如何帮助我们完成它。SiliconANGLE Media Inc.的商业模式是基于内容的内在价值，而不是广告。与许多在线出版物不同的是，我们没有付费墙或横幅广告，因为我们想让我们的新闻保持开放，不受影响，也不需要追逐交通。那个新闻、报道和评论SiliconANGLE——以及现场报道，我们的硅谷工作室和cube环球巡演的视频团队提供的未经剪辑的视频需要大量的辛勤工作、时间和金钱。保持高质量需要赞助商的支持，他们与我们的无广告新闻内容的愿景一致。如果你喜欢这里的报道，视频采访和其他无广告内容，请花点时间看看我们的赞助商支持的视频内容样本，在推特上表达你的支持，然后继续回到SiliconANGLE。