2021年云计算趋势及数据和分析趋势

2020年发生的众多事件让对2021年的大多数预测浮出水面。人工智能(AI)和物联网(IoT)等热门技术趋势仍将在明年重塑我们生活的方式。然而,最重要的用处是帮助我们在这个不断变化的时代下适应和生存。没有什么趋势比云计算更重要。


来源 | 企业d1net

编辑 | Harris      

  

云计算行业五大趋势


  云是数据驱动、基于应用程序的技术生态系统的支柱,在帮助我们管理这种变化方面起着至关重要的作用。云服务彻底改变了从联系人追踪到家庭递送服务、远程医疗和远程办公以及娱乐的一切。


  在整个2021年,随着越来越多的企业开始采用云模型,并且从云到我们的设备的数据传输已成为我们日常生活中不可或缺的一部分,我们可以预期这种变化的速度将会加快。以下是一些我可以在2021年期间看到的情况:


1.多云部署将打破云服务商之间的壁垒

  

      目前,大型公共云服务提供商——亚马逊、微软、谷歌等,对他们提供的服务采取了某种封闭式的方式。他们的商业模式包括将他们的平台推广为一站式服务,涵盖组织的所有云、数据和计算需求。然而,在实践中,行业正越来越多地转向混合或多云环境,要求跨多个模型部署基础设施。


  这意味着越来越多的人呼吁大型供应商在他们的平台之间建立桥梁,尽管这与他们的商业模式背道而驰,后者依赖于随着客户规模的扩大而增加云容量和附加服务的能力。


  不过,采用更具协作性的方法不仅能让客户更好地利用快速增长的多云趋势,这也将使需要与供应链中的合作伙伴共享数据和访问权限的组织受益,这些合作伙伴可能都在不同的应用程序和数据标准中工作。在这一领域,我们可能会看到初创企业不断提高创新水平,创造服务,简化不同公共云平台之间的运营流程。


2.人工智能将提高云计算的效率和速度

  

就云计算而言,人工智能是多种方法的关键推动者,我们可以期望技术在2021年适应我们的需求。基于云的服务平台可以让用户在任何预算和技能水平上访问机器学习功能,如图像识别工具、语言处理和推荐引擎。


  云技术将继续允许这些革命性的工具被各种规模和领域的企业更广泛地部署,从而提高生产率和效率。


3.游戏将像音乐和电影一样越来越多地从云中支付


  亚马逊最近加入了提供自有云游戏平台的技术巨头行列。就像之前的音乐和视频流一样,未来云游戏有望通过提供对庞大的游戏库的即时访问(可按月订阅)来彻底改变我们消费娱乐媒体的方式。


  2020年期间,谷歌、微软和英伟达推出了这项服务,而索尼的云游戏服务已经推出了几年。尽管正在开发新的Xbox和Playstation控制台,价格约为500美元,但业内专家预测,每隔几年我们需要在新硬件上花费数百美元来保持游戏尖端体验的日子可能快要结束了,云游戏时代即将到来。


4.混合云和本地云解决方案越来越受欢迎

  

事实证明,对于一些组织来说,在公有云、私有或混合云环境之间进行选择是一件具有挑战性的事情。在灵活性、性能、安全性和法规遵从性方面,每种交付模式都有其优缺点。


  但随着云生态系统的成熟,许多人发现,市场上并没有万能的解决方案。混合或多云环境中,用户选择云厂商提供符合其需求的单个元素,这种环境越来越受欢迎,导致这些云厂商们开始重新评估其交付模式。


  例如,亚马逊和谷歌一直以来都是依靠在其公有云平台上销售客户空间的市场领导者,而微软和IBM则更为灵活,允许用户在其现有的内部网络上部署云工具和技术。


  现在看来,这些云厂商已经意识到企业内部需要不同的平台和方法,可能利用公共云提供内容交付,同时通过私有或内部解决方案存储和处理客户数据和其他受控信息。


  其次,对“裸金属”云空间的需求也将不断增长,即原始存储和计算能力,企业可以简单地将现有系统“提升并转移”到云中,而无需对其进行调整以在预装软件或服务上运行。整合这些用户需求的需求将成为2021年云服务发展方向的驱动力。


5.更多人将会使用虚拟云桌面

  

这基本上就是我们工作站的整个环境作为托管云服务,交付到我们工作的笔记本电脑或桌面屏幕上的地方。这意味着组织可以利用按小时计费员工在机器上工作的时间,从而消除了硬件更新的成本和处理冗余技术的需要。


  这种计算模式有时被称为桌面即服务(desktop-as-a-service),它是由Amazon通过Workspaces平台和Microsoft提供的Windows虚拟桌面。谷歌还通过Chromebook设备提供了这一功能。


  实际上,这可以通过确保每个人都使用最新的同步技术来提高整个员工的效率。它也有利于安全性,因为所有设备都可以集中管理,而不必确保网络上的每个人都遵循最佳做法。当人们加入或离开一家公司时,成本只会随着使用该平台的小时数的增加或减少而增加。这种灵活的功能意味着虚拟桌面服务在未来几年可能会变得越来越流行。


数据和分析十大战略趋势


  Gartner公司在最近该公司举办的一次IT研讨会上发布了2020年数据和分析技术十大战略技术趋势,这些趋势将使组织从疫情对其业务和IT计划的不利影响中恢复过来。 

 

  以下是Gartner公司研究副总裁RitaSallam在此次研讨会上发布的有关数据和分析的市场和技术趋势。

  

1.更智能、更快、更负责任的人工智能


  Gartner公司预测,到2024年底,75%的组织将人工智能的试点应用转向运营,这将推动数据和分析基础设施需求得到5倍的增长。当前的方法存在一些挑战,在疫情发生之前的基于大量历史数据的模型可能不再有效。 

 

  人工智能的颠覆性将使学习算法(例如强化学习)、可解释性学习(例如可解释的人工智能)以及有效的基础设施(例如边缘计算和新型芯片)成为可能。  

  

2.仪表板采用量下降


  到2025年,数据故事(而不是仪表板)将成为使用分析的最广泛方式,其中75%的数据故事将使用增强分析技术自动生成。人工智能和机器学习技术正在进入商业智能平台。在仪表板中,用户必须开展大量工作才能深入了解。这些数据故事提供了见解,而不需要用户自己进行分析。


3.决策智能


  到2023年,33%以上的大型组织的分析师采用决策智能,其中包括决策建模。Gartner公司将决策智能定义为一个实用的领域,其中包括广泛的决策技术。它包括复杂自适应系统等应用。它包括一个将传统技术(如基于规则的方法)与先进技术(如人工智能和机器学习)结合在一起的框架。这使得非技术用户能够在无需程序员参与的情况下更改决策逻辑。

  

4.X分析


  Gartner公司的调查表明,到2025年,用于视频、音频、文本、情感和其他内容分析的人工智能将为75%的财富500强公司带来重大创新和转型。“X”代表视频分析或音频分析等分析类型,这将为分析提供新的机会,因为大多数组织尚未充分利用这种数据。但是,利用数据分析的案例正在增长。Sallam表示,人工智能技术正在日趋成熟,以扩大采用X分析的影响。此外,还有许多尚未开发的用例,例如用于供应链优化的图像和视频分析,或用于天气或交通管理的视频分析和音频分析。

  

5.增强的数据管理


  利用主动元数据、机器学习、数据结构以动态连接、优化和自动化数据管理过程的组织将使数据交付时间减少30%。

  

  人工智能技术被用于推荐最佳实践,或者自动发现元数据、自动监视治理控制等等。这是由Gartner公司称之为数据结构的概念实现的。Gartner公司将数据结构定义为对现有的、可发现的、推断的元数据资产进行连续分析,以支持集成和可重用数据对象的设计、部署和利用,而不考虑部署平台或架构方法。

  

6.基于云计算的人工智能迅速增长


  到2022年,公共云服务对于90%的数据和分析创新至关重要。基于云计算的人工智能将在2019年至2023年期间增长5倍,使人工智能成为云平台中最重要的工作负载类别之一。这一趋势早在疫情发生之前就已经开始了,发生的疫情对组织的影响无疑加速了发展。云计算供应商也在支持数据以洞察其投资组合中的模型。从云计算供应商的角度来看,希望用户在他们的云平台中更多地执行数据计算和分析。从用户的角度来看,使用公共云服务能够更快地完成工作。


7.数据分析和数据管理的融合


  根据Gartner公司的预测,未来几年内,非分析应用程序将逐渐融合分析功能。到2023年,95%的财富500强公司将分析治理整合到更广泛的数据分析计划中。Sallam指出,到2022年,40%的机器学习模型开发和评分将在不以机器学习为主要目标的产品上完成。分析和商业智能供应商正在增加数据管理功能。数据管理供应商正在增加数据准备。预计在不久的将来会看到更多的融合。

  

8.数据市场和交易


  Gartner公司预测,到2022年,35%的大型组织将通过在线数据市场进行交易。Sallam表示,2020年这一比例只有25%。这一趋势是为了加快云计算、数据科学和机器学习以及人工智能的发展。


9.实用的区块链


  Gartner公司认为,在数据和分析领域中,区块链将用于垂直特定的、业务驱动的计划,例如智能合约。Sallam表示,区块链不会被用来取代现有的数据管理技术,其本身并不比替代数据源更安全。根据Gartner公司的预测,到2023年,使用区块链智能合约的组织将使整体数据质量提高50%,数据和分析的投资回报率也会提高。

  

10.关系构成数据和分析价值的基础


  Gartner公司预测,到2023年,图形技术将有助于全球30%的组织决策实现情境化。图形数据库和其他技术将重点放在数据点之间的关系上。Sallam指出,这些关系对人们想与数据和分析做的大多数事情都是至关重要的。但是,使用传统的存储方法时,大多数关系都会丢失。将关系表连接在一起会占用大量资源,并降低性能。图形技术保留了这些关系,增加了机器学习和人工智能的场景,还提高了这些技术的可解释性。