摘要：如果期望传统的存储和数据结构能够提供云原生应用程序所需的可迁移性、规模和速度，那么一定会让人感到失望。

   如果期望传统的存储和数据结构能够提供云原生应用程序所需的可迁移性、规模和速度，那么一定会让人感到失望。
　　
　　为什么数据如此难以管理、保护以及实现货币化?这一问题得到了客户和供应商的一致关注，人们需要得到这个问题的答案。
　　
　　行业专家已经意识到，大多数从数据中及时提取业务见解的尝试都是我们过去处理数据的方式的基础。随着人工智能(AI)和机器学习(ML)在全球范围内获得广泛采用，围绕云存储和数据服务的创新可以推动业务价值。
　　
　　1.从人类到机器
　　
　　在以往，商业智能和数据管理软件的最终目标是获取人类可读的见解。精确度比场景更重要，而完整性比及时性更重要。
　　
　　人工智能(AI)和机器学习(ML)正在加快数字世界的到来。算法利用数据洞察力并将其转化为行动，其中只有一小部分是针对人类的行动。数据以各种形式和惊人的速度流入和流出。
　　
　　2.应用程序和数据的两面性
　　
　　近年来，组织对应用程序的开发进行了彻底的改革。敏捷的流程使开发人员能够快速迭代并以连续的增量交付。DevOps工具缩减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，在构建应用程序变得更加容易的同时，管理应用程序通过的大量和各种各样的数据存储已经变得失控。尤其是数据采集和准备已经开始发挥重要作用。
　　
　　容器和混合云的迅速崛起进一步加剧了数据利益相关者的挫败感，他们难以在为开发人员实现更多创新以及使数据更易于访问且更安全之间找到平衡。
　　
　　对于这个难题，没有一个正确的答案。但是，有很多证据表明，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留待以后实现。
　　
　　3.针对云原生工作负载的云原生数据服务
　　
　　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。期望传统的存储和数据结构能够提供云原生应用程序所需的可迁移性、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要以新的重要方式释放数据的力量，同时使数据在开放混合云上可访问、具有弹性和可操作性。
　　
　　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。首席信息官可以很好地与可信赖的顾问合作，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
　　
　　随着各行业朝着基础设施即代码的方向发展，业务领导者需要从IT基础设施获得更大的灵活性、规模和一致性。传统存储供应商或者不得不重新改造自己，或者冒着灭绝的风险。在智能应用和敏捷开发工作流的新时代，IT基础设施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，通过静态数据、动态数据和实际数据的角度来思考这些挑战是有用的，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.人工智能(AI)和机器学习(ML)旨在抵御市场冲击
　　
　　诸如冠状病毒疫情之类的事件可能会使人工智能驱动的供应链算法陷入困境，因为这些事件可能远远位于训练数据集之外。因此，数据工程师需要扩大培训数据集的范围，以抵御将来的市场冲击。商业和政治领导人之间普遍达成共识，即数据可以帮助人们走出疫情，并真正使人们的生活变得更好。
　　
　　数据的价值很难高估。这是黑客觊觎的目标。由于数据决定云平台的粘性，因此受到了公共云提供商的关注。
　　
　　在人工智能时代，云原生数据服务使现代企业能够将信号与噪声分离，并释放其数据潜力。
　　
　　编辑：Harris