云计算对大数据和高级分析的影响是巨大的。那么我们是选择公有云还是本地部署呢？在我调查的企业中，许多企业目前仍处于观望之中。这些企业都清楚要想与客户建立友好关系，他们就需要在公有云上投入更多。难点在于许多企业正在努力应对企业发展和监管问题，而这其中常常存在一些并不合理的技术限制。
公有云在2016年曾经是大数据的首选。为什么呢？因为企业在不断扩展其本地基础设施时会遇到成本障碍。企业希望拥有规模更大、扩展速度更快的本地配置，这其中包括混合云中的本地部署部分，然而这些根本无法跟上发展步伐。虽然业内的共识是混合云是最适合大数据的选项，但是我并不这样认为。企业应该制定一个公有云优先的策略，只在必要时才将混合云或本地部署作为临时过渡措施。
在新的研究中，我发现了大量的证据，并且这些证据使我得出了这个合乎逻辑的结论。最重要的是，一些领军企业认为，他们依托公有云获得的大数据技能是他们的新竞争优势。他们意识到这些将使自己能够更加深入地了解客户，更加迅速地适应不断上升的客户期望与不断变化的客户需求。以下是为什么我认为他们这样考虑是正确的原因：
云计算和大数据带来了指数级变化，这一点可以参考摩尔定律。谷歌曾公开承诺将采用摩尔定律理念对云服务进行定价。想象一下，如果云基础设施价格下降一半会发生什么，并且大数据处理和分析能力每隔18至24个月就会翻一番。相对于本地部署或混合云竞争对手，云服务提供商可以利用规模优势更快地为所有客户提供新的功能、更新后的版本和补丁。
指数级变化正在持续推动云计算领域中的创新步伐。例如，用于SQL分析的AWS Athena等服务器创新、来自谷歌的新人工智能服务、基于容器且可支持不同版本开源工具的Spark。
那些已转向公有云优先策略并定位于充分利用指数级变化和创新步伐的企业将会胜出。例如，在PaaS和托管服务上构建具备深刻洞察力的应用程序的企业将能够以更快的速度吸纳新功能和新的开源版本。
这些趋势显示，那些在Hadoop和Spark硬件和软件升级上花时间以实现自身数据架构现代化的企业注定会失败。只需要一到两个倍增周期，本地部署的配置就会落后。
那么我们该怎么办呢？首先，需要一个计划。市场研究机构Forrester认为制定一个计划需要以下步骤：为大数据分析重点选择一个初始的基本云战略（SaaS、PaaS或IaaS），确定满足自己的洞察力系统需求的候选云平台服务，调整包括云管理策略在内的大数据分析路线图，最后酌情针对其他基本的云策略重复上述步骤。
我认为大数据向公有云迁移已经开始了，并且它们的速度和程度都超出了我们的想象。那些拥有这种架构并知道如何利用新的指数级变化的领军企业将在竞争中胜出。答案已经清楚了，不要再在是选择公有云还是本地部署这个问题上犹豫不决了。
相关阅读：
热门专题
