以下文章來(lái)源于與數(shù)據(jù)同行?，作者傅一平

信通院發(fā)布的《大數(shù)據(jù)白皮書2020》（以下簡(jiǎn)稱白皮書），提供了一張非常全面的大數(shù)據(jù)技術(shù)體系圖譜，見(jiàn)下圖。

《白皮書》除了對(duì)大數(shù)據(jù)技術(shù)做了全景解析，還給出了大數(shù)據(jù)技術(shù)發(fā)展的最新趨勢(shì)判斷，包括存算分離、數(shù)據(jù)分析能力服務(wù)化、數(shù)據(jù)管理自動(dòng)化智能化、圖分析及隱私計(jì)算五個(gè)方面，筆者讀來(lái)很有收獲，就把這篇讀書筆記分享給你吧。

大數(shù)據(jù)技術(shù)自誕生以來(lái)沿襲著Hadoop或MPP的分布式框架，利用可擴(kuò)展的特性通過(guò)資源的水平擴(kuò)展來(lái)適應(yīng)更大的數(shù)據(jù)量和更高的計(jì)算需求，并形成了具備存儲(chǔ)計(jì)算處理分析等能力的完整平臺(tái)。

以往，為了應(yīng)對(duì)網(wǎng)絡(luò)速度不足、數(shù)據(jù)在各節(jié)點(diǎn)間交換時(shí)間較長(zhǎng)的問(wèn)題，大數(shù)據(jù)分布式框架設(shè)計(jì)采用存儲(chǔ)與計(jì)算耦合，使數(shù)據(jù)在自身存儲(chǔ)的節(jié)點(diǎn)上完成計(jì)算，以降低交互，也就是“計(jì)算跟著數(shù)據(jù)走”。

這種存儲(chǔ)與計(jì)算耦合的架構(gòu)必然會(huì)造成額外的成本，實(shí)際業(yè)務(wù)中對(duì)于數(shù)據(jù)存儲(chǔ)與計(jì)算能力的要求是不斷變化且各自獨(dú)立的，當(dāng)兩者其一出現(xiàn)瓶頸時(shí)，資源的橫向擴(kuò)展必然導(dǎo)致存儲(chǔ)或計(jì)算能力的冗余。

自己剛接觸hadoop的時(shí)候，曾經(jīng)向hadoop平臺(tái)提交CPU的擴(kuò)容申請(qǐng)，平臺(tái)就會(huì)跟你講只要申請(qǐng)多少存儲(chǔ)就可以了，因?yàn)榇鎯?chǔ)和CPU是硬捆綁的，當(dāng)時(shí)就覺(jué)得難以理解，因?yàn)槲腋静恍枰鎯?chǔ)啊。
“計(jì)算跟著數(shù)據(jù)走”的結(jié)果就是只要hadoop要擴(kuò)容節(jié)點(diǎn)，就需要進(jìn)行大量的數(shù)據(jù)遷移才能保證擴(kuò)容節(jié)點(diǎn)的資源得以有效利用，因?yàn)樾聰U(kuò)節(jié)點(diǎn)的計(jì)算資源只能訪問(wèn)本地的存儲(chǔ)，是無(wú)法為其他節(jié)點(diǎn)所用的，需要將其他節(jié)點(diǎn)上的數(shù)據(jù)遷移一部分過(guò)來(lái)才能發(fā)揮作用。

雖然hadoop或MPP都是分布式系統(tǒng)，但資源擴(kuò)容并不是所見(jiàn)即所得的，讓一個(gè)加急取數(shù)（比如大老板）能以普通取數(shù)幾倍甚至幾十倍的速度完成，對(duì)于當(dāng)前的數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)來(lái)講基本是不可能的。

hadoop當(dāng)然可以將存量的計(jì)算隊(duì)列挪到加急任務(wù)上來(lái)，但這是以犧牲存量隊(duì)列涉及的所有任務(wù)的執(zhí)行效率為代價(jià)的，調(diào)整的影響面就太大了。

存算分離是將存儲(chǔ)和計(jì)算兩個(gè)數(shù)據(jù)生命周期中的關(guān)鍵環(huán)節(jié)剝離開(kāi)，形成兩個(gè)獨(dú)立的資源集合，這兩個(gè)資源集合之間互不干涉但又通力協(xié)作。每個(gè)集合內(nèi)部充分體現(xiàn)資源的規(guī)模聚集效應(yīng)，使得單位資源的成本盡量減少，同時(shí)兼具充分的的彈性以供橫向擴(kuò)展。當(dāng)兩類資源之一緊缺或富裕時(shí)，只需對(duì)該類資源進(jìn)行獲取或回收。

當(dāng)前阿里、華為等都提供了存算分離的解決方案，這里以阿里云EMR+OSS存算分離解決方案為例說(shuō)明：E-MapReduce(EMR)構(gòu)建于云服務(wù)器ECS（云服務(wù)器 ECS（Elastic Compute Service）是一種彈性可伸縮的計(jì)算服務(wù)）上，基于開(kāi)源的Apache?Hadoop和Apache?Spark，可以方便地使用Hadoop和Spark生態(tài)系統(tǒng)中的其他周邊系統(tǒng)（例如，Apache Hive、Apache Pig和HBase等）來(lái)分析和處理數(shù)據(jù)。

對(duì)象存儲(chǔ)服務(wù)（Object Storage Service，OSS）是一種海量、安全、低成本、高可靠的云存儲(chǔ)服務(wù)，適合存放任意類型的文件。

E-MapReduce還可以與阿里云的云數(shù)據(jù)存儲(chǔ)系統(tǒng)OSS進(jìn)行數(shù)據(jù)傳輸，把二者各自優(yōu)勢(shì)結(jié)合起來(lái)，使存儲(chǔ)計(jì)算分離，方便快捷搭建大數(shù)據(jù)計(jì)算環(huán)境，實(shí)現(xiàn)大數(shù)據(jù)分析需求。

在存算分離理念的基礎(chǔ)上，Serverless、云原生等概念的提出進(jìn)一步助力處理分析等各項(xiàng)能力的服務(wù)化。通過(guò)存算分離的深入以及容器化等技術(shù)的應(yīng)用，Serverless概念的落實(shí)從簡(jiǎn)單的計(jì)算函數(shù)向著更豐富的處理分析能力發(fā)展，通過(guò)預(yù)選實(shí)現(xiàn)的形式將特定的數(shù)據(jù)處理、通用計(jì)算、復(fù)雜分析能力形成服務(wù)、以供按需調(diào)用。

注：Serverless = FaaS（函數(shù)即服務(wù)） + BaaS（后端即服務(wù)），并不能按字面上理解為無(wú)服務(wù)器，而是說(shuō)對(duì)應(yīng)用開(kāi)發(fā)者而言，不再需要操心大部分跟服務(wù)器相關(guān)的事務(wù)，比如服務(wù)器選購(gòu)、應(yīng)用運(yùn)行環(huán)境配置、負(fù)載均衡、日志搜集、系統(tǒng)監(jiān)控等，這些事情統(tǒng)統(tǒng)交給Serverless平臺(tái)即可，應(yīng)用開(kāi)發(fā)者唯一需要做的就是編寫應(yīng)用代碼，實(shí)現(xiàn)業(yè)務(wù)邏輯

由此，數(shù)據(jù)的分析處理等能力擺脫了對(duì)于完整平臺(tái)和工具的需求、大大降低開(kāi)發(fā)周期，節(jié)省開(kāi)發(fā)成本，同時(shí)服務(wù)應(yīng)用由提供方運(yùn)維，實(shí)現(xiàn)按需付費(fèi)，消除了復(fù)雜的運(yùn)維過(guò)程和相應(yīng)的成本。

國(guó)外最出名的是Snowflake公司，其提出了數(shù)據(jù)倉(cāng)庫(kù)服務(wù)化，將分析能力以云服務(wù)的形式在AWS、Azure等云平臺(tái)上提供按次計(jì)費(fèi)的服務(wù)，成為云原生數(shù)據(jù)倉(cāng)庫(kù)的代表。

以下關(guān)于Snowflake的介紹引自知乎《如何評(píng)價(jià)snowflake這家公司，發(fā)展前景如何？》波太金的文章（網(wǎng)址：https://www.zhihu.com/question/421570074）。

Snowflake從2016年的那篇?jiǎng)潟r(shí)代的論文《The Snowflake Elastic Data Warehouse》開(kāi)始，讓云OLAP進(jìn)入了一個(gè)新的時(shí)代：
1、AWS的EC2和S3已經(jīng)很好了，要做一個(gè)完全云原生的系統(tǒng)。

2、現(xiàn)在主流的是Share Nothing的數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)（MPP、Hadoop等），這個(gè)架構(gòu)主要的問(wèn)題就是計(jì)算和存儲(chǔ)沒(méi)有分離，導(dǎo)致集群擴(kuò)容要重新分配數(shù)據(jù)，不易Shut off不用的計(jì)算資源。

3、Snowflake要在Share Disk的基礎(chǔ)上做一個(gè)計(jì)算和存儲(chǔ)完全分離的架構(gòu)，稱作Multi Cluster，Share Data Architecture，這個(gè)新架構(gòu)有不少好處。

（1）Share Disk是個(gè)老概念，原來(lái)的瓶頸是計(jì)算資源加多了后，會(huì)爭(zhēng)搶Disk資源，Snowflake根據(jù)調(diào)用頻次給數(shù)據(jù)做了多備份和緩存，減少了摩擦成本

（2）在這個(gè)體系里，計(jì)算和存儲(chǔ)是雙彈性的，大的查詢可以從計(jì)算層調(diào)用非常大的資源

（3）Snowflake將計(jì)算層劃分除了不同的Virtual Warehouse，而且分成不同的級(jí)別，就像“S/M/L/XL不同的T-shirt，客戶公司里不同高矮胖瘦的人都可以選到合身的”

4、相比Teradata等On-Premise的數(shù)據(jù)倉(cāng)庫(kù)，Snowflake比其他的云OLAP更好。

（1）性能快，十倍級(jí)別的快，這是部署方式的問(wèn)題，是云調(diào)度能力和彈性帶來(lái)的高利用率

（2）好拓展，所有的ON-Premise數(shù)據(jù)倉(cāng)庫(kù)用到后面都越用越慢，供需錯(cuò)配在任何行業(yè)都是個(gè)難題，更何況交給企業(yè)數(shù)據(jù)部門這樣一個(gè)成本中心來(lái)做，發(fā)起預(yù)算配置新的機(jī)器都是漫長(zhǎng)的過(guò)程

（3）可以讓大數(shù)據(jù)量用128 Server跑，讓小數(shù)據(jù)量需求用2 Server跑，然后再按計(jì)算量*時(shí)長(zhǎng)計(jì)費(fèi)，這不是定價(jià)模式的改變，而是技術(shù)架構(gòu)決定了這樣的定價(jià)模式是合理的

（4）數(shù)據(jù)倉(cāng)庫(kù)通常是PaaS產(chǎn)品，但標(biāo)準(zhǔn)化的Snowflake做成了SaaS產(chǎn)品

當(dāng)前大多數(shù)數(shù)據(jù)倉(cāng)庫(kù)引擎，都沒(méi)法滿足“讓一張急用給老板匯報(bào)的超大數(shù)據(jù)Dashboard”比它普通需求”能夠效率快得多的完成。做過(guò)BI的人應(yīng)該都有這種感覺(jué)，看著進(jìn)度干著急的痛苦，這個(gè)給老板的需求很急，但來(lái)不及了......,大數(shù)據(jù)平臺(tái)的彈性伸縮其實(shí)是有條件的。

假如數(shù)據(jù)倉(cāng)庫(kù)服務(wù)化真的可行，那就意味著我未來(lái)自己不需要采購(gòu)任何云端服務(wù)器，只要遞交函數(shù)count（X）到云端計(jì)算就可以了，而這個(gè)函數(shù)能運(yùn)行的多快取決于我能付支付多少CPU的錢，一旦計(jì)算完畢CPU也就被回收了，真正的微粒度的彈性擴(kuò)縮容，當(dāng)然挑戰(zhàn)也是巨大的。

數(shù)據(jù)管理技術(shù)包括數(shù)據(jù)集成、元數(shù)據(jù)、數(shù)據(jù)建模、數(shù)據(jù)標(biāo)準(zhǔn)管理、數(shù)據(jù)質(zhì)量管理和數(shù)據(jù)資產(chǎn)服務(wù)，通過(guò)匯聚盤點(diǎn)數(shù)據(jù)和提升數(shù)據(jù)質(zhì)量，增強(qiáng)數(shù)據(jù)的可用性和易用性，進(jìn)一步釋放數(shù)據(jù)資產(chǎn)的價(jià)值。

目前以上技術(shù)多集成于數(shù)據(jù)管理平臺(tái)，作為開(kāi)展數(shù)據(jù)管理的統(tǒng)一工具。但是數(shù)據(jù)管理平臺(tái)仍然存在自動(dòng)化、智能化程度低的問(wèn)題，實(shí)際使用中需要人工進(jìn)行數(shù)據(jù)建模、數(shù)據(jù)標(biāo)準(zhǔn)應(yīng)用、數(shù)據(jù)剖析等操作。

在基于機(jī)器學(xué)習(xí)的人工智能不斷進(jìn)步的情況下，將有關(guān)技術(shù)應(yīng)用于數(shù)據(jù)管理平臺(tái)的各項(xiàng)智能，以減少人力成本提高治理效率成為當(dāng)下數(shù)據(jù)管理平臺(tái)研發(fā)者關(guān)注的重點(diǎn)。

Gartner把數(shù)據(jù)管理自動(dòng)化智能化叫作增強(qiáng)型數(shù)據(jù)管理，筆者在《如何更深刻的理解 “Gartner2020年數(shù)據(jù)與分析技術(shù)十大趨勢(shì)”的內(nèi)涵？》中有關(guān)專門介紹，這里就數(shù)據(jù)建模、數(shù)據(jù)標(biāo)準(zhǔn)及主數(shù)據(jù)識(shí)別談?wù)勎业恼J(rèn)識(shí)。

1、數(shù)據(jù)建模

數(shù)據(jù)倉(cāng)庫(kù)建模中的概念模型需要對(duì)于企業(yè)的業(yè)務(wù)和數(shù)據(jù)有非常深刻的理解才能抽象出來(lái)，而通過(guò)相關(guān)算法也許能加速這個(gè)過(guò)程。

筆者對(duì)于數(shù)據(jù)建模的自動(dòng)化持懷疑態(tài)度，下面是我腦補(bǔ)的一個(gè)案例，不知道是否是可行的。

LDA是一種非監(jiān)督機(jī)器學(xué)習(xí)技術(shù)，可以用來(lái)識(shí)別大規(guī)模文檔集或語(yǔ)料庫(kù)中的潛在隱藏的主題信息。該方法假設(shè)每個(gè)詞是由背后的一個(gè)潛在隱藏的主題中抽取出來(lái)。

比如新聞報(bào)道這個(gè)文檔會(huì)出現(xiàn)“科比”、“湖人”等等關(guān)鍵詞，我們基于LDA就能從這些新聞報(bào)道中找到隱藏在單詞和文檔背后的主題，比如體育。

如果我們將原始業(yè)務(wù)系統(tǒng)的表、字段類比于文檔和單詞，采用LDA就可以挖掘到相關(guān)的主題，而這些主題也許就是我們要找的概念模型。

2、數(shù)據(jù)標(biāo)準(zhǔn)

數(shù)據(jù)標(biāo)準(zhǔn)往往只有內(nèi)嵌到生產(chǎn)流程中才能真正落地，數(shù)據(jù)開(kāi)發(fā)管理平臺(tái)的普及使得數(shù)據(jù)標(biāo)準(zhǔn)的智能化應(yīng)用成為可能。

基于業(yè)務(wù)含義、數(shù)據(jù)特征、數(shù)據(jù)關(guān)系等維度的相似度判斷，在數(shù)據(jù)建模時(shí)進(jìn)行實(shí)時(shí)智能的數(shù)據(jù)標(biāo)準(zhǔn)內(nèi)容的匹配，不僅可以提升數(shù)據(jù)建模的規(guī)范化水平，也能推進(jìn)數(shù)據(jù)標(biāo)準(zhǔn)的普及。

3、主數(shù)據(jù)識(shí)別

主數(shù)據(jù)（MD Master Data）是指系統(tǒng)間的共享數(shù)據(jù)，是在企業(yè)整個(gè)價(jià)值鏈上被重復(fù)、共享應(yīng)用于多個(gè)業(yè)務(wù)活動(dòng)的高價(jià)值的數(shù)據(jù)，是各業(yè)務(wù)應(yīng)用和各系統(tǒng)之間進(jìn)行信息交互的基礎(chǔ)。

原來(lái)主數(shù)據(jù)的識(shí)別主要依賴于業(yè)務(wù)和數(shù)據(jù)人員的經(jīng)驗(yàn)，但考慮到主數(shù)據(jù)跨系統(tǒng)等特點(diǎn)，現(xiàn)在其實(shí)可以采取更為智能化的手段來(lái)提升主數(shù)據(jù)識(shí)別的效率。

比如主數(shù)據(jù)一般具有數(shù)據(jù)共享度高（意味著跨業(yè)務(wù)、平臺(tái)和用戶）、數(shù)據(jù)穩(wěn)定性強(qiáng)（生命周期長(zhǎng)，頻率變動(dòng)低）、數(shù)據(jù)標(biāo)準(zhǔn)化水平高（具有一定的唯一性），實(shí)體獨(dú)立性強(qiáng)（數(shù)據(jù)結(jié)構(gòu)穩(wěn)定）等特點(diǎn)，通過(guò)構(gòu)建一系列的指標(biāo)，確定各指標(biāo)權(quán)重并構(gòu)建評(píng)分體系，就可以較為高效的識(shí)別出可能的主數(shù)據(jù)。

自動(dòng)化、智能化的數(shù)據(jù)管理技術(shù)還可以應(yīng)用于數(shù)據(jù)探索、自動(dòng)化標(biāo)簽識(shí)別、數(shù)據(jù)去冗余等各個(gè)方面，在數(shù)據(jù)資產(chǎn)管理概念火熱，各項(xiàng)工作備受重視的當(dāng)下，市場(chǎng)上的數(shù)據(jù)管理平臺(tái)也在不斷演進(jìn)。

社會(huì)的一個(gè)本質(zhì)特征就是連接，隨著5G、物聯(lián)網(wǎng)的發(fā)展，萬(wàn)物互聯(lián)是必然的趨勢(shì)，基于連接的大數(shù)據(jù)分析將是未來(lái)我們洞察世界、洞察社會(huì)，洞察用戶的有效手段。

以社交網(wǎng)絡(luò)、用戶行為、網(wǎng)頁(yè)鏈接關(guān)系等為代表的連接數(shù)據(jù)，往往需要通過(guò)“圖”的形態(tài)以最原始、最直觀的方式展現(xiàn)其關(guān)聯(lián)性。在圖的形式下，自然而然地存在著連通性，中心度、社區(qū)關(guān)系等一系列內(nèi)蘊(yùn)的關(guān)聯(lián)關(guān)系，這類依賴于圖結(jié)構(gòu)本身進(jìn)行挖掘分析的需求難以通過(guò)分類、聚類、回歸和頻繁模式挖掘等傳統(tǒng)數(shù)據(jù)分析方法進(jìn)行實(shí)現(xiàn)，需要能夠?qū)τ趫D結(jié)構(gòu)本身進(jìn)行存儲(chǔ)、計(jì)算、分析挖掘的技術(shù)合力完成。

圖分析是專門針對(duì)圖結(jié)構(gòu)數(shù)據(jù)進(jìn)行關(guān)聯(lián)關(guān)系挖掘分析的一類分析技術(shù)，其中以對(duì)圖模型數(shù)據(jù)進(jìn)行存儲(chǔ)和查詢的圖數(shù)據(jù)庫(kù)、對(duì)圖模型數(shù)據(jù)應(yīng)用圖分析算法的圖計(jì)算引擎、對(duì)圖模型數(shù)據(jù)進(jìn)行抽象以研究展示實(shí)體間關(guān)系的知識(shí)圖譜三項(xiàng)技術(shù)為主。

圖分析不僅在互聯(lián)網(wǎng)公司，現(xiàn)在也影響到了很多傳統(tǒng)行業(yè)，比如筆者的大數(shù)據(jù)團(tuán)隊(duì)至少同時(shí)進(jìn)行著五個(gè)方面的圖應(yīng)用探索實(shí)踐，包括基于圖數(shù)據(jù)庫(kù)的元數(shù)據(jù)管理、基于圖的供應(yīng)鏈流程分析，基于圖的客戶標(biāo)簽體系構(gòu)建，基于圖的交通規(guī)劃分析以及知識(shí)圖譜構(gòu)建等等。

早在1982年，姚期智先生在其發(fā)表的文章《安全計(jì)算協(xié)議》（Protocols for Secure Computation）里提出了著名的姚氏百萬(wàn)富翁問(wèn)題，同時(shí)也首次引入了雙方安全計(jì)算的概念來(lái)解決問(wèn)題，并對(duì)其可行性進(jìn)行了驗(yàn)證。兩個(gè)百萬(wàn)富翁Alice和Bob在無(wú)任何可信第三方，同時(shí)不暴露自己的財(cái)產(chǎn)的情況下，希望得出誰(shuí)更富有的結(jié)論。

為了解決這一問(wèn)題，姚期智先生提出建立一個(gè)通用的框架處理單向函數(shù)所涉及的加密、完整性、智能撲克等系列問(wèn)題，發(fā)展出了驗(yàn)證其安全性的通用技術(shù)。多方安全計(jì)算能夠同時(shí)確保輸入的隱私性和計(jì)算的正確性，在無(wú)可信第三方的前提下通過(guò)數(shù)學(xué)理論保證參與計(jì)算的各方成員輸入信息不暴露，且同時(shí)能夠獲得準(zhǔn)確的運(yùn)算結(jié)果，這就是“可用不可見(jiàn)”。

要理解隱私計(jì)算需要強(qiáng)大的密碼學(xué)知識(shí)，筆者這里列一下隱私計(jì)算涉及的幾個(gè)關(guān)鍵技術(shù)，看看它到到底要解決什么問(wèn)題：

秘密共享：是在一個(gè)常被應(yīng)用在多方安全簽名的技術(shù)，它主要用于保護(hù)重要信息被丟失、或篡改。通過(guò)秘密共享機(jī)制，秘密信息會(huì)被拆分，每個(gè)參與者僅持有該秘密的一部分，個(gè)人持有部分碎片無(wú)法用于恢復(fù)秘密，需要湊齊預(yù)定數(shù)量 (或門限) 的碎片。

不經(jīng)意傳輸：消息發(fā)送者從一些待發(fā)送的消息中發(fā)送一條給接收者，但事后對(duì)發(fā)送了哪一條消息仍然oblivious（不知道），這個(gè)協(xié)議也叫茫然傳輸協(xié)議。舉例來(lái)說(shuō)，Alice 手上有兩組密封的密碼組合，Bob 只能獲得一組密碼且 Bob 希望 Alice 不知道他選擇哪一組密碼。這時(shí)候就能利用不經(jīng)意傳輸來(lái)完成交易，也就是說(shuō)，我從你那里需要拿些數(shù)據(jù)，但我不希望你知道我拿了具體哪些數(shù)據(jù)，這在ID匹配等商業(yè)場(chǎng)景上有很大的應(yīng)用價(jià)值。

混淆電路：混淆電路是一種密碼學(xué)協(xié)議，遵照這個(gè)協(xié)議，兩個(gè)參與方能在互相不知曉對(duì)方數(shù)據(jù)的情況下計(jì)算某一函數(shù)。

為什么國(guó)內(nèi)隱私計(jì)算現(xiàn)在這么火？

我想主要有三個(gè)原因，一是政府將數(shù)據(jù)納入生產(chǎn)要素，提出數(shù)據(jù)要素市場(chǎng)化配置戰(zhàn)略；二是大環(huán)境條件逐漸完善，數(shù)據(jù)聯(lián)合建模商業(yè)化需求提升；三是法規(guī)合規(guī)逐漸嚴(yán)格，也是為將來(lái)數(shù)據(jù)的“可用不可見(jiàn)”來(lái)做技術(shù)儲(chǔ)備，這才有了隱私計(jì)算之火的重新燃起。

無(wú)論是金融還是自己所在的通信行業(yè)都在大力推進(jìn)隱私計(jì)算的商業(yè)化應(yīng)用，在某些方面已經(jīng)取得了實(shí)質(zhì)性進(jìn)展，未來(lái)可期。

最后說(shuō)下我對(duì)于存算分離、數(shù)據(jù)倉(cāng)庫(kù)服務(wù)化、數(shù)據(jù)管理自動(dòng)化智能化、圖分析及隱私計(jì)算五個(gè)技術(shù)的態(tài)度。

首先，存算分離、數(shù)據(jù)倉(cāng)庫(kù)服務(wù)化的技術(shù)成熟度還不夠，我抱著謹(jǐn)慎樂(lè)觀的態(tài)度，普及尚需時(shí)日。
再次，數(shù)據(jù)管理智能化、自動(dòng)化和圖分析技術(shù)挑戰(zhàn)不大，關(guān)鍵是企業(yè)要找到合適的應(yīng)用場(chǎng)景，圖分析已經(jīng)進(jìn)入了快車道。

最后，隱私計(jì)算技術(shù)將不會(huì)是問(wèn)題，應(yīng)用場(chǎng)景也不是問(wèn)題，但政策、機(jī)制和流程是個(gè)大問(wèn)題，要看多方的決心。

零基礎(chǔ)/轉(zhuǎn)行/職場(chǎng)

更多全新資訊盡在數(shù)據(jù)分析