|
|
What’s in Store for 2020?
|
First, let’s get the obvious out of the way: Data will continue to grow. Public cloud adoption will increase. We will see increases in investment in application development and modern Dev/Ops practices. We will also see continued investment in highly valuable data-centric workloads such as analytics, machine learning, and deep learning. These trajectories started prior to 2019, and we will likely see them to continue into 2020 and beyond. Otherwise, here are my predictions for 2020:
|
Lassen Sie uns zuerst das Offensichtliche aus dem Weg bringen: Die Daten werden weiter wachsen. Die Akzeptanz der öffentlichen Cloud wird zunehmen Wir werden steigende Investitionen in die Anwendungsentwicklung und moderne Dev/Ops-Praktiken sehen. Wir werden auch weiterhin in hochwertvolle datenzentrierte Workloads wie Analytics, maschinelles Lernen und Deep Learning investieren. Diese Flugbahnen begannen vor 2019, und wir werden sie voraussichtlich bis 2020 und darüber hinaus fortsetzen. Ansonsten sind hier meine Vorhersagen für 2020:
|
One or More Public Cloud Providers Will Acquire an On-premises/Hybrid Data Storage Company
|
Ein oder mehrere Public Cloud-Anbieter erwerben ein lokales/hybrides Datenspeicherunternehmen
|
|
The long-held perception that eventually all IT will be public cloud-based is starting to fade. Hybrid cloud infrastructure is the de facto standard of modern IT. And for digital businesses, data is increasing on- and off-premises at similar rates. In other words, on-premises infrastructure will be a significant part of IT for the foreseeable future. In response, multiple public cloud providers have announced hybrid cloud solutions, such as AWS Outposts, Google Cloud’s Anthos, and Microsoft Azure Stack. Then last year, Google acquired Elastifile to bolster its cloud file storage portfolio. I expect that this move is only the beginning. As the cloud space becomes more competitive and as hybrid offerings become more important, the need for advanced services and capabilities will fuel more technology acquisitions, with file storage being a likely target area for candidates.
|
Die langwierige Wahrnehmung, dass schließlich die gesamte IT öffentlich Cloud-basiert sein wird, beginnt zu verblassen. Hybrid Cloud-Infrastruktur ist der De-facto-Standard moderner IT. Und für digitale Unternehmen nehmen die Daten On- und Off-Premises zu ähnlichen Preisen zu. Mit anderen Worten, die lokale Infrastruktur wird auf absehbare Zeit ein wesentlicher Bestandteil der IT sein. Als Reaktion darauf haben mehrere öffentliche Cloud-Anbieter Hybrid-Cloud-Lösungen angekündigt, wie AWS Outposts, Anthos von Google Cloud und Microsoft Azure Stack. Im vergangenen Jahr erwarb Google Elastifile, um sein Cloud-Dateispeicherportfolio zu stärken. Ich erwarte, dass dieser Schritt erst der Anfang ist. Da der Cloud-Speicherplatz wettbewerbsfähiger wird und Hybrid-Angebote immer wichtiger werden, wird der Bedarf an fortschrittlichen Services und Funktionen mehr Technologieakquisitionen ankurbeln, wobei Dateispeicher ein wahrscheinlicher Zielbereich für Kandidaten ist.
|
IT Investment in Data Identification and Classification Will Accelerate
|
IT-Investitionen in die Datenidentifizierung und -klassifizierung werden sich beschleunigen
|
|
High-value workloads such as analytics, machine learning, and IoT workloads are driving data growth both on-premises and in the cloud. And IT organizations with extreme levels of data growth, such as 50% or more annually, are far more likely than slow data growth organizations to identify a lack of content awareness as a top data storage challenge.4 I am stepping back a little from last year’s prediction, as identifying and locating the right data is a major business problem hindering digital efforts, but not crippling them. This is still a major area of concern for digital businesses. I expect addressing data classification, especially with tools that expedite and maximize the use of metadata, across a hybrid cloud ecosystem to be a top three investment area for digital enterprises in 2020.
|
Hochwertige Workloads wie Analytics, Machine Learning und IoT-Workloads fördern das Datenwachstum sowohl lokal als auch in der Cloud. Und IT-Organisationen mit einem extremen Datenwachstum, wie etwa 50% oder mehr jährlich, sind weitaus wahrscheinlicher als langsame Datenwachstumsunternehmen, um einen Mangel an Content-Bewusstsein als eine Top-Herausforderung für die Datenspeicherung zu identifizieren.4 Ich trete etwas von der Vorhersage des letzten Jahres zurück, da ich die richtigen -Daten sind ein großes geschäftliches Problem, das digitale Bemühungen behindert, aber nicht zu lähmen. Dies ist nach wie vor ein wichtiges Anliegen für digitale Unternehmen. Ich erwarte, dass die Datenklassifizierung, insbesondere mit Tools, die die Verwendung von Metadaten beschleunigen und maximieren, in einem Hybrid-Cloud-Ökosystem im Jahr 2020 zu einer der drei wichtigsten Investitionsbereiche für digitale Unternehmen wird.
|
Consolidated Hybrid Cloud Operations Will Become the Standard IT Organization Model
|
Konsolidierte Hybrid Cloud-Vorgänge werden zum Standard-IT-Organisationsmodell
|
|
As recently as two years ago, a majority of IT organizations managed public cloud services and on-premises infrastructure separately.5 This year, I expect not only a significant majority of IT organizations to consolidate on- and off-premises responsibilities into one team, but also significant investment growth in management tools that span both on- and off-premises infrastructure environments. This prediction is based on an expectation that significant increases in Kubernetes and container-based workloads adoption will be the catalyst. Container-based workloads are far more likely to span on- and off-premises environments, demanding consistency across developers and IT. This need for consistency will fuel shifts in organizational structure and management.
|
Noch vor zwei Jahren hat eine Mehrheit der IT-Organisationen öffentliche Cloud-Services und lokale Infrastrukturen getrennt verwaltet.5 In diesem Jahr erwarte ich nicht nur von einer erheblichen Mehrheit der IT-Organisationen, die On- und Off-Premises-Verantwortlichkeiten in einem Team konsolidiert, sondern auch ein erhebliches Investitionswachstum in Management-Tools, die sowohl On- als auch Off-Premises-Infrastrukturumgebungen abschließen. Diese Vorhersage basiert auf der Erwartung, dass signifikante Erhöhungen bei Kubernetes und containerbasierten Workloads der Katalysator sein werden. Containerbasierte Workloads erstrecken sich weit häufiger auf On- und Off-Premises-Umgebungen und fordern Konsistenz zwischen Entwicklern und IT. Dieser Bedarf an Konsistenz wird Verschiebungen in der Organisationsstruktur und im Management anheizen.
|
Integrated Machine Learning Based on Telemetry Data Becomes Tablestakes For IT Infrastructure Buying
|
Integriertes maschinelles Lernen basierend auf Telemetriedaten wird zu Table-Stakes für den Kauf von IT-Infrastrukturen
|
|
Neary every CIO wants an IT infrastructure solution tailored to his or her company’s specific needs. Unfortunately, few, if any, organizations truly understand their own workload requirements. This lack of insight often becomes exposed when IT organizations shift applications to public cloud services, and the cost equation changes. Multiple infrastructure solutions have emerged which gather telemetry data based on the production application environment and then analyze that data with machine learning to provide recommendations as well as support automation. In 2020, these features will jump to the forefront of IT buying decisions.
|
Neary jeder CIO möchte eine IT-Infrastrukturlösung, die auf die spezifischen Anforderungen seines Unternehmens zugeschnitten ist. Leider verstehen nur wenige Unternehmen, wenn überhaupt, ihre eigenen Workload-Anforderungen wirklich. Dieser Mangel an Erkenntnissen wird oft ausgesetzt, wenn IT-Organisationen Anwendungen auf öffentliche Cloud-Services umstellen und sich die Kostengleichung ändert. Es wurden mehrere Infrastrukturlösungen entwickelt, die Telemetriedaten basierend auf der Produktionsumgebung sammeln und diese Daten dann mit maschinellem Lernen analysieren, um Empfehlungen zu liefern und die Automatisierung zu unterstützen. Im Jahr 2020 werden diese Funktionen in den Vordergrund der IT-Kaufentscheidungen rücken.
|
|
|