據相關大數據專家預測，2019年很可能成為數據湖重新產生興趣的一年，私有云也可能卷土重來。其他與大數據相關的預測有，hybrid混合式并行處理方式將成為通用環境，大數據被整合成“小數據”，透明化將成為人工智能的關鍵要求。

也有專家認為，“將會有更多的開發人員重新審視他們的應用程序如何處理數據，因為他們要將數據發送到業務相關的其他客戶端，供他人使用。”對于混合了云服務、傳統服務和現代應用的大企業來說，解決數據問題將是他們的首要任務。

如今人工智能和機器學習將對企業進行更深入的挖掘。 在2018年，我們看到沒有采用大數據的勞動密集型人工流程開始消失。自動化、人工智能和機器學習不僅在速度上得到了證實，而且在準確性上也得到了證明，現在正被越來越多的業務功能所應用。

例如，大學正在研究學生錄取和接受的趨勢，以確定誰更有可能被錄取，以及獎學金會在多大程度上影響他們的決定。目前還有另一種信貸風險分析，以確定首次或低收入借款人的信譽。所有這些應用程序的關鍵是構建良好穩定的數據模型，而構建良好穩定模型的關鍵是能夠找到正確的數據和正確的特性。2019年，人工智能和機器學習將在發現和理解構建這些模型所需的數據方面發揮重要作用。

向混合式開發環境招手問好。 去年預測云的廣泛應用將使對象存儲得到加強和適當的管理，而新的標準將要求數據管理與云、位置和平臺無關。到2019年，您將看到越來越多的企業已經習慣了云計算，他們正在構建一個混合的、異構的數據資產，其中包括多用途的大數據、關系數據和非關系型(NoSQL)數據，這些數據存儲在本地和云中。

雖然這樣做會帶來更大的復雜性，但是在2019年，您將看到越來越多的解決方案通過位置和計算透明性來簡化這種復雜性。從創建單一名稱空間的MapR數據結構這樣的文件系統，到解決虛擬數據中心復雜性的AIOps，最終用戶將越來越多地免受混合架構的復雜性的影響，同時還能充分利用其提供的通用的、靈活的解決方案。

數據湖將產生巨大回報 。雖然傳統上關注創建和補充數據湖的機制，但經常是創建數據沼澤，2019年將重新關注數據湖的應用。這與我們在數據倉庫方面的經驗非常相似，最初的數據倉庫生成常常被誤導，但是它們教會了我們創造價值和實現廣泛應用的真正需求。我相信2019年將從關注數據湖的機制, 轉向如何使湖泊中的數據具有可查找性、可用性、可規模化和自動化的管理方式。

新的數據湖將以一種更嚴謹的方式推出，具有清晰的初始用例、使用和管理策略。隨著越來越多的組織開始采用跨多個系統的虛擬數據湖，我們還將看到越來越多的數據湖被構建或遷移到云上，以充分利用托管的基礎設施、彈性存儲和各種計算能力，使數據湖生態系統將不斷豐富和完善起來。

大數據變成了“小數據”。 相關機構不會整合所有儲存的數據，會在有限的范圍內精簡。”隨著對數據的更大可見性，他們將有機會對存儲成本進行合理化整合，并進行更精確的分析。他們分析知道哪些數據已經損壞，可以丟棄。而且，“變少”也意味著過去大量數據現在變得容易管理，更加便以使用。

可解釋性將成為人工智能的關鍵要求 。隨著越來越多的企業(和政府)使用人工智能和機器學習算法，將更加注重透明度和可解釋性。比如為什么抵押貸款被拒絕?銀行能否證明沒有任何非法統計數據(如種族、性別等)，被用于決策或培訓決策模型? 找到合適的數據集并記錄它們的特征和質量，是實現這種透明性和可解釋性的第一步。如果我們不知道數據從何而來，也不知道數據意味著什么，我們就無法解釋這個模型，也無法確保它是正確合法的。

技術的進步將使云更適合于關鍵應用程序 。隨著IT人員越來越多的將云應用于關鍵應用程序，他們對安全性和可靠性的擔憂，還有對正常運行時間的擔憂已經大大減少。最初，組織將傾向于使用高可用性故障轉移集群技術來保護遷移到云中的關鍵應用程序。這種集群技術還將針對云中的增強操作進行調整和優化。與此同時，云服務提供商將繼續提供更高服務水平的能力，最終使云成為所有企業應用程序的首選平臺。

動態利用將使HA和DR在更多應用程序中更具成本效益 ， 進一步推動向云的遷移 。云幾乎可以將無限的資源遍布全球，是交付高負荷運行時間的理想平臺。但是，對于許多應用程序來說，提供大部分時間處于空閑狀態的備用資源的成本太高了。部署在多個區域和地區的云資源越來越復雜，所有這些資源都通過高質量的互聯網絡連接，現在只在需要時動態分配備用資源，這將大大降低提供高可用性和災難恢復保護的成本。

云將成為SAP部署的首選平臺 。隨著云服務提供商提供的平臺不斷成熟，它們托管SAP應用程序的能力將變得具有商業可行性，也具有重要的戰略意義。對于服務供應商來說，SAP托管將是一種確保與企業客戶長期合作的方式。對于企業來說，“SAP-as-a-Service”將是一種在不犧牲性能或可用性的情況下充分利用云的最經濟的方法。

“快速啟動”模板將成為復雜軟件和服務部署的標準。 快速啟動模板是基于向導的接口，它使用自動化腳本動態地提供、配置和編排運行特定應用程序所需的資源和服務。它們的主要好處是減少了訓練要求，提高了速度和準確性，以及能夠盡量減少甚至消除主要的問題來源——人為錯誤。快速啟動模板將大大減少開發運營人員測試和配置所需的時間和精力。

高級分析和人工智能將無處不在，包括基礎設施運營 。高級分析和人工智能將簡化IT運營，提高基礎設施和應用程序的健壯性，降低總體成本。隨著這一趨勢的發展，人工智能和分析技術將被嵌入到高可用性和災難恢復解決方案以及云服務提供商的產品中，以提高服務水平。由于能夠快速、自動、準確地理解問題并診斷復雜配置中的問題，從云平臺交付的關鍵服務的可靠性和可用性將大大提高。

由于成本和控制，公共云用戶將轉向私有云 。過去向公共云遷移的吸引力在于，企業可以支付更少的費用，控制更多的數據。但是2019年將是收回公司所有資產的一年，因為在公共云中，還有許多額外的成本。例如，數據的進入可能是免費的，但是云提供商對網絡流量按每兆字節收費。

就私有云而言，云提供商每月提供統一的費率，這有利于成本預算。此外，數據長期存儲在公共云端，在SEC(美國證監會)頻繁的審計之下，導致了企業失去對數據的控制。總體而言，在公共云中，設計、功能和成本的難度可能比前幾年最初認為的要高。

混合/多云世界中未來企業的需求 。更多的公司希望推出混合和多云應用程序，但他們也必須考慮混合云數據的問題，這是一項更難完成的任務。2019年人們將不再只關注應用程序組件，而是關注更廣泛的應用程序基礎設施問題，數據方面的問題更難解決。