到2025年，据IDC预测，全球将存储超过175ZB（约175万亿GB）的数据。这个数据量是如此之大，以至于用现有的带宽去下载它们，大约需要18亿年。由于网络和法规的限制，大约68%的企业数据并未被使用。

对于数据的处理，组织通常采用以下三种方法：

1. 使用集中式系统：像Adobe Spark和Hadoop这样的框架经常被组织用于大规模数据处理。但是，这些系统并不能有效地应对数据迁移的问题。

2. 自行构建：一些开发者会创建定制的系统，但这些系统经常因为对几个人的过度依赖而面临失败的风险。

3. 无所作为：令人惊讶的是，很多组织选择不处理数据，例如一个城市可能每天从监控录像中收集数PB的数据，但由于巨大的成本，这些数据既没有被存档也没有被处理。

但是，分散计算为我们提供了一种新的解决方案。这种计算方法能直接在数据存储的地方进行，而不是迁移数据。

目前有两种主要的解决方案：

1. 基于开源的数据计算平台：开发者可以利用开源的分散数据平台进行计算，这样企业只需构建他们需要的组件。

2. 基于分散的数据协议：通过先进的计算项目，像Bacalhau和Lilypad，开发者可以在真正的分散数据协议上建立系统，如Filecoin网络。

使用像Filecoin这样的分散协议，数据科学家可以随时请求网络从世界任何地方选择一个数据集，同时满足任何管理结构的要求，并以尽可能低的成本运行。

总之，处理数据是一个复杂的问题，需要寻找创新的解决方案。使用开源的数据计算平台代替传统的集中式系统是一个良好的第一步。

最终，部署在像Filecoin这样的分散协议上将解锁一个计算的宇宙，用户可以根据自己的需求选择和使用计算资源，这在大数据和AI的时代非常关键。