云原生|Confluent上市与Cloudera私有化背后：从硅谷大数据公司的势力更替看数据分析的未来( 四 )

3）容器化。基于云原生的背景，未来企业的数据应用在很多情况下，将会跨云甚至跨基础设施进行。容器化的价值在于可以让企业在不同的基础架构之上快速构建统一的数据分析平台，实现数据应用的平滑迁移。
4）自动化。传统的数据分析平台在分析和应用的多个环节仍然依靠人工进行处理，比如数据标注、数据清洗。通过在数据分析平台中应用AI增强技术，首先可以在云端对存储和计算资源分别做自动优化，提高资源使用效率，为企业降低成本；其次，在数据清洗、数据建模、数据分析等环节使用自动化，能够极大地提升分析平台的易用性，节省大量人力成本，提升数据应用开发的敏捷性。对AI增强技术的大量采用也正是Snowflake具备出众易用性的原因。
在数据架构维度，随着数据分析的复杂度以及企业对数据分析实时度的要求越来越高，传统的数据仓库与数据湖割裂的局面将会走向融合。Gartner认为，数据仓库通常是用已知数据解答分析已知问题，数据湖通常是用未知数据解答分析未知问题，而新的数据架构需要解决的是这两种场景之上模糊地带的需求。而根据研究机构EMA将新一代架构定义为“统一分析仓库”（Unified Analytics Warehouse），这种新的数据架构需要具备高性能与企业级完整度、分析灵活性与低延迟、高扩展性及与现有设施的兼容性这三个方面的能力。此外，业内也有“湖仓一体”的提法，尚未达成统一。对此，爱分析会在后续的研究中详细探讨。
最后，在商业模式维度，技术架构上的变化也将带来商业逻辑的变化，订阅制、按需付费将会成为企业使用分析平台的主要付费方式。由于在云原生架构下可以支持存算分离和弹性伸缩，企业不再需要在前期先投入大量成本购买硬件，而是可以在云端基于需求按使用量付费，实现“Pay as you go”。订阅制从根本上颠覆了企业使用数据平台的付费方式，其对于企业的核心价值是使得企业可以以很低的成本探索各种创新型的数据应用，从而使数据发挥更大的价值。同时，订阅制也驱动厂商更加持续关注企业客户成功，保持与客户长期共生和互利的关系。以Kyligence为例，其全线产品目前在国内都已经广泛采用订阅模式来服务客户，尤其是在银行、保险等金融行业头部客户也已采纳订阅制，这说明国内企业的付费观念已经发生变化，在美国已经是主流的订阅制的付费模式同样也适合中国市场。
04 中国市场的云原生：起步更晚，私有云占据关键地位以上对数据分析走向云原生架构趋势的总结，主要基于对美国市场的观察。相比美国市场以公有云为主导的市场环境，中国市场会呈现出明显差异。
首先，中国云计算市场起步时间较晚，相比美国落后五到七年左右，同时企业尤其是传统企业的上云步伐也不如美国企业激进，大量业务数据仍然停留在传统IT环境中。因此，中国市场转向云原生的渗透仍然有数年的窗口期，在这个架构迭代的窗口期内，包括传统数据库厂商、云厂商和新兴厂商在内，各方参与者的竞争格局将发生新一轮洗牌。
其次，由于政策监管、行业特性和观念等因素，国内以金融和政府公共事业为代表的行业企业以及央国企，中长期来看仍将采纳以私有云、行业云为底座的混合架构，公有云很难占据主导地位。因此，面向中国市场的云原生架构的数据分析平台，需要考虑如何在以私有云为主的架构环境下，仍能让企业用户充分享受到云原生特性带来的优势，这背后有大量问题需要解决。
以Kyligence为例，其针对国内外市场推出了不同版本的解决方案。在国际市场，Kyligence对接了公有云平台Azure和AWS，用户可以在线购买和使用其产品，服务了包括UBS这样的行业顶尖客户。在国内市场，Kyligence除了提供公有云和本地部署版本的产品，也推出更适合国内企业客户的私有云版本产品，并且其私有云版本产品获得了多个大型金融机构的采用。