企業網盤將成下一個數據高地？

孫泠

在國產發動機制造企業玉柴集團，每天都有大量基于CAD軟件的設計圖紙產生，其中除了制圖設計功能，更多的需求來自單純的預覽；而對玉柴來說，每年單單為了預覽功能就需要支付高額的軟件訂閱費。

“通過聯想企業網盤的云端識別功能，不需要和正版CAD軟件進行對接，就可以在所有需要預覽的地方提供服務，光這一項節省的費用每年就非常可觀。”在聯想云產品研發副總裁張躍華看來，企業網盤正在系統提高企業文件處理能力并降低成本。隨著云存儲技術的日臻成熟，企業網盤這一產品也在煥發新的生機，提供更為廣泛的文檔存儲、管理、共享、協作服務。

企業網盤進化路徑

在艾瑞咨詢近期發布的《2018年中國企業網盤行業發展白皮書》中，中國企業網盤市場保持了快速增長的勢頭，其中聯想企業網盤在同行業市場份額上連續五年蟬聯冠軍，市場占有率逾40%。

作為面向企業提供的基于云存儲技術文件訪問、備份、共享、管理、協作的服務，近十年間，企業網盤由單一的存儲功能向協同辦公深度發展，經歷了持續的升級迭代。

從最初僅僅提供數據存儲和備份的1.0時代，到關注網絡環境下的數據分發的網盤2.0，再到解決整個數據管理的全生命周期——數據的存儲、備份、分享、協作問題的3.0時代，企業網盤不斷向符合用戶操作習慣的方向發展，逐漸形成簡潔易用、功能全面、交互便捷、用戶友好的成熟產品。未來，網盤將走向以文件管理和創作為入口的企業協同辦公平臺，讓整個文件的編輯生產以及后期的管理形成完整的生態閉環，使數據在安全和效率雙方面得到大幅提高。既能管理數據，也能在云端進行協同辦公，大幅提高了協同效率。

作為最早明確企業級服務定位的國內廠商，聯想企業網盤從2006年內部孵化，2009年開始僅面向企業開放，鎖定企業級市場，成為中國企業網盤市場入局最早的玩家。聯想企業網盤去年發布了新產品Lenovo Docs，Lenovo Docs類似于Google Docs的多人協同編輯，可以實現Web端在線編輯，無需下載到本地編輯后再上傳至網盤，整個文檔編輯過程與網盤無縫整合，不需安裝本地Office就可以實現文件編輯，將操作閉環完全搬至云端，同時支持多人基于同一文件實時在線編輯，實現真正的多人并行編輯效果。

張躍華將聯想企業網盤保持競爭優勢的因素歸納為，“多年深耕行業的技術功底、對各類企業業務架構和真實需求的理解能力，以及對復雜業務系統的理解”。一是因為服務著大量的頭部客戶，從頭部客戶往下做，對多樣性的復雜需求擁有很好的承接能力；二是發端于聯想這樣一個跨國企業，更加深入了解企業IT是如何一步步建立起來的。另外，在服務方面，聯想云復用了聯想集團完善的產品運營服務體系，已穩定運行11年的聯想企業網盤的客戶覆蓋50余類行業、200多家龍頭企業，為客戶提供安全存儲備份、文件分發匯總、大文件極速跨國傳輸、移動辦公、在線編輯預覽等全面的功能，解決了企業信息化建設、文件管理、內外協作、跨國、跨企業傳輸的痛點。

走向協同與智能化

未來網盤會成為什么？艾瑞的報告歸納了未來企業網盤市場發展的幾個重要趨勢。

第一，公有云和混合云部署模式的競爭將更加激烈。出于對成本的考慮，以及新入場玩家定位更偏向公有云部署，未來公有云和混合云的部署模式將成為主推模式，這與整個云市場的發展趨勢是一致的。

第二，PaaS化是辦公文檔協同的必然方向。PaaS是戰略制高點。企業網盤作為統一的信息出入口，通過PaaS化可實現各信息系統互聯互通，并為其他SaaS服務類型提供數據信息的存儲支撐，開放更多端口實現應用的集成，從而實現企業文件全生命周期管理，解決信息孤島的難題。

張躍華毫不懷疑，未來網盤會成為整個協作和文件生產的入口——企業的入口就兩個，一是基于網盤的協作入口，二是IM（即時通信）入口。對于企業而言，文件數據和非結構化數據，統一將由網盤來進行管理——網盤會成為企業文件的統一入口，也將成為企業數據管理中心；另一方面，擁有海量的非結構化數據，就可以進行大數據分析和智能分析，也就是說，企業網盤將成為企業內部的新智能化中心。“Facebook和Google都是從應用為中心轉向了以數據為中心，通過數據進行驅動，所謂‘IT即業務就是IT要更面向業務。”

同時，這也創造了新的數據安全業務場景——全生命周期的文件管理，需要以智能化手段解決文件全生命周期的安全問題。

第三，新技術的加速利用，比如AI可以協助企業網盤升級編輯、分類、搜索和識別信息的能力。未來，企業網盤的文件編輯、內容搜索等功能模塊都可借助人工智能技術升級。

基于網盤數據的智能化分析如何為業務賦能？

張躍華舉例聯想研究院正在進行研發的智能文檔審核，“未來，AI可以幫你審核一個合同或者一個招股說明書里，有沒有前后不一致的地方？有沒有邏輯上的矛盾？”另外，現在用語音輸入寫一個辦公文檔識別率非常低，因為其中會有許多專有名詞，而當網盤把這些文件聚集在一塊的時候，就可以作為機器學習的良好材料。