关于数据的未来，行业领导者能教给我们什么？

接近 2/3 的领先型组织宣称，打造数据丰富的平台是确保业务能够面向未来做好准备的最佳方式之一。一项由 McKinsey & Company 进行的研究发现，行业赢家的一个特点在于，他们不仅将数据视作业务的组成部分，甚至表现得就如同“数据本身就是自己的业务”。

这对您的公司意味着什么？您的团队该如何制定实践和观点，以便让自己的公司能够保持领先？

毫无疑问，在业务转型过程中，数据是分析和事务型应用的最基本要素。数据一旦生成，就将为 AI 驱动的、更深入的业务见解提供动力，帮助公司做出更好的实时决策，同时数据也是公司构建并运行数据驱动的应用必不可少的基础。Google Cloud 客户告诉我们，成功的数据战略有三个关键维度：领导者必须设法构建开放、智能、灵活的架构。本文我们将探索这三个维度的意义，并告诉您该如何正确应用。

开放的方法

紧密集成且封闭的 IT 环境可通过更好的控制并创造更多价值，这种想法也许是合乎逻辑的，但快速涌现的技术创新成果已经远远超出了公司通过少数技术构建自己所需解决方案的能力，更不用说从同一个云平台中的单一事实来源获取自己所需的全部数据了。

IDC 在其最新预测中表示，2021 年将会是多云的一年*。这是有道理的：无论制造、零售或医疗健康行业，业务都需要您与合作伙伴紧密配合,而在需要的数据、使用的协议，用于开展协作所用的应用程序等方面，合作伙伴的技术选择可能与您完全不同，一切都是异构的。CIO 最终将面临多种接口、多种技术栈，以及多种云平台。为了最终获得胜利，必须具备开放、自适应的“多元性”架构环境。

这种多元性的范围并不仅限于选择哪种云或哪种数据存储，也同样会影响到组织围绕合作伙伴的业务模式进行构建的能力。开源已成为很多企业现代化技术栈中一个重要的考虑因素，正如以往多次提到的那样，开源软件具备接管整个世界的潜力｡

我们注意到，在创新能力上胜过竞争对手的公司，往往会与以开源投资为核心的供应商建立更深入的合作。通过尽早接受开源技术，行业领导者可以推动更广泛的生态系统持续增长，并最终更快速地从社区释放的想象力中获益。

从 2021 年开始变得开放，这意味着要立足于社区，跨越多个云平台、多个供应商和多种业务模式（商业模式和开源模式），拥抱并实现灵活的选择。

更智能的见解

领导者往往会发现，这种“开放”的心态可以帮助自己加速获得诸如 AI 等关键能力的可操作性。根据 Gartner 的预测，“为获得最先进的 AI 能力，到 2025 年，实施 AI 平台的企业中，将有 50% 会同时使用开源技术和特定供应商的专有技术。”** 保持“开放”是这类“智能企业”的关键特征之一｡

但“智能”到底意味着什么？我们发现，在领导型组织中，“智能”往往有两种体现方式：“智能地运营”和“智能地创新”｡

“智能地运营”是指用于优化基础架构运营的方法。这种智能有一个很好的例子: Google 的 Active Assist 为策略、成本、网络、计算、数据和应用程序平台提供了智能。智能运营还可以理解为“自调优”、“自恢复”、“自驱动”等能力，其目标均在与通过算法提高运营效率和可靠性。

第二类智能是指利用 AI 改善客户体验并加速获得洞察的能力。产品推荐解决方案可以帮助消费者发现更好的产品，异常检测系统可以帮助金融分析师快速发现欺诈，进而保护客户与公司。

我经常开玩笑说“ AI 不仅代表 AI（Artificial Intelligence），同时也代表应用并隐形（Applied and Invisible）｡”出现这种双关语的原因在于，多年来，我从客户那里了解到，AI 只有在妥善嵌入到应用程序，并且应用于特定业务问题和用例之后才能提供最实用的帮助。

您会发现，为了让 AI 实现民主化的应用，必须首先将其与您的用户已经熟悉且喜爱的应用程序紧密集成。不妨用 Veolia (VEOEY) 为例，看看这家法国的跨国公用事业公司，是如何通过 Data QnA 这项基于自然语言接口的分析服务帮助所有非技术型员工快速获得答案的。

PWC 的例子可能会与您的自身需求更类似：这家全球化的专业服务机构借助 Connected Sheets 让员工能够更轻松地访问各类数据。该公司还借助诸如 Sheets Smart Fill 或 Sheets Smart Cleanup 等功能，将 Google AI 能力以原生的方式融入员工熟悉的应用程序中。

如果希望获得智能，不妨试试使用基于 AI 和数据技术构建的现代化应用程序。您可以试着选择那些致力于通过民主化的工具让更多人获得分析和 AI 能力的工具。随着越多人可以在自己熟悉且喜爱的应用程序中获得 ML 能力，您的公司就能越快速地实现目标，成为“开放且智能的企业”｡

这方面，我们推荐进一步阅读：

·    Toyota Canada 如何通过嵌入式 ML 将转化率提高 6倍 

灵活的选择

在构建开放且智能的数据架构过程中，您的公司可能会遇到挫折。您可能发现自己所需技术的定价模型与其他必须的技术重复、冲突或不兼容。您可能发现某些技术在评估和试行阶段的小规模应用表现良好，但遇到快速增长的真实工作负载后表现不佳。您可能发现在某些批处理级别的工作中有效的解决方案，可能无法满足您的现实需求，迫使您同时使用不同的工具集来满足自己的需求。

在定价､规模和功能多样性方面，请务必不要妥协。选择和灵活性是成功的关键要素,而企业数据架构的未来必定是“组合型”的。根据 Gartner 的预测：“ 到 2023 年，60% 的组织将合并三个或更多分析解决方案所包含的组件，以构建融合型的业务应用程序，并通过分析将洞察与实际操作连接在一起｡”***

提防“工具定律”

“可组合性”这一趋势将对您决定与何种类型的供应商合作产生影响。您会逐渐发现，自己需要的解决方案很少能完全来自于某一家供应商。相反，您必须通过一个和谐发展的生态系统创造价值，这样的生态系统在技术上必须是开放的，能提供丰富的业务模式和部署选项供您选择。

行业领先者往往会遵循这样一种关键做法：“提防工具定律”。“工具定律”或“榔头定律”是指由于过度依赖自己所熟悉的工具而产生的认知偏见。 Abraham Maslow 早在 1966 年就说过：“如果你手头只有榔头，那么很容易就想当然地把其他一切看作钉子。”

行业领导者需要仔细研究具体用例。他们需要专注于自己希望实现的场景类型，以及不同类型员工（也叫做“角色”）生产力的提高幅度。他们需要仔细检查所要部署的解决方案具备的核心能力，借此围绕构建解决方案的主要目标（也叫做“设计中心”）实现最大化的效果。

当下一次有供应商提供数据湖解决方案帮您构建数据仓库时，不妨问问自己将有何所得，以及有何所示。虽然这些技术的相互融合不可避免，但您的公司需要首先权衡利弊，随后再将特定解决方案的应用范围拓展到“设计中心”以外。别忘了，虽然榔头可以用来做很多事，但它最主要的用途还是钉钉子。您可能还需要同一个产品能围绕您的具体用例提供不同的许可方式，那么不妨以 Google BigQuery 的定价选项为例。同一个数据仓库产品，可以通过三种不同结构计费：每查询付费（按需）、预分配费率（平坦费率），或两种模式混合使用。此外还有其他例子，例如 Dataflow FlexRS ，该服务提供了可通过高级调度技术降低批处理成本的定价选项。

此外还有很多组织成功地构建出开放、智能、灵活的数据架构，例如 Unity 就将 Dataproc、Dataflow 和 BigQuery 等技术成功结合在一起。此外还有 Vodafone ，通过这种方式成功实现了为所有用户和所有数据打造数据海洋的愿景。希望您能从上述客户的经历中学到经验。

*IDC Press Release，COVID-19 大流行导致对业务敏捷性需求激增, IDC 预计 2021 将成为多云之年，2020 年 3 月

**Gartner，预测 2021: 运营型 AI 基础架构和支持 AI 的编排平台, Chirag Dekate 等人，2020 年 12 月 2 日

***Gartner，预测 2021:分析､ BI 和数据科学解决方案——泛在､民主化且可组合， Austin Kronz 等人,2021 年 1 月 5 日