如果您希望传统的存储和数据结构能够提供云本机应用程序所需的可移植性，规模和速度，那么您将感到失望。为什么数据如此难以管理，保护和货币化？这个问题已经得到了客户和供应商的一致关注，人们需要对此问题的解答。行业专家已经意识到，大多数从数据中及时提取业务见解的尝试都是我们过去处理数据方式的基础。随着人工智能（AI）和机器学习（ML）在全球的广泛采用，围绕云存储和数据服务的创新可以推动业务价值。 1.从人到机器过去，商业智能和数据管理软件的最终目标是获得人类可读的见解。准确性比场景更重要，完整性比及时性更重要。人工智能（AI）和机器学习（ML）加速了数字世界的到来。算法使用数据洞察力并将其转化为行动，其中只有一小部分针对人为行动。数据以各种形式以惊人的速度流入和流出。 2.应用程序和数据的二重性。近年来，组织对应用程序的开发进行了彻底的改革。敏捷的流程使开发人员能够快速迭代并以连续的增量交付。 DevOps工具减少了开发工作流程并提高了软件质量。许多人工智能（AI）和机器学习（ML）工程师以及数据科学家将证明，尽管构建应用程序变得更加容易，但管理应用程序传递的各种大型数据存储却已失控。特别是，数据收集和准备已开始发挥重要作用。容器和混合云的迅速崛起进一步加剧了数据涉众的沮丧情绪，他们正努力在为开发人员实现更多创新与使数据更易于访问和更安全之间寻求平衡。对于这个难题，没有正确的答案。但是，有许多证据表明，成功的公司将应用程序和数据现代化挑战视为同一挑战的两个方面，而不是将数据现代化留待以后实现。 3.用于云原生工作负载的云原生数据服务。一些组织无法充分利用对云原生开发方法和技术的投资，因为过时的数据和存储堆栈会阻碍其发展。期望传统的存储和数据结构提供云原生应用程序所需的可移植性，可伸缩性和速度，无疑是令人失望的。云原生数据服务的关键是以新的重要方式释放数据的功能，同时使数据在开放式混合云中可访问，灵活且可操纵。云原生数据服务创建了一个开放的混合云应用程序环境，该环境提供了易于使用的服务，用于智能地移动，存储，转换，响应和学习组织的数据。 CIO可以与值得信赖的顾问保持良好的合作关系，并可以兑现云原生数据服务的承诺。 4.重新定义敏捷性和规模随着行业朝着作为代码的基础架构发展，业务领导者需要从IT基础架构中获得更大的灵活性，规模和一致性。传统存储供应商要么不得不重塑自己，要么面临灭绝的风险。在智能应用程序和敏捷开发工作流的新时代，IT基础架构对敏捷性和可伸缩性的要求正在不断提高和发展。业务和IT领导者可能会发现，从静态数据，动态数据和实际数据的角度考虑这些挑战，以反映Kubernetes，混合云和实时开发人员工作流时代的现代数据管道。 5.人工智能（AI）和机器学习（ML）旨在抵御市场冲击。诸如冠状病毒大流行之类的事件可能会使人工智能驱动的供应链算法陷入困境，因为这些事件可能位于培训数据集之外。因此，数据工程师需要扩展培训数据集的范围，以承受未来的市场冲击。商业和政治领导人之间普遍达成共识，即数据可以帮助人们摆脱流行病的影响，并真正改善人们的生活。数据的价值很难高估。这是黑客梦target以求的目标。由于数据决定了云平台的粘性，因此引起了公共云提供商的关注。在人工智能时代，云原生数据服务使现代企业能够将信号与噪声分离并释放其数据潜力。