Gartner于近期发布的数据和分析(D&A)云采用情况调研中预测,到2027年,出于削减成本目的而采用D&A云服务的企业机构中,80%将无法实现预期的投资回报率(ROI)。
多样化的云服务提供商(CSP)格局、对数据主权的担忧和不成熟的D&A云生态,导致了中国整体D&A云采用率相对较低。在2022年底,只有26%的中国受访者表示已经将D&A资产完全上云,而在其他国家的受访者中,这一比例为46%(见图1)。
图1:D&A云采用现状和计划 —— 中国与其他国家的受访企业对比

Gartner高级研究总监顾星宇表示:“在中国,许多企业机构仍将成本削减视为D&A领域云采用的主要动机,却忽视了敏捷性、安全性等其他价值主张。”
中国企业仍将采用公有云视为一种降低D&A成本的方式
由于本地D&A提供商的混合云产品很有竞争力,因此中国企业能够更理性地开展D&A云旅程。在中国,企业“不上云便无法获得软件供应商支持”的压力并不普遍。在过去,中国的企业机构主要采用基于开源技术的自研D&A平台。然而现在,越来越多的企业对自建平台不断增加的研发运维工作负载变得力不从心。因此,他们将公有云上完全托管的D&A服务视为这个问题的解决方案。
顾星宇表示:“虽然基于开源的自主开发D&A平台没有初始软件购买成本,但随着时间的推移,其数据/基础设施运营成本会不断增加,总体拥有成本通常远远超出最初的预期。即便如此,成本问题不应成为采用完全托管型D&A云服务的唯一动机。企业扩大使用云资源时,对云资源的消耗缺乏可预测性和可解释性也会导致成本失控。”
中国企业需要更成熟的D&A云生态系统以简化运营
中国CSP的多样化格局是导致D&A供应商生态系统不够成熟的原因之一。中国的企业必须自行集成和维护来自多个供应商的各种D&A组件,包括数据仓库、数据湖、数据管道、数据治理解决方案、人工智能平台和商业智能解决方案。
为了简化运营,中国许多企业都强烈希望构建可以无缝集成的D&A解决方案,即使存在供应商锁定风险。可惜的是,本地D&A供应商生态系统还不够成熟,无法满足当前需求。
解释D&A云成本和衡量投资回报率是中国企业面临的挑战
当Gartner问及企业在D&A项目中使用的云的数量时,只有3%的中国受访者回答使用单一云,而其他国家的受访者中,使用单一云的比例为16%。在这种形势下,控制D&A云服务成本成为中国企业面临的首要挑战。当被问及云端数据管理和治理的关键驱动因素时,68%的中国受访者回答“成本优化",而其他国家受访者中选择这一选项的比例只有39%。
顾星宇表示:“这一结果并不是指‘D&A云服务的采用带来了更高的成本’,而是表明了解释D&A云服务成本和衡量投资回报率的难度。为了避免企业的D&A支持者和利益相关者将D&A职能视为纯粹的成本中心,中国的D&A领导者应该专注于提高D&A云成本的透明度,并计划D&A战略路线图,在不同阶段讲述不同价值故事,将成本与业务价值联系起来。”
中国企业注重AI和分析战略成本实效,但较少关注安全性
由于许多中国企业严重依赖技术供应商的服务来构建高度定制化的应用,因此AI和分析服务供应商往往侧重于增强项目交付能力,而不是对云端的SaaS解决方案进行创新。
在选择AI和分析供应商时,D&A领导者通常是重要的决策者。然而,随着数据、分析和AI技术渗透到企业运营的方方面面,让非D&A利益相关者(如财务、业务线、法务和安全部门)参与供应商选型决策已得到广泛接受。
顾星宇表示:“中国的D&A领导者应将AI和分析的云采用视为缩短业务价值实现时间的机会,减少定制化需求,并优先考虑积极参与生态系统建设的供应商。”
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。