大多数采用人工智能的企业相信，AI将在未来3年内彻底改变他们的组织和行业，但随着人工智能迅速普及，内置人工智能的产品和服务数量日益增长，先行企业所具有的优势将被削弱。

AI技术的成本与实施AI相关的挑战是中国应用者面临的最大挑战。大多数中国采用者担心人工智能风险和负面公众关注减缓人工智能进展，相比全球，中国的AI应用者正在采取更多措施积极管理与人工智能应用相关的风险。

PDF版本将分享到199IT知识星球，扫描下面二维码即可！

调查发现，80%的中国受访者表示，所在企业在过去12个月内至少使用过一种金融科技产品或服务，该比例在所有受访市场中位列第一。同时，与其他受访市场相比，在过去12个月内，中国企业保持或增加移动支付/数字钱包、机器人咨询/聊天机器人、财富管理技术和金融科技借贷技术应用的比例更高。

澳洲会计师公会华南区委员会副会长陈建峰先生认为，新兴技术的发展和消费者行为模式的改变，推动了中国在金融科技应用领域的迅猛发展。

“政府近年来出台了一系列财政和税收激励措施，为企业创新赋能。例如：政府鼓励企业开展研发活动，规定企业研发活动中实际发生的研发费用若形成无形资产，在规定时间段内可按照无形资产成本的175%在税前摊销；多地地方政府均在人工智能领域加大资金投入与政策支持。在这些政策的推动下，相较于其他受访市场，中国企业更善于应用金融科技。”

“推动中国企业金融科技应用量增长的另一因素是消费者行为的改变。作为数字原住民的千禧一代，目前已经成为了中国消费市场的主要力量，这进一步刺激了企业在商业实践中应用金融科技。”

此外，调查还发现，金融科技应用与企业业务增长之间存有紧密联系。在过去12个月内，74%于2019年盈利的中国企业保持或增加了移动支付/数字钱包的应用，54%于2019年盈利的中国企业保持或增加了机器人咨询/聊天机器人的应用。

陈建峰先生进一步指出：”金融科技将成为企业业务增长的新动能。我们相信，中国企业在未来将持续其在金融科技应用方面的领先优势。”

调查数据显示，84%的中国受访者表示，所在企业未来12个月内将至少使用一种金融科技产品或服务。

然而，中国企业在金融科技应用领域的快速发展，也带来了一些全新的挑战。调查显示，中国受访者认为网络安全和金融科技人才短缺是目前主要的两大挑战，分别有41%和37%的受访者选择。

陈建峰先生表示：”我们注意到，在所有受访市场中，选择’金融科技人才短缺’作为金融科技应用主要挑战之一的中国企业比例最高。这是中国企业在金融科技应用领域快速发展的一个必然结果。”

“为更好地迎接这一挑战，我们欢迎更多跨学科金融科技学位课程的设立。同时，我们也建议中国的企业，研究机构和大学携手合作，创建全新的人才发展计划，以培养，招募和发展更多金融科技人才。”

PDF版本将分享到199IT知识星球，扫描下面二维码即可！

“生意参谋过去几年间与海量企业用户形成最为紧密的合作关系，并且坚持探索普惠式数据智能技术在多种商业场景下的运用，”《报告》主笔、浙江大学信息技术与经济社会系统研究中心博士生董思怡表示，“这既能够为报告带来丰富的研究样本，又能让我们研究者跳脱单一电商场景范围来看现代商业，使最终呈现出来的报告更具完整性和普适性。”

《报告》以用户使用生意参谋的行为为维度，将企业在数字化转型中的进程分为停滞型、响应型、感知型、敏捷型四大类，其数字化程度逐步递增。

数据显示，在企业数字化转型的进程中，虽然服装零售行业受到了一定冲击，“但可能是其中最受益的行业”——与家电行业相比，服装零售行业企业在“敏捷型”类别中的占比更多，在“停滞型”类别中的占比更少，说明服装零售行业对数字化进程的响应速度比家电行业更快。

从地域上来看，珠三角、长三角地区的“敏捷型”企业占比明显高于京津冀地区，珠三角在“感知型”企业占比又高于长三角，“由北至南，企业在数字化转型的程度上大致呈现递增趋势”。

同时，《报告》还以女装品牌伊芙丽为例，具体分析企业在数字化转型进程中的数据运用和如何进行自身业务反哺。

来自： AliData

处在企业战略地位的开源

企业是否认为开源具有战略性意义？这是红帽最先抛出并且最希望了解的一个问题。

调查结果显示，950 位受访者中，绝大多数人认为开源对企业整体的基础架构软件战略具有战略重要性。事实上，超过 69％ 的人表示这非常或极其重要，只有1% 的人认为不重要。

另外，在过去的 12 个月中，68％ 的企业增加了对企业开源的使用，超过 59％ 的企业预计在未来 12 个月内将继续使用企业开源。

开源与数字化转型

今时今日，企业开源也可以取代专有软件，用于从虚拟化到消息总线再到应用服务器等许多不同目的。开源还有助于定义和塑造从容器化到软件定义存储和网络的基础架构的新方法。

其中，使用开源技术达成基础架构现代化和应用现代化的企业占比分别为 53% 和 42%。

不过，开源软件不仅仅是为了替换旧的基础设施。42% 的受访者表示他们正在将其用于数字化转型，具体主要应用于大数据分析和数据库管理。这一趋势不容小觑。

开源：创新的引擎

调查发现，受访者将“获取最新创新”作为使用企业开源的前三大理由之一，占比 29％。

这很重要，因为它直接说明了开源与专有软件的其中一处主要不同。开源的独特之处在于，它使个人和组织能够以最小的障碍进行协作，实现共同目标。

现如今许多新类别的软件都受到开源技术的影响。人工智能、软件定义的基础架构和云原生平台就是一些很好的例子。

换句话说，当今软件世界的许多创新都是在开源的情况下发生的，依赖软件来支持其业务的组织（也就是大多数组织）都希望能够利用这一创新。

正如红帽 CEO Jim Whitehurst 在调查报告开篇所讲：“这个时代发生的最激动人心的技术创新正在开源社区形成”。

PDF版本将分享到199IT交流群，支持我们发展可加入！

埃森哲与工信部国家工业信息安全发展研究中心合作，基于长期积累的企业两化融合数据，共同开发了中国企业数字转型指数，从运营和创新两大维度量化八大代表行业的450家企业数字化成熟度，旨在通过树立标杆和确立可行目标，推动中国企业数字化转型进程。

在迅速变化的中国数字化市场环境中，如何在提升现有业务的同时拓展新增长机遇，已成为企业面临的主要挑战。此次研究发现，只有7%的企业突破业务转型困境，成为“转型领军者”。中国各行业的数字能力建设目前尚处于初级阶段，领先企业的各项核心数字能力建设较为完善，不仅持续推动并深化现有核心业务的转型，同时还探索全新业务领域。

PDF版本将分享到199IT交流群，支持我们发展可加入！

因此，埃森哲调查了来自全球各行业的1,252位商业领袖，以更好地了解公司捕捉生态系统机会的能力。调查发现很多公司正在寻求新的商业模式（46%）。60%的受访者将建立颠覆行业的生态系统。76%的受访者认为他们的商业模式将在未来五年内变得面目全非。

很多受访者没有从他们参与的生态系统中看到收入增长。58%的企业计划增长3-4%，但是只有40%实现了目标，12%的企业增长5%或更多。

企业领袖通过三大支柱在生态系统中实现目标和颠覆行业：

生态系统策略。高管认为参与生态系统为业务提供了创新（63%）、增加收入（58%）、访问新市场（55%）和获得新客户（55%）的机会。

生态系统业务模式。新的业务模式在2015年为收入贡献了1-5%，但是到2020年预计将占30%。

生态系统运营模式。许多企业高管不愿意放弃控制，这必然会对生态系统成功产生影响。领导着必须从根本上转变观念，放弃控制，并允许人们做最擅长的事情。

未来三到五年内，企业领袖相信生态系统将创造新的竞争优势（56%），让他们能够使用数据和更好地分析客户（50%），创造新的客户体验（46%），并推动创新和颠覆（44%）。

PDF版本将分享到199IT交流群，支持我们发展可加入！

职场知识图谱

EDI为何如此聪明？一方面，EDI拥有精准的自然语言理解和对话能力；另一方面，利用深度学习和社交网络融合等前沿技术，EDI为每个用户构建了一张关于他们的职场知识图谱。本文首先介绍如何构建用户的职场信息图谱，这是EDI个人助理的“大脑”，后续文章将介绍如何赋予EDI自然语言理解和对话能力，让它能为主人愉快地工作，欢迎有兴趣的读者继续关注。

“The more it has, the more it’s him.” 在英剧《黑镜》第二季第一集当中，女主人公通过和机器人对话的方式怀念自己逝去的男友。借助大数据的力量，这个机器人能够从主人公男友的社交网络甚至私人邮件中抽取和整合他的个人信息、关系网络和语言习惯，构建属于这位男生的个性化知识图谱，从而实现对他惟妙惟肖的模仿——如上图台词所说，系统抓取到的信息越多，机器人模仿的语言行为就越和他本人相似。

若说《黑镜》里的机器人是基于关于用户的全方位知识图谱，那么，本文要介绍的EDI 则专注于用户的一个侧面，即用户的职场知识图谱。

在一个机构里，我们把员工的职场知识图谱叫做EDI Graph（ Enterprise Deep Intelligence Graph ），图谱内的信息包括员工的部门、技能、项目、文档、时间、会议室和办公室等，其中每条信息又有各自丰富的属性，信息与信息之间也存在丰富的关联；这些信息的来源主要分为企业内部数据和互联网数据两部分，其中，企业内部数据主要包括内部网页、文档、会议记录、员工基本资料等数据，互联网数据则主要包括维基百科、学术论文、LinkedIn等公开数据。如何将来自公司内部、社交网络、Web等不同来源的异构数据进行梳理和融合、构成一张完整的职场知识图谱，这是构建EDI Graph的关键技术。只要有了图谱，就能构建EDI Bot，让这个昵称为EDI的机器人拥有“大脑”，能进行理解和分析，了解每个员工的专长以及从事的工作内容，成为员工贴心的个人助理。

与《黑镜》里的机器人相似，EDI也是知道信息越多就越能了解人以及人与人之间的关系，越接近员工的工作知己。

信息融合

“EDI, where is BJW1?”

对于同一件事，人们往往会有不同的表达，这是人与机器的一大不同。 举例：“BJW1”是英文“北京微软西1号楼“的简称，但人们在不同情境下可能还有其他表达方式，比如“BJW-1”、“Beijing West 1”、“Microsoft Tower 1，Beijing，China”以及“微软1号楼”等，这些表达上的差异无法用简单的字符串匹配或缩写匹配的方式来完成相似度的计算。那么，EDI该如何知晓它们所指的其实是同一个地点呢？

我们的做法是将这些千变万化的表达看作不同的语言，通过机器翻译技术，找到词与词之间具有的某种翻译关系，从而实现相似词语的融合。

首先，利用种子规则，找到信息中高准确度的种子节点对，利用种子节点对中属性的不同表达，构建平行语料库。之后，使用深度学习技术构建翻译模型，完成不同信息源之间的属性“翻译”。通过机器翻译，不仅能计算简单字符串匹配无法计算的相似表达，甚至还能计算不同语言中同一表达的相似度，让EDI 能够吸收消化更多更广泛的信息来源，对用户的表达做出更准确的判断。

“Hi EDI, schedule a meeting with David now.”

得到不同表达的相似度之后，如何精准对应也是一门学问。例如，只要给个人助理EDI发送一条非常简洁的信息“帮我和David订个会议室”，EDI就能帮助员工准确预订好会议室。然而只要打开微软员工目录，就会发现名为David的员工大约有两千名，EDI如何分辨他们并从中确定要和用户开会那个David究竟是哪一个呢？要知道，这两千位名为David的员工，有些位于同一部门，甚至职务也都相同，这时，单单通过机器翻译得到的属性相似度，可能无法做出正确的对应。

精确匹配的突破口在于不同David的职场知识图谱，其网络结构也是不同的，我们使用协同训练（Co-Training）的方法，迭代地进行图结构信息的匹配。在每一轮迭代中，首先利用当前已匹配的实体对，更新神经网络翻译模型，并利用更新后的模型完成属性间的相似度计算；同时，根据当前已匹配节点计算待匹配节点的公共相邻节点对，通过结合属性匹配和图结构，可以得到新的匹配集合，如此迭代直到收敛。

简单说，EDI能将职场知识图谱中同一个David的信息融合到一起，把不同的David放在各自节点上，然后通过参会历史、项目合作、内部的汇报关系等等，了解公司同事之间的远近，从而锁定用户真正想找的David，完成用户交给的安排会议并预订会议室的任务。

信息分析与理解

《黑镜》中的机器人系统对主人公男友在社交网络上的电邮、照片、视频甚至聊天记录进行了深入的分析和学习，从而实现对其惟妙惟肖的模仿。同样，EDI在掌握丰富的信息之后，也需要进一步分析和理解这些数据，才能深入了解企业中的每一个员工。

在一个企业中为员工构建职场知识图谱，最为基本也最为重要的一点，就是构建出每位员工的工作内容时间线，通过时间线我们就可以了解到“who，when，what”，即：谁，在何时，做过什么事情。

有了这些结构化的知识，如果想知道谁在做Cortana相关的项目，只需要问“Who is working on Cortana?”，EDI就能给出你想要的答案。这对构建企业智能应用具有极为重要的意义。

顺带指出，项目名称的抽取也不简单。我们无法通过简单地标注数据、训练模型或是基于规则的方法来进行抽取，因为不同行业、不同领域对于项目的表述可能千变万化，那么EDI是如何抽取出工作内容以及相关项目的名称呢？

我们认为，项目的名称都是语义完整的短语——例如，在“微软亚洲研究院在丹棱街5号”这句话里，“微软亚洲研究院”就是一个语意完整的短语——于是，我们先从企业内部的数据抽取出语意完整的短语，再从这些短语中划分出项目的名称。在微软内部，各种文档、网页等总量在千万这个数量级，而统计规则例如互信息、熵等，在数据量较大的时候可以有效地完成对短语的切分。因此，我们在递归神经网络（Recursive Neural Network）模型中通过后验正则化（Posterior Regularization）引入互信息、熵等统计量定义的偏序切分规则，在完成短语划分的同时，得到其对应的语意向量表示，最后通过度量语意信息来判断其是否是一个项目的名称。

小结

有了基于企业内部和互联网大数据构建员工的职场知识图谱EDI Graph，就能让机器人个人助理EDI Bot拥有聪明的“大脑”，为用户提供贴心的服务。我们将在后续的文章具体介绍EDI Graph怎么被运用到机器人的工作场景中，以及怎样通过平台让机器人获得与人进行自然语言对话的能力，敬请关注，也欢迎你就这一题目分享自己的见解和经验。

亚洲最具品牌价值的企业中国移动以529.460亿欧元(+9%)位列全球第九。

法国第一品牌LVMH仍是欧洲最具价值的品牌企业，品牌价值435.100亿欧元(+9%)（全球排名14），其次是比利时的百威英博，品牌价值394.680亿欧元(+10%)（全球排名17），瑞士第一品牌雀巢，品牌价值379.570亿欧元(+11%)（全球排名20）。德国第一品牌大众集团以266.620亿欧元，位列全球第28位，奥地利的红牛以151.110亿欧元，位列全球第70位。

European Brand Institute总裁Gerhard Hrebicek总结道：“百强企业的品牌价值平均增幅为13%，美国十强增长17%，中国十强增长22%，欧洲十强增长13%。阿里巴巴增幅最高，达77%，Facebook增长57%，星巴克和亚马逊增长54%。欧洲增幅最高的为博世集团和英国电信集团，增幅为28%。

美国企业占据品牌企业百强榜单主导地位，数量达49 (+2)。欧洲上榜企业为35个(0)，以德国企业居多，亚洲则有16个(-2)品牌企业上榜。

电商销售额最大的一部分来自德国前3大电商企业：亚马逊德国站（78亿欧元），Otto.de（23亿欧元）和Zalando（10亿欧元）。

除了前3大企业地位稳固，电商零售市场还有很多其他变化。一些电商企业的排名有很大提升。比如Media Markt从30名上升到18名，电商营收达2.189亿欧元；Saturn从51名上升到33名，电商营收达1.436亿欧元。

食品电商零售商首次进入100强名单

第一次有2家食品电商零售企业进入德国100强名单。但名单上大多数还是百货零售商和时装零售商：29家企业提供在线百货销售；20家企业主要出售服装和鞋子。

奥地利和瑞士最大电商企业

EHI和Statista还出现在奥地利和瑞士100强电商企业名单上。在奥地利，100强电商企业营收增长9.9%，达20亿欧元；而在瑞士，100强电商企业营收为48亿欧元，2014年为46亿欧元。

奥地利最大的电商企业：亚马逊（5.516亿欧元），Zalando（1.508亿欧元）和Universal（1.172亿欧元）。瑞士最大电商企业：Digitec（5.996亿欧元），Zalando（3.975亿欧元）和亚马逊（3.751亿欧元）。

编译/雨果网

对数据增长的预测令人震惊。美国计算机科学公司（CSC）估计，到2020年，超过三分之一的数据都会途经或存放于云端。数据存储厂商易安信（EMC）表示，数字世界的规模目前每两年就要翻上一番，待到2020年，每年生成和复制出的数据将达到44ZB。

按照思科（Cisco）的说法，要不了五年，智能手机的网络流量就会超过电脑的网络流量。该公司预测，到2020年，电脑在网络流量中的占比将只有29%，而智能手机将占到30%。而若仅就物联网而言，麦肯锡全球研究所（McKinsey Global Institute）预计，到2025年，嵌入式传感器和联网设备对世界经济的贡献将高达6.2万亿美元。

如何对迅猛增长的数据量进行有效管理？这已经成为一大难题。Unisphere Research近日对身为独立甲骨文用户联盟（Independent Oracle Users Group，简称IOUG）成员的数据管理者和数据专业人士进行了一项调查，发现数据足迹的实例数量和规模大小都在膨胀，给管理者带来了不小的挑战。据甲骨文（Oracle）赞助的《迅速加快的云事业：2015年IOUG数据库可管理性调查》（The Rapidly AcceleratingCloud-Enabled Enterprise: 2015 IOUG Survey on Database Manageability）报告显示，大多数受访者称他们的数据量每年增长10%以上；至少38%的受访者称他们的公司管理着至少100个不同的数据库，较2013年的调查结果（25%）有所上升。

数据库规模方面，10%的受访者称数据规模每年在以超过50%的速度增长，另外28%的受访者称增速超过20%。这项调查发现，为了维护数据环境的通用性和一致性，市场对自动化和主动式管理的需求均有所上升。

随着企业从墨守成规向创新转变，易安信赞助的另一项IOUG调查发现，虽然很多企业继续通过添加更多的存储阵列和服务器等硬件来应对令人头疼的数据库和数据中心挑战，但提高效率的进阶方法也越来越受关注。整合、自动化和虚拟化便是三种直接关系到这些受访者所在企业未来能力的数据管理方法。

总而言之，随着数据种类、数据量和处理速度的增长，需要采取新的数据管理方法。如今，数据湖使企业能够积累大量数据以供将来分析，云技术为企业获得所需技术和服务大开方便之门，人工智能则有望主动简化数据管理。开源技术对大规模数据处理的价值也越来越受关注，比如Spark和Hadoop，以及能在通用硬件上运行、支持非结构化和非关系型数据的各种NoSQL数据库变体。此外，数据发现和数据可视化对普通商业用户大有好处，不断发展的物联网提供了大量的实时数据分析机会，还有各种各样的方法可以从新的数据源中获取价值。

为了应对IT行业的迅速变迁，有些公司甚至进行重组，希望以此令自己处于最有利的地位，牢牢抓住新的机遇。在过去的一年里，很多引人注目的并购和拆分已经或即将完成，有些行业专家预测科技企业在证交所挂牌上市的数量将出现增长。

为了帮助企业继续充分利用他们的数据，美国《大数据季刊》（Big Data Quarterly）发布了第二届年度“大数据企业50强”榜单。就管理数据和从数据中获取价值而言，榜单上这些具有前瞻意识的企业正在为我们创造新的可能。

     FutureBrand公司对全球市值排名前100的公司进行了一次品牌认知实力调查。他们找来了来自17个国家的3000名消费者和业内职业人士对这些公司展开排名。

    结果显示，苹果再度夺得第一的宝座。获悉，苹果能重回第一的主要要素有两个，它们分别是激情和欣赏。对于这一评比结果，苹果并未置评。

而曾在去年拔得头筹的谷歌因为公司重组以全新的Alphabet排在第21的位置，这个名字对很多人来说熟悉度并不高。

在这份榜单中，微软和三星分别排在第二和第三的位置，其中后者去年的排名还只有第7。除此之外，杀入了前十强的科技公司还有Facebook和亚马逊。而Verizon、Comcast、Vodafone则是当中排名垫底的科技公司，其排名分别为第83、86、88。

Social media connection concept with mobile, notebook and server technology illustration.EPS10 vector file organized in layers for easy editing.

市场研究机构Gartner本月初发布一份全球调查称，到2016年年底，全球企业的物联网采用率有望达到43%。

Gartner调查了来自全球十几个行业的465位IT和业务专家。调查显示，29%的受访者目前已经在使用物联网技术，14%计划在2016年年底前使用，21%则预计在2016年之后再部署。

目前真正使用物联网的企业仍然是少数。Gartner分析称，这主要基于两个原因：一是大多数企业还没有找到借助物联网为企业带来效益的方式；二是大多数企业缺乏物联网相关经验和人才。此外，已经部署物联网的企业和机构将网络安全与业务管理需求视为最大挑战。

调查还显示，采用物联网的企业集中于重工业，如石油、天然气、公共事业和制造业。预计到2016年年底，这些行业中采用物联网的企业占比将达56%，而服务业仅为36%。52%的受访者表示利用物联网能帮助他们削减成本、提高效率并提升资产利用率，而40%的企业和机构则利用该技术来提升客户体验与扩大收入。

CNNIC：2015年第37次中国互联网络发展状况统计报告–互联网基础资源（二）