2020年，數據分析能力是考核CIO和CTO的硬指標

最近“新基建”的話題越來越熱，“新基建”主要指發力于科技端的基礎設施建設，主要包括七大領域：5G基建、特高壓、城際高速鐵路和城際軌道交通、新能源汽車充電樁、大數據中心、人工智能和工業互聯網。“新基建”和大部分企業相關的更多的是大數據和人工智能。

根據普華永道2017年發布的報告，到2030年，人工智能對全球經濟的貢獻額將達到15.7萬億美元，超過中國和印度目前的經濟總產值之和。2018年麥肯錫（MGI）發布報告《人工智能對全球經濟影響的模擬計算》，認為人工智能到2030年，可能使全球GDP每年增加約1.2％。

數字經濟是經濟發展的新引擎已是共識，身為企業CIO和CTO的IT領導者，如何在浩浩蕩蕩的數字經濟大潮中，用數據分析能力為企業保駕護航，使企業在數字時代揚帆遠航，是對每一名CIO和CTO的考驗。

企業數據的的利用，可以分為三個階段：

· 數據生產：業務（可以是傳感器、交互設備等硬件，也可以是ERP等軟件）產生數據，數據進入關系型或者非關系型數據庫存儲，再供業務使用；

· 數據分析：匯集數據，并進行分析，輔助業務人工決策；

· 人工智能：將人工智能算法應用到數據分析中，不僅僅分析，還可以輔助業務自動決策。

目前，大部分企業還處在數據生產與數據分析的階段之間，迫切需要建設完善的數據分析能力。企業在建設數據分析能力的時候，由于數據量巨大，往往面臨數據存儲和算力的挑戰，而云的彈性可以解決這一問題，所以數據分析能力向云上遷移是一個趨勢。企業建設云的時候，也必須考慮數據分析能力的建設，并要為人工智能打下基礎。

基于云構建數據分析能力，可以有以下三種方式。

1. 使用公有云數據分析服務

目前，各大公有云都提供數據分析服務，并且功能越來越強大。

使用公有云數據分析的優點是：

· 按需付費；

· 不需要底層的技術投入，更多的專注業務層面；

· 幾乎不受存儲數據量的限制，公有云的存儲資源池可以視為無限大；

· 服務成熟穩定；

· 公有云一般都提供人工智能服務，在使用數據分析的服務同時，也可以很快進入人工智能階段。

使用公有云數據分析挑戰是：

· 容易被公有云鎖定，當大量的數據在公有云上的時候，當對公有云服務使用很熟練的時候，如果要再遷移，難度較大；

· 長期使用公有云數據服務，費用會越來越驚人；

· 需要考慮數據安全和合規問題。

2. 使用開源產品自建數據分析能力

使用開源產品自建數據分析能力，像hadoop等開源產品，經過常年的發展，也比較穩定。

使用開源產品自建數據分析能力優點是：

· 數據安全得到保證，數據在自有的數據中心，數據安全性更高；

· 費用相對比較低；

· 不會被廠商鎖定。

使用開源產品自建數據分析能力，因為需要組建技術團隊，運營相關服務，所以挑戰是：

· 對技術工程師要求很高，要找到合適的技術工程師，往往面臨很大的挑戰；

· 碰到問題，往往得不到可靠的支持；

· 需要從頭建立運營體系，從硬件到系統，從平臺搭建到安全，都要從零開始搭建。

3. 使用商業產品自建數據分析能力

使用商業的數據分析產品，自建數據分析能力，這樣做的優點是：

· 數據安全得到保證；

· 如果已經有商業的私有云，比如VMware，可以充分利用現有的資源，基于既有基礎設施推進AI實踐。

· 費用低于全部使用公有云，可以在成本和可靠性之間取得平衡；

· 相對開源軟件，對技術人員要求較低；

· 可以得到廠商可靠的技術支撐；

· 有利于使用混合云方式，即可以得到公有云的彈性，也得到私有云的安全性和經濟性。

挑戰是：

· 需要精選供應商，確保供應商是主流供應商，符合技術趨勢，滿足自己的要求。

根據Wikibon研究數據，全球大數據市場規模將從2018年的420億美元增長至2024年的840億美元，年復合增長率為12.3%，可見對商業解決方案的采用，也是行業趨勢。

綜上所述，對于大多數企業來說，使用商業產品自建數據分析能力，是不錯的一條路徑，而英特爾聯合VMware推出的數據混合云數據分析解決方案，可以避免重復投資，不但支持高級機器學習，而且還能為廣泛的工作負載提供統一的云操作模型，助力企業應對數據分析和人工智能挑戰。

英特爾聯合VMware推出的數據混合云數據分析解決方案，結合了最新的英特爾硬件創新、VMware虛擬化軟件產品組合、容器編排和人工智能工具。英特爾推出的基于英特爾?至強?可擴展處理器而優化的深度學習堆棧，能夠加速數據分析應用開發。英特爾將服務與經過優化的軟硬件相組合，幫助云服務提供商滿足人工智能的性能和擴展要求，助力云服務提供商提升市場競爭力。

1. 解決方案優勢

英特爾聯合VMware推出的數據混合云數據分析解決方案優勢如下：

· 易于部署：使用深度學習參考堆棧和VMware Enterprise Pivotal Container Service (PKS) 部署的容器解決方案，快速、輕松地實施人工智能。

· 面向未來：VMware vSAN超融合基礎設施上的計算和存儲資源已準備就緒，可以根據需要進行橫向和縱向擴展。

· 混合云友好：隨著業務需求的變化，工作負載可以部署到本地或公有云，也可以借助 VMware Cloud Foundation混合部署在本地和公有云。

· 加速推理：強大的計算能力加上集成了已經過優化的人工智能構建模塊，該解決方案不但支持使用SQL和NoSQL數據庫的傳統企業級數據分析工作負載，還能夠加速推理工作負載，從而縮短獲取洞察的時間。

2. 云原生的深度學習堆棧，加速數據分析應該開發

英特爾推出的深度學習堆棧，是基于英特爾?至強?可擴展處理器而優化的平臺，高集成度的高性能開源和容器化堆棧。該堆棧的開源社區版本旨在確保人工智能開發人員能夠輕松訪問英特爾?平臺的所有特性與功能。

3. 為廣泛的工作負載提供統一的云操作模型

英特爾提供了一個參考架構，讓云服務提供商可以輕松地將人工智能功能添加到自己的云堆棧中，并針對深度學習做了指令層面的優化。

Kubernetes可用于將人工智能工作負載編排到虛擬機，英特爾?至強?可擴展處理器針對工作負載進行了優化。云服務提供商還可以自行選擇編排器，例如使用OpenStack代替Kubernetes。

英特爾與數據分析和AI相關的各種優化特性能夠充分透傳給上層應用。英特爾推出的DLBoost深度學習指令，專門用于加速AI運算。英特爾推出的OpenVINO (開放視覺推理及神經網絡優化) 軟件平臺是一個用于快速開發深度學習視覺應用的工具包。英特爾MKL-DNN是一套開源的性能增強庫，能夠提高在英特爾架構上運行的深度學習框架的速度。對于TensorFlow，英特爾和Google攜手合作以確保該框架能夠利用英特爾?至強?處理器平臺的硬件優勢。

預計到2025年，數據量每12小時就會翻一番，作為企業CIO和CTO的IT領導者，必須建設數據分析能力以提高企業競爭力。數據分析能力需要考慮速度、彈性及投資回報率（ROI）。英特爾聯合VMware推出的混合云數據分析解決方案，兼容已有的VMware私有云投入，由于有硬件的加速和優化，讓數據分析速度可以提升數十倍，利用公有云和私有云的彈性，在性能和成本之間實現平衡，充分利用資源效率，能夠獲得高投資回報率。英特爾人工智能參考架構能為廣泛的工作負載提供統一的云操作模型，讓云服務提供商可以輕松地將人工智能功能添加到自己的云堆棧中。使用英特爾優選方案，企業將進入從數據分析到人工智能的快車道。