1、2022技术趋势 中文版未来新星指数型企业观察名单超越数字化未来新星指数型企业指数型企业趋势分析：十三年潜心研究MLOps:人工智能产业化机器数据革命 激活核心系统零信任寻找数据的真面目没有绝对的网络安全 重塑企业资源规划（ERP）引擎信任经济 一切皆服务 暗数据分析 机器智能风险影响API势在必行从单一区块链到区块链组合企业数据主权风险影响 新核心 NoOps与无服务器计算人工智能组织DevSecOps和网络势在必行数字孪生技术道德与信任认知分析 云编排技术债务逆转 网络安全内存革命 API 经济智能增强 风险影响重振核心民主化信任工业化分析 风险影响 重构核心系统 极限混合云 地理空间可视

2、化 大数据的实际运用数字ID引入式架构能力云 可视化实时分析网络智能“近企业级”应用 “ERP 已死”流言终结 DEI 技术：公平工具Businessof ITIT无界限无领劳动力金融与IT的未来 未来的 IT 从业者IT适速发展价值驱动型应用管理 云革命 信息管理 信息自动化解放供应链IPv6（真正的 IPv6）必然的架构组成技术重塑 未来联通聚构唤醒实时DevOps自主平台 虚拟化CIO 是后数字时代的催化剂CIO 调查：引领传统CIO 调查：展现传统全球研究领导动力学CIO是风险投资家CIO是首席整合官CIO 调查：创新传统CIO 是革命家CIO 卓越运营网络安全最佳企业级应用软件服务思

3、考2022202001120102015重启数字化工作环境移动化以及超越移动化游戏化工作混合现实数字现实超越营销智能界面人感体验平台 可穿戴设备 数字参与 众包工业化普适计算 立体营销 物联网增强现实与虚拟现实的运用企业移动化用户授权游戏化 移动化应用用户参与 无线和移动 用户参与 技术业务网络与信任数字体验数字现实环境体验核心现代化 软件定义一切战略工程化设计成为一门学科网络人工智能数据跨界共享更便捷技术堆栈实体化延伸IT的自我颠覆社会重塑社会激励社会型企业 社会计算资产智能十亿级定制预判未来：来自未来的报道指数型企业观察名单

4、指数型企业的社会影响稳步创新区块链:商业化应用启程云走向行业垂直化数据与分析人工智能指数级智能 云计算分布式平台量子23目录.4105397编辑寄语数据跨界 共享更便捷IT的自我颠覆： 自动 化技术的规模化应用预判未来： 来自 未来的报道62567106执行摘要云走向行业垂直化网络人工智能： 有效防御致谢3682区块链：商业化应用启程技术堆栈实 体化延伸1234567编辑寄语4第三方之间的流程自动化， 从而消除人工数据交换、 数据录入和报告的需求， 创造 “记录即报告” 的环境。 IT 部门正将其核心系统基础设施里的大部分内容自动化， 让工程师回到实际工程设计中。 人工智能在网络安全领域作用日

5、益凸显自动检测威胁并做出响应， 减轻网络安全人员的负担。 当然， 疫情也推动了今年的技术趋势发展， 但趋势并非是对新冠肺炎影响的直接反应。 与其说疫情重新调整了企业的目标， 还不如说它进一步突出了当前优先事项的重要性。企业过去认为我们关注的各项举措会在未来五到十年内实现， 但现实是？ 这些问题需要马上解决。 客户希望获得绝佳的数字+实体体验， 员工希望可以随时随地开展工作。那么您的竞争对手呢？ 过去的对手变得更加高效， 新的对手（他们的业务并未与您的业务重合） 也在跃跃欲试， 想要将您踢出舞台。 数字化颠覆者并不是因为规模小才成功的， 而是因为他们的架构精简， 使其更加果断、 敏捷和弹性， 所

6、以才能够在竞争中占据上风。 为了在当今的环境中蓬勃发展，企业也开始认识到， 要想获得更多， 他们必须做得越少。 这就是为什么他们寻求自动化、 分离和外包， 并探索支持这些理念的技术要素， 如云、 安全和数据。疫情直接挑战了传统意义上的能力极限。 它向我们展示了 ， 当生产力障碍消除后， 精力得以更集中的员工可以取得多高的成就。 在 IT 领域， 员工竭尽全力， 设置远程工作所需的基础设施， 支持全新的客户触达方式， 这增强了 IT 的可信度。 现在， 企业期望技术团队可以推动下一轮创新：找到更大的挑战， 并征服挑战。与此同时， 技术团队却觉得自身很不稳定， 很少 IT 管理者会认为他们拥有足够

7、的人员。 因此， 在充满雄心壮志但资源却有限的世界里， 企业一直尝试着以更少的代价获得更多的效益。 2022 年技术趋势 将自动化视为可持续发展和增强基础运营的新关键， 同时说明了自动化反过来将如何促进员工升级价值链， 专注于解决更有价值的问题。未来属于人类， 让我们大展身手吧。 过去两年新冠肆虐全球， 而现在我们众志成城， 努力构建 “下一个新常态” 。 作为 “技术趋势” 团队的成员， 我们相信， 这是我们创造美好未来的契机因为我们不仅要延续传统的 IT 发展， 还要重新思考如何携手前行。 毫无疑问， 前进需要我们每一个人的努力。 最好的艺术演绎人们的生活， 最优秀的新闻报道表达群众的呼声

8、。 无疑， 公众一直担忧 “机器人帝国” 的崛起， 这就是为什么我们能看到大量关于这方面的报道。 然而事实上， 由人工智能辅助的未来， 不会是一面暗黑的镜子， 也不会是解决一切烦忧的万能药， 事情并不是非黑即白。 现实是很多组织正在自动化处理繁重的重复性工作， 把人类解放出来， 专注于解决更有趣、 更高价值的问题。 如果有什么不同的话， 那么就是对于雇主来说员工变得更加宝贵， 人才争夺， 尤其是科技领域的人才争夺， 从未如此激烈。在今年的技术趋势报告中， 我们展示了领先企业正通过不同的方式， 进行自动化、 抽象和外包， 将他们的业务流程通过日益强大的技术工具来完成。 我们发现， 领军企业利用强

9、大的科技力量， 不断武装员工， 让他们能够轻松应对创新项目， 实现竞争差异化。 例如， 区块链推动企业实现与编辑寄语1234567编辑寄语5Scott Buchholz德勤管理咨询 新兴技术研究总监 兼政府与公共服务首席技术官 scott_buchholzBill Briggs德勤管理咨询 全球首席技术官 wdbthreeMike Bechtel首席未来主义学家德勤管理咨询 mikebechtel1234567执行摘要6数据跨界共享更便捷 CVS Health Catena-X 美国国防部高级研究计划局 （DARPA） Kyle Rourke, Snowflake 云走向行业垂直化 Marij

10、an Nedic, SAP 区块链： 商业化应用启程 法国公共金融机构 （Caisse des Dpts et Consignations） 周大福 （Chow Tai Fook） 美国财政部 （US Department of Treasury） 宝马集团 （BWM Group） Andre Luckow 博士IT 的自我颠覆：自动化技术的规模化应用 美国第一资本金融公司 （Capital One） UiPath 安森保险公司 （Anthem） Bill McDermott and C.J. Desai, ServiceNow 网络人工智能： 有效防御 Sapper Labs Cyber S

11、olutions 美国圣母大学 （University of Notre Dame） Mike Chapplee 美国陆军 （US Army） Adam Nucci执行摘要案例分析、 洞察和趋势 技术堆栈实体化延伸 美国西南航空公司 （Southwest Airlines） 南加州爱迪生电力公司 （Southern California Edison） 舍巴医疗中心 （Sheba Medical Center） Brad Chedister, DEFENSEWERX预判未来：来自未来的报道 德勤 （Deloitte） Mike Bechtel1234567数据跨界共享更便捷 诸多新技术致力于在

12、保护隐私的同时， 简化组织内和组织间的数据共享机制。 越来越多的组织开始借助大量以前没有权限获取的外部数据， 不断挖掘自身敏感数据的价值， 从而实现企业增长。 这将带来全新的数据驱动机遇。实际上， 在同一个生态系统或价值链内的安全数据共享， 将催生新的商业模式和产品。 例如， 新冠肺炎疫情刚刚爆发时， 很多平台共享了临床数据。 研究人员、 医疗机构和药企通过共享平台汇集临床医疗数据， 加快了治疗方法和疫苗的研发。 而且， 这些数据共享协议还帮助药企、政府机构、 医院和药店协同行动， 大范围地执行疫苗接种计划，在保护知识产权的同时确保效率和安全。云走向行业垂直化 数字化转型的重心已经从满足任何行

13、业组织的IT需求，转变为满足具体行业甚至细分行业的特殊战略和运营需求。 超大规模云服务商和 SaaS （软件即服务） 供应商正与全球系统集成商和客户合作， 提供模块化的、 行业垂直的商业服务与加速器，这些服务和加速器易于被采用和部署， 从而帮助组织打造自身独特的竞争优势。 随着这种趋势越来越明显， 部署应用程序的过程将从创造 （create） 变成组装（assembly） 这种转变可能会令整个价值栈重新排序。 业务流程将成为需要购买的战略商品， 使组织可以将宝贵的发展资源集中在战略和竞争差异化的关键领域。区块链： 商业化应用启程新潮的加密数字货币和不可伪造的代币 （NFTs） 总是占据媒体头条

14、， 激发公众想象。 不过， 这些技术和其他区块链和分布式账本技术 （DLTs) 也在企业中掀起波澜。 事实上， 区块链和 DLT 平台已经走出了技术成熟度曲线的低谷期， 正转化为实际生产力。 它们从根本上改变了跨组织开展业务的性质， 帮助公司重新思考创建和管理身份、 数据、 品牌、 来源、 专业认证、 版权等有形资产和数字资产的方式。 技术的进步和新监管标准的制定， 特别是在非公共网络和平台上的技术和标准， 促使金融服务机构以外的企业采用区块链和 DLT 技术。 随着企业对区块链和 DLT 的适应， 各行各业的创造性应用案例纷纷涌现。 成熟的行业领袖努力扩大投资组合并创造新的价值流， 而初创企

15、业则致力于挖掘振奋人心的新商业模式。执行摘要71234567IT 的自我颠覆： 自动化技术的规模化应用技术日益复杂， 用户对稳定性和可用性的期望日益高涨， 促使部分企业CIO对所在IT 组织进行大刀阔斧的改革。 他们怎么做呢？ 他们借鉴了云服务供应商的经验。 他们识别重复的人工流程， 并综合运用工程、 自动化和自助服务。这样可以缩短时间， 加快价值传递， 全面提高 IT 技术的有效性和稳定性。 这种自我颠覆式的自动化预示了一个巨大的、 但仍未被充分认识到的机遇。 以前的技术趋势， 如 NoOps、 零信任和 DevSecOps 拥有一个共同的主题， 即将整个组织代码化。 从人工管理向工程和自动

16、化迁移， 组织可以更有效地管理复杂系统， 并通过提高可用性和弹性来改善客户体验。执行摘要8网络人工智能：有效防御由于检测网络攻击涉及的庞大数据、 复杂性和高难度等问题， 安全团队可能很快就不堪重负。 企业面临的攻击呈指数增长。 5G 覆盖越来越广 ， 联网设备也越来越多， 更多企业转向远程办公， 因此第三方攻击也变得更加致命。 人工智能这时候就派上用场了 。 网络人工智能作为一种加速器， 不仅能够帮助组织以比攻击者更快的速度进行响应， 还能够提前预判网络攻击， 并采取相关防御措施。 人工智能可以扩展至新的应用范围， 例如用来提升数据分析速度、 识别异常、 检测威胁。 这些新兴的人工智能技术可以

17、帮助分析师专注于预防和补救， 并形成更积极、 更有弹性的安全态势。 而且， 如果整个企业都应用了人工智能技术， 它也可以用来协助保护宝贵的人工智能资源， 阻止人工智能驱动的攻击。技术堆栈实体化延伸 随着 “智能设备” 大规模应用以及作业自动化程度的提高， IT 覆盖范围日益扩大， 超越了笔记本电脑和手机的范畴。 CIO们现在必须考虑如何连接、 管理、 维护各种各样核心业务资产并保障它们的安全， 例如智慧工厂设备、自动烹饪机器人、 检查用无人机、 健康监测仪等。 由于停机可能危及企业或生命， 不断演变的实体技术堆栈中的设备对系统正常运行时间和弹性的要求是最高的。 同时， 可能需要一种新的设备治理

18、和监督方法， 来帮助 IT 应对不熟悉的标准、 监管机构以及责任和道德问题。 最后， CIO可能需要考虑如何招募所需技术人才和重新培养现有员工的问题。1234567预判未来： 来自未来的报道 我们知道， 我们将要面临一个充斥各种技术的精彩未来。 但是， 基于今天的技术发展， 我们无法准确预知未来如何发展， 以及如何在未来占据优势。 我们如何为这种将要发生， 但又不够明朗的事件进行准备和计划？ 在 2022技术趋势 的最后一章 “预判未来： 来自未来的报道” 中， 我们对比了三种技术的发展轨迹。 这三种技术分别是： 量子、 指数级智能 （exponential intelligence） 和环境

19、体验， 它们可能会在未来十年或更长的时间内主导整个数字化领域。 虽然这些技术目前尚处于起步阶段， 但它们都体现了研究人员的创造力，吸引了来自风险投资家、 初创企业和拥有以下理念的企业的大量投资： 未来一定会发生有趣的事情， 通过不懈努力和基础性工作的规划， 我们可以做好准备， 迎接它们的到来。执行摘要91234567数据跨界共享更便捷与他人合并数据，建立数据池，创造新机遇。 数据平台提供安全的数据交易机制。 越来越多的隐私保护技术，有助于保持共享数据安全。 共享和繁荣数据资产货币化 确保数据安全 1数据跨界共享更便捷101234567身利用外部数据的能力， 还有 17 % 的决策者计划在未来

20、12 个月着手扩大数据利用的能力。1此外， 仅全球 FHE 市场的年增长率就达到 7.5%， 预计到 2028年总价值会达到 4.37 亿美元。 目前在众多 FHE 应用领域中， 最领先的是医疗保健和金融行业。 270% 以上的全球数据和分析决策者都在不断扩大自身利用外部数据的能力。 是什么推动了这种增长？ 简单来说， 数据在共享时会增加价值。2根据 Gartner 预测， 到 2023 年， 积极提升数据共享能力的组织， 其大部分业务指标将胜过同行。3随着数据共享技术的进步， 您可以在高效率的、基于云技术的市场平台上购买和出售具有潜在价值的信息资产。 将数据与一系列隐私保护技术结合， 如全同

21、态加密 (FHE) 和差分隐私等， 您可以共享加密数据并在加密数据的基础上进行计算， 而无需对数据进行解密。 这样就能达到最佳平衡： 在保护安全和隐私的前提下共享数据。 所有这些因素， 推动形成一个极具潜力的新趋势。 由于隐私或监管问题， 存储在世界各地服务器里的， 无法被使用的敏感数据， 开始以新商业模式和新机会的形式， 在企业中产生价值。 在未来的 18 到 24 个月里， 我们预测， 会有更多的组织寻求建立无缝、 安全数据共享的能力， 拥有这些能力过后， 它们可以实现自身信息资产货币化， 同时利用他人的数据， 达成业务目标。尽管目前尚处于早期阶段， 但数据共享趋势已日益加速。 研究机构

22、Forrester Research 在最近的调查中发现， 70% 以上的全球数据和分析决策者都在不断扩大自数据跨界共享更便捷强大的数据共享和隐私保护技术开辟了新的数据货币化时代趋势1 数据跨界共享更便捷1170% 以上的全球数据和分析决策者都在不断扩大自身利用外部数据的能力。目前已有的数据共享示例如下： 利用聚合数据安全地实现共同目标。 组织可以与同一市场行业内的 “竞争对手兼合作伙伴” 团队合作， 实现共同目标， 如发掘出更深刻的客户洞察， 或检测行业内的欺诈模式。 提高效率， 降低成本。 数据供应商不需要跨企业搭建硬件设施， 维护数据库， 建立应用程序编程接口 （API） 。客户可以一键

23、获取经过匿名化处理后保存的数据。 企业内， 加密数据使人工智能 (AI) 和机器学习 (ML) 变得更安全， 使合规审计变得更容易。 扩大研究协作范围。 共享底层基础性或早期研究结果，有助于在不损害辛苦建立的竞争优势的前提下， 加快关键性研究项目。 保护知识产权。 AI训练数据等超敏感数据可以存储到公共云上， 从而得到更好的保护。 为动态实时数据加密。 在高频交易、 机器人手术和智慧工厂制造等领域， 机密数据需要在多个实体间快速流转。 FHE 允许用户无需加密密钥即可获取关键数据。1234567类似的通过数据共享和聚合来实现数据变现的场景， 可以帮助先行的探索者建立竞争优势， 这也是目前市场上

24、较受关注的一个方向。 数据共享生态系统的新加入者经常会碰到他们所谓的 “哦， 天啊” 时刻， 即发现他们的竞争对手已经在同一平台上进行了很多利用数据资产的尝试。 许多会在此刻下定决心成为最出色的 AI 和数据驱动性企业。 共享和相同方式共享作为数字化转型的命脉， 数据在德勤的 技术趋势 报告中占据着极为重要的地位。 例如， 在 2021年度技术趋势 中， 我们讨论了为实现 MLOps 的宏伟目标， 公司必须采取不同的方式管理数据。4 如今， 数据共享革命使组 织能够以更安全的方式， 获取其生态系统内的更多数据， 甚至跨组织获取数据。 但是， 要发挥出这样的潜力， 同样需要以不同的方式管理数据，

25、 此外还要运用创新技术和技能， 将信息资产从传统的隐私和安全限制束缚中释放出来。今年的数据趋势涉及三大维度： 机遇、 易用性和隐私。共享和繁荣新商业模式和机遇的前景共享数据带来共享机遇， 创造新的商业模式。 随着数据共享趋势的推进， 我们预测会有更多的组织参与 “数据协作” ， 以应对共同的挑战， 寻求互利互惠的创收、 运营和研究机会。 此外， 这种与外部数据管理服务供应商安全共享数据的能力， 有助于组织精简数据管理流程， 降低相关成本。 参考以下数据共享可能带来的机遇： 行业垂直市场。 即便是竞争最激烈的对手， 他们也常常需要通过相互协作才能完美应对共同的挑战。 以食品行业的供应商为例： 如

26、果他们全部都将敏感的销售和交付数据匿名化并加以聚合， 用于分析， 那么他们就可能更好解决行业的供需难题。 又比如， 发展中地区的银行可以匿名化聚合信用数据， 建立一套跨银行的信用风险评分体系。 再或者一个最大的应用场景， 医药研究人员和医生如果能够可以建立一个安全的生态体系数据聚合系统， 以更好的理解生命的秘密， 更快的将挽救生命的创新应用更快的推向市场 ？ 随着数据共享趋势的推进， 我们预测会有更多的组织参与 “数据协作” ， 以应对共同的挑战。 同一价值链中的合作伙伴。 许多制造商和零售商从第三方数据公司购买消费者数据， 但数据的质量往往不够好， 不足以发挥作用。 假如同一价值链内合作性质

27、的系统 （从供应商到制造商， 再到市场营销商） 能够合并池化消费者数据， 形成更细致的需求图， 那么将会怎样？ 外包 AI 模型训练。 AI 模型往往被认为是高度敏感的知识产权形式。 由于它们可安装在一个U盘上， 这就表示安全风险较高， 所以许多组织一般选择内部自行建模。得益于加密技术， 这种模式可能会发生改变。 利用安全的建模数据， 首席数据官可以将 AI 建模和训练安全地外包给第三方。 数据供应商简化交付。 在数据共享平台上， 实时市场或物流数据使用权的购买非常简单， 一键即可完成。 数据供应商无需提供 API 或发送文件。数据跨界共享更便捷1211234567一键轻松获取外部数据 基于云

28、的数据共享平台帮助组织无缝共享、 购买和出售数据。 这些高度虚拟化的高性能数据市场通常采用 “数据共享即服务” 的模式， 在这种模式结构中， 服务订阅者 （也即用户） 可以管理、 保存和定制数据。 他们还可以利用平台自带的 “数据净室” （Clean room） ， 保证自身数据达到一定的安全程度。 “数据净室” 是一种安全空间， 附有明确的使用指南， 组织可以在这个空间内聚合其数据资产， 进行分析。最后， 用户可以聚合数据并将其数据使用权出售给平台上的其他用户。 数据购买者可以获取市场、 产品或研究等不同方面的常规或定制化观点。 这种 “共享即服务” 模式的底层逻辑是基本的商业战略。 这种战

29、略在音乐文件共享和社交媒体等较受人瞩目的信息和内容共享领域的成功， 已经证明了其效用。 在这种模式下，供应商负责搭建易于使用的数据共享平台， 客户提供内容 （数据） 。5数据市场行业目前正处于 “淘金热” 的初期阶段， Databrick、 Datarade、 Dawex 和 Snowflake 等初创公司以及 AWS、 Azure、 Google 和 Salesforce 等超大规模云服务商正在激烈厮杀， 试图在这一极具潜力的市场中占据主导地位。 最具前景的是： 伴随着数字化转型， 数据增长和数据民主化的相互促进， 正在推动一场数据革命， 使得对外部数据的需求快速增长。6数据不再仅仅是影响管

30、理者决策的工具， 现在已经发展成为一种可以出售、 采购、 交易和共享的关键业务资产。 那些能够以最便捷、 最有效的方式促进此类交换的平台， 将最终成为行业数据垂直领域， 乃至整个市场内数据共享的标准。随着越来越多的组织开始寻求机会去实现数据资产货币化，并不断扩大发展其数据资产时， 我们看到数据共享的应用场景快速增加， 其中一些已经获得成功。 例如： 在新冠肺炎疫情初期， 竞争激烈的全球制药公司探索各种办法， 通过数据共享平台， 共享临床前研究数据。7 新冠肺炎疫苗接种单位利用国家管理的集中平台， 与公共卫生保健机构共享每日接种和测试数据。8 一家全球金融服务公司的投资经理实时获取和分析来自后台

31、、 中台和前台的数据， 从而， 与客户共享投资数据所需的时间从 “几个月” 缩短到了 “几分钟”9对于数据共享平台市场的某些方面究竟会如何演变， 还需要时间来佐证。 但最终必定需要一些整合和标准化处理， 不过到时若干平台市场可能已经站稳脚跟。 例如， 私人数据市场可能会出现合作性质的系统， 或者公共市场会涌现迎合特殊需求的产品。 无论最终数据市场的形式如何， 我们预测， 该领域的淘金热将继续如火如荼地展开， 尤其是随着供应商开发出钢铁般牢固的安全方案， 以及越来越多的组织加入平台， 可供消费的外部数据会越来越多。在不损害隐私的前提下共享数据数据在共享时增值。 但过去的数据隐私政策和竞争性保密需

32、求阻碍了人们实现这一价值的能力。 如今， 一系列新的计算方法 （统称为隐私保护计算， 或机密计算） 应运而生， 解开了组织及其数据的 “隐私” 枷锁。 利用 FHE、 差分隐私和函数加密等方法， 组织可以在不损害隐私的前提下， 通过数据共享获益 （图 1） 。数据跨界共享更便捷1311234567隐私保护技术也能促进竞争对手之间的合作。 比如不同金融服务领域中相互竞争的多家金融机构， 尽管它们会争夺客户， 但为了实现检测过度集中风险、 复杂欺诈手段或金融犯罪等共同目标， 它们也会想要谋求合作。另一个例子是那些不存在竞争但属于一个行业 （如旅游）内互补公司的组织会出现一些具有共同业务价值的数据共

33、享场景， 比如航空公司、 酒店和租车公司共同提供信息以推动联合市场营销和促销市场活动。 所有参与的公司都想要了解其他公司的客户行为和活动， 以便为自己的最终客户带去更多价值， 优化客户体验。 不过每家公司都有责任保护好客户信息。 隐私保护计算可能会是起到突破性作用的催化剂， 帮助这些公司展开更深层次的互动和合作。目前， 隐私保护计算领域的进展面临着四大挑战1. 许多相关技术要求有新的软件工具和变革才能利用数据， 而要充分利用这些工具并支持这些变革则可能需要工作本就应接不暇的团队投入大量时间和精力。2. 某些情况下， 隐私保护技术会影响速度和性能， 这可能会在动态数据及实时分析与传播过程中变成棘

34、手的问题。3. 对于已经移交到别人手里的数据， 目前没有简单的方法保持对数据治理和使用的控制， 这就会增加潜在的隐私或合规风险。图 1共享数据的六种隐私保护技术全同态加密： 数据在共享前加密。 数据可以分析， 但无法解码回原始信息。差分隐私： 在数据集中添加噪声， 使其无法还原为原始输入。函数加密： 选定拥有密钥的用户， 允许其查看某些部分的加密文本。联合分析： 各方共享其分析见解， 而非数据本身。零知识证明： 用户可以在不透露某价值本身的情况下， 证明其知晓该价值。安全多方计算： 数据分析会在多方之间进行， 因此任何一方都无法单独看到完整的信息。资料来源：德勤管理咨询研究和分析报告。数据跨界

35、共享更便捷. 最后， 在隐私和数据所有权方面存在着一定的监管障碍， 这将影响隐私保护计算充分发挥其商业潜力。不过， 针对所有这些问题的工作都已开始， 而且可以比较合理地预测， 隐私保护计算在未来 18 至 24 个月将催生大量实践和机遇。未来的方向 尽管隐私共享计算和先进的数据共享技术使得走在这一趋势前沿的组织不断从数据中提取更多价值， 但它们并不能满足所有数据管理要求， 也不足以应对所有挑战。 你仍然需要强大的数据治理能力， 标记和元数据依然必不可少。另外， 新工具和新方法不会一夜之间改变公司长久以来的数据文化。 例如， 成熟的公司针对数据管理和数据使用通常有着根深蒂固

36、的流程和标准， 而初创企业和数字化原生企业则可能会采取更具弹性的方法。 家族企业则由于特殊的人际关系影响着决策和战略， 无论在企业外部实现哪种程度的数据匿名， 此类企业都倾向于不共享持有的数据。我们认为， 在通往新时代变革性数据共享的道路上， 这些问题以及类似的问题只不过是小小的绊脚石。 毕竟你的服务器中就有着一个尚未开发的资产， 那你还有什么好犹豫的？ 数据跨界共享更便捷1511234567先行者 经验随着疫苗的持续供应， CVS 也面临着新的挑战。 每次继续向零售店铺供应疫苗之前， Kirubakaran 的团队成员都会聚在线上策划室内分析人口分布和需求数据， 以判断哪些地区供应不足。 K

37、irubakaran 说： “我们的预测必须尽可能准确， 让需要疫苗的地方能够得到供应。 ” 后来， 他的团队根据每家店铺的供应信息改进了预测方式。 为了解有哪些地区疫苗需求量大， 他们甚至还分析了互联网上关于新冠肺炎疫苗的搜索。随着疫苗接种速度减慢， CVS 计划将共享数据用于其他领域。 例如， Kirubakaran 的团队正在尝试使用实时数据了解客户在零售店购买的商品，并与客户过去的购买行为进行匹配， 从而在结账时更精确地提供优惠券。 他所遵循的一条在 CVS 发挥着指导性作用的理念就是， 所有 CVS 员工都应该将客户视为他们的服务对象而不是销售对象。 Kirubakaran 说： “

38、这一理念旨在为社区服务， 为客户带来流畅的体验， 而且只获取客户允许我们访问的数据。 ”Catena-X 变革汽车价值链协作模式 欧洲汽车制造商所在的行业十分成熟， 它们的生产制造是基于精密计划和长期优化后的JIT生产方式， 这种模式很难应对过去一年中疫情带来的各种不确定性。 面对新冠肺炎疫情带来的供应延迟和芯片短缺的双重危机， 欧洲汽车行业需要迅速做出反应， 但从供应商到客户再到回收商， 整个汽车价值链的信息都十分割裂。 包括宝马和西门子在内的几个主要制造商、 供应商和科技公CVS基于数据供应疫苗CVS Health在美国各地拥有近 1万家门店， 每年都成功完成流感疫苗和其他疫苗的接种工作，

39、 在这个基础上， 该公司在新冠肺炎疫苗供应方面做出了重大贡献。 2021 年春季， 当新冠疫苗开始大面积上市时， 这家医药零售巨头需立即做出分析， 以了解最需要疫苗的地区和时间。 CVS零售数据工程高级总监 Karthik Kirubakaran 表示， 该公司数据管理流程和技术成功应对了这一挑战： “因为我们拥有有效的数据策略， 所以我们能够在几周而不是几个月的时间内扩展我们的能力并推出新的系统。 ”10 Kirubakaran 及其团队收集了来自疫苗供应商以及美国疾病控制与预防中心 （CDC） 的外部数据来预测供需情况。 之后， 他们将这些信息输入内部系统， 以支持患者进行预约、 合作伙伴

40、搭建诊所， 分析师衡量防疫活动有效性。该团队还与外部研究机构和高校共享数据， 帮助评估疫苗接种率。 他们在疫情期间以前所未有的速度完成了所有这些工作。 幸运的是， CVS的数据组织能力使其能够快速理解输入的数据， 与此同时， 数据共享工具也保障了安全和近实时的数据交换。 Kirubakaran说： “我们通过创建横跨多个平台的数据网络快速取得进展， 而不是局限于某一项单一技术。 ”该团队迅速建立起管理系统， 并将数据保护以及隐私和数据安全合规性放在首位。 他们还明确了所有者和管理人， 并为传输和存储的数据创建了不同层级的安全措施。 例如， 该团队利用第三方 “净室” 技术将数据匿名， 从而支持

41、分析人员根据人口分布区隔而非个人身份衡量疫苗供应计划的成效。数据跨界共享更便捷1611234567司因此联合起来， 设计了一种新的工作方式。 28 个合作伙伴共同推出了 “Catena-X” ， 这是一个数据交换生态系统，使各个组织能够按照自己的条件共享信息， 同时保护隐私和保障安全。 Catena-X 联盟的负责人Oliver Ganser说： “我们需要一个能与价值链上的伙伴展开合作的平台， 一个开拓全新竞争领域的平台。 ”11Catena-X 是 “链” 的拉丁语， 该系统于2021年8月推出，是欧盟联合安全数据共享标准 (GAIA-X.12) 的首批主要使用案例之一。 这种去中心化的方

42、法涵盖多个遵循统一欧盟标准的独立平台。 使用 GAIA-X 的组织可以在维持数据主权的同时进行数据交换和跨部门协作。 Ganser说： “我们可以放心地把数据放到 GAIA-X 框架中， 而无需公司自行建立信任关系。 ” GAIA-X提供了所需的标准， 小型和大型企业最终决定加入 Catena-X 以解决它们应对的供应链问题。 在某个案例中， 一家汽车制造商发现了一个可能影响到其数万辆汽车的质量问题。 这种情况下通常会大规模召回问题车辆， 而且供应商可能会遭受数百万的罚款。 但通过与供应商合作共享数据， 制造商能够准确识别质量问题， 并减少超过 80% 需召回的车辆数量。13 在不久的将来，

43、Catena-X 将提供用户友好的系统环境，与企业资源规划集成以传输数据， 并且还会提供软件即服务型门户网站供小型供应商直接上传数据。 随着新企业的加入以及价值链上多元合作伙伴的联手， Catena-X 联盟预计将能创造新的商业模式。 例如， 合作伙伴可能会针对带有特定参数的共享数据支付奖励费用， 另外， 可持续性和循环经济也是主要的应用领域。 Ganser说： “各组织加入最主要的原因就是想要通过共享数据来解决复杂的业务问题， 数据货币化并不是我们首要考虑的问题。 ”Catena-X董事会意识到， 对于像德国制造业等历史悠久的行业而言， 变革可能会很困难。 Catena-X 董事会成员兼西门

44、子公司总监 Claus Cremers 说： “这不仅仅是技术， 这是汽车行业的变革。 ”14董事会致力于重新思考价值链作用， 鼓励成员转向创业思维。 董事会的最终目标是要将这种合作方式从欧洲延伸至全球。 Ganser说： “我们会继续生产汽车， 但我们可以重新打造整体业务运营的模式， 而不是依靠过去的方法。 ”DARPA 推动数据加密技术发展 美国国防部高级研究计划局 (DARPA) 一贯致力于推动新兴技术发展。 该机构隶属于美国国防部， 它赞助的研究项目帮助创造了从互联网、 个人电脑到无人机、 GPS 等各项技术。 目前， DARPA 正在研究共享数据的同时降低隐私和安全风险的新方法， 以

45、支持云计算和其他虚拟网络的发展。 DARPA 项目经理 Tom Rondeau 博士认为， 通过隐私保护技术建立信任是实现民主观念的关键。 Rondeau 说： “在保护隐私和保障安全的前提下共享信息是民主的基础。 ”15Rondeau领导了虚拟环境数据保护 （DPRIVE） 项目， 该项目资助初创企业和现有企业创建能够实现先进加密技术的硬件。 标准加密技术可在数据运输或存储过程中确保数据安全， 但用户必须解密数据才能用作计算用途， 这就会受到网络威胁的影响。 相比之下， DPRIVE 重点采用全同态加密 (FHE)， 该技术即使在计算过程中也能保护数据。 目前， 将 数据跨界共享更便捷171

46、1234567FHE 技术应用于敏感数据存储可能需要耗费数月的计算时间。 DARPA 的目标是通过开发专用芯片和协处理器来大幅度缩短这一时间。 这一隐私保护技术一旦实现并嵌入到手机和平板电脑中， 就可以通过每台消费者手中的设备， 安全地收集和存储数据， 而且只会加密数据才会发送到其他地方进行分析。 Rondeau说： “如果我们能够加快 FHE 的运行速度， 这项技术可以成为我们几乎每个应用程序数据处理方法的基本组成部分。 ” 通过FHE， DPRIVE团队正在按严格程度 （即计算难度） 创建安全标准， 因此用户知道他们的数据有多安全。 根据Rondeau的说法， 对安全等级的理解应该像购买保

47、险柜一样。 保险柜的安全级别依据熟练的窃贼需要花费多长时间破解密码来划分。 保险柜的安全等级方便买家根据物品贵重程度来选择合适的保险柜。 同样， 如果数据管理团队知道黑客破解不同类型的加密信息需要多长时间， 他们就可以确定哪些信息需要最高级别的安全防护， 以及更改密码的频率， 从而防止黑客入侵。 Rondeau 说： “我们需要能够明确证明某样东西有多安全， 这不只是为了让消费者在使用设备时感到放心， 也是为了更好地衡量国家安全。 ”DPRIVE提供了与其他政府共享国家安全威胁数据的重要用例。 Rondeau说： “FHE可以成为共享现场情报数据的方式， 同时保护获取情报的来源和技术。 ” 同

48、样， 在进行金融犯罪分析时， 执法机构需要数据分析犯罪活动， 与此同时，银行也有权保护客户的数据。 Rondeau认为， 先进的加密技术可以帮助双方在不侵犯隐私的前提下共享和分析用于识别洗钱活动的数据。目前的 FHE 计算是非常密集的计算， 对于许多用例而言耗时太长。 尽管 DARPA 正与合作伙伴进行合作， 试图通过更好的硬件解决这一技术问题， 使扩大该解决方案的应用规模则是 DARPA的最终目标。 Rondeau 和他的团队认为， 一旦隐私保护技术、 方法和标准成为常态， 随着时间的推移，它们将有助于保护每个人的隐私。 Rondeau 说： “这一技术能够体现和传达我们在信息安全和隐私方面

49、的民主原则。它能为我们带来诸多好处。 ”数据跨界共享更便捷1811234567随着绝大多数企业计算向超大规模云服务商转移， 全世界的数据正通过云服务商整合到少数物理数据中心内。然而， 单靠这种转变并不能使访问和解锁数据变得更容易， 以实现跨组织的数据货币化。 Snowflake 在十年前便认识到， 要想高效共享和利用数据， 组织需要成为相互信任和共同治理网络的一部分， 并由能够打破数据孤岛的技术作支撑。Snowflake 一直都致力于赋能组织在云端存储和分析数据。 随着客户不断实现更卓越的性能和并发收益， 他们也将目光投向更多数据， 甚至包括其他组织拥有的数据。 我们在去年推出了我们的基础技术

50、， 它创建了一个单一的网络， 类似于一个巨大的关系型数据库， 或者说数据社交网络， 每个客户都可以与该网络连接。 各组织只需在平台内授权， 就能够根据自己的意愿与其他组织实时共享数据。 我们也亲眼目睹了进行合作的组织数量迅速攀升。我的观点Kyle Rourke Snowflake公司全球平台 战略副总裁数据跨界共享更便捷1911234567当然， 组织在没有隐私措施的情况下不能共享大多数数据。 与我们的数据网络类似的技术需要具备强有力的治理能力以促进信任和推动共享意愿的产生。 “净室” 将来自多家公司的数据汇集到一起， 根据数据安全保障指南进行联合分析。 对查询操作进行限制可以防止对个人身份信