数据管理的现代化,以提高价值和降低成本

继续转变向云基础设施需要新技术和技能实现和发展数据集成、数据质量和元数据实践。

数据集成

今天的数据集成方法必须启用分布式和增强数据管理。这一转变的趋势影响包括:

• 市场领导者输给规模较小的供应商。前五名供应商的综合市场份额萎缩是领导人更专注于集成平台和功能少点。

• 云数据生态系统推动经济增长。供应商获得的市场份额通过专注于特定的数据集成方式,比如数据虚拟化或数据复制。

• 数据结构和推动增广数据集成。市场要求的解决方案,使自动化和增强数据集成和支持。

• 数据网格获得牵引力。组织正在寻求获得更多的分散数据产品交付通过敏捷功能交付数据作为一个产品领域和业务团队。

• FinOps和财务治理成本优化。数据和分析团队将越来越行企业,领导人需要一种方法来关联集成工作负载运行的成本与它们相关联的值。

• 支持混合和intercloud数据管理。将近一半的数据管理实现使用本地和云环境,使混合动力管理和集成的关键市场。

独立的数据集成工具,以防止锁定:这是特别重要的组织使用应用程序和嵌入式数据集成功能。

数据质量

数据质量是数据分析的首要任务计划的影响,但是它驾驶业务价值。然而企业相关数据质量面临以下挑战:

• 有限的内部能力和策略。组织努力规模和团结不同的数据质量的努力为企业成功和效益。

• 由于数据仓库数据不一致。数据仓库进行数据标准化难度,导致数据不一致。

• 缺乏所有权和协作。数据质量实践重点项目或数据域级别,不是在企业级别。

逻辑数据仓库(LDW)是当前数据管理基础架构最佳实践,理由是它的当前位置在高原的生产力Gartner炒作周期数据管理。

LDW从企业数据仓库(仓库),聚集一个组织的数据在一个地方在一个通用格式所以能轻松使用的。然而,大数据的发展,物联网(物联网)和社交媒体,以及云计算的复杂性不断增加,multicloud和混合环境中存储和处理各类数据在一个关系型DBMS服务器不可行。

数据管理策略必须发展为包含模型的集合分析服务器、数据仓库、数据湖泊和数据集市是逻辑上与元数据和数据集成虚拟化——LDW。

逻辑数据仓库的优点和缺点

LDW的优势包括:

• 提供各种数据,以及本地和远程数据

• Preintegrates多个分析组件

• 提供了一个单一的逻辑视图的数据

• 使多个探索性观点

长春有一个主要缺点,然而,他们需要有针对性的,适当的,但重要的设计和管理工作。出于这个原因,组织已经开始下一个进化数据管理策略对数据结构。长春提供一个坚实的基础,使这种转变,因为他们已经集成的元数据,建立了多个服务器之间的接口和多个数据集成方法。

尽管云的持续发展和预期的数据管理策略的变化,当前状态被定义为大量的数据仓库,人们传统数据管理实践,和建立技术、角色和变更管理流程。这些特点导致正在进行的问题,如缓慢的上市时间,低生产率和可怜的自助服务。

未来国家将建立在增强的基础数据管理功能进行数据存储、集成、元数据和治理。这个未来状态的特征包括:

• 财务管理:数据管理资源的最佳使用

• 数据交付DataOps:卓越运营

• 数据结构:灵活的访问、集成和管理的数据

过渡从目前到未来状态需要数据分析领导人解决存在的差距和解决组织所面临的管理挑战。这些漏洞分为三大类:

技术差距

云数据管理技术不同于本地数据管理、创建几个空白组织需要解决。例如,云应用程序有不同的方法:管理资源,包括工作,用户群;存储和处理数据;和管理网络。这些差异意味着组织将无法将所有现有应用程序初始到云上。在某些情况下,您将不得不重新设计底层体系结构、解决方案和操作模型。

业务差距

操作(ops)中起着关键的作用在确保您的组织从数据管理实现价值投资。有各种操作任务,包括监控、性能调优、家政和正在进行的维护。升级和更新的时间也起到了一定作用。将数据管理迁移到云不一定会解决这些行动差距没有有意识的关注持续改进。问:运维活动我们可以退休吗?运维活动会改变吗?需要新的运维活动?

数据管理的最终目标是使业务价值通过具体的用例。虽然数据管理策略的总体趋势通过云基础设施和数据结构现代化,现代的用例还将推动架构决策统一数据湖和数据仓库等模式,以及专用数据存储、整合数据存储和处理。

例如,营销人员已经接受客户数据平台(CDP),使其关键的用例。CDP是营销体系,结合公司的客户数据从营销和其他渠道,使客户消息的时机和对象建模和优化。