也许在今天脆弱的商业环境中可以确定的是，无论明天会发生什么，蓬勃发展的数据格局将继续朝着越来越去中心化的方向发展，云、边缘计算、物联网和远程工作范式的未知增长很容易揭示出这一点，尽管这些发展非常适合分布式协作和的客户视图，同时减少了智能决策的信息延迟，但它们对数据管理的基本原理产生了非常实际的影响并非所有这些都如此乐观。

AI如何能帮助找出问题所在，以及如何行为科学能够在理解为什么个人都推迟免疫是关键，值得庆幸的是，世界各国都在开展 COVID-19 疫苗接种工作，尽管随着疫苗接种率的持续上升和新感染率的下降，仍然有一些令人鼓舞的消息，但在世界试图正式控制 COVID-19 大流行的过程中，一项重大挑战仍然存在，疫苗犹豫不决。

近的创新产生了更丰富、更多样化且与真实数据相似的合成数据，使其在提供机器学习模型所需的缺失数据方面比以往任何时候都更有用，开发和部署机器学习模型有许多障碍，将业务目标与技术能力相匹配、在云和本地之间移动工作负载、寻找有经验的人员以及打破数据孤岛，所有这些挑战都是复杂且难以解决的，然而由于近的创新，另一个障碍——机器学习模型训练的数据短缺——即将被克服。

为应对全球大流行，企业被迫将大量数据和工作负载转移到云中，但对隐私和安全的担忧仍然存在，机密计算为这些担忧提供了答案，但并非所有解决方案都是平等的，将数据移至云端可提供一系列经过验证的存储和访问优势，因此难怪各种规模的企业都开发并采用了云战略来应对 Covid-19 大流行造成的剧变，为应对病毒所采取的措施，特别是远程工作的增加，引发了需要安全可靠地存储、传输和处理的数字数据的激增。

由于新的业务需求、不断变化的工作环境以及 2020 年代当前和未来的运营限制，提供足够的数据安全骨干和强大的企业级安全文化已成为 CISO 的核心关注点，抓住随着数据量的持续增长，维护数据的机密性、完整性和可用性 (CIA) 已成为所有安全的首要关注点，管理不断变化的数据足迹需要稳固的数据保护态势，这需要投资于适当的数据分类工具。支持这一点的应该是员工教育计划，该计划可以让员工了解关键数据管理和分类流程，但在所有这些中，自动化是成功的第三个关键因素。

健康护照是应对全球大流行的举措。这个想法也越来越受欢迎，因为它似乎是帮助重新打开 Covid-19 后世界之门的明显解决方案，然而一个人阻止病毒传播并使世界恢复到病毒爆发前的互动水平的常识方法可能是其他人糟糕的噩梦，魔鬼一如既往地藏在细节中。