谷歌云（Google Cloud）发布了《2023年数据和人工智能趋势报告》，该报告着眼于围绕数据和人工智能战略的5个关键趋势。该报告指出，消费者需求、市场状况以及新的人工智能（AI）和机器学习（ML）技术都在不断发展，数据复杂性的增加正在创造一个与一年前不同的局面。

IDC开展的这项研究调查了800多家全球企业组织，请他们说出在使用数据方面所面临的最大挑战、从数据和AI云解决方案中获得的好处，以及他们将如何使用这些解决方案。

趋势1：静态数据已过时；统一数据云时代到来。报告指出，到2026年，全球范围内每秒将产生7PB的数据。目前，只有10%的数据是原始数据，其余90%是复制数据。这些孤立的数据存储对组织没有任何好处。谷歌云表示，需要一种更好的方式来存储、管理、分析和应用这些数据。该报告探讨了统一云如何成为解决方案，因为它为数据库、数据仓库和数据湖、流媒体、商业智能（BI）、人工智能（AI）和机器学习（ML）提供了通用基础设施。

谷歌云总经理兼数据库工程副总裁Andi Gutmans表示，统一的数据云能够将数据和见解集成到变革性的数字体验应用和更好的决策制定中。“因此，用户可以在需要的时候获得正确的信息，以达到最佳结果。”

趋势2：开放数据生态系统允许数据在平台之间自由移动，帮助企业避免数据锁定和孤立。PostgreSQL、Kafka、TensorFlow、PyTorch、Presto、JanusGraph和Apache项目等预构建的开源服务和应用程序有助于加快开发速度并降低成本。另一方面，报告指出，这些开放标准和开放架构也可以在本地执行诸如数据分析等操作，帮助减少数据移动费用。

趋势3：根据Google Cloud的数据，我们正处于人工智能临界点的边缘，不能将管理数据云和人工智能云分开。由人工智能驱动的应用程序正在解决更多的问题，并从数据中获得前所未有的见解。谷歌云的云人工智能和行业解决方案副总裁June Yang表示，数据科学家、分析师、开发人员和ML创建者现在正在密切合作，他们希望有一个单一的界面，可以在统一的门户中访问工具、数据和见解。报告指出，80%的组织表示，对AI/ML模型执行的嵌入式支持使他们更有可能选择特定的数据云平台。

此外，预先训练的模型和低代码训练方法正在帮助企业实现其AI和ML项目目标，使“平民”数据科学家成为可能。报告发现，81%的组织表示，拥有更多的“平民”数据科学家将大大提高他们将高级分析应用于更多项目的能力。

趋势4：企业正在重新思考BI。谷歌云表示，他们正在抛弃传统的、以仪表板为中心的模式，转而采用以行动为中心的BI范式。在这种范式中，在更多的环境中为更多的人提供见解，以支持更多类型的工作流。BI和分析可以帮助识别潜在趋势、数据异常和潜在问题，87%的组织希望其BI软件支持预测模型的开发和部署。将BI和分析嵌入到企业应用程序中的趋势也在上升，因为企业希望接触更广泛的内部受众，并改进面向客户的应用程序。

趋势5：数据风险管理正在崭露头角。公司正在了解其未知数据，以提高安全性、治理和信任。随着越来越多的非结构化和结构化数据被收集，准确了解正在收集的数据对于了解如何保护数据并保持其合规性至关重要。手动查找、扫描和分类每个数据集以确定风险是一项挑战，尤其是对于使用客户聊天应用程序的公司这样的用例，敏感信息可能最终会出现在聊天记录中。

谷歌云表示，了解所有数据并了解数据接收管道和存储筒仓是数据风险管理中最关键的一步。接下来是分类，许多组织都在使用ML和业务自动化工具。在存储和共享数据时，实施自动化控制有助于降低风险。例如，如果客户将提供敏感数据，则自动化流程可以在存储敏感信息之前对其进行编辑。谷歌云预测，到2027年，66%的大型企业将对数据控制平面技术进行重大投资，这些技术可以测量数据中固有的风险，并通过安全和筛选降低风险。