转载自 forbes.com
作者 Luke Han
云原生时代，数据行业的假设已经有了巨大的、根本性的改变。数据已经从集中走向天然分布，尽管访问数据变得比以往任何时候都容易，但这些分散在各处的数据也给企业使用数据和管理数据带来了更多新的挑战。
同时，随着海量数据的迅速增长，因为数据源的繁杂、技术间的整合和平台间的集成带来的难度，使得企业数据管理和分析的道路更加曲折。这也给企业的 CXO 们带来了多重焦虑，企业无法使用最有价值的数据；跨业务、部门的数据资产缺乏统一、标准的语义等，企业要花费大量时间寻找数据，而不是分析数据本身。
智能数据管理的出现，则给这些在海量数据中艰难挣扎的企业带来了新希望。智能管理数据，才能将数据变成更有价值、更容易连接和分析的数据资产。接下来我们就一起看看，云原生时代，企业要想实现智能管理数据，不得不考虑的三大关键领域。
正如上文提到的，企业面临的数据管理和分析的流程是复杂的，但在当今这个数据驱动的世界中，连接这些数据对于企业又是至关重要的。企业需要统一的平台能够帮助他们连接所有数据源，在激烈竞争中赢取时间优势，从数据中获取有价值的洞察。
智能数据云可以自动识别最有价值的数据，并利用这些数据增强业务人员的能力，助力企业实现数字化转型。智能数据云能提供数据连接等功能，但许多企业仍对这一解决方案犹豫不决。企业一方面担心安全漏洞的增加；另一个方面是考虑到不同国家地区关于云数据隐私都有不同规则和法规。
据 Gartner 最近的一项调查显示，企业越来越需要其数字平台内更集成的数据分析和管理能力，这一比例已经从 2018 年的 57% 上升至 2020 年的 70%。因此，尽管部分企业可能对采用智能数据云等解决方案存在一些顾虑，但从长期角度看，这些改变可能是无法避免的。不过，企业也可以使用一些策略来降低风险，例如在初期可以利用智能数据云来满足特定的需求，后期再逐步推进满足更多需求。
2.人工智能 Artificial Intelligence
人工智能（AI）的增强极大地提高了数据分析和管理的效率。机器可以替代大部分手动繁琐的工作，解放人力去做更有价值的工作，从海量数据中发现更多有价值的洞察。
人工智能能够根据业务分析行为自动推荐数据模型，帮助企业从海量的分析负载中识别和沉淀数据资产，并根据业务变化智能更新模型，实现自动化构建和管理。今天的人工智能模型在几分钟内就可以完成数据处理。这种自动化的数据准备可以优化预测分析，从而提高成本效益，更好地释放数据的洞察力。
近年的疫情给全球市场都带来了深刻的变化，对于企业而言，如果整个平台不能成为云平台，就难以适应剧烈的变化。拥有敏捷、智能的数据云也就意味着，数据的使用门槛能够一降再降。智能数据云让每个业务人员都能使用数据，让数据优化每一个工作岗位成为可能。从仅有十几个数据专家，到有成千上万个平民数据分析师，数据的价值能成百倍的在企业中释放。
弹性灵活的云原生架构将帮助企业更好地管理数据，供每个人访问和使用。因此，采用云原生架构有助于公司扩展和支持其业务敏捷性，并允许他们随时随地满足客户的需求。
智能数据时代已经到来!
云计算时代的数据仓库革命已经开始，新的技术架构、新的数据使用方式和新的成本结构将深刻改变行业。未来人类使用数据的习惯一定会被创新性技术和服务模式所改变。今天，云计算能够非常快速、低成本、弹性灵活地支撑业务发展。未来，企业使用数据也该如此，无需再关心数据在哪一个平台或者数据源里，智能数据云让使用数据像使用水、使用电一样方便，人人都能随取随用，自助使用。
Kyligence 由 Apache Kylin 创始团队创建，致力于打造下一代智能数据云平台，为企业实现自动化的数据服务和管理。基于机器学习和 AI 技术，Kyligence 从多云的数据存储中识别和管理最有价值数据，并提供高性能、高并发的数据服务以支撑各种数据分析与应用，同时不断降低 TCO。Kyligence 已服务中国、美国及亚太的多个金融、制造、零售等客户，包括建设银行、浦发银行、招商银行、平安银行、宁波银行、太平洋保险、中国银联、上汽、一汽、安踏、Costa、UBS、Metlife、AppZen 等全球知名企业和行业领导者。公司已通过 ISO9001，ISO27001 及 SOC2 Type1 等各项认证及审计，并在全球范围内拥有众多生态合作伙伴。
