来自医疗、零售和科技领域的IT主管分享了他们2020年的战略重点。提示：分析、自动化和云在首席信息官的发展路线图中起着重要作用。
随着2019年即将结束，首席信息官将他们的精力转向数字化进程的下一个阶段。许多IT主管会提升他们的员工体验(EX)，从而改善整体客户体验(CX)。
也就是说，首席信息官会在2020年更侧重于人才、文化和组织方面的挑战。
根据福雷斯特研究公司(Forrester Research)的首席信息官预测报告，“首席信息官会作为业务主管有机会向前迈进，进一步推进他们的技术驱动创新、人员管理和发展生态系统建设技能。”
在此，IT主管们简单介绍了其2020年IT发展的路线图。
数据科学与分析
企业数据战略仍然是首席信息官的一项首要任务，他们将数据战略视为其公司转型计划的必要组成部分。
麦克森公司(McKesson)首席数据和分析官莱恩•杜曼(Brian Dummann)表示，他们正在将其数据的使用范围从商业智能扩展到预测性和规范性分析，这将改善公司运输药品和医疗用品的方式。
为了让麦克森公司做好准备，杜曼已将多个数据仓库整合到在谷歌云平台(Google Cloud Platform)上运行的一个Snowflake系统中，他说这将帮助公司的员工更快地满足业务需求。最终目标是什么?提高患者治疗效果。
同样重要的是：雇佣更多的“分析解读人员”，他们可以将业务与分析工作进行关联。“业务领域的知识至关重要，”杜曼说。“我们希望在企业数据能力方面取得进展。”
摩根富兰克林(MorganFranklin)咨询公司的首席信息官弗兰祖哈•伯德(Franzuha Byrd)表示，那些能够分解数据集，了解数据如何流动以及能从数据中获取价值的行业专家变得非常抢手。该咨询公司为“财富500强”企业的并购、拆分和其他公司的方案提出建议。
伯德将数据科学家与行业专家组合在一起，为客户解决数据管理问题，包括如何使交易流程自动化以及挖掘数据湖以获取业务见解。
佛瑞斯特研究公司(Forrester)在其2020年首席信息官报告中指出：“由于获取所需数据的总成本将变得日益明确，2020年将是一个觉醒之年。”
人工智能和机器学习
各个组织正在采用人工智能和机器学习(ML)以获取更具针对性的方法。
首席信息官尼廷•帕特尔(Nitin Patel)表示，纽约市的全市行政服务部(DCAS)正在利用自然语言处理(NLP)和机器学习功能来动态生成问题，以及更好地评判其应试者的答案。该部门每年管理着将近100,000名警察、消防和卫生部门各个职位的应聘者。
目前，这些问题是遵循基于规则的逻辑路径。通过使用自然语言处理和机器学习技术，帕特尔将训练算法来提出问题，这些问题是针对于应聘各种职位(例如程序员、计算机专家和人员分析师)的应聘者。理想情况下，这些工作会缩短长达两年的这一评估和打分过程。
帕特尔还希望利用Amazon.com的Alexa工具或谷歌的虚拟助手来创建应用程序，帮助提供基于语音的客户支持，包括能够通过语音或文本提出问题，从而使工作人员从数小时的繁琐工作中解放出来。
Alorica公司首席转型官巴斯卡尔•梅农(Bhaskar Menon)说，2020年将是全渠道“超级代理人”的一年，该代理人将满足那些需要把“即时满意成为现实”的人们。
Alorica公司会支持呼叫中心的业务流程，并致力于改进Ava虚拟助手功能，该助手可以通过文本或语音聊天来回答公司员工和客户的问题。Ava虚拟助手的回答问题准确率已从发布初期的70%上升到86%。
梅农说：“我们必须在客户想要的任何渠道中提供服务。”
云迁移
铁山公司(Iron Mountain)正在利用云服务来帮助其管理媒体、娱乐和其他行业中含大量数据的数字内容，这是该公司从根本上作为物理设备存储数据的看管者进行全面转型的一部分。
该公司首席技术官费德尔玛·鲁索(Fidelma Russo)说，我们使用机器学习来分析和管理“谷歌云平台”上的数字内容，同时还将为25,000名员工推出谷歌的G Suite协作软件。鲁索正在利用新技术来改变企业文化。她的策略是将使用现代流程和技术的多个跨职能团队进行融合。
鲁索说：“我们才刚刚开始数字化转型。”“这不是我们一年内就能完成，然后就可以继续进行下一项工作。”
与此同时，服装零售商泰波姿(Talbots)正在将其大部分电子商务和应用程序基础架构迁移到云端，以减少对本地设备的依赖。该公司电子商务运营经理唐•霍尔(Don Hall)表示，我们正在利用Dynatrace公司的云软件来监控自己网站和云系统中的错误、运行缓慢和中断情况。
霍尔表示，泰波姿的业务和IT人员可以分析转化率、平均订单量以及消费者创建的购物车数量。“使用一种工具将业务和IT数据整合到一个篮子中，这使我的工作变得更轻松，”霍尔说。
低代码
首席信息官温迪·菲佛(Wendy Pfeiffer)表示，低代码编程是路坦力公司(Nutanix)的战略重点，因为该科技公司会将存储工程师、网络工程师和其他基础架构专业人员作为非专业开发人员进行培训，以编写代码并使代码自动化。他补充道，随着路坦力公司进一步迈向公共云，低代码工具将有助于人们再次获取自己的专业知识。
该公司已经培训了一些员工使用Workato(一种流行的低代码工具)，他们可以使用该工具通过最佳的工作流程和交互式设计来编写代码。但是菲佛预计，机器学习技术将使非专业开发人员更容易对未达到最优标准的低代码脚本进行改进，从而进一步提高业务流程的效率。
“我设想某一天，由ServiceNow服务台所完成的一半以上工作将由通过机器学习技术所开发的定制代码来处理，”菲佛说。
机器人流程自动化(RPA)
业务流程效率也是祖睿公司(Zuora)的一个重点，其首席信息官阿尔文娜·安塔尔(Alvina Antar)希望使用机器人流程自动化(RPA)来使员工的日常工作自动化。这包括公司账单和收入管理软件中终端用户的启用和停用。凭借“机器人流程自动化”作为人工代理，祖睿公司可以创建自助服务功能，使终端用户能够自行操作。
安塔尔表示，使员工在工作上获得成功的数据和工具将逐步扩展到客户体验当中。“几年前，我们只是将支持服务进行外包，”安塔尔说。“如今，我们可以使流程自动化，而无需对终端用户进行支持。”
佛瑞斯特研究公司称，首席信息官将通过“机器人流程自动化”和人工智能使其10%的工作(例如，一级技术支持和配置)自动执行，以对自己的部门进行调整。研究人员补充说道，他们将对被自动化替代的人员进行技能提升，帮助支持人员在敏捷团队和DevOps团队中切换到更复杂的工作中。
