近日，国际知名研究机构发布了《The Wave: Cloud In China, Q3 2021》。

这个产品其实就是一个知名的云管理平台。

领队：飞之云、千云、博云

强者：华为

竞争对手：新华三、华云、上海云轴

挑战者：九州云

点评：为什么三位领导不是大厂？ 因为大公司更专注于销售自己的云平台，中立的公司更热衷于多云管理！

指出广泛性、灵活性和自动化是云管理的三个关键要素。

在中国，上云已经成为企业数字化转型的技术支撑和主要举措。 数据显示，2020年采用云平台的企业中有75%采用了混合云管理架构。

从全球企业的需求来看，云管理需求已经从架构层上升到开发和平台层，平台开始构建云原生能力混合云，如：和微服务支持。

然而，中国本土企业对支持不同的本地公有云和私有云平台有独特的需求。 尽管中国企业已经开始接受策略的概念，但堡垒机在解决异构云环境安全方面仍然发挥着主要作用。

建议客户根据目前的市场趋势，选择提供以下能力的混合云管理解决方案提供商

提供广泛的平台支持。 中国的公有云、私有云、开发平台五花八门、错综复杂。

本次入围的8家厂商均支持阿里云、云基云等本土公有云平台。 厂商凭借对多种公有云平台的支持，提供云计算、存储、网络和数据库服务，体现差异化。 领先的混合云管理解决方案支持私有云、流行的超融合基础设施 (HCI) 平台、裸机选项和平台。

也就是说，广泛的支持只有在包括您的客户使用或想要使用的云平台时才重要。

提供多种解决问题的方法。 虽然客户需要功能丰富的解决方案，但更重要的是这些功能具有灵活性，使公司能够在选择混合云管理平台之前做出选择。

灵活性使客户能够使这些解决方案适应现有环境，而不是迫使他们改变策略或删除和替换现有技术。 大多数解决方案提供编排、配置、访问安全和治理策略； 领先的解决方案通常提供多种方式来实现这些目标。

例如：可定制的权限、多个预建的使用策略、可定制的成本报告、具有多维分析的容量使用报告、模板库和格式、配置更改（手动、自动或通过事件触发器）以及工作流设计设备。

提供高级优化和自动化操作。 大多数解决方案都带有可操作的优化建议（识别闲置、未使用和未连接的云浪费）并计算正确的大小。 但是，并非每个混合云实例都是在本地创建的。

领先的解决方案通过提供选项（包括高级调度选项和基于最广泛的指标、事件或日志监控数据集的触发器设置）来弥补效率低下的问题。 它们还允许自定义缩放策略（例如，组合策略以防止性能下降）。

此次入选Wave报告的8家厂商均通过了混合云管理提供商综合要求。 报告中对各厂商的能力分析，可为寻求混合云管理产品和服务的客户提供相应的参考。

飞智云、千云和博云被列为中国混合云管理市场的领导者，在产品能力和战略布局上综合表现优异。

从关键指标评分项来看，飞智云在产品挖掘能力、用户体验、产品规划、市场策略、商业模式和公司绩效等方面得分最高。

千云的产品功能优势在于治理与策略、编排与生命周期管理。 博云在合作伙伴生态、商业模式、公司业绩等战略布局方面表现突出。

华为被列为中国混合云管理市场的佼佼者，利用其在公有云和私有云方面的优势和专长，为用户提供卓越的混合云管理解决方案。

新华三、华云数据集团和云轴科技是中国混合云管理市场的竞争者，具有很高的发展潜力。

H3C利用其广泛的合作伙伴生态系统进行市场渗透，其产品战略的每一个要素都旨在为跨公有云和私有云环境的服务访问、运维提供一致的体验。

华云数据集团将私有云的优势延伸至混合云，旨在为追求技术可靠性的中国企业提供创新的云解决方案，包括华云OS、私有云超融合架构、基于基础设施的公有云。

云轴科技利用其在私有云和电信行业的专业技术，为客户提供自主研发的私有云和边缘服务器，拥抱公有云。

九州云是中国混合云管理市场的挑战者，利用其私有云能力进行混合云管理。 作为国内最早的服务商之一，其对云原生的支持在助力用户云原生业务方面得到了客户的一致好评。

如何与数据共舞？

前方高能预警，以下很可能是各家互联网公司的日常：

以上问题是产品经理决定的还是老板决定的？或者想出一个数据支持的解决方案？答案很明显。这就是数据和商业智能发挥作用的地方。

商业智能要解决的最终目标是对决策变量进行决策，以构建支持决策的优化模型。

数据大师、秒赢数据科学专家顾江来为我们讲讲数据分析和商业智能。如何与数据共舞？如何实现商业智能？数据科学家的日常工作包括什么？如何实现从数据分析师到数据科学家的进阶？

什么是商业智能？如何实现商业智能？

顾江：简单来说，商业智能的作用就是用“数据”来回答问题，让企业​​根据数据进行决策，减少盲目性，提供智能参考。

一般来说，互联网公司内部的商业智能包括以下几个部分：

数据分析与挖掘：配合数据挖掘工具，关联业务数据，分析业务。通过可视化工具提供分析结果和交互式查询；

数据预警：数据指标实时呈现，关键指标预警。DAU、留存率、财务风控等产品层面。企业内部商业智能，包括人员流动率、财务指标等；

数据服务：数据输出，提供各部门自助查询。元数据和权限管理形成一个数据中心，支撑其他产品的数据需求。

作为数据科学家，您的日常工作包括哪些内容？

首先，我们要解决数据从哪里来的问题。

据不完全统计，一个数据领域的工作者70%的时间都花在获取数据上。根据不同的业务需求和产品形态，我们需要从不同的数据源获取原始数据。

内部业务数据。比如头部电商统计商品品类的订单量分布，外卖行业统计每天的外卖订单时间分布，网约车软件统计每笔订单的平均距离等等。这些数据直接存储在产品数据库中。分析时，同步工具需要定时或实时同步到可供分析的数据平台或工具。

用户生成的数据。用户在产品中的行为轨迹往往对产品决策有直观的反馈。比如新闻客户端统计推送阅读的热点文章，或者用户点击网页上的热图。我们需要将用户在产品中的具体行为记录下来并保存下来，就好像用户在使用它的过程中留下了一系列的“脚印”。

我们一般可以通过前端管理、后台日志等方式获取用户行为，所以我们需要准确定位关键步骤，即插上“摄像头”，准确记录用户行为。比如在支付过程中，从提交订单到支付成功的每一步，最有可能跳过哪一步，从而失去支付的机会。根据用户的行为习惯，形成用户画像，实现“千人千面”。

从其他公司访问数据。有些数据可能是由其他数据提供商提供的，比如广告点击数据等。另外，当我们内部的数据分析具备输出能力时，我们可以对接其他不具备独立分析能力的公司来完成分析工作为他们。这时，也需要同步或实时采集它们来完成分析工作。

（下一期，数据大咖继续为我们讲述与数据共舞的故事。）