数据与云革命浪潮即将到来：关于 2021 年的六大预测

准确预测未来是一个挑战，特定的时间范围对于未来的判断也有所区别。但纵观我们在云采用层面感受到的趋势，2020 年的一系列事件似乎能够给 2021 年的变化提供一点启示。

作为一名网络工程师与互联网革命的亲历者，我认为新的革命浪潮即将来临，而这一次的重点将体现在云与数据领域。谁能准确把握住时代的脉搏，就有可能成为新世代的颠覆者——反之，则很可能沦为被淘汰的一方。

以下是我们对 2021 年的全新展望。

1. 云计算的下一阶段重点，将更多关注转型的收益（而不只是成本因素）

2021 年，云模型将从受控数据架构起步，并快速向组织内的分析与 AI 领域不断延伸。之前发生的重大发展已经给世界范围内的云采用态势带来规模化推动。对于云迁移的第一波浪潮，我们看到其主要动力源自应用程序即服务——即为企业提供新的工具，可针对特定应用程序（例如客户关系管理，即 CRM）提供效能提升。紧随其后的是第二阶段，企业开始对自身基础设施进行现代化改造，希望由自主维护的实体数据中心过渡至云基础设施层面。

在基础奠定完毕之后，第三阶段所代表的真正数字化转型即将迎来全方位爆发。在此期间，我们将真正体会到业务转型所带来的收益。数据分析与 AI/ML 被全面引入日常业务流程当中，种种积极的成果也将给整个行业乃至整个社会产生深远的影响。

2. 合规性逐步成为核心事务

现代云模型必须经受住数据主权及可访问性等审计要求的考验。只要迈过这道难关，云计算将彻底改变企业的经营方式乃至整个社会的运转状态。随着法规要求的愈发严苛，传统大型企业也必须走上云迁移之路。换言之，如果没有公有云服务商的有力支持，这些企业根本无法凭一己之力保障业务体系的安全性与隐私性。

云计算（特别是 Google Cloud）之所以能够为改善数据分析能力提供重要贡献，其核心原因就体现在合规性与治理能力层面。如今，全球范围内不同规模的各类企业都开始高度关注安全性、隐私性与数据主权问题。事实上，企业在 2021 年内希望通过数字化转型解决的相当一部分问题，完全可以由当前的云服务体系轻松搞定。Google Cloud 正是一套以解决此类问题为基本诉求构建而成的平台，旨在帮助企业在保障数据安全的前提下顺利向云时代过渡。

3.开放基础设施将占据主导地位

到 2021 年，将有超过 80%的企业采用多云或混合 IT 策略。云客户希望为自己的工作负载提供更多资源支持选项。开放基础设施与开放 API 是前进的方向，开放理念也应成为新时代下企业的核心价值主张。换言之，任何运营者都不应、也不可能将其宝贵的数据锁定在单一或少数供应商与服务当中。

开放标准的兴起，意味着多云数据源将与本地数据源快速合流。借助正确的工具，组织可以同时使用多种云服务，从不同的云环境内获取所需的特定优势，并将整个体系视为统一的基础设施架构。这种面向开放性与云计算的巨大转变，也将带来更可观的数据资产与更突出的数据分析能力。作为企业运营者，很多朋友可能惊讶于自己在过去一年中具备掌握了这么多数据源、收集到规模如此庞大的数据储备。当这种情况成为常态，开放基础设施将为您带来最贴合业务需求的云发展路径。

以 Looker 及 BigQuery Omni 为代表的数据解决方案能够很好地在开放平台上的开放 API 环境中运作，帮助您在不断变化的数据源背景下始终领先一步。

4. 无需数据科学学位，即可坐享 AI/ML 的力量

新一年中，数据科学已经不再是少数拥有专业知识、熟悉专用工具的特权者们所独享的武器。相反，组织内的各个团队都能在无需深入掌握全新学科的前提下，逐步通过机器学习建模与 AI 技术接触到数据科学的力量。对于大多数普通团队成员，他们同样需要借助数据资源做出重要决策，进而释放出专属于自己的能量。如果 2020 年的您还做不到，别急，2021 年也许一切都会有所改变。

借助这种能力，整个团队可以发挥强大的分析能力。与那些仍然坚持把数据科学同传统业务区分开来的企业相比，更具进取意识的组织将能够加快数据收集与分析速度，并由此获得市场洞见。他们把用于收集、分类及共享数据的工具交给每一位员工，借此提高生产率与决策质量。此外，这波趋势还将进一步为已经具备数据科学经验的团队释放更多时间，使他们更专注于设计、分析、创建演示案例以及规划培训方向。

借助 Google Cloud 的强大基础设施以及配套数据与 AI/ML 解决方案，您可以轻松将数据迁移至云端并加以分析。Connected Sheets、Data QnA 以及 Looker 等工具将让企业中的每位员工都具备数据分析能力，在数据分析师与科学家等传统受众之外开辟出新的广阔天地。

5. 需要实时处理的企业数据量必将不断增长

相信在不久的未来，云端数据总量将全面超越本地数据中心。根据推测，到 2025 年，全球数据总规模将增长 61%，达到 175 ZB。如此庞大的数据储备将给企业带来巨大的探索空间。而目前的核心挑战，在于如何从数据中提取出实际价值。虽然过往的存储数据中不乏参考线索，但越来越多的用例要求对数据进行即时处理，尤其是对意外事件做出快速反应。例如，企业迫切希望通过实时数据与实时响应识别并阻止网络安全攻击。谁能做到这一点，谁就能节约大量时间并省下可观的事后缓解成本。

结合 Google Cloud 在 2020 年帮助客户抵御 DDoS 攻击的相关实践，我们意识到企业必须有能力快速应对一切意外状况。立足于这项迫在眉睫的目标，实时数据处理将彻底改变我们收集数据并从中做出预测分析的基本思路。在传统意义上，我们只能先从现实世界收集数据，再通过测试提取出种种洞察见解。但现在我们拥有了预测模型和 AI/ML 工具（例如 BigQuery ML），根据实际场景及信息运行模拟流程，就可以帮助组织提供较以往难度极高、成本极大甚至根本不可能实现的数据测试场景。

6. 超过 50%的数据湖将部署在跨越多云及本地设施的混合环境之上

众所周知，我们很难持续将正确的服务与正确的用例统一起来。尽管云技术的普及给企业提供了更多方案选项，但组织自身必须建立起强大的数字化运营战略，才能在以数据存储为代表的各个层面保持强大的竞争力。为此，相当一部分企业选择使用多云环境以提高业务灵活性，特别是利用数据仓库（主要存储结构化数据，可轻松搜索所有数据内容）或数据湖（可支持一切结构化及非结构化数据）将所有业务数据聚合于一处。

从目前的形势来看，数据湖与数据仓库之间的界线正变得愈发模糊。Google Cloud 提供多种数据湖现代化解决方案，可帮助组织轻松集成非结构化数据，同时使用 AI/ML 解决方案以降低数据湖的浏览、洞见提取及协作难度。

新的一年，您的企业将走向何方？

变革正在迅速推进，在这股冲击的背后，正孕育着无数希望与机遇。最终，您将能够实时响应问题、帮助业务用户即时获取数据，并为所有数据建立起完整的生命周期。未来可期，路在脚下，前进的步伐一刻不可停歇。