作者｜Nature
出品｜AI机器思维
经济的支撑从以土地和传统基建为主的时代迈入以科技引领的数字化、智能化和智慧化的万物互联万物智能的智慧时代。新的科技基建成为未来十年二十年甚至未来三十年的大趋势。
回顾历史思考未来才能真正把握未来，才能真正布局未来，才能有定力投资未来。未来视野、全球视野以及全局视野决定了一个全球化的社会、国家以及企业未来会发展成什么样子，成长成什么样子？纵观历史上所有伟大的企业都不是一年两年三年甚至五年建成的，一个国家也是，科技的进步也是。
我们看阿里、腾讯、福耀玻璃等都是把视野放在遥远的未来二十年甚至三十年后的愿景上，全身心的投入研发！如果没有这个决心和未来视野格局，就会只关注眼前以及最近几年的得与失。没有根基成就不了伟大的企业！
一颗大树和小草对比，可以看出小草没有庞大的根系，基本一年一变，而一颗大树要长成苍天大树，需要多年的扎根才能有未来的枝繁叶茂。人生和事业是这样，科技的发展也是在经历科技人员多年的研发中坚持的结果。
目前的经济驱动从土地和建筑业走向科技驱动的未来社会，走向数据和云建构的生态社会，从物理世界到虚拟世界，走向物理世界与虚拟世界深度融合的生态社会，人与物，物与物，行业与行业等都在经历科技带来的深刻变革影响。
回顾科技发展历程，从互联网诞生到移动互联网和物联网时代，在到如今的数字化智能时代，人类真正进入了科技快速发展的快车道，人流、物流和数据流三者融合，促进了智能化的发展。这在五千年前甚至上万年前的人类是无法想象到现在的生态社会。
随着互联网发展环境愈加成熟，IT信息系统愈加稳定可靠，科技对于行业的改变明显高于以往任何阶段，对产业链的布局与商业逻辑本质进行重塑，并对社会生态行业的未来发展方向产生深远影响。
互联网技术在诞生时只是简单的链接，人与人借助互联网互相通信，交流学习等，随着时代发展，互联网技术的提升，移动互联网和物联网更便捷了人与物、物与物的交流通信，传感器设备的应用便捷了机器与机器的数据交流与通信，科技的基础公路已经建成，在这个扎根的三十年左右的时间里，计算机与互联网应用快速发展，人类进入移动互联网与物联网的时代。
5G通信、大数据、云计算、人工智能、区块链等科技的应用彻底颠覆了行业和人们的生活习惯。一场疫情也加速了数字化时代的进程，带来深刻的数字化应用，如防疫依靠健康码识别风险人群，方便人与人的通行。
万物互联的设备借助传感器让一切智能起来，十年以后在流量上如果能达到百亿的单位，人类这个社会就会全部连起来了，智能起来。那时万物智能，汽车、冰箱、空调、灯、马桶、窗户等都是可以链接起来的，一个遥控设备就可以掌控家里的一切智能设备。
数字流带来的是流量，基础设施的构建让所有的企业从市场的角度，围绕市场基础设施找到场景落地。归根结底未来把流量做上去，数字流就能实现数据的大智慧，流量做上去这个人类社会就会根本地改变，所有人都可以借助流量进行创新，从而国家也会从一个制造大国走向一个创新的智慧制造大国，这会是一个了不起的变化。
智能制造成为未来，人与机器协同工作，机器与机器协同工作。物联网和连接的机器设备产生的数据借助传感器生成强大的机器数据流。机器与机器通过传感器生成的数据让机器借助机器学习算法自我学习，自我修正调节，提供了智能机器工作的效率、安全以及节省了人力。新的数字化解决方案专门帮助塑造行业，带来围绕企业经营、制造、智慧城市、风险预警的数字化智能时代。
未来万物皆数，数据围绕人与物以及机器设备成为记录人的一切历史的标记。基础平台的建成犹如信息的高速公路，实现了智能化的行业应用。
工业机器人借助工业智能设备可以依靠智能端APP查看设备运行情况，依据机器设备机器学习的自我学习能力更好的服务智能制造。
人工智能应用在自然语言上的应用将得到快速发展，让计算机理解自然语言是人工智能皇冠上的明珠。人工智能如何让机器理解人类的语言，这是自然语言处理在人工智能学科中的核心。
未来的智慧城市借助集成的智慧杆实现灯、环境传感监测设备、充电桩、一键报警、微基站、电子信息屏等一体化智慧服务、智能调度、智能监控等。
无论是零售行业还是工业行业，人类整个的生态未来都将是数字化的生态圈中的发展与应用。未来传统行业的深耕需要科技的撬动，用科技提升智能智造。深入了解行业业务，理解行业痛点，才能建设工业的数字化科技的应用，从而企业将带来有量变到质变的发展。
十年以前，最大的十家公司主要是能源和金融，只有一家是科技公司。今天大家可以看到，全球最大的十家公司里面有两家金融公司、一家是超大型的能源公司，另外七家是科技公司。可以预见未来前十家企业一定全部是科技公司。这就是经济和金融市场反映科技的变化。中国在人工智能的论文发表上已经远远领先其他国家，和美国几乎并肩；全球二十家最好的人工智能企业中，美国占八家、中国有七家，所以中国在这方面的赶超位于前列。
数字化未来会是什么样子？如何管理这些信息？业务分析师应该关注哪些技能开发？
1.培养即懂业务又懂数字化的专业化团队
未来无论政府还是企业都需要懂数字化应用的人才，数据分析和数据挖掘科人才成为企业的必须人才。培养具有行业特定经验的专业数字化人才，才能真正让企业走向智慧化。纵观整个社会大生态，从金融服务到制造业和物流业，一切都在升级，并依赖更多的数字服务，从而导致实时数据的涌入，实时服务客户，真正实现了以客户为中心。
2.寻找具备机器学习经验的人才
未来超过70%的数据科学任务将实现自动化。机器设备的智能化，依靠机器学习算法技术及其不断改进学习的增长的能力是这种自动化的巨大推动力。定量分析、实验分析、数据扩展、自动化工具，以及一般的机器学习都是现代数据分析师应该努力学习的技能。
3.2020年可以称为数据监管元年——懂法律懂合规
GDPR法规有助于提升数据安全意识，未来公司都要遵从数据安全法规上的合规应用。这些法规对数据处理、消费者分析和数据安全具有重大影响。因此，企业面临着巨大的压力，不仅要遵守既定的要求，还要了解对当前和未来运营的影响。
对数据隐私和安全性都很擅长的数据科学家和分析人员可以帮助企业规避风险。随着越来越多的法规出台，这种需求将继续增长，促使当前和未来的工作数字化人才实现专业化，懂法律懂合规。
4.紧跟时代步伐——适度掌握前沿技术
现代科学技术发展很快，解决方案和工具正在快速发展，不断涌现新的机会，各种趋势不断出现，数字化时代，数据分析师与数据挖掘人才必须继续保持在技术发展的最前沿。
优秀的数据分析或数据挖掘人才可能专长于某项技术、平台或工具集，但从不能全部精力放在同一个技术、平台或工具集中，要与业务结合，即懂技术与又懂业务的双面人才才能胜任未来。
5.未来一切上云，数据分析或数据挖掘人才需要了解云计算、大数据和人工智能，理解区块链。
数据科学家和软件工程师是两个不同的领域，但这并不一定意味着不会发生重叠。数据分析或数据挖掘的相关人才必须明白，了解云计算、大数据、人工智能以及区块链才能更好的帮助应用，实现数据的提前、处理、分析与挖掘。
随着对更具弹性和流动性更强的基础设施需求的增长，数据分析或数据挖掘相关人员需要了解这与当前操作和设备的关系。如在处理性能需求和潜在问题时，能够动态地评估服务器上的负载均衡，帮助提升效率。理解掌握硬件和基础设施的概念将有助于提升效率，如果没有云计算和由此产生的基础设施，大数据和机器学习等这些技术都不会得到快速应用。
随着云计算技术的能力越来越强，并且被更公开地采用，理解基础硬件的需求也变得更加重要。因此，软件和硬件相关角色之间的重叠，以及未来专业人员需要了解所发挥系统的全部作用，只有云计算、大数据和人工智能协同才能更好的发挥整体性能。
6. 具备基本的智能经验
数据专业人员必须能够有效地将复杂的科学技术主题传达给非技术业务或专业人员。沟通恰好是商务智能的关键软技能，商务智能软件的应用要懂。在行业中积累丰富的经验。未来越来越多的企业将部署数据分析与数据挖掘工具来影响其运营、建设智慧医疗、智慧城市、智慧金融、智慧决策以及进行风险控制等。随着时间的推移与应用积累的经验，这些工具与技术本身一起变得更加先进，技术本身也变得更加强大，数字化让企业更智能更智慧。
未来十年甚至二十年三十年一切皆数的时代，科技颠覆行业，新生态的基建下人流、物流和数据流成为新的基建，也是新的经济增长点。未来全球有价值的十大知名价值公司将从传统企业过渡到科技型企业，打造数字化科技团队，提升数字化智能应用，实现各行各业的智慧将是未来的必然趋势。
无论是人还是企业跟着大趋势走才能把握未来，房子的十年已经过去，未来的十年甚至二十年三十年都将是科技引领全球的数字化、智能化时代。万物互联成网络，万物上云，万物皆数的数字化、智能化、智慧化时代！
