Forrester：数字化转型的关键路径与现代数据管理五大趋势

研究表明，五个非常重要的市场趋势正在从根本上改变未来的业务与技术：一是客户的目标，高度的安全感和便捷性更受青睐，特别是在难以见面的疫情期间迫切性更高；二是业务的交互模式，混合的体验方式更受欢迎，包括线上或者像文本、视频甚至像元宇宙这样各种不同的形态；三是未来的工作形态也越来越丰富，疫情期间，人们或多或少都有在家或者在任何其他地方办公的体验；四是数字化转型，正在各行各业不断的加速；最后是业务的韧性，面对任何不确定性，都能够交付企业的价值，交付对客户的承诺，从而奠定企业的竞争优势。

顺应这样的市场趋势，Forrester推出了一个强调客户至上的名为“适应未来（Future Fit Technology Strategy）”的技术战略，它包含自适应性（adaptive）、创造性（creative）和韧性（resilient）三个方面的内容，凭借根据市场变化来动态配置自身业务的能力，以平台化的方式加速业务创新的进程，面对不确定性的来交付自身的价值。

这一整套适应未来的技术战略,不可能一蹴而就，需要技术平台、技术实践与合作伙伴来共同实现。

云原生构建适应未来企业组织的核心引擎

基于不同的视角观察技术领域，Forrester认为，以云原生为核心的下一代的云平台是构建适应未来的企业组织的核心引擎：全栈的云原生架构可以非常灵活地适应不同的市场变化，全云的开发实践则支持在平台之上快速验证创新的思路，其天然的按需付费、自动化等的能力，可以帮助企业很好地降本增效。

过去十年期间，云计算已经发生了翻天覆地的变化——从IaaS、PaaS、SaaS这样彼此割裂的技术栈演变为如今融合的生态体系、一切皆服务：从基础设施的服务到数据库的服务、分析的服务，到开发的服务、应用的服务，也包括上层的混合云管理的服务、云成本与优化的服务、应用的现代化与迁移的服务、实施的服务等等。虽然服务的本质和内涵不一定完全相同，但彼此之间的融合越来越多，共同向前发展。

与此同时，云原生技术正在改变着有关云平台和云实践的一切。云平台架构体系和部署架构，原先是孤立的云环境，现在更多的是多云，混合云，云边协同；基础设施除了虚拟化，还包括容器化，要混合的进行相应赋能，应用架构层面也从单体式的应用越来越多基于大规模微服务化的分布式应用；在基础设施运维方面，以前更多的是基于虚机、流程驱动和手工方式，如今则是IaC基础设施及代码、SRE和各种自动化能力开发的过程，从各种各样的瀑布式、敏捷到越来越多的DevOps的自动化的能力；开发领域也从传统的应用扩展到新兴的应用，如大数据、人工智能、物联网、区块链等等，一切创新，都可以在云上面来进行相应的开发实践。

需要强调的是，在部署架构层面，云原生技术面向混合云和多云的环境在不断融合发展，各种集成能力也在通过原生技术进行有效的赋能。因此，壁垒的消除，非常有助于以生态的方式来进行融合的发展。

什么是云原生？不同的公司、不同的机构对云原生有不同的定义。Forrester认为，云原生是一个广义的能力，具有非常丰富的技术内涵。Forrester关于云原生能力的参考架构，包括面向开发人员的云原生的应用开发，面向基础设施相关专业人士的从多集群的控制平面到整个集群的服务运维体系，以及面向安全的团队关于治理与合规等方面的能力。

这样一整套的云原生的体系架构，可以很好的帮助企业实现新兴技术的云化融合和平台化的赋能。

云原生对于数据融合的价值所在

最大化数据价值的流动性。如作为数据库即服务的形态，下一代的数据库具有重要的核心业务价值，而云原生分布式的存储、按需开通的弹性扩容、按用量计费、算存分离等方式可以很好的提升性能、降低成本、应对各种个性化的需求，提高业务的敏捷性、保障业务的连续性、保护现有的资产，改善客户体验……这些都是原生技术推动之下的数据融合的机制。

赋能大规模分布式的机器学习自动化。机器学习自动化对在云上来进行人工智能创新非常重要。因为模型越来越大，参数越来越多，需要更加快速的进行迭代。类似于operator可以基于Kubernetes这样的平台化的方式对整个可视化的流水线来进行定义，实现自动化的闭环，使得数据的智能获取越来越快、越来越高效。

加速机器学习与人工智能的商业落地进程。云原生可以提升机器学习开发的敏捷性，提升视觉服务、语音服务、文本处理、知识图谱等方面的整体开发效率；针对特定领域的人工智能的能力，如老年机器人、RPA、智能推荐等各个垂直行业相关的创新进行相应的赋能，还可以通过底层基础设施的服务，包括GPU与高性能的网络和存储，进行融合创新。

对公有云和边缘计算的分布式支持实现泛在智能。当前，网络连接越来越高速，越来越广泛，设备本身也越来越智能化，应用负载更加泛在化。原生技术可以在公有云平台上提供大数据和人工智能模型的训练，在边缘侧进行有效的部署和相应的推理，并进行统一的管控、编排和调度，实现对于洞察的获取与协同，更好地支持智能决策服务。

对于新型技术体系的广泛赋能：

云原生在边缘侧与物联网结合，加速实现生态的融合。早期的互联网框架，像Kube edge在不断的加入，各种各样边缘侧的原生框架Casevs、Qbatch、microcredit 等，也在更多的去响应物联网相关的需求，去改善自身的能力。这样双方向的演进，使得云上物联网的商业价值的最大化成为可能。

区块链技术并不一定需要云计算，但云原生为基础的云平台推动了云与区块链的融合，加速构建商业环境下的分布式的数字生态体系：公有云可以帮助评估底层的区块链基础设施部署的复杂性，加速区块链的应用开发与运营，推动跨行业、跨国界的生态拓展，而私有云也可以在区块链在本地或者边缘侧部署的时候实现一体化的统一管理。这意味着增强数字生态的有效性、便捷性和信任的机制，以更加广泛的生态进行业务的创新成为可能。

原生本身也在推动着云与5G之间的融合。例如，在应用架构侧，运营商从虚拟化的网络功能向着云原生的网络功能在不断迈进，能够以更加智能、更加自动化的方式进行编排与调度，对底层的各种异构硬件的支持，也进一步提升了整个网络的弹性。对于其他的行业各种决策者和实践者来说，原生技术也可以更好地利用5G相关的能力：eMBB/mMTC/uRLLC 这三个场景，因为在边缘侧获得更多的智能，从而为客户提供更加差异化的能力，称为云原生在5G领域最为经典的应用之一。

以上从云视角、云之间展现了如何通过融合实现加速创新。下面来看数据融合是如何来不断的向前演进的。

研究表明，数据问题是中国企业数字化转型落地的最为主要的挑战，以32%的比例排在首位。进一步深入的剖析表明，数据问题可以分成六个方面：海量的数据（Volume）、高速的变化频次（Velocity）、复杂的来源类型（Variety），越来越复合的价值（Value）、越来越差的真实性（Veracity）、越来越弱的安全性（Vulnerability）。这些问题并不是孤立存在的，它是贯穿了从规划、定义、获取到使用处理的数据管理所有环节、全生命周期。

Forrester：数据管理的定义与战略业务价值

Forrester对于数据管理的定义，突破了技术层面的限制，从流程、策略、技术以及架构四个不同的维度进行全生命周期的它的解析：以数据管理改进数据的质量，降低数据存储的管理的成本，交付可信的数据，改善安全合规性，增强业务的敏捷性，支持实时的业务的举措，最终为数据治理提供支持。

想要实现这样的战略性的业务价值非常关键，需要从技术和实践这两个不同的方向来入手。

现代数据管理五大趋势与值得关注的数据管理技术

Forrester认为，现代数据管理呈现五个非常重要的发展趋势：跨混合云和多云分布的数据影响了整个企业的数据战略；实时数据成为支持任何应用和洞察的关键；客户的焦点转向了用例驱动的数据管理解决方案；数据的安全和治理称为数据的核心；人工智能引领下一袋数据管理解决方案的发展。

通过Tech Tide这样的技术Wave报告，Forrester定义了实现通用数据管理架构的必要的技术组件，并以象限图表示，横轴代表成熟度，纵轴代表商业价值，分成了投资、维持、实验、转移四个不同的象限。

从投资相关的领域，首先值得关注的是大数据的构架（Big Data Fabric）。大数据构架可以以按需提供的方式实时对跨混合云多云环境下各种数据孤岛的统一编排与协同，无论底层的是数据湖仓还是各类型的数据库等，支撑数据的发现、准备、BI、可视化、仪表板等。

其次是数据目录（Data Catalog），实现面向数据工程师、数据科学家、开发人员、业务分析师等不同用户的数据访问民主化。

三是数据湖（Data Lake）。数据湖的概念市场已经耳熟能详。但数据库本身也在不断面向着客户的方向进行演进和发展，从早期的企业数据库、如今的数据湖，到未来的客户洞察的解决方案。数据湖能够加速大数据用例的实现与发现，面向客户的需求对数据全生命周期都提供有效的支持。

四是图数据平台（Graph Data Platform）。图数据平台是一套专用的关系紧密的技术，通过使用图的引擎连接本地和云中的各种数据集，对相互联系的数据进行存储处理与查询，将数据的关系转变为客户的洞察与智能决策。

五是多模态数据平台（Multimodel Data platform），可将结构化、非结构化或者是半结构化的数据进行统一的存储处理与访问，加速现代应用与洞察的开发与部署，如微服务、集成分析、客户360 、物联网分析和欺诈检测等。

数据管理的实践

在数据的管理实践层面，需要强调三点：环绕式的数据治理（ambient data governance），它是一种数据治理的战略，将数据治理融入到日常的数据交互之中，对个人目标进行数据的智能匹配，最终以团队的方式、通过战略层面实现数据治理； AutoML机器学习自动化为DataOps赋能智能商业。DataOps是赋能智能商业的很重要的基础，而AutoML作为重要的技术领域，覆盖了从开始的需求采集，到数据的准备、模型的开发和最后的部署等，特别是其中模型的开发，从特殊工程到算法的选择，到参数的调优和整个模型的验证，存在大量繁杂的工作，必须借助AutoML才能够应对海量的数据；以数据网格（data mesh）实现互联的边缘智能体验。数据网格可将不同的数据源得到的信息，通过集中化的、层级化的或者点对点的架构体系，借助不同的技术的组件，和最终边缘侧所需要的能力进行匹配。

本地化战略至关重要

就中国市场而言，本地化战略至关重要。中国市场一大特点是，私有云环境远远高于海外市场，面向混合多云的第三方服务提供商，比如像神州数码这样的服务提供商，将在数云融合的中国市场发挥非常关键的作用。

【本文根据Forrester首席分析师戴鲲6月2日在2022TECH第四届数字中国技术年会上“数云融合 共创未来”的主题演讲内容速记整理，未经本人审定。】

未经允许不得转载：DOIT » Forrester：数字化转型的关键路径与现代数据管理五大趋势