順應(yīng)這樣的市場趨勢，F(xiàn)orrester推出了一個強調(diào)客戶至上的名為“適應(yīng)未來（Future Fit Technology Strategy）”的技術(shù)戰(zhàn)略，它包含自適應(yīng)性（adaptive）、創(chuàng)造性（creative）和韌性（resilient）三個方面的內(nèi)容，憑借根據(jù)市場變化來動態(tài)配置自身業(yè)務(wù)的能力，以平臺化的方式加速業(yè)務(wù)創(chuàng)新的進程，面對不確定性的來交付自身的價值。

這一整套適應(yīng)未來的技術(shù)戰(zhàn)略,不可能一蹴而就，需要技術(shù)平臺、技術(shù)實踐與合作伙伴來共同實現(xiàn)。

云原生構(gòu)建適應(yīng)未來企業(yè)組織的核心引擎

基于不同的視角觀察技術(shù)領(lǐng)域，F(xiàn)orrester認為，以云原生為核心的下一代的云平臺是構(gòu)建適應(yīng)未來的企業(yè)組織的核心引擎：全棧的云原生架構(gòu)可以非常靈活地適應(yīng)不同的市場變化，全云的開發(fā)實踐則支持在平臺之上快速驗證創(chuàng)新的思路，其天然的按需付費、自動化等的能力，可以幫助企業(yè)很好地降本增效。

過去十年期間，云計算已經(jīng)發(fā)生了翻天覆地的變化——從IaaS、PaaS、SaaS這樣彼此割裂的技術(shù)棧演變?yōu)槿缃袢诤系纳鷳B(tài)體系、一切皆服務(wù)：從基礎(chǔ)設(shè)施的服務(wù)到數(shù)據(jù)庫的服務(wù)、分析的服務(wù)，到開發(fā)的服務(wù)、應(yīng)用的服務(wù)，也包括上層的混合云管理的服務(wù)、云成本與優(yōu)化的服務(wù)、應(yīng)用的現(xiàn)代化與遷移的服務(wù)、實施的服務(wù)等等。雖然服務(wù)的本質(zhì)和內(nèi)涵不一定完全相同，但彼此之間的融合越來越多，共同向前發(fā)展。

與此同時，云原生技術(shù)正在改變著有關(guān)云平臺和云實踐的一切。云平臺架構(gòu)體系和部署架構(gòu)，原先是孤立的云環(huán)境，現(xiàn)在更多的是多云，混合云，云邊協(xié)同；基礎(chǔ)設(shè)施除了虛擬化，還包括容器化，要混合的進行相應(yīng)賦能，應(yīng)用架構(gòu)層面也從單體式的應(yīng)用越來越多基于大規(guī)模微服務(wù)化的分布式應(yīng)用；在基礎(chǔ)設(shè)施運維方面，以前更多的是基于虛機、流程驅(qū)動和手工方式，如今則是IaC基礎(chǔ)設(shè)施及代碼、SRE和各種自動化能力開發(fā)的過程，從各種各樣的瀑布式、敏捷到越來越多的DevOps的自動化的能力；開發(fā)領(lǐng)域也從傳統(tǒng)的應(yīng)用擴展到新興的應(yīng)用，如大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)、區(qū)塊鏈等等，一切創(chuàng)新，都可以在云上面來進行相應(yīng)的開發(fā)實踐。

需要強調(diào)的是，在部署架構(gòu)層面，云原生技術(shù)面向混合云和多云的環(huán)境在不斷融合發(fā)展，各種集成能力也在通過原生技術(shù)進行有效的賦能。因此，壁壘的消除，非常有助于以生態(tài)的方式來進行融合的發(fā)展。

什么是云原生？不同的公司、不同的機構(gòu)對云原生有不同的定義。Forrester認為，云原生是一個廣義的能力，具有非常豐富的技術(shù)內(nèi)涵。Forrester關(guān)于云原生能力的參考架構(gòu)，包括面向開發(fā)人員的云原生的應(yīng)用開發(fā)，面向基礎(chǔ)設(shè)施相關(guān)專業(yè)人士的從多集群的控制平面到整個集群的服務(wù)運維體系，以及面向安全的團隊關(guān)于治理與合規(guī)等方面的能力。

這樣一整套的云原生的體系架構(gòu)，可以很好的幫助企業(yè)實現(xiàn)新興技術(shù)的云化融合和平臺化的賦能。

云原生對于數(shù)據(jù)融合的價值所在

最大化數(shù)據(jù)價值的流動性。如作為數(shù)據(jù)庫即服務(wù)的形態(tài)，下一代的數(shù)據(jù)庫具有重要的核心業(yè)務(wù)價值，而云原生分布式的存儲、按需開通的彈性擴容、按用量計費、算存分離等方式可以很好的提升性能、降低成本、應(yīng)對各種個性化的需求，提高業(yè)務(wù)的敏捷性、保障業(yè)務(wù)的連續(xù)性、保護現(xiàn)有的資產(chǎn)，改善客戶體驗……這些都是原生技術(shù)推動之下的數(shù)據(jù)融合的機制。

賦能大規(guī)模分布式的機器學習自動化。機器學習自動化對在云上來進行人工智能創(chuàng)新非常重要。因為模型越來越大，參數(shù)越來越多，需要更加快速的進行迭代。類似于operator可以基于Kubernetes這樣的平臺化的方式對整個可視化的流水線來進行定義，實現(xiàn)自動化的閉環(huán)，使得數(shù)據(jù)的智能獲取越來越快、越來越高效。

加速機器學習與人工智能的商業(yè)落地進程。云原生可以提升機器學習開發(fā)的敏捷性，提升視覺服務(wù)、語音服務(wù)、文本處理、知識圖譜等方面的整體開發(fā)效率；針對特定領(lǐng)域的人工智能的能力，如老年機器人、RPA、智能推薦等各個垂直行業(yè)相關(guān)的創(chuàng)新進行相應(yīng)的賦能，還可以通過底層基礎(chǔ)設(shè)施的服務(wù)，包括GPU與高性能的網(wǎng)絡(luò)和存儲，進行融合創(chuàng)新。

對公有云和邊緣計算的分布式支持實現(xiàn)泛在智能。當前，網(wǎng)絡(luò)連接越來越高速，越來越廣泛，設(shè)備本身也越來越智能化，應(yīng)用負載更加泛在化。原生技術(shù)可以在公有云平臺上提供大數(shù)據(jù)和人工智能模型的訓練，在邊緣側(cè)進行有效的部署和相應(yīng)的推理，并進行統(tǒng)一的管控、編排和調(diào)度，實現(xiàn)對于洞察的獲取與協(xié)同，更好地支持智能決策服務(wù)。

對于新型技術(shù)體系的廣泛賦能：

云原生在邊緣側(cè)與物聯(lián)網(wǎng)結(jié)合，加速實現(xiàn)生態(tài)的融合。早期的互聯(lián)網(wǎng)框架，像Kube edge在不斷的加入，各種各樣邊緣側(cè)的原生框架Casevs、Qbatch、microcredit 等，也在更多的去響應(yīng)物聯(lián)網(wǎng)相關(guān)的需求，去改善自身的能力。這樣雙方向的演進，使得云上物聯(lián)網(wǎng)的商業(yè)價值的最大化成為可能。

區(qū)塊鏈技術(shù)并不一定需要云計算，但云原生為基礎(chǔ)的云平臺推動了云與區(qū)塊鏈的融合，加速構(gòu)建商業(yè)環(huán)境下的分布式的數(shù)字生態(tài)體系：公有云可以幫助評估底層的區(qū)塊鏈基礎(chǔ)設(shè)施部署的復(fù)雜性，加速區(qū)塊鏈的應(yīng)用開發(fā)與運營，推動跨行業(yè)、跨國界的生態(tài)拓展，而私有云也可以在區(qū)塊鏈在本地或者邊緣側(cè)部署的時候?qū)崿F(xiàn)一體化的統(tǒng)一管理。這意味著增強數(shù)字生態(tài)的有效性、便捷性和信任的機制，以更加廣泛的生態(tài)進行業(yè)務(wù)的創(chuàng)新成為可能。

原生本身也在推動著云與5G之間的融合。例如，在應(yīng)用架構(gòu)側(cè)，運營商從虛擬化的網(wǎng)絡(luò)功能向著云原生的網(wǎng)絡(luò)功能在不斷邁進，能夠以更加智能、更加自動化的方式進行編排與調(diào)度，對底層的各種異構(gòu)硬件的支持，也進一步提升了整個網(wǎng)絡(luò)的彈性。對于其他的行業(yè)各種決策者和實踐者來說，原生技術(shù)也可以更好地利用5G相關(guān)的能力：eMBB/mMTC/uRLLC 這三個場景，因為在邊緣側(cè)獲得更多的智能，從而為客戶提供更加差異化的能力，稱為云原生在5G領(lǐng)域最為經(jīng)典的應(yīng)用之一。

以上從云視角、云之間展現(xiàn)了如何通過融合實現(xiàn)加速創(chuàng)新。下面來看數(shù)據(jù)融合是如何來不斷的向前演進的。

研究表明，數(shù)據(jù)問題是中國企業(yè)數(shù)字化轉(zhuǎn)型落地的最為主要的挑戰(zhàn)，以32%的比例排在首位。進一步深入的剖析表明，數(shù)據(jù)問題可以分成六個方面：海量的數(shù)據(jù)（Volume）、高速的變化頻次（Velocity）、復(fù)雜的來源類型（Variety），越來越復(fù)合的價值（Value）、越來越差的真實性（Veracity）、越來越弱的安全性（Vulnerability）。這些問題并不是孤立存在的，它是貫穿了從規(guī)劃、定義、獲取到使用處理的數(shù)據(jù)管理所有環(huán)節(jié)、全生命周期。

Forrester：數(shù)據(jù)管理的定義與戰(zhàn)略業(yè)務(wù)價值

Forrester對于數(shù)據(jù)管理的定義，突破了技術(shù)層面的限制，從流程、策略、技術(shù)以及架構(gòu)四個不同的維度進行全生命周期的它的解析：以數(shù)據(jù)管理改進數(shù)據(jù)的質(zhì)量，降低數(shù)據(jù)存儲的管理的成本，交付可信的數(shù)據(jù)，改善安全合規(guī)性，增強業(yè)務(wù)的敏捷性，支持實時的業(yè)務(wù)的舉措，最終為數(shù)據(jù)治理提供支持。

想要實現(xiàn)這樣的戰(zhàn)略性的業(yè)務(wù)價值非常關(guān)鍵，需要從技術(shù)和實踐這兩個不同的方向來入手。

現(xiàn)代數(shù)據(jù)管理五大趨勢與值得關(guān)注的數(shù)據(jù)管理技術(shù)

Forrester認為，現(xiàn)代數(shù)據(jù)管理呈現(xiàn)五個非常重要的發(fā)展趨勢：跨混合云和多云分布的數(shù)據(jù)影響了整個企業(yè)的數(shù)據(jù)戰(zhàn)略；實時數(shù)據(jù)成為支持任何應(yīng)用和洞察的關(guān)鍵；客戶的焦點轉(zhuǎn)向了用例驅(qū)動的數(shù)據(jù)管理解決方案；數(shù)據(jù)的安全和治理稱為數(shù)據(jù)的核心；人工智能引領(lǐng)下一袋數(shù)據(jù)管理解決方案的發(fā)展。

通過Tech Tide這樣的技術(shù)Wave報告，F(xiàn)orrester定義了實現(xiàn)通用數(shù)據(jù)管理架構(gòu)的必要的技術(shù)組件，并以象限圖表示，橫軸代表成熟度，縱軸代表商業(yè)價值，分成了投資、維持、實驗、轉(zhuǎn)移四個不同的象限。

從投資相關(guān)的領(lǐng)域，首先值得關(guān)注的是大數(shù)據(jù)的構(gòu)架（Big Data Fabric）。大數(shù)據(jù)構(gòu)架可以以按需提供的方式實時對跨混合云多云環(huán)境下各種數(shù)據(jù)孤島的統(tǒng)一編排與協(xié)同，無論底層的是數(shù)據(jù)湖倉還是各類型的數(shù)據(jù)庫等，支撐數(shù)據(jù)的發(fā)現(xiàn)、準備、BI、可視化、儀表板等。

其次是數(shù)據(jù)目錄（Data Catalog），實現(xiàn)面向數(shù)據(jù)工程師、數(shù)據(jù)科學家、開發(fā)人員、業(yè)務(wù)分析師等不同用戶的數(shù)據(jù)訪問民主化。

三是數(shù)據(jù)湖（Data Lake）。數(shù)據(jù)湖的概念市場已經(jīng)耳熟能詳。但數(shù)據(jù)庫本身也在不斷面向著客戶的方向進行演進和發(fā)展，從早期的企業(yè)數(shù)據(jù)庫、如今的數(shù)據(jù)湖，到未來的客戶洞察的解決方案。數(shù)據(jù)湖能夠加速大數(shù)據(jù)用例的實現(xiàn)與發(fā)現(xiàn)，面向客戶的需求對數(shù)據(jù)全生命周期都提供有效的支持。

四是圖數(shù)據(jù)平臺（Graph Data Platform）。圖數(shù)據(jù)平臺是一套專用的關(guān)系緊密的技術(shù)，通過使用圖的引擎連接本地和云中的各種數(shù)據(jù)集，對相互聯(lián)系的數(shù)據(jù)進行存儲處理與查詢，將數(shù)據(jù)的關(guān)系轉(zhuǎn)變?yōu)榭蛻舻亩床炫c智能決策。

五是多模態(tài)數(shù)據(jù)平臺（Multimodel Data platform），可將結(jié)構(gòu)化、非結(jié)構(gòu)化或者是半結(jié)構(gòu)化的數(shù)據(jù)進行統(tǒng)一的存儲處理與訪問，加速現(xiàn)代應(yīng)用與洞察的開發(fā)與部署，如微服務(wù)、集成分析、客戶360 、物聯(lián)網(wǎng)分析和欺詐檢測等。

數(shù)據(jù)管理的實踐

在數(shù)據(jù)的管理實踐層面，需要強調(diào)三點：環(huán)繞式的數(shù)據(jù)治理（ambient data governance），它是一種數(shù)據(jù)治理的戰(zhàn)略，將數(shù)據(jù)治理融入到日常的數(shù)據(jù)交互之中，對個人目標進行數(shù)據(jù)的智能匹配，最終以團隊的方式、通過戰(zhàn)略層面實現(xiàn)數(shù)據(jù)治理； AutoML機器學習自動化為DataOps賦能智能商業(yè)。DataOps是賦能智能商業(yè)的很重要的基礎(chǔ)，而AutoML作為重要的技術(shù)領(lǐng)域，覆蓋了從開始的需求采集，到數(shù)據(jù)的準備、模型的開發(fā)和最后的部署等，特別是其中模型的開發(fā)，從特殊工程到算法的選擇，到參數(shù)的調(diào)優(yōu)和整個模型的驗證，存在大量繁雜的工作，必須借助AutoML才能夠應(yīng)對海量的數(shù)據(jù)；以數(shù)據(jù)網(wǎng)格（data mesh）實現(xiàn)互聯(lián)的邊緣智能體驗。數(shù)據(jù)網(wǎng)格可將不同的數(shù)據(jù)源得到的信息，通過集中化的、層級化的或者點對點的架構(gòu)體系，借助不同的技術(shù)的組件，和最終邊緣側(cè)所需要的能力進行匹配。

本地化戰(zhàn)略至關(guān)重要

就中國市場而言，本地化戰(zhàn)略至關(guān)重要。中國市場一大特點是，私有云環(huán)境遠遠高于海外市場，面向混合多云的第三方服務(wù)提供商，比如像神州數(shù)碼這樣的服務(wù)提供商，將在數(shù)云融合的中國市場發(fā)揮非常關(guān)鍵的作用。

【本文根據(jù)Forrester首席分析師戴鯤6月2日在2022TECH第四屆數(shù)字中國技術(shù)年會上“數(shù)云融合 共創(chuàng)未來”的主題演講內(nèi)容速記整理，未經(jīng)本人審定?！?/p>

xiesc