谷歌对2021年的六个预测：数据和云技术的革命即将到来

[好文分享：www.ii77.com]

谋划：钰莹

[本文来自：www.ii77.com]

展望是布满挑战的，因为具体的展望取决于特定的时间框。但从云应用方面示意出的趋势来说，我们 2020 年看到的一些事情或者预示着 2021 年或者显现的转变。

履历过互联网革命的收集工程师们或许能够看到另一场革命的迹象：环绕云和数据而发生的厘革。凭据这种迹象接纳动作，很或者就是推翻者和被推翻者的区别。

以下是我一路走来所看到的，以及我们在进入新的一年时需要切记的主要事项。

 1. 云较量的下一个阶段关乎转型收益（不光仅是成本）

2021 年，云模型将起头包含数据治理架构，并在整个组织中加快采用剖析和人工智能。曩昔，我们已经看到了显著的转变，鞭策了大规模的云采用活动。第一波云迁徙是由应用即办事驱动的，它为企业供应了对象，匡助企业更快、更平安地斥地特定的应用法式，例如 CRM。然后，在第二阶段，我们见证了很多公司从物理数据中心维护转向对根蒂举措进行现代化。

这些对企业而言都是有益的，但当这一切在 2020 年发生之后，第三个阶段——数字化转型——将正式到来。当数字化转型发生时，我们将起头看到真正的买卖转型所带来的收益。积极的功效包罗将数据剖析和 AI/ML 融入平常买卖流程，对每个行业和整个社会都发生深远的影响。

 2. 合规性不只是一个附加条目

现代云模型必需可以经受住关于数据主权和可接见性问题的审查。它将改变企业的经营体式和社会的运转体式。即使是大型的传统企业也在转向云较量来处理紧要需求，好比增强监管。如今，对于企业来说，轻忽平安和隐私的风险太高了。

云（稀奇是谷歌云）对于实现更好的数据剖析至关主要，个中一个很大的原因就和这些顺从性及治理问题有关。活着界各地，对于各类规模的企业来说，平安、隐私和数据主权 越来越受到存眷。2021 年，我们将看到，好多数字化转型都是事出必然，然则今天的云手艺使其成为或者。谷歌云是基于这些根基需求竖立起来的一个..，是以，企业能够在数据珍爱获得保障的情形下过渡到云。

 3. 开放式根蒂举措将成主流

到 2021 年，我们将看到，80% 或更多的企业采用多云或夹杂 IT 计谋。云上的客户进展为他们的工作负载供应多个可选项。开放式根蒂举措和开放式 API 是成长偏向，你应该接管开放的哲学。没有企业可以承担起将有价格的数据锁定在特定供给商或办事中的价值。

这种新兴的开放式尺度意味着，你将起头看到多云数据源和内陆数据源敏捷地融合在一路。有了合适的对象，组织就能够同时使用多个云办事，让他们能够从分歧的云中获得分歧的优点，就似乎它们是一个根蒂举措一般。我们看到，向开放性和云较量的伟大改变，也带来了更壮大的数据资产和更好的数据剖析。若是在曩昔的一年里，你对公司存在几多数据源或收集了几多数据感应诧异，你并不孑立。开放式根蒂举措让你能够选择最适合本身买卖的上云路径。

像 Looker 和 BigQuery Omni 如许的数据解决方案就是专门针对我们的开放式..所供应的开放式 API 情况而设计的，是为了在面临络续转变的数据源时能够连结领先优势。

 4. 不需要数据科学学位就能够行使 AI/ML 的能力

数据科学，包罗所有平日会涉及到的专业常识和专门对象，不再是少数特权人士的特权。整个组织中的团队都需要可以行使数据科学的能力，包罗 ML 建模和人工智能等，而不需要进修一门全新的学科。对于这些团队中的很多人来说，这将给他们的工作和需要做出的决意带来新的活力。若是他们还没有消费数据，那么他们就会起头。

有了这种能力，整个团队都能获得剖析数据的能力，与那些仍在使用传统离散式数据科学模型的企业比拟，你的企业将可以更快地收集、剖析数据并接纳动作。经由向员工供应收集、分类和按需共享数据的对象，提高他们的生产率，匡助他们做出更明智的决议。这还解放了拥稀有据科学经验的团队，他们平日需要聚合、剖析和建立演示文稿，专注于更适合其能力的义务以及..。

有了谷歌云的根蒂举措和我们的数据和 AI/ML 解决方案，将数据上云并起头剖析就很轻易了。像 Connected Sheets、Data QnA 和 Looker 如许的对象让所有员工都能进行数据剖析，不管他们是认证数据剖析师照样科学家。

 5. 世界上需要实时处理的企业数据越来越多

我们很快就会发现，驻留在云中的数据跨越了驻留在数据中心里的数据。到 2025 年，全球数据估计将增进 61%，达到 175ZB。大量的数据，为企业供应了挖掘机会。挑战在于获取当下有效的数据。跟踪曩昔存储的数据能够获得信息，然则越来越多的用例需要即时信息，稀奇是在对不测事件做出响应时。例如，行使实时数据和实时响应，立刻识别并阻止对企业有伟大影响的收集平安破绽。与解决破绽比拟，这能够节约大量的时间和金钱。

我们用同样的方式匡助客户战胜 DDOS 冲击，若是说 2020 年教会了我们什么的话，那就是企业将比以往任何时候都更需要这种能力来实时应对意想不到的问题。

尽管实时数据彻底改变了我们收集数据的速度，但我们所见过的最出乎料想但又极其有效的数据起原或者是展望剖析。传统上，数据只从物理世界收集，也就是说，要对将要发生的事情进行规划，独一的方式是看看在物理上能够测试什么。然则有了展望模型和像 BigQuery ML 如许的 AI/ML 对象，组织能够基于实际生活场景和信息进行模拟，为他们供应形势数据，而这在物理情况中是很难甚至是弗成测试的，并且成本奋发。

 6. 跨越 50% 的数据湖将跨越多个云和内陆数据中心

我们知道，将得当的办事成家到得当的用例是很复杂的。尽管云供应了大量更好的数据选项，但事实是，如斯多的企业正在转向这些云解决方案，这意味着组织需要一个强有力的数字化计谋来连结竞争力，这也延伸到了它们的数据存储。很多企业都出于天真性考虑选择了多云，尤其是在有这么多选项可用的情形下。在云中，数据存储的形式要么是数据仓库（首要存储构造化数据，易于搜刮），要么是 数据湖（将所有买卖数据群集在一路，而不管数据构造若何）。

我们将看到 更多我们已经看到的趋势，首先是数据湖和数据仓库之间的界线变得越来越恍惚。谷歌云拥有多种 数据湖现代化解决方案，使组织可以集成非构造化数据，并使用 AI/ML 解决方案简化数据湖导航，鞭策洞察和协作。

英文原文：

https://cloud.google.com/blog/products/analytics/what-to-expect-from-cloud-analytics-in-2021