技術的進步推動著經濟和生活的全面數(shù)字化，對數(shù)據(jù)的重視提到了前所未有的高度，“數(shù)據(jù)是資產”已經被廣泛認可。正如《大數(shù)據(jù)時代》作者舍恩伯格所說，“雖然數(shù)據(jù)還沒有被列入企業(yè)的資產負債表，但這只是一個時間問題”。

在過去幾年，我們已經開始通過數(shù)據(jù)科學、機器學習和人工智能讓部分應用場景的數(shù)據(jù)產生價值。這些技術也逐步從最初的早期采用者（BAT和初創(chuàng)公司）擴展到更廣泛的經濟。如何存儲數(shù)據(jù)、管理數(shù)據(jù)并深挖數(shù)據(jù)的價值已經變成了幾乎所有的企業(yè)都需要思考的問題。

盡管角度不同，Serverless模式就是這種簡化的一種嘗試。這種執(zhí)行模型允許用戶編寫和部署代碼，而無需擔心底層基礎設施。云提供商處理所有后端服務，客戶根據(jù)實際使用情況的付費。在過去的幾年里，Serverless模式無疑是一個重要的新興主題，這也是我們在今年的Data&AI領域中增加的新品類。然而，將Serverless模式應用于機器學習和數(shù)據(jù)科學仍有較多工作要做，像Algorithmia和Iguazio/Nuclio這樣的公司是早期進入者。

數(shù)據(jù)環(huán)境日益混合的另一個后果是，企業(yè)需要加大努力來獲得對數(shù)據(jù)的控制。目前的數(shù)據(jù)環(huán)境非常復雜，有些位于數(shù)據(jù)倉庫、有些位于數(shù)據(jù)湖、有些位于各種其他數(shù)據(jù)源，跨越本地部署、私有云和公共云，那應該如何查找、管理、控制和跟蹤數(shù)據(jù)？這包含各種相關的形式和名稱，包括數(shù)據(jù)查詢、數(shù)據(jù)治理、數(shù)據(jù)編目和數(shù)據(jù)沿襲，所有這些都越來越重要和突出。

今年一直在加速發(fā)展的最后一個關鍵趨勢，是AI專用基礎設施的不斷涌現(xiàn)。管理人工智能管道和模型的需求導致了MLOps（或AIOps）領域的快速增長。為了呼應這種新趨勢，今年的Landscape里面，我們添加了兩個新的框，一個名為基礎設施（各種早期創(chuàng)業(yè)公司包括Algorithmia、Spell、 Weights&Biases等等），一個名為開放源碼（各種各樣的項目，通常相當早，包括Pachyderm、Seldon、Snorkel、MLeap等等）。

企業(yè)部署ML/AI的階段已來企業(yè)自動化和RPA的興起在這個階段，我們可能需要3到4年的時間來嘗試為企業(yè)構建ML/AI應用。當然已經有過一些遠遠早于現(xiàn)實的尷尬產品嘗試（第一代聊天機器人）和一些重大的營銷聲明，特別是一些公司試圖改造現(xiàn)有產品實現(xiàn)ML/AI。

但是，我們已經逐步進入了ML/AI在企業(yè)中的部署階段，從好奇和實驗到實際的生產使用。未來幾年的趨勢似乎很明顯：以一個給定的問題為例，看看ML/AI（通常是深度學習，或其變體）是否會產生影響，如果是的話，構建一個AI應用程序來更有效地解決問題。

自從信息技術出現(xiàn)以來，企業(yè)就被信息孤島所困擾，各種系統(tǒng)和數(shù)據(jù)分散到各個部門，彼此之間無法溝通（這導致了大規(guī)模的系統(tǒng)集成服務行業(yè)），而人類充當了兩者之間的“粘合劑”。當前數(shù)據(jù)和系統(tǒng)日益集成、ML/AI有能力逐步將人類從某些功能中移除，企業(yè)完全有可能以一種日益自動化、系統(tǒng)化的方式運作。

RPA是機器人過程自動化的簡稱（盡管可能令人失望的是，它沒有利用任何實際的機器人），涉及到通常非常簡單的工作流，通常是手工的（由人類執(zhí)行）和重復的，并由軟件替代它們。許多RPA發(fā)生在后臺辦公室功能中（例如，發(fā)票處理）。

RPA應該與智能自動化區(qū)分開來，智能自動化是以ML/AI為核心的新興領域。智能自動化也以企業(yè)流程和工作流為目標，但是它更以數(shù)據(jù)為中心，而不是以流程為中心，并且最終能夠學習、改進和治愈。智能自動化的一個例子是智能文檔處理(ADP)，這是一個可以利用ML/AI來理解文檔（表單、發(fā)票、合同等）的類別，其水平與人類相當或更好。

在未來幾年觀察這些領域將特別有趣，RPA和智能自動化有可能通過并購或推出新的本土產品進行合并，除非后者的進展如此之快，限制了對前者的需求。