公有云是数据分析和人工智能的基石

公有云不仅仅是经济高效的数据存储。它提供的速度、灵活性和处理能力现在是现代分析和机器学习功能的必备组成部分。

分析和人工智能的民主革命正在进行中，通过利用像AWS这样的云计算架构的速度和灵活性，企业可以获得对于除了那些财力最雄厚的企业之外的一直非常昂贵的功能。因此，公有云现在是任何现代洞察力驱动的业务战略的重要组成部分。

怎么会这样？这是因为如今的分析和机器学习工具都依赖于处理大量高质量数据。随着如此多的数据不断流经数字生态系统，组织将拥有近乎无限的丰富数据集需要挖掘。

但收集数据是一回事，有效地使用它是另一回事。为了通过分析和机器学习提取有意义的见解，组织需要复杂的基础设施和大量的处理能力。他们需要快速有效地存储，处理和提供大量数据。他们需要熟练的人才来配置和管理必要的基础设施。

这可能是非常昂贵的。对于小型企业来说，这是令人望而却步的。但是，同样地，许多大型组织也会发现它同样具有挑战性，特别是那些商业模式早于数字时代的组织。

更重要的是，当今的大部分数据都是非结构化的（网页、电子邮件、文档、视频、图像、语音交互），或者充其理是半结构化的（网络/移动/物联网日志、点击流、社交媒体），企业现在必须处理的数据的数量和复杂性正快速超过他们这样做的能力。

是什么阻碍了企业的发展？传统的分析环境无法提供对这些丰富数据集的足够可见性。规范化、标记、注释和准备这些源需要更大规模的网络、存储和计算。最重要的是，分析系统必须能够处理数据流的巨大变化，某些行业的峰值数据突发达到正常数量的100倍。

由于公有云环境提供了灵活地摄取和处理此类数据所需的基本构造和处理能力，因此企业可以更有效地通过数据集获利。事实上，那些没有利用公有云进行分析和人工智能风险的人发现自己处于严重的竞争劣势。

那么是什么阻止了每个组织这样做呢？对很多人来说，这是技能问题。最近的IDG公司调查表明，41％的企业认为数据分析是前两种需求技能之一。但数据科学家供不应求，其结果是导致工资飙升。

答案是什么？战略性地重新评估整个组织的数据方法，对数据洞察和人工智能管道中的各种角色和职责进行深入理解。

最有可能的方式是首席数据官的任命和数据战略的定义，包括货币化基线。它肯定涉及识别组织内的数据提供者和数据消费者，并强制他们确保数据质量。卓越数据科学的跨职能中心可以成为建立正确的数据驱动型文化的另一个关键举措。

当然，说起来容易做起来难。企业外部合作伙伴可以在一些方面发挥重要作用。调研机构IDG公司的数据表明，超过四分之一的企业正在选择这条路线。有充分理由相信，通过外包分析功能、开发数据策略或强化内部团队，这些第三方的成熟专业知识可以更快地改变组织的数据中心性。

无论企业采取哪种方式，有一件事都会保持不变。公有云现在是现代数据分析和人工智能的基石。