实际上，在信息化、数字化浪潮席卷之下，企业并不缺少数据，而是缺少完善数据治理、激活数据价值的工具、能力与方法。以制造企业为例，经历了多年来的信息化建设，制造企业普遍已经积累了大量的数据，而且随着工业智能时代的到来，制造企业纷纷向数字化、网络化、智能化转型，所产生的数据也正呈指数级增长。相关统计数据显示，一家数字化互联工厂每天就会产生超过1PB的数据。但问题在于，由于数据割裂地存在于各个业务系统及异构的IT基础设施中，且数据的复杂性也越来越高，而制造企业却普遍缺少数据整合、分析与挖掘的工具、能力与方法，这使得制造企业所积累的数据大多处于“沉睡”状态，数据的价值并没有得到真正释放和发挥。

不过，这一局面正在被打破。混合云技术架构的兴起，以及人工智能技术的逐渐发展成熟，使得企业利用混合云平台打破数据孤岛，实现异构数据的整合与统一管理，同时利用人工智能技术实现对复杂数据的深入挖掘与洞察，进而激活和释放数据价值，已成为可能。

在传统“竖烟囱”的信息化建设模式下，企业所面临的数据烟囱林立以及信息孤岛问题也随之越来越突出。而且，随着数据量越来越大，企业的数据存储与管理的成本也会越来越高。于是，企业纷纷开启上云之旅，以打破数据烟囱与信息孤岛，促进数据的高效流动与融合应用，同时降低数据管理的成本与复杂性。

然而，对企业而言，只用一朵云就能解决所有的业务问题，满足所有的业务需求，并不现实，也不可能，混合多云才是企业上云的新常态。混合云产业推进联盟发布的《中国混合云用户调查报告(2021年)》就显示，混合云用户的平均用云数量达4.3个;选择多公有云或多私有云的企业达到了86.7%。而混合多云就意味着企业拥有多云环境，如果云与云之间、云与本地数据中心、边缘IT环境之间难以打通，企业就会面临新的“云孤岛”问题，导致数据难以实现横跨公有云、私有云、本地数据中心及边缘IT环境的自然流动。

此外，由于目前企业的各类云服务通常由不同的云服务供应商提供，企业也面临着难以实现多云环境下数据的自由迁移，数据管理的成本与复杂性增加，以及可能被供应商锁定的风险。

而混合云管理平台的出现，旨在解决这些云孤岛带来的问题，使企业更加方便地对各种异构IT环境进行整合和管理，实现异构环境下数据的自由流动与迁移，同时简化运维流程，降低数据治理成本，并规避被供应商锁定的风险。

随着市场竞争日益激烈，市场环境不确定风险加剧，越来越多的企业都将数据分析与洞察放到了极其重要的位置，旨在通过海量数据的分析与挖掘，产生基于数据的实时洞察与预测，从而更好地指导企业经营、管理与决策，确保企业能够实现稳定且持续的业务增长，塑造面向未来的企业竞争力。但如何将所积累的海量的数据转化为科学而准确的洞察，却是企业面临的挑战。而日益成熟的人工智能技术，则使得全面激活好释放数据价值成为可能，并成为打开企业数据价值之门的金钥匙。

如果说数据是新时代的石油，那么，人工智能就是从中生成智慧的炼油厂。人工智能是一项知识工程，其核心思想在于构造智能人工系统，从复杂数据中获取、提炼和挖掘有效信息，找寻数据中的规律。

对企业而言，通过人工智能对数据进行分析，将原始数据加工为信息和知识，能够以全新的方式释放数据的价值，进而能够从微观和宏观层面产生基于数据的洞察，预测并塑造未来成果;优化劳动力分配，支持员工专注于更高价值、格局创造性的工作;创建自动执行决策并带来出色体验的智能工作流程，实现决策、流程、体验自动化;重新思考和构想高度个性化的业务模式。

不过，企业要充分地利用人工智能来释放数据价值，必须构建一个统一的、适合混合多云架构环境的数据与AI平台，以实现无论是结构性数据还是非结构性数据，无论数据处于私有云、公有云、本地数据中心还是智能边缘计算设备中，都能随时访问和管理，同时还能对数据集进行训练并构建模型，实现对数据的深入挖掘和统计分析。

原文来自：

本文地址：//lrxjmw.cn/hybrid-cloud-platform.html编辑：倪家兴，审核员：清蒸github

Linux大全：

Linux系统大全：

红帽认证RHCE考试心得：