隨著技術的發(fā)展，云計算技術不斷進步，其目的也在發(fā)生變化。在當前的新常態(tài)中，有五個主要云計算元素，這對于希望保持競爭力和相關性的組織至關重要：云原生應用、部署多云戰(zhàn)略、將移動應用程序納入云端、構建可行的數據湖，以及使用數據的民主化。這些分析工具對于幫助行業(yè)部門成為人工智能驅動型企業(yè)至關重要。人工智能不僅僅是一種技術，也是一種不可忽視的商業(yè)模式轉變。
調研機構Gartner公司指出，80％的內部部署開發(fā)軟件現在支持云計算或云原生，不斷發(fā)展的云計算生態(tài)系統使企業(yè)能夠更快、更靈活、更實時地運營，從而帶來競爭壓力。接受云原生和多云方法作為一種新常態(tài)，意味著企業(yè)可以避免云計算供應商鎖定，可以提供超過5個9的響應率（99．999％），以避免每次停機導致平均數百萬美元的損失。
由于68％的組織已經制定了數字化轉型戰(zhàn)略，或者正在實施數字化轉型戰(zhàn)略，絕大多數組織將云計算視為其變革戰(zhàn)略的重要組成部分，因此關于“數字化轉型”這一術語的爭論仍在繼續(xù)，因為企業(yè)必須做的事情的本質始終存在于云端。簡而言之，企業(yè)需要接受這五個主要云計算元素才能在所有行業(yè)的激烈數字領域保持相關性。
此外，2019年對企業(yè)來說至關重要的三種人工智能技術是：視覺、語言和對話。行業(yè)領導者需要在自己的環(huán)境中利用這些服務，將云計算中人工智能引入現有的應用程序，并使企業(yè)能夠使用供不應求的數據科學。因此，擁有一個可行的數據湖，并以正確的方式標記和接收數據，與只是投資于分析服務相比更有效。
多云推動數字化轉型
云計算行業(yè)論壇（CIF）最近的一項研究發(fā)現，組織對多云環(huán)境更加開放，四分之三的組織采用多種云計算服務來推動其數字化轉型過程。企業(yè)管理者終于意識到，云計算供應商鎖定會阻礙多云方法所帶來的創(chuàng)造力、可用性和流動性。
使用AWS、谷歌、Microsoft Azure等大型供應商的混合云和多云環(huán)境的企業(yè)也越來越多。云計算提供商也為某些功能創(chuàng)建了開源堆棧（如Apache Kafka）的托管版本，鼓勵了這一趨勢的發(fā)展。這樣可以更輕松地從一個云平臺遷移到另一個云平臺，這是避免供應商鎖定的關鍵，同時仍然允許企業(yè)專注于數字化轉型。
云計算的標準化意味著多云為企業(yè)提供了更具成本效益的運行工作負載的服務，而云計算服務提供商的云服務價格經常會發(fā)生變化。對于具有關鍵工作負載和云體驗的企業(yè)來說，多云可以提高正常運行時間和競爭力。
企業(yè)通過多云戰(zhàn)略，可以實現IT支出最大化，因為云原生技術的標準化允許企業(yè)使用適合的云計算供應商來獲得正確的產品。例如，微服務通過容器化（例如Docker）和編排（例如Kubernetes）實現事件驅動的擴展（例如黑色星期五）。通過云計算基礎設施進行超大規(guī)模配置，例如瘦客戶端（網絡應用程序、原生移動應用程序、Alexa技能），它們使用多個微服務，提供強大的彈性和靈活性，并自我修復功能和設計。容器的編排與云計算提供商結構和區(qū)域功能相結合，有助于抵御部分云中斷。
原生應用程序將會消亡？
將原生移動應用程序遷移到云中對于實現物聯網（IoT）、人工智能和虛擬現實也至關重要，這意味著原生應用程序需要保持同步。如果不是云計算組合的一部分，遷移應用程序的成本會很高。最后，需要建立一個可行的數據湖，以務實的方式管理信息，避免將其變成沼澤，這對于在將人工智能和機器學習（ML）引入數據科學工具組合時保持競爭優(yōu)勢至關重要。因此對于企業(yè)來說，要保持相關性，他們必須接受人工智能，因為它不僅僅是一種技術；它是一種不可忽視的商業(yè)模式轉變。
這些云計算趨勢將繼續(xù)在企業(yè)數字化轉型戰(zhàn)略中發(fā)揮作用，并將有助于成為人工智能驅動的業(yè)務，其中包括深入了解應用、數據、分析和身份管理的作用將如何促進企業(yè)提高效率和合規(guī)性。
創(chuàng)造可行的數據湖泊
在過去五年中，互聯網用戶增加了82％以上，而調研機構Gartner公司預計到2022年數據量將增長800％，其中80％是非結構化數據。
隨著企業(yè)不斷部署云服務，2019年對于企業(yè)在其組織中構建可用的數據湖至關重要。企業(yè)可以在所有系統、設備和服務中添加一組智能可發(fā)現的元數據標記數據，從每天生成的大量結構化數據和非結構化數據中提取價值，將使他們能夠運行分析、商業(yè)智能、機器學習和人工智能，并獲得對新效率的重要洞察，以獲得競爭優(yōu)勢。
與傳統的數據倉庫方法相比，數據湖架構的一個關鍵原則是提供一個放置所有原始數據而不會發(fā)生轉換或丟失的位置，以便可以隨意重放對數據的任何轉換。這種方法在企業(yè)中面臨的挑戰(zhàn)是保持對數據著陸的控制水平，以使數量和準確性不會變得過大或變成數據沼澤。
通過利用Lambda架構，企業(yè)可以獲得使用近乎實時的流數據的好處，幾乎可以立即看到重要事件。這與傳統的數據倉庫方法相比，邁出了重大的一步，傳統的方法必須等待24小時。然后，企業(yè)需要實用的方法來理解數據，例如：存儲分類法、通過分類來管理數據工作負載（例如，數據安全性和誰有權訪問）以及數據科學工具，以幫助數據科學家創(chuàng)建／應用好的方程組到數據池以改進未來的分析。
實現數據科學的民主化
人工智能是一種不可忽視的商業(yè)模式轉變。2018年，人工智能和機器學習開始獲得更多的吸引力，尤其是在處理結構化和非結構化數據以幫助企業(yè)做出智能決策和發(fā)現趨勢時。如今，云計算人工智能可以提供大規(guī)模的智能功能，掃描大量的圖像、音頻、視頻或文本文件來跟蹤模式和異常。一些人工智能的運作水平甚至在兩年前都是不可能實現的，將會產生無與倫比的商業(yè)價值。如今，人們越來越認識到云計算人工智能在云原生生態(tài)系統中將如何革新業(yè)務模式。
2019年，越來越多的企業(yè)將人工智能納入其數字戰(zhàn)略。最大的收獲將是使用云計算人工智能替代人類完成更多的瑣碎任務，并將智能水平應用于基本的業(yè)務流程。例如，人工智能聊天機器人可以在聯系中心回答80％的重復性問題，讓工作人員處理更復雜和更重要的問題。這些智能工具能夠消除管理負擔，同時提供更高級別的客戶體驗。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
