京公网安备 11010802034615号
经营许可证编号:京B2-20210330
作者 | 网络大数据
来源 | Lilia Severina的演讲
1、停电导致的业务中断迫使政府和企业采取行动
IT化程度越高表明对基础设施的依赖程度越高,因而由于断电导致的业务中断影响就越大。在一项针对企业数据中心最近或较大的一次停机事故的调查中,约33%的受访人表示导致事故主要原因为供配电故障。
用户被断电后业务不能快速恢复的难题所困扰。世界各地的监管单位开始对断电后的快速回复能力提出要求,并出台断电的惩罚措施。
2、互联网应用向边缘化发展
下一波互联网的建设正在进行中,建设将更多集中在边缘。带宽、成本和时延是边缘数据中心需求的原因之一。大区域数据中心可满足多种需求,支撑数千个微型数据中心(亿级设备)。
3、数据中心的能源利用不断攀升
2020年,数据中心能源使用将继续稳步上升,使地区电网紧张。《关于过去五年数据中心行业能源使用和二氧化碳影响》的专题报告显示:2014年欧洲数据中心能耗大约是104 TWh,到2017年已经增长为130 TWh,增长25%;2018年,中国数据中心能耗为160 TWh,至2023年可达266.79 TWh。
5G催生出的新业务、视频、区块链等也是驱动力之一。
4、现金流促进数据中心市场发展
一波新投资者正在涌入活跃的数据中心市场。新投资者可能有更长的投资时间线和更低的投资回报率阈值。企业运营者可能发现其客户对数据中心有浓厚的兴趣,特别是在城市或者城市边缘。
5、数据越多,自动化数据中心将越多
DCIM和云驱动的人工智能为数据中心的自动化提供可能。运营者将自动化运用于制冷优化、低利用率服务器、智能供电等领域。成熟的数据中心管理模型可以分为基础、被动反应、主动响应、优化、自动优化五个层级。软件将在整个数据中心广泛运用。
6、成本的大幅下降为数据中心锂电储能创造了极大的机会
根据彭博社的数据,从2010年到2018年,锂离子电池的成本(每千瓦时美元)下降了85%。大多数分析师预计,在未来五年中,跟着大规模生产的出现,价格将继续稳步下降,这为在数据中心以锂电的储能方式创造了很大的机会。
7、“即付即用”模式扩展到关键基础设施。
越来越多的业务和运营者希望采用“服务即付即用”的模式,包括基本设施。运营商希望转移过时、地利用了、不合规或需求不断变化的风险。提供管理工具、关键电力和微型数据中心服务。
8、微型数据中心需求激增
微型数据中心建设需求正越来越多,且2020年后会越来越强。许多厂商以创新的设计进入市场,并针对特定需求进行了优化。电信公司将是较大需求者,零售和制造业需求也很强劲。
9、专业人才普遍短缺,而且正在恶化
对数据中心的人才需求持续大于供应。人力短缺将带来许多后果,推高成本,在某些情况下增加风险。业主、培训人员等需花几年时间以适应不断增加的人力需求。
10、气候环境变化促使数据中心法规立法
国家、城市两级立法者都希望数据中心更加环境友好。这些策略包括:设定较大允许PUE,禁用化石燃料备用电源,鼓励热能再利用。气候危机使下一代领导人加强数据中心控制。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14