《福布斯》撰稿人Steve Wilkes近日发文称, 是商用科技快速发展的一年,现代数据管理成为了很多企业的重要目标,云服务的采用率也大幅增加,一些战略并购案例以及人工智能和其他新技术的兴起已经证明了这一点。那么科技又会有怎样的发展呢?以下是一些预测:
云服务
企业将更多地使用云服务,企业数据中心将更快地转向云服务,把重要的、价值较高的活动放在云上,尤其是云爆发(cloud bursting,一种应用部署模式)和分析应用程序。
有一些技术支持在不同的云和本地系统之间进行实时数据分发,这些技术对于几乎所有的云用例都会变得日益重要。
IBM收购了Red Hat,它可能不会直接对顶级供应商发起挑战,但是会把Red Hat技术运用在跨越各种云、私有云和内部部署数据中心的混合模式中,起到重大作用。
利用容器、Kubernetes、云和多云管理器向多云和混合模式转变,这是一个趋势,可携式应用程序和无服务器式计算将对这个转变起到促进作用,越来越多的初创公司和老牌企业将提供自动化服务。
在大数据和分析领域,越来越多的开源技术在日趋成熟,它们将转变为可扩展的托管云服务,而那些为了支持它们而成立的商业公司,营收会遭到它们的蚕食。
大数据
尽管Cloudera 和 Hortonworks的合并是大数据领域整合的一个证据,但随着越来越多的公司使用云服务来存储和分析数据,企业对大数据基础架构的投资将会减少。
随着5G进入市场,数据将以更快的速度生成,所以企业应该认真地考虑改进架构,以便在本地用流数据和内存中处理(in-memory processing)开展工作。
结合了流式传输和批处理以及分析的Lambda和Kappa架构将继续受到一些技术的推动,变得更受欢迎。这种混合架构对于推动机器学习的操作化过程来说至关重要。
流式传输和批量大数据分析组件将广泛采用SQL语言的变体,以便让用户(而不是使用API?6?7?6?7的开发人员)实现自助的数据处理和分析,因为这些用户对数据最为了解。
越来越多的企业需要快速获得实时信息,因此可扩展的基于SQL的体系结构(如Snowflake和Apache Kudu)将比传统的大数据环境更受欢迎。
人工智能
人工智能和机器学习将不再被视为一种“专业”,它们将更深入地渗透到企业的业务中。企业以集中的跨职能形式组织AI部门,可以生成、共享和重用AI模型和解决方案,快速获得投资回报。
通过把机器学习与其他重要新技术结合起来,可以最大程度地实现AI的效益。AI与物联网(IoT)、区块链和云投资的融合,将会提供最大的协同效应,带来突破性的成果。
数据科学家将成为DevOps的一部分,以便快速实现机器学习的操作化过程。数据科学家将向上游移动,并与IT专家合作,以确定如何获取、处理数据并建模(而不是处理原始数据)。这将使模型能够与实时数据流快速集成,并持续评估、测试和更新模型,以确保其效果。
安全
安全威胁之前来自一些小角色,现在可能会有更强大的对手。工业数据(而非消费者数据)可能会成为攻击目标。这些攻击很复杂,集成了AI的实时威胁检测工具将被用来应对不断变化的攻击方法。
随着越来越多的企业使用云分析,在安全和监管上,对实时屏蔽、模糊处理和加密技术的需求也会大幅增加,尤其是对敏感信息。
物联网
物联网,特别是与位置数据相结合的传感器,将会获得大幅增长,但大企业不会直接购买它——集成商使用边缘处理和基于云的系统,对设备制造商和支持实时处理的技术进行整合,以便在多个行业中提供完整的基于物联网的解决方案。
物联网设备、网关和支持技术的种类会越来越多,所以围绕协议、数据收集、格式化、规范模型和安全要求的标准化工作也将展开。
区块链
AWS和Azure上易于操作和管理的云产品将推动基于区块链的数字分类帐技术的采用。这将为企业提供快速构建供应链和数字合同原型的途径。
创新的安全算法与计算能力的提升相结合,将在未来数年内把数字分类账交易的处理时间从几秒减少到几毫秒或几微秒,高速流传输应用程序将能够与区块链一起使用。
无论这些预测是否将会成真,我们都可以肯定的是, 企业将在现代化、云计算、流式传输架构和机器学习上持续投资,一系列出人意料的发展和创新会引发企业的思考和敏捷行动。
文章来源:腾讯科技