《【Google Cloud】2023年数据和AI趋势报告 2023-10-12 9246 26.pdf》由会员分享，可在线阅读，更多相关《【Google Cloud】2023年数据和AI趋势报告 2023-10-12 9246 26.pdf（43页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、2023 年 数据和 AI趋势报告2023 年数据和 AI 趋势报告制定互连数据策略 需了解的五大趋势打破数据孤岛01迈入开放数据生态新时代拥抱 AI 发展转折点随时随地融入数据洞见了解未知数据202030405您将发现这些趋势中的一些共性，包括对增强统一性和灵活性的总体需求。您还将了解为什么只有结合利用这些趋势才能成功。2023 年数据和 AI 趋势报告简介3您正在参与推动史上最快的创新，迎接前所未有的变革。在您阅读本报告揭示的五大数据和 AI 趋势时，这些趋势的演进方向，以及全球组织对其起到的推动作用，可能会让您大感惊讶。这是因为，我们今天面对的挑战已与一年前不同。消费者的需求、市场条件，
2、以及新的 AI 和机器学习技术都已发生了变化。一起发生变化的，还有我们自己的观点。我们都在管理增加的数据复杂性、寻找新模式、构建新模型、在适当时间向适当人员和应用提供数据，并在符合相关要求的基础上跟踪每个字节的状态。为了发现当前的数据和 AI 趋势，我们与 IDC 携手合作，展开了多项调查研究，研究对象包括全球各行各业的组织。我们还邀请 Google 的技术思想引领者参与了本次研究，以揭示组织在制定数据和 AI 策略时要考虑的关键方面。2023 年数据和 AI 趋势报告4打破数据孤岛01打破数据孤岛到 2026 年，82%的组织希望在其云数据平台中紧密集成实现完整数据和 AI 工作流所需的全部
3、功能。1 2023 年数据和 AI 趋势报告5打破数据孤岛趋势 1打破数据孤岛统一的数据云提供了一个平台，用于支持数据生命周期的每一个阶段。数据库、数据仓库、数据湖、流式传输、BI、AI 和机器学习全部位于一个预配置的通用基础架构中，可帮助组织实现无缝协作。提升数据使用效率并降低使用门槛缩短决策和开发周期改善客户体验2023 年数据和 AI 趋势报告趋势 16打破数据孤岛0102032023 年数据和 AI 趋势报告7打破数据孤岛趋势 1Andi Gutmans数据库工程部总经理兼副总裁，Google Cloud组织开始意识到，孤立的数据存储和数据仓库策略已经跟不上新时代的需求。我一点也不觉得
4、意外，因为设备和应用每天生成的数据量十分惊人。组织需要找到更好的方法存储、管理、分析和治理所有数据，同时减少数据孤岛和冗余系统导致的额外工作、成本以及相互冲突的数据洞见。开发者、IT 管理员、安全分析师和业务团队应该将自己的技能运用在开发创新应用、将服务尽快推向市场上，而不是耗费在追踪数据上。他们必须知道当前有什么数据及数据所在位置，并能够轻松访问和分析最新数据。有了统一的数据云，所有这一切都成为可能。对我来说，这个趋势最核心的一点是，统一的数据云可将数据和洞见融入到数字体验和工作流中。如此一来，用户就可以在需要时获得正确的信息，尽可能取得最佳成果。“为原始数据，其余 90%全部为复制数据。2
5、只有 10%到 2026 年，全球每秒将生成 7 PB 的数据。而每年生成的数据中，2023 年数据和 AI 趋势报告8打破数据孤岛趋势 1各行业如何利用统一的数据云零售越来越多的零售商正在将其所有数据整合到单一平台，并从中获得所需的客户数据洞见，以便为所有消费者接触点提供独特的个性化体验，提升所有渠道的客户忠诚度和转化率。制造制造商正在利用统一的数据平台，将孤立的机器和系统连接起来，让他们的数据变得更容易使用。这不仅有助于加强他们与供应商之间的联系，还可以让他们迅速采取行动，防止送货延迟。金融服务零售银行和保险公司正在使用以隐私保护和客户为中心的数据解决方案，实现更出色的个性化、更有效的市场
6、分析和直接面向客户的定制化体验。2023 年数据和 AI 趋势报告9打破数据孤岛趋势 1统一数据云可以帮助组织实现哪些成果？Equifax 打破了 80 多个数据孤岛并构建了无缝的数据结构脉络，从而能够更迅速地响应客户和监管机构的需求。美洲欧洲亚洲Delivery Hero 将数据集成到一个统一的数据平台，以节省成本并改善客户体验。ShareChat 借助统一、经过优化的基础架构简化管理流程，为公司业务增长做好准备。“随着公司业务不断扩张，我们将构建新的算法，以便处理采用区域语言的实时数据集，同时精准预测用户希望看到的内容。Google Cloud 为我们提供了一个经过优化的基础架构，可用来处
7、理此类计算密集型工作负载，满足我们当前和未来的业务增长需求。”-Bhanu Singh，联合创始人兼首席技术官，ShareChat如果运营和分析系统彼此分离，组织只能通过艰难拼凑不同的解决方案来构建数据驱动的智能应用。为了满足客户期望，提供“始终在线”的数字体验，运营和分析系统需要紧密集成，在近乎实时的情况下处理同一数据。2023 年数据和 AI 趋势报告10迈入开放数据生态新时代02迈入开放数据生态新时代78%的高管认为，使用外部数据是企业需要具备的一种关键能力。3趋势 22023 年数据和 AI 趋势报告11迈入开放数据生态新时代将数据与您自己选择的技术集成，避免受制于特定供应商提高现有投
8、资的投资回报率缩短开发周期0102032023 年数据和 AI 趋势报告12迈入开放数据生态新时代迈入开放数据生态新时代为了确保技术选择的灵活性以及能够重复使用代码和基于标准的服务，越来越多的组织正在采用开源软件和开放式 API。趋势 2趋势 2Gerrit Kazmaier数据分析部副总裁兼总经理，Google Cloud2023 年数据和 AI 趋势报告13迈入开放数据生态新时代“随着组织对数据生态系统灵活性的要求不断提高，关于开放标准、数据集成和技术选择的讨论也达到新高度。组织认识到，数据既是数字创新的核心，也是释放 AI 潜力的关键。但现实问题是，数据正以惊人的速度激增，却被限制在由不
9、同解决方案和封闭云所构成的新孤岛中。构建开放的多云数据生态系统，充分释放数据的力量，则是改善以上所有问题的有效方法。这种方法不仅可以缩短上市期，还可以提高投资回报率。更重要的是，这种方法还可以让组织更具竞争力。想象一下，参与这个数据生态系统的所有员工、客户和合作伙伴都将是贡献者，而不是旁观者。组织希望自由构建数据云，并在其中包含来自任何源或云的任何形式的数据。他们希望采用最能满足其特定需求的技术，并在加快创新的同时，不必担心技术孤岛和债务问题。而最终的实现方法，就是为所有这些公司释放数据和 AI 的力量。”“开放、多云数据生态系统通过构建挖掘数据价值，是新兴 AI 采用策略 中最重要的方面。”
10、趋势 2利用开放系统实现数据移动和多云分析2023 年数据和 AI 趋势报告14迈入开放数据生态新时代过去，组织通过部署单独系统和工具来解决特定问题，导致很多数据被存储在不同的平台和公有云中。由于这些数据往往处于孤立状态，组织很难从所有这些数据中获得分析洞见。通过采用开放标准和开放架构，公司可以根据需要在各平台之间自由移动数据，以支持工作流、数据分析和数据创收，避免受制于特定供应商和陷入数据孤岛。例如，公司可以轻松移动存储在任何基于 SQL 的关系型数据库（例如 PostgreSQL）中的数据，并将这些数据与任何其他基于 SQL 的数据库共享。利用集成了开放式 API 且符合 REST 架构设
11、计的系统，公司可以轻松使用和共享来自内部和外部源的数据。同时，组织还可以使用开放标准和开放架构分析源头数据，将数据移动和出站流量产生的费用降至最低。70%认为数据云必须基于开放协议的数据领先者比数据落后者多 70%。4趋势 2拥抱开源技术研究表明，开源软件的采用率正在增加，许可型企业软件的采用率则在降低。亮点70%以上的新应用将基于开源数据库开发 80%的企业将采用多云开源软件以增强灵 活性采用全代管式服务的开源数据库的“云化”市场规模正在飞速增长。开源许可热门程度商业许可“重复使用是提升效率的一项基本工程准则。开放式生态系统践行了这项准则：它使用开放标准和开源技术，让数据、代码和应用在可发现
12、、可移植的同时，获得一致的安全层保护。”Firat Tekiner,高级产品经理，Google Cloud2023 年数据和 AI 趋势报告15迈入开放数据生态新时代开源软件在数据生态系统中发挥着关键作用：为加快开发速度和降低成本，组织正在使用预 构建、预测试的开源服务和应用（包括 PostgreSQL、Kafka、TensorFlow、PyTorch、Presto、JanusGraph 和 Apache 项目）。例如，组织利用开源技术构建数据湖仓一体、使用处理引擎（如 Apache Spark）以开放格式（如 Apache Parquet）存储数据，并采用开放式框架（如 Apache Ice
13、berg 和 Delta）。借助云服务提供商的“开源即服务”解决方案，公司可以在自由选择开源软件的同时，受益于 专属工程资源的支持和技术专长。5趋势 2拥抱更多数据Moderna 通过利用和集成当前优秀技术，找到了使用 mRNA 帮助人们的新方法。美洲欧洲亚洲Swisscom 通过集成地理位置定位、响应式功能和网站数据，将访问量提升了 25%。Tokopedia 在 Kubernetes 上运营电商平台，以提升买家体验和忠诚度。“Looker 与我们的多云理念完美契合，因为它可以让我们选择自己偏好的数据库，并通过集成功能使数据易于访问、具有实用价值。总体而言，Google 在多云领域取得了长足
14、的进步。您无需再受制于特定供应商，只需选择最能满足工作需求的解决方案。”Dave Johnson,信息学、数据科学和 AI 部副总裁，Moderna2023 年数据和 AI 趋势报告16迈入开放数据生态新时代78%的高管认为，使用外部数据是企业需要具备的一种关键能力。6许多组织正在利用公开可用的数据集（如天气、趋势和位置数据），来获取有价值的数据洞见和开发创收型应用。如今，有 75%的组织正在将位置数据用于各种业务职能和流程，7包括供应链、公共交通和个性化客户体验等。公共数据集可以按需使用，没有管理和维护成本，其准确性也已通过社区审核。此外，如果团队可以通过基于开放标准的 API 访问公共数据
15、集，遵循一致的数据使用和注入标准，他们就能进一步加快数据流水线开发速度。2023 年数据和 AI 趋势报告17拥抱 AI 发展转折点03拥抱 AI 发展转折点到 2025 年，至少 90%的新企业应用将包含嵌入式 AI 功能。8趋势 32023 年数据和 AI 趋势报告18拥抱 AI 发展转折点从任意规模的数据中寻找规律、发掘数据洞见 精准而规模化地解决问题普及机器学习技术和 AI 的使用0102032023 年数据和 AI 趋势报告19拥抱 AI 发展转折点拥抱 AI 发展转折点如今，AI 驱动的体验已经融入人们的日常生活中。为适应这一趋势，组织需要找到更容易的方法，让更多人轻松使用 AI
16、和机器学习技术。趋势 3趋势 3June YangCloud AI 和行业解决方案部副总裁，Google Cloud2023 年数据和 AI 趋势报告20拥抱 AI 发展转折点AI 发展的转折点已经来临。无论人们是否意识到，AI 驱动的应用已经融入人们的日常生活中。社交媒体平台、语音助理和驾驶服务都是典型示例。组织纷纷采用 AI 和机器学习工具及技术，因为这样，组织就可以从现有数据中提取更多信息，并精准而规模化地解决实际问题。统一性是新兴 AI 采用策略中最重要的方面。在一年前，公司还在考虑将数据云和 AI 云作为单独实体来管理。但正如我们在其他趋势中看到的，这种分离或孤立的策略会带来很多障碍
17、。如今，数据科学家、分析师、开发者和其他机器学习创作者都在协同工作。他们都希望拥有一个单一界面，通过一个统一门户获取所需工具、数据和洞见。”“拥有一个单一界面，数据科学家、分析师、开发者和其他机器学习创作者都希望通过一个统 一门户获取所需工具、数据和洞见。”趋势 3弥合机器学习技能差距 各行业组织通过在员工中普及 AI/机器学习，持续推进运营转型。例如，零售商积极利用 AI/机器学习实现以下目标：向买家提供个性化建议 通过预测买家需求，确保商品库存状况 通过预测客户流失，对相应客户给予特别关注金融服务和保险公司利用 AI/机器学习实现以下目标：获得高级欺诈检测能力 对文档进行分类和翻译 分析交
18、易情况和检测异常电信组织通过部署 AI/机器学习实现以下目标：实现联络中心自动化，采用虚拟客服帮助来电者解答常见问题 让人工客服腾出更多时间处理复杂或紧急事务 自动监控手机基站 识别有价值的数据趋势和预测80%的组织表示，由于在运行 AI/机器学习模型时需要获得嵌入式支持，他们更有可能选择特定的数据云平台。102023 年数据和 AI 趋势报告21拥抱 AI 发展转折点由于大多数公司都没有聘请帮助实现 AI/机器学习目标的数据科学家，因此，更多组织选择依靠“草根数据科学家”，借助预训练模型或低代码训练方法来开发机器学习模型。其中有 81%的组织表示，引入更多草根数据科学家可大幅提高他们将高级分
19、析技术应用于更多项目的能力。9趋势 3梅西百货公司(Macys)利用机器学习技术，向客户提供量身定制的推荐内容和搜索结果。美洲欧洲亚洲德国汉莎航空(Lufthansa)利用智能预测技术，每年预计减少 7,400 吨二氧化碳排放量。怡和餐饮集团(Jardine Restaurant Group)采用 AI 驱动的菜单推荐功能后，将平均订单价值提升 30%。AI/机器学习采用建议 即使您对数据科学十分了解，也不一定想从头开始一切工作。利用支持定制的模板、模型和其他可直接使用的资产，让它们帮助您完成 80%的工作，使您能够集中精力处理关键事务。跟踪模型非常重要，有助于您了解谁在什么时间训练了模型，以
20、及数据来自何处等信息。构建的模型不一定要强大无比，只要它能更出色地完成现有任务就够了。从见效快的小项目着手。使用机器学习将搜索点击率提高 3%到 4%看似微不足道，但这种小项目实际上可能会带来数百万美元的额外收入。成功的 AI 解决方案从一开始就将可靠性和稳定性融入模型中。2023 年数据和 AI 趋势报告22拥抱 AI 发展转折点“我们正在做的一项有趣工作是改进产品推荐。在买家购买床品时，我们如何确保让他们买到心仪的床单和毛巾？利用 Google Cloud 的强大功能，我们就能为买家推荐合适的产品。”-Lauren Miller，首席信息官，梅西百货公司2023 年数据和 AI 趋势报告2
21、3随时随地融入数据洞见04随时随地融入数据洞见未来几年，75%的组织期望用上传统 BI 软件力所不及、能够为决策助力的新功能。11趋势 42023 年数据和 AI 趋势报告24随时随地融入数据洞见改进决策流程快速开拓新的收入来源提升获客率和留存率0102032023 年数据和 AI 趋势报告25随时随地融入数据洞见随时随地融入数据洞见重新构想 BI/分析策略及应用，从而改进决策流程、客户服务、产品开发并增加收入。趋势 4趋势 4Kate Wright产品管理部高级总监Google Cloud2023 年数据和 AI 趋势报告26随时随地融入数据洞见多年来，组织在数据和分析方面投入巨大，但 BI
22、 依然难以在组织中得到广泛普及。原因之一是组织对报告和工具本身缺乏信任。传统报告提供的数据经常不一致或不准确，因为这些报告是使用过时的数据副本、孤立的工具和不标准的计算方式创建的。BI 采用速度慢的另一个原因是，其输出通常依赖于一个共享的信息中心，提供的也都是一些宽泛的指标，而不是为特定用户量身定制的清晰而实用的信息。为了加快 BI 采用步伐，组织正在改变他们对 BI 的期望，包括传统的信息中心形式。他们正在探索不同的解决方案，以提供富含背景信息的数据体验，让用户随时随地获取所需信息。这样的数据体验将覆盖所有用户，而不仅限于那些熟悉数据和 SQL 的数据分析师。组织正在为业务决策者提供必要的工
23、具，使他们能够将需要的数据洞见融入日常工作流中。随着组织重新构想 BI 和采用更加多样的解决方案，他们需要确保从一致的数据指标和定义中获取实时的数据洞见，以保证事实的唯一性。在衡量 BI 投资回报率方面，相较于评估用户登录信息中心的次数，组织更应该评估的是通过改进决策带来的成果，例如收入得到增加、供应链得到优化，以及产品开发创新能力得到增强。”“到 2026 年，全球数据和分析技术方面的支出预计将达152,000 亿美元的组织改进了整 个组织的决策质量1478%的组织增加了流程 自动化的使用1374%过去 18 个月，得益于组织在数据、分析和 AI/机器学习方面的投资：73%的组织提升了向工作
24、流程中的所有用户提供实用信息的能力12趋势 4不只是 KPI2023 年数据和 AI 趋势报告27随时随地融入数据洞见BI 在不断演进。有远见的组织正在摒弃那些以信息中心为焦点的传统模型，转向以行动为中心的 BI 模式，让数据洞见覆盖更多环境中的更多人群，以支持更加丰富的工作流类型。除了识别潜在趋势以外，组织还使用 BI 和数据分析来检测数据异常，发现潜在业务问题。这些数据洞见不一定涉及机器学习或 AI。但值得注意的是，87%的组织认为预测模型的开发和部署离不开 BI 和分析软件的支持。16在这些用例中，BI 和分析软件通过将数据注入模型，向用户提供实时的数据洞见，即使在以毫秒计数的动态环境（
25、如数字广告出价）中也毫无问题。将 BI 嵌入企业应用（87%的组织认为这项功能很重要）等其他用例则有助于扩大受众范围。这些用例非常重要，因为 79%的组织希望利用企业应用内置的 BI 和分析功能覆盖更广泛的内部受众，66%的组织则期望用其覆盖更多外部用户。17通过将分析功能嵌入面向客户的应用，组织还可以提升服务水平，开拓新的收入来源。组织正在利用数据打造深度个性化的全渠道体验，优化库存和产品植入决策，以及提高供应链的可见性和效率，所有这一切都由现代商业智能平台提供支持。79%的组织希望利用企业应用内置的 BI 和分析功能覆盖更广泛的内部受众，66%的组织则希望用其覆盖更多外部用户。17趋势 4
26、建议：通过语义层构建一致的可信指标语义层位于数据之上，控制着用户可以看到什么数据。语义层还负责定义数据，并将关系映射到相关数据。为降低复杂性，组织应为所有用户提供一致的数据洞见、提升数据探索能力，构建有利于人员互动的统一语义层，而不仅仅是提供原始数据。为提高效率，人们只需看到与自己相关的数据。此外，他们还应了解这些数据的准确性和时效性。Flashpoint 利用嵌入式分析，帮助客户实时了解安全威胁。美洲欧洲亚洲Auto Trader 利用可信赖、可伸缩的自助式数据访问机制，满足员工和客户对数据的迫切需求。三菱重工(Mitsubishi Heavy Industries)在整个组织中共享 IoT
27、 数据分析结果，以提升客户体验和生命周期价值。“Looker 的最大优势在于其数据建模层 LookML，它可以为整个公司提供单一事实来源。对于跨越不同业务领域的大型分析师团队，这项功能非常重要。”-Edward Kent，数据工程部首席开发工程师 Auto Trader2023 年数据和 AI 趋势报告28随时随地融入数据洞见2023 年数据和 AI 趋势报告29了解未知数据05了解未知数据如今，77%的组织希望提高数据分类能力，并加强数据安全和隐私控制。18趋势 52023 年数据和 AI 趋势报告30了解未知数据提升效率和协作能力 增强客户信任度降低违规和罚款风险0102032023 年数
28、据和 AI 趋势报告31了解未知数据了解未知数据组织希望及时发现和降低未知数据带来的监管和合规风险。趋势 5趋势 5Anton Chuvakin高级员工安全顾问Google Cloud2023 年数据和 AI 趋势报告32了解未知数据数据价值连城，对公司保持竞争力起着重要作用。但是，在公司利用支持客户、合作伙伴、供应商和员工的更多渠道，收集大量结构化和非结构化数据的同时，他们很少意识到所有这些数据带来的风险。如果您不知道自己拥有什么数据，就无法保护这些数据，也无从了解可能面临什么安全风险，或需要采取什么样的安全 措施。如果您在数据库中创建了一个表格，其中包含诸如患者数据这样的个人身份信息(PI
29、I)，那么就能知道其中会涉及什么类型的数据、如何保护这些数据，以及如何让这些数据保持合规。但现代企业需要从众多来源收集和复制大量数据（特别是非结构化数据），而且他们发现，通过手动查找、扫描和分类每一个数据集来降低风险并不现实。来自聊天应用或日志文件的非结构化数据可能会令组织非常头疼，特别是在这些数据意外包含个人身份信息等敏感数据时。客户支持记录就是一个例子，因为您永远无法预测客户会提交什么信息。客户在与客服人员聊天时可能会输入：“我没有拿到药。这是我的名字、需要的药物和我的社会保障号。”现在，这些敏感的个人身份信息数据就存储在您的某个数据 库中。您可能既没有对其进行适当分类，也没有实施有效的
30、保护。“非结构化数据（来自聊天应用或日志文件）可能会令组织 非常头疼，特别是在这些数据意外包含个人身 份信息等敏感数据时。”趋势 52023 年数据和 AI 趋势报告33了解未知数据确保数据可见性确保所有数据的可见性是实施数据风险管理最关键的第一步。这包括了解所有数据注入流水线和存储 孤岛。趋势 52023 年数据和 AI 趋势报告34了解未知数据对数据分类知道数据所在位置后，需要对所有这些数据进行分类。准确性是关键。由于数据分类通常无法手动完成，组织正在利用机器学习和业务自动化工具，不断增强现有技能和资源。我们在趋势 4 中已经看到，90%的公司也在利用 BI 和分析功能检测数据异常。19通
31、过这种方式进行的异常值检测，可以标记出任何不符合表格或文件存储区用途的数据 类型。73%的组织在对所有数据资产或制品使用一种通用语言方面取得了进展。2072%的组织增强了对数据、信息和数据洞见的信任度21趋势 52023 年数据和 AI 趋势报告35了解未知数据实施一致的控制拥有可见数据并对其进行分类后，就可以实施自动化控制，以降低存储和共享数据带来的风险。例如，如果担心客户在与客服代表互动时提供个人身份信息等敏感数据，可以通过配置自动化流程来自动执行下面这些步骤：在将事务信息存储到系统前，隐去客户的个人身份信息 存储所有事务数据，但如果事务数据离开存储它的系统，则对其中的个人身份信息进行词元
32、化处理 存储所有事务数据，但阻止将其移动到某些国家/地区趋势 52023 年数据和 AI 趋势报告36了解未知数据主动风险管理用例零售商需要保护个人身份信息和其他敏感数据，这些数据可能意外地出现在客户支持通话中和网站上的产品评价中。制造商和物流公司在满足数据主权要求的同时，对数据所在位置进行控制，并了解和降低工厂和车辆中的传感器生成的 IoT 数据带来的风险。金融服务和保险公司使用主动风险报告，保护个人身份信息和其他敏感客户数据，包括客户支持通话期间交换的信息。趋势 5这一趋势出现 的新变化鉴于数据安全问题的复杂性，越来越多的公司选择加强合作。到 2025 年，为应对日益严峻的数据市场、数据隐
33、私权法规和数据主权问题，60%的 G2000 组织将邀请首席数据官、首席信息安全官和首席法务官加入数据风险管理委员会。22Ambra Health 建立符合全球安全与隐私权法规的开源医学成像数据集，以加强全球研究人员的协作和深度学习，进一步改善患者护理 水平。美洲欧洲亚洲Scotiabank 利用限制访问权限的策略将个人身份信息移动到云中，并谨慎、选择性地允许银行应用进行重标识。双威集团(Sunway Group)对来自 10 多个源的敏感数据实施分类和保护，确保“绿色城市”计划顺利运行。2023 年数据和 AI 趋势报告37了解未知数据“起初，我们并未打算将所有数据放入云中进行自动清理、结构
34、化和传输。但在熟悉整个流程后，我们意识到 Cloud DLP 和 Cloud Key Management 可以帮助我们遵循当地的数据隐私权政策。见证了 Google Cloud 的巨大潜力后，我们开始将更多数据放入云中，并开始进行更多集成。”Amar Catic，销售策略经理，Swisscom的大型企业将对数据控制平面技术进行重点投资，以衡量数据的固有风险，并通过安全和过滤功能降低风险。23到 2027 年，66%让数据服务于您38建议考虑的技术您可以从丰富的技术方案中进行选择，将这些技术趋势融入您的业务策略中。与 Google Data Cloud 一样，许多 Google Cloud 技
35、术合作伙伴也可以帮助您规划策略：Aiven：全代管式开源云数据平台，曾帮助物流公司 Swift 拓展交货和履单服务 C3AI、Elastic、Plato Alto Networks：囊括专业技术解决方案的庞大生态系统，可帮助您告别数据混乱局面，有效管理数据 CockroachDB：分布式 SQL 数据库，曾帮助生活服务预约应用 Booksy 构建弹性架构，满足全球客户不断增长的需求 Confluent：数据流服务，Cargo Signal 用它优化 IoT 传感器数据流水线，为所有供应链相关方提供丰富的物流服务 Collibra：对以多云方式存储的数据实施统一治理，并提供统一视图 Collib
36、ra、Confluent、Fivetran、Databricks、Informatica、Tableau：在 Google Cloud 上使用完整的云数据平台 Databricks：一家数据湖仓一体架构和 AI 公司，曾帮助 Reckitt 利用 AI 技术提高营销投资回报率 datametica：数据迁移工具，一家医疗保险公司用它将关键数据仓库无缝迁移到 Google Cloud Elastic：可观测性解决方案，零售商 Auchan France 用其获得更全面的数据洞见。由于无需维护基础架构，公司可以腾出更多时间专注于策略分析 Fivetran：通过自动化 ELT 和数据集成工作流，帮助
37、 Nandos 节省了 80%的时间 MongoDB：开源数据库，Google Cloud 和 Forbes 用它获得数据驱动的分析洞见 NVIDIA：加速器优化解决方案，帮助 Cash App 将核心机器学习工作流的速度提升 66%Qlik：数据集成平台，可在 SAP 与 BigQuery 之间实时复制数据 Quantiphi：基于云的机器学习服务，约翰斯霍普金斯大学(John Hopkins University)BIOS 部门利用该服务帮助脑损伤患者 SAP：ERP 软件，为 ATA 的可持续公共事业模型提供关键数据服务，助力数百万客户 Striim：将数据持续、实时地移动到 Googl
38、e Cloud ThoughtSpot：搜索和 AI 驱动的分析平台，面向商务人士2023 年数据和 AI 趋势报告39准备开启全新旅程？在前面的内容中，我们详细探讨了数据和 AI 领域的变化形势，以及组织如何利用二者实现以下目标：打破数据孤岛 充分利用开放数据生态系统的方方面面 为草根数据科学家提供支持，扩大 AI 的应用范围 重新构想 BI 和数据分析，提高利用数据洞见的能力 主动管理数据风险如需详细了解 Google Cloud 如何帮助您及时把握最新动向和保持竞争优势，请与我们联系。咨询专家附录2023 年数据和 AI 趋势报告40IDC 针对本次 调查采用的调 研方法IDC 针对 8
39、00 多家全球组织发起了一项调查，该调查由 Google 赞助，旨在研究以下三个问题：组织在使用数据时面临的最大挑战是 什么？公司目前在使用数据和 AI 云解决方案时获得了哪些益处？公司如何继续挖掘数据和 AI 解决方案的价值？智能技术的未来 调查未来企业弹性和支出 调查IDC全球数据圈IDC商业智能和分析 调查IDC数据信任 调查IDC数据即服务 调查010402050306本报告同时包含来自其他 IDC 联合研究和数据产品的其他数据点，如：2023 年数据和 AI 趋势报告41脚注2023 年数据和 AI 趋势报告421利用统一数据云实现简单性和智能，获得更出色的业务成果，IDC 文档编号
40、#US48822522，由 Google 赞助的白皮书，2022 年 3 月。2 IDC 2022 年 全球数据圈 中披露的信息，IDC 文档编号#US49643822，2022 年 9 月。3 2022 年 获取和利用外部数据：数据买家个人资料和偏好设置，IDC 文档编号#US47715422，2022 年 5 月。4利用统一数据云实现简单性和智能，获得更出色的业务成果，IDC 文档编号#US48822522，由 Google 赞助的白 皮书，2022 年 3 月。5 Gartner开源 DBMS 市场现状6 2022 年 获取和利用外部数据：数据买家个人资料和偏好设置，IDC 文档编号#U
41、S47715422，2022 年 5 月。7 2022 年 获取和利用外部数据：数据买家个人资料和偏好设置，IDC 文档编号#US47715422，2022 年 5 月。8IDC FutureScape：2020 年全球人工 智能十大预测9机器学习时代的自助式分析，IDC 文档编号#US48733822，2022 年 5 月。10利用统一数据云实现简单性和智能，获得更出色的业务成果，IDC 文档编号#US48822522，由 Google 赞助的白皮书，2022 年 3 月。11 IDC商业智能和分析 调查，2022 年。12整合企业智能信息：克服信息过载，IDC 文档编号#US4846442
42、1，2021 年 12 月。13整合企业智能信息：克服信息过载，IDC 文档编号#US48464421，2021 年 12 月。14整合企业智能信息：克服信息过载，IDC 文档编号#US48464421，2021 年 12 月。15全球大数据和分析支出指南，2022 年 8 月。16机器学习时代的自助式分析，IDC 文档编号#US48733822，2022 年 5 月。17利用嵌入式分析把握最新信息，IDC 文档编号#US49375922，2022 年 6 月。18“我们对数据的信任度有多大？”：IDC2022 年数据信任调查 中的重要发现，IDC 文档编号#US46382820，2022 年 2 月。19机器学习时代的自助式分析，IDC 文档编号#US48733822，2022 年 5 月。20整合企业智能信息：克服信息过载，IDC 文档编号#US48464421，2021 年 12 月。21 同上。22IDC FutureScape：2023 年全球数据和内容技术预测，IDC 文档编号#US48733222，2022 年 10 月。23 同上。