云計算對大數據和高級分析的影響是巨大的。那么我們是選擇公有云還是本地部署呢？在我調查的企業(yè)中，許多企業(yè)目前仍處于觀望之中。這些企業(yè)都清楚要想與客戶建立友好關系，他們就需要在公有云上投入更多。難點在于許多企業(yè)正在努力應對企業(yè)發(fā)展和監(jiān)管問題，而這其中常常存在一些并不合理的技術限制。

公有云在2016年曾經是大數據的首選。為什么呢？因為企業(yè)在不斷擴展其本地基礎設施時會遇到成本障礙。企業(yè)希望擁有規(guī)模更大、擴展速度更快的本地配置，這其中包括混合云中的本地部署部分，然而這些根本無法跟上發(fā)展步伐。雖然業(yè)內的共識是混合云是最適合大數據的選項，但是我并不這樣認為。企業(yè)應該制定一個公有云優(yōu)先的策略，只在必要時才將混合云或本地部署作為臨時過渡措施。

在新的研究中，我發(fā)現了大量的證據，并且這些證據使我得出了這個合乎邏輯的結論。最重要的是，一些領軍企業(yè)認為，他們依托公有云獲得的大數據技能是他們的新競爭優(yōu)勢。他們意識到這些將使自己能夠更加深入地了解客戶，更加迅速地適應不斷上升的客戶期望與不斷變化的客戶需求。以下是為什么我認為他們這樣考慮是正確的原因：

云計算和大數據帶來了指數級變化，這一點可以參考摩爾定律。谷歌曾公開承諾將采用摩爾定律理念對云服務進行定價。想象一下，如果云基礎設施價格下降一半會發(fā)生什么，并且大數據處理和分析能力每隔18至24個月就會翻一番。相對于本地部署或混合云競爭對手，云服務提供商可以利用規(guī)模優(yōu)勢更快地為所有客戶提供新的功能、更新后的版本和補丁。

指數級變化正在持續(xù)推動云計算領域中的創(chuàng)新步伐。例如，用于SQL分析的AWS Athena等服務器創(chuàng)新、來自谷歌的新人工智能服務、基于容器且可支持不同版本開源工具的Spark。

那些已轉向公有云優(yōu)先策略并定位于充分利用指數級變化和創(chuàng)新步伐的企業(yè)將會勝出。例如，在PaaS和托管服務上構建具備深刻洞察力的應用程序的企業(yè)將能夠以更快的速度吸納新功能和新的開源版本。

這些趨勢顯示，那些在Hadoop和Spark硬件和軟件升級上花時間以實現自身數據架構現代化的企業(yè)注定會失敗。只需要一到兩個倍增周期，本地部署的配置就會落后。

那么我們該怎么辦呢？首先，需要一個計劃。市場研究機構Forrester認為制定一個計劃需要以下步驟：為大數據分析重點選擇一個初始的基本云戰(zhàn)略（SaaS、PaaS或IaaS），確定滿足自己的洞察力系統(tǒng)需求的候選云平臺服務，調整包括云管理策略在內的大數據分析路線圖，最后酌情針對其他基本的云策略重復上述步驟。

我認為大數據向公有云遷移已經開始了，并且它們的速度和程度都超出了我們的想象。那些擁有這種架構并知道如何利用新的指數級變化的領軍企業(yè)將在競爭中勝出。答案已經清楚了，不要再在是選擇公有云還是本地部署這個問題上猶豫不決了。