随着企业的数字化转型，它们将面临成倍增长的数据量和日益复杂的新技术。越来越多的企业正在转向机器学习，以克服这些挑战。例如，一些亚太地区的电信公司正开始探索机器学习如何帮助其管理网络，以及更好地预测工作负载，来确保其服务的一致性和可靠性。同时，该地区的制造商也正在借助机器学习进行预测性维护，防止计划外的停机。

 

尽管这一技术正在引起越发广泛的兴趣，但许多组织对机器学习仍抱着零敲碎打的态度，使其无法成为真正的数据驱动型组织。亚太地区的组织可以通过将机器学习渗透到运营层面来克服这一问题。这就是说，让业务用户能够在不需要IT和数据科学团队的帮助的前提下，利用机器学习。这意味着，他们要具有能够理解、信任并传达机器学习模型对业务产生有意义影响的能力。要从人工智能衍生的见解中产生行动，唯有能够做到这一点的人，才是做好了在新的常态下生存和发展的准备。

混合云将成为大多数企业的默认选择。据 IDC 预测，到2021年，亚太地区（不包括日本）超过90%的企业将依靠内部部署及专有的私有云组合，以及多个公共云和传统平台，来满足其基础设施方面的需求。由于数据分布在混合云中，因此无论数据处于何处，或如何被使用，企业都必须有效地保护和治理。缺乏强大的安全和治理系统的企业，不仅面临着容易受到网络攻击和内部威胁的风险，还将面临难以遵守数据隐私法和了解客户（Know Your Customer, KYC）义务等法规的问题。

 

富于前瞻性的亚太地区组织已通过使用企业数据云来应对上述挑战，其企业数据云可以在混合云环境中执行一致的安全和治理策略，包括精细的访问控制、数据系列和审计日志。举例来说，这样的银行能够更好地遵守反洗钱法规——通过对其整个数据生命周期的可视性（即了解其数据是如何产生、被消费以及被组织中的各种业务应用程序/用户使用或操纵），银行能够向监管机构证明，其正在使用完整和准确的数据，来监控洗钱活动。

 

我们预计，为了解决越来越多的网络攻击和数据隐私问题，明年将有更多的组织关注如何确保其数据平台在整个混合云中提供一致的数据安全、治理、沿袭和控制。

随着越来越多的公司使用人工智能来创建可扩展的解决方案，它们在声誉、监管和法律方面的风险也随之增加。

 

人工智能系统会在其所训练的数据集里进行学习，因此，亚太地区必须解决广泛收集、分析和使用海量数据所产生的伦理问题。如今，关于人工智能伦理方面的对话仍在围绕着数据的匿名化展开。虽然澳大利亚、新加坡和韩国已经建立了人工智能的框架，但包括印度和印度尼西亚在内的其他市场，则仍需在2021年继续为人工智能创新制定法规和国家标准。除此之外，亚太地区的企业还需通过强大的数据治理来尽到自己的责任。它们可以考虑使用企业数据云来简化其数据治理，并解决围绕用于驱动人工智能系统的数据模型和信息基础设施缺乏透明度的问题（即人工智能系统使用什么数据，以及人工智能如何做出决策）。

 

展望2021年，我们将看到人工智能伦理和数据治理的相关话题在多个不同的领域被提及，例如确定谁应该拥有联网车辆和智能设备产生的数据，以及随着消费者网络足迹的增加，谁应该保护他们的个人网络档案。

毫无疑问，数据是一种战略资产，可以帮助组织机构获得在2021年及以后的不确定性发展中所需的敏捷性。然而，伴随着数据的重要性的不断上升，以及人工智能等新技术越来越广泛的应用，这将带来新的挑战和担忧。

 

为了确保您的数据战略能够满足新的业务需求，它应该得到企业数据云的支持。它将为每个员工提供对相关数据和见解的访问渠道，同时控制成本、降低风险，并在所有数据资产中执行一致的安全和治理。通过让数据变得可获知、可发现、可用、可信，以及合规，这些组织机构将能更好地提高运营效率，找到新的收入来源，并为人们提供更好的客户体验或服务。即使面对纷乱的环境，亦是如此。