支持實時數(shù)據(jù)流、邊緣人工智能處理和自動化工作流的新平臺將成為實時企業(yè)的支柱。
當客戶，領(lǐng)導(dǎo)者和同事在接收數(shù)據(jù)、分析、報告或洞察方面不太介意延誤時，首席信息官和IT的工作就會變得相對輕松。人們大概都知道，處理數(shù)據(jù)需要時間，人們也接受了這樣的事實——生成報告需要人工的付出。領(lǐng)導(dǎo)者習慣于查看昨天或上周的成果?？蛻艨梢匀萑虘?yīng)用程序中的某些延遲，并且可以接觸到數(shù)據(jù)透明度，無論是什么程度上的透明度。
身為首席信息官，我們知道實時分析很難實現(xiàn)，它甚至難以支持預(yù)期的服務(wù)水平。我們擅長提出正中要害的問題，讓利益相關(guān)者相信，他們確實不需要實時信息，如果我們受到嚴厲敦促，我們會提醒他們，這很復(fù)雜且會產(chǎn)生潛在的費用。
隨著企業(yè)漸漸通過比同行更準確的數(shù)據(jù)和分析來發(fā)展競爭優(yōu)勢，這樣的好光景正日薄西山。但如今，電信、醫(yī)療和制造等眾多行業(yè)的企業(yè)發(fā)現(xiàn)，在接下來的幾年里，實時能力將實現(xiàn)從競爭優(yōu)勢到必需品的過度。
為了應(yīng)對實時應(yīng)用程序、分析和人工智能所需的規(guī)模和服務(wù)水平，更多的技術(shù)公司正在銷售基于從頭開始設(shè)計的架構(gòu)的實時功能，這對首席信息官來說是個好消息。更好的平臺將在這些方面取勝——IT是否能輕松地開發(fā)、集成和提供業(yè)務(wù)競爭價值。
在過去的幾個月里，我參加了幾個會議，包括The O'Reilly的數(shù)據(jù)會議，SINC的中西部IT論壇，Spark的首席某某官領(lǐng)導(dǎo)力系列會議以及幾個供應(yīng)商用戶會議，在那里我學到了很多推動實時企業(yè)的技術(shù)。
實時數(shù)據(jù)流到最終的批量數(shù)據(jù)集成
希望將報告和分析集中化的企業(yè)過去常常創(chuàng)建數(shù)據(jù)倉庫并利用ETL（提取，轉(zhuǎn)換和加載）工具按規(guī)定的計劃加載數(shù)據(jù)。數(shù)據(jù)倉庫正在被更靈活的數(shù)據(jù)湖和大數(shù)據(jù)平臺所取代，而ETL如今則可以被數(shù)據(jù)流技術(shù)所取代。
我最近寫了一篇題為《使用數(shù)據(jù)流進行實時數(shù)據(jù)處理：新時代的新工具》文章，我在文章里分享了底層平臺上的一些細節(jié)，例如Apache Kafka，它可以作為實時數(shù)據(jù)源的終點，還有 Spark Structured Streaming，它能以微批（micro-batch）的形式處理實時數(shù)據(jù)。相互競爭的技術(shù)還還包括Storm、Flink、Pulsar、Heron和BookKeeper。
設(shè)法組裝實時流式架構(gòu)是一項艱巨的任務(wù)，對很多企業(yè)而言這可能過于復(fù)雜，因此商業(yè)解決方案將技術(shù)組件捆綁在一起并將完整的數(shù)據(jù)流架構(gòu)作為產(chǎn)品提供企業(yè)。企業(yè)可以考察Cloudera、MapR和Informatica的實時產(chǎn)品，或者考察DataBricks、StreamAnalytix和Streamlio等成長型公司的創(chuàng)新解決方案。
處在邊緣的實時機器學習
你讀到的很多人工智能例子都基于監(jiān)督式學習算法，如神經(jīng)網(wǎng)絡(luò)。這些算法基于這樣的做法——使用訓(xùn)練數(shù)據(jù)集開發(fā)模型，然后使用該模型來做出預(yù)測、發(fā)現(xiàn)模式或提出決策。
如果數(shù)據(jù)首先必須進行集中化并且決策只能在受過訓(xùn)練的模型上得到執(zhí)行，那么自動車輛、交通控制系統(tǒng)、可配置制造系統(tǒng)、醫(yī)療系統(tǒng)以及必須處理實時數(shù)據(jù)和支持快速決策的其它系統(tǒng)將處于劣勢。相反，機器學習將基于無監(jiān)督式學習的范式，并且可能會將一些處理推向邊緣以降低延遲。
同樣，科技公司正在為企業(yè)提供各種選擇。你可以通過AWS Greengrass、Azure IOT Edge或谷歌的Edge TPU等服務(wù)自行構(gòu)建和部署邊緣計算服務(wù)。商業(yè)解決方案包括Swim.ai，它提供邊緣計算功能，旨在通過無監(jiān)督的機器學習算法處理數(shù)據(jù)；Vantiq專門用來處理在云端或邊緣上運行的事件流的低代碼平臺。
使用低代碼和機器人過程自動化將工作流程自動化
如果邊緣的實時數(shù)據(jù)處理或人工智能對你的組織來說太“不切實際”，那么請你考慮一下更實用的例子。我說的是首席信息官應(yīng)該如何將更多能夠推動運營基礎(chǔ)的工作流程自動化。
這可以通過多種工作流程和可供選擇的技術(shù)來完成，具體取決于組織規(guī)模、可用的技術(shù)技能和遺留系統(tǒng)的復(fù)雜性。對尚未將工作流程數(shù)字化的大型組織來說，低代碼或業(yè)務(wù)流程管理（BPM）平臺進行開發(fā)和啟用。Appian、Bizagi和Outsystems等平臺使開發(fā)團隊能夠快速開發(fā)和支持集成的工作流程。
另一個例子是部門工作流程，這個流程仍然可以通過電子郵件或共享電子表格來完成。Caspio、Kintone和Quickbase的代碼開發(fā)平臺和公民開發(fā)平臺都不是做這些事情的上上之選——在數(shù)字工作流程中對這些流程進行快速開發(fā)和轉(zhuǎn)換，并建立更多的協(xié)作實踐。
如果你有很多包含復(fù)雜的業(yè)務(wù)邏輯的傳統(tǒng)工具，那么對這些平臺進行現(xiàn)代化就需要大量投資。另一種方法是部署機器人或RPA（機器人過程自動化），人們可以對機器人過程自動化進行編程，讓它承擔手動任務(wù)并跨多個用戶界面編排自動化流程。不妨試想一下員工的適職流程，這個流程可能需要在多個工具中填寫信息，這是時間密集型的，容易出錯的任務(wù)。Automation Anywhere、Blue Prism和UiPath售賣的機器人過程自動化可用來轉(zhuǎn)變這一過程，其方法是訓(xùn)練機器人來執(zhí)行所有必要的步驟。
除了我在此分享的功能之外，首席信息官還應(yīng)該關(guān)注其它領(lǐng)域，例如實時分析、實時威脅檢測以及其它能夠通過實時信息和功能實現(xiàn)競爭優(yōu)勢的技術(shù)。
