期望传统存储和数据结构能够提供云原生应用程序所需的便携性、规模和速度将令人失望。为什么数据如此难以管理、保护和货币化？客户和供应商都在思考这个问题，人们需要这个问题的答案。行业专家已经意识到，大多数从数据中及时提取业务洞察力的尝试都是基于我们过去处理数据的方式。随着人工智能(AI)和机器学习(ML)在全球范围内得到广泛采用，围绕云存储和数据服务的创新可以推动商业价值。1.从人类到机器从历史上看，商业智能和数据管理软件的最终目标一直是人类可读的洞察力。准确性比上下文更重要，完整性比及时性更重要。人工智能(AI)和机器学习(ML)正在加速数字世界的到来。算法获取数据洞察并将其转化为行动，其中只有一小部分是针对人类的。数据以各种形式以极快的速度流入和流出。2.应用程序和数据的双重性近年来，组织对应用程序开发进行了彻底改革。敏捷流程使开发人员能够快速迭代并以连续增量交付。DevOps工具缩小了开发工作流程并提高了软件质量。许多人工智能(AI)和机器学习(ML)工程师和数据科学家将证明，虽然构建应用程序变得更加容易，但管理应用程序所经过的大量多样的数据存储已经变得失控。特别是，数据采集和准备开始发挥重要作用。容器和混合云的快速兴起进一步加剧了数据利益相关者的挫败感，他们努力在为开发人员提供更多创新与使数据更易于访问和更安全之间找到平衡。这一难题没有唯一的正确答案。然而，有大量证据表明，成功的企业将应用程序和数据现代化挑战视为同一挑战的两个方面，而不是将数据现代化视为事后的想法。3.为云原生工作负载提供云原生数据服务一些组织无法充分利用他们在云原生开发方法和技术上的投资，因为过时的数据和存储堆栈阻碍了他们的发展。期望传统存储和数据结构能够提供云原生应用程序所需的可移植性、可扩展性和速度肯定会令人失望。云原生数据服务的关键是以新的重要方式释放数据的力量，同时使其在开放混合云上可访问、有弹性且可操作。云原生数据服务创建了一个开放的混合云应用程序环境，提供易于使用的服务，用于智能地移动、存储、转换、响应和学习组织的数据。CIO可以与可信赖的顾问合作，他们可以兑现云原生数据服务的承诺。4.重新定义敏捷性和规模随着行业转向基础架构即代码，企业领导者需要从其IT基础架构中获得更大的灵活性、规模和一致性。传统存储供应商要么必须重塑自我，要么面临灭绝的风险。在智能应用程序和敏捷开发工作流的新时代，IT基础架构对敏捷性和可扩展性的要求不断提高和发展。业务和IT领导者可能会发现，从静态数据、动态数据和实际数据的角度来思考这些挑战很有用，以反映Kubernetes、混合云和实时开发人员工作流时代的现代数据管道。5.旨在抵御市场冲击的人工智能(AI)和机器学习(ML)诸如冠状病毒爆发之类的事件可能会使AI驱动的供应链算法陷入困境，因为这些事件可能位于远离训练数据集的地方。外部。因此，数据工程师需要扩大训练数据集的范围，以抵御未来的市场冲击。商界和政界领袖已达成广泛共识，即数据可以帮助人们摆脱疫情，并真正改善人们的生活。数据的价值很难被高估。这是黑客梦寐以求的目标。由于数据决定了云平台的粘性，因此引起了公有云提供商的关注。在人工智能时代，云原生数据服务使现代企业能够分离信号和噪声，释放数据的潜力。
