云計算對大數據和高級分析的影響是巨大的。那么我們是選擇公有云還是本地部署呢？在我調查的企業中，許多企業目前仍處于觀望之中。這些企業都清楚要想與客戶建立友好關系，他們就需要在公有云上投入更多。難點在于許多企業正在努力應對企業發展和監管問題，而這其中常常存在一些并不合理的技術限制。

公有云在2016年曾經是大數據的首選。為什么呢？因為企業在不斷擴展其本地基礎設施時會遇到成本障礙。企業希望擁有規模更大、擴展速度更快的本地配置，這其中包括混合云中的本地部署部分，然而這些根本無法跟上發展步伐。雖然業內的共識是混合云是最適合大數據的選項，但是我并不這樣認為。企業應該制定一個公有云優先的策略，云主機，只在必要時才將混合云或本地部署作為臨時過渡措施。

在新的研究中，我發現了大量的證據，并且這些證據使我得出了這個合乎邏輯的結論。最重要的是，一些領軍企業認為，他們依托公有云獲得的大數據技能是他們的新競爭優勢。他們意識到這些將使自己能夠更加深入地了解客戶，歐洲服務器租用 云服務器，更加迅速地適應不斷上升的客戶期望與不斷變化的客戶需求。以下是為什么我認為他們這樣考慮是正確的原因：

云計算和大數據帶來了指數級變化，這一點可以參考摩爾定律。谷歌曾公開承諾將采用摩爾定律理念對云服務進行定價。想象一下，如果云基礎設施價格下降一半會發生什么，并且大數據處理和分析能力每隔18至24個月就會翻一番。相對于本地部署或混合云競爭對手，云服務提供商可以利用規模優勢更快地為所有客戶提供新的功能、更新后的版本和補丁。

指數級變化正在持續推動云計算領域中的創新步伐。例如，用于SQL分析的AWS Athena等服務器創新、來自谷歌的新人工智能服務、基于容器且可支持不同版本開源工具的Spark。

那些已轉向公有云優先策略并定位于充分利用指數級變化和創新步伐的企業將會勝出。例如，在PaaS和托管服務上構建具備深刻洞察力的應用程序的企業將能夠以更快的速度吸納新功能和新的開源版本。

這些趨勢顯示，那些在Hadoop和Spark硬件和軟件升級上花時間以實現自身數據架構現代化的企業注定會失敗。只需要一到兩個倍增周期，本地部署的配置就會落后。

那么我們該怎么辦呢？首先，需要一個計劃。市場研究機構Forrester認為制定一個計劃需要以下步驟：為大數據分析重點選擇一個初始的基本云戰略（SaaS、PaaS或IaaS），確定滿足自己的洞察力系統需求的候選云平臺服務，調整包括云管理策略在內的大數據分析路線圖，最后酌情針對其他基本的云策略重復上述步驟。

我認為大數據向公有云遷移已經開始了，并且它們的速度和程度都超出了我們的想象。那些擁有這種架構并知道如何利用新的指數級變化的領軍企業將在競爭中勝出。答案已經清楚了，不要再在是選擇公有云還是本地部署這個問題上猶豫不決了。