隨著時間的推移，世界各地的電影制片廠和制片公司，都捕捉到了大量的素材。但這些資源深處其實還隱藏著未被充分利用的寶藏。這些寶藏中蘊含著巨大的價值，或者可以作為大數據應用程序的一部分加以分析，從而為我們提供精確的預測、關聯分析，或為我們帶來期望的結果。為了得到最終結果，我們應該把這些內容用可靠且經濟的方式存儲起來，確保萬無一失。這樣才能通過數據分析、人工智能（AI）和機器學習（ML）開啟貨幣化的道路。而媒體庫和分析平臺的構建，既可以在企業本地，也可以在云端完成，或著由二者結合來完成。

選擇一個供應商購買他的服務，在公有云中存儲內容，對許多工作室來說是一種萬全的方式。目前主要的選擇有Amazon?,Microsoft?和Google?。既然每個供應商的特性和能力互不相同且各有所長，那我們為什么不使用多重云方法？隨著技術變革，制片廠有選擇更好工具的自由，不用對任何一個供應商從一而終。

Amazon的公有云擁有非常成熟的服務，一個很棒的合作伙伴生態系統，它同時提供附加功能，用戶可將其作為簽約服務的一部分來使用。Microsoft也有很好的合作伙伴和方法，用戶可將其特別用于媒體與娛樂，比如Avere系統的企業云NAS，將云存儲和計算連接到基于云的企業架構中，或AvidTechnologies的音頻和視頻數字非線性云編輯能力。Google的公有云擁有一套專為媒體娛樂設計的工具，包括分析、翻譯和轉碼等。

隨著云技術的發展，制片廠不可能只選擇一種公有云。電影產業要將內容貨幣化，最好的方法就是對公有云存儲保持中立的態度。
?

混合的分析方法

技術的進步為媒體與娛樂內容的測量分析帶來了有趣的機遇。制作人現在可以將即時反饋和元數據合并到內容創建過程中，使他們能夠根據消費者的需要、喜好和/或趨勢來調整輸出。

公有云也因其巨大的存儲能力、簡易訪問性及相對少的財力投入，得到了制片公司的青睞。用戶可以通過加大計算核心或存儲能力來運行一個作業，并能夠在作業完成后退出這些資源。在公有云中還有許多特殊的工具套件，制片廠可以將它們作為服務協議的一部分加以利用。

與此同時，將內容存儲到本地使得許多有價值的媒體與娛樂資源更接近PB級別，PB級別的云更容易獲得，相比于公有云這更可行且更經濟。如今，對象存儲系統已作為中央媒體知識庫和/或線上檔案得到了廣泛的應用，可更好地管理和控制數據分析的可預測性能。與公有云不同，本地存儲解決方案幫助用戶實現了內容的移動和存儲—包括文件和對象—而無需支付任何費用。

同樣地，制片廠現在也開始使用混合存儲方法。這樣，他們能夠輕松擴展并對觀眾行為的結果進行分析，從而更好地生成的內容，更透徹地理解內容是如何在產生過程中移動的。他們還擁有大量的歷史數據，能夠對預測模型進行分析和開發，或通過機器學習，讓他們的攝像機、視頻制作設備甚至可穿戴設備更有效運行。

在企業內部進行本地分析有兩個好處：（1）存儲媒介可用于同一個公司的多個分析作業；（2）制作作業資源可與類似的、單獨的或組合的生產模型的分析工作流和使用案例相結合，帶來更深遠的效果。
?

為什么選擇對象存儲？

為彌補從公有云中不斷分離的內容所產生的高昂成本，有一個更經濟的方法就是將大部分內容存儲在一個高度可伸縮的對象存儲系統中。該架構可存儲如文件或物件（無論其是否是文件）、電影、視頻、音頻、影像、照片之類的內容或非結構化數據的其它部分。每個存儲的對象都包括元數據，其可提供與對象和其自身數據有關的描述信息。由于是用戶定義元數據，數據分析、發現技術或其它信息可支持大量正在縮放中的電影或視頻，同時可將對象聚集起來，從而有效實現內容擴充。元數據分析也可以用來分析消費者的偏好。

對象存儲是電影業前進的方向，因為這些系統可以跨越三個位置復制數據（與基于文件的三重鏡像模型類似），而每個位置只需要三分之一的編碼對象。他們還可以使用糾刪碼和數據擦除技術在幕后檢測錯誤并自行完成修復，達到19個9的數據耐久性。

結語

世界各地的制片公司和制片廠都使用公有云對其獲取到的內容進行保護、優化、分配和分析，同時也通過公有云解決具體問題。通過公有云和本地PB級對象存儲解決方法開發混合云方法可幫助推動內容的貨幣化，使后期制作團隊能夠使用更新、更好、更先進的工具和技術。這種通過分析、人工智能和機器學習，從獲取的內容中提取更多價值和情報的能力也為明天創造了財富—永遠保持內容的價值！