谷歌云（Google Cloud）發布了《2023年數據和人工智能趨勢報告》，該報告著眼于圍繞數據和人工智能戰略的5個關鍵趨勢。該報告指出，消費者需求、市場狀況以及新的人工智能（AI）和機器學習（ML）技術都在不斷發展，數據復雜性的增加正在創造一個與一年前不同的局面。

IDC開展的這項研究調查了800多家全球企業組織，請他們說出在使用數據方面所面臨的最大挑戰、從數據和AI云解決方案中獲得的好處，以及他們將如何使用這些解決方案。

趨勢1：靜態數據已過時；統一數據云時代到來。報告指出，到2026年，全球范圍內每秒將產生7PB的數據。目前，只有10%的數據是原始數據，其余90%是復制數據。這些孤立的數據存儲對組織沒有任何好處。谷歌云表示，需要一種更好的方式來存儲、管理、分析和應用這些數據。該報告探討了統一云如何成為解決方案，因為它為數據庫、數據倉庫和數據湖、流媒體、商業智能（BI）、人工智能（AI）和機器學習（ML）提供了通用基礎設施。

谷歌云總經理兼數據庫工程副總裁Andi Gutmans表示，統一的數據云能夠將數據和見解集成到變革性的數字體驗應用和更好的決策制定中。“因此，用戶可以在需要的時候獲得正確的信息，以達到最佳結果。”

趨勢2：開放數據生態系統允許數據在平臺之間自由移動，幫助企業避免數據鎖定和孤立。PostgreSQL、Kafka、TensorFlow、PyTorch、Presto、JanusGraph和Apache項目等預構建的開源服務和應用程序有助于加快開發速度并降低成本。另一方面，報告指出，這些開放標準和開放架構也可以在本地執行諸如數據分析等操作，幫助減少數據移動費用。

趨勢3：根據Google Cloud的數據，我們正處于人工智能臨界點的邊緣，不能將管理數據云和人工智能云分開。由人工智能驅動的應用程序正在解決更多的問題，并從數據中獲得前所未有的見解。谷歌云的云人工智能和行業解決方案副總裁June Yang表示，數據科學家、分析師、開發人員和ML創建者現在正在密切合作，他們希望有一個單一的界面，可以在統一的門戶中訪問工具、數據和見解。報告指出，80%的組織表示，對AI/ML模型執行的嵌入式支持使他們更有可能選擇特定的數據云平臺。

此外，預先訓練的模型和低代碼訓練方法正在幫助企業實現其AI和ML項目目標，使“平民”數據科學家成為可能。報告發現，81%的組織表示，擁有更多的“平民”數據科學家將大大提高他們將高級分析應用于更多項目的能力。

趨勢4：企業正在重新思考BI。谷歌云表示，他們正在拋棄傳統的、以儀表板為中心的模式，轉而采用以行動為中心的BI范式。在這種范式中，在更多的環境中為更多的人提供見解，以支持更多類型的工作流。BI和分析可以幫助識別潛在趨勢、數據異常和潛在問題，87%的組織希望其BI軟件支持預測模型的開發和部署。將BI和分析嵌入到企業應用程序中的趨勢也在上升，因為企業希望接觸更廣泛的內部受眾，并改進面向客戶的應用程序。

趨勢5：數據風險管理正在嶄露頭角。公司正在了解其未知數據，以提高安全性、治理和信任。隨著越來越多的非結構化和結構化數據被收集，準確了解正在收集的數據對于了解如何保護數據并保持其合規性至關重要。手動查找、掃描和分類每個數據集以確定風險是一項挑戰，尤其是對于使用客戶聊天應用程序的公司這樣的用例，敏感信息可能最終會出現在聊天記錄中。

谷歌云表示，了解所有數據并了解數據接收管道和存儲筒倉是數據風險管理中最關鍵的一步。接下來是分類，許多組織都在使用ML和業務自動化工具。在存儲和共享數據時，實施自動化控制有助于降低風險。例如，如果客戶將提供敏感數據，則自動化流程可以在存儲敏感信息之前對其進行編輯。谷歌云預測，到2027年，66%的大型企業將對數據控制平面技術進行重大投資，這些技術可以測量數據中固有的風險，并通過安全和篩選降低風險。