过去两年对数据管理技术的发展意义重大，主要是因为大流行和相关因素。几乎在一夜之间，分布在各地的大中小型组织突然意识到在线业务模型和托管数据管理服务的重要性。冠状病毒给全球企业“适应或灭亡”提供了最后的推动力。云提供商提供的托管服务具有许多优势，其中最重要的优势之一是释放本地硬件、软件和员工资源，用于比常规企业数据管理更关键的工作。
数据管理技术：2021-2022 年的显着趋势
2022年数据管理趋势强调由于可扩展性，全球组织越来越多地转向基于云的数据管理平台。云服务提供商提供完全托管、可扩展且经济的数据管理服务，不会对数据质量和安全造成任何损失。云平台帮助企业保持对数据的集中控制，并根据需要轻松访问数据。
这显着的 DM 趋势继去年之后有：
增强分析：增强分析突然变得非常流行，因为它有助于自动化大部分数据采集和数据准备任务，以便人类分析师可以将时间投入到深入钻探以获取洞察力。预制 ML 模型和自然语言处理(NLP) 是
数据分析师工具箱中的最新工具，可在不依赖数据科学家专业知识的情况下提高分析或 BI 任务的质量和可靠性。增强分析还推动了公民数据科学。
自助数据管理：全球企业正在走向“数据民主化”，这将使普通的销售、营销和客户服务人员成为自我支持的数据分析师。人工智能和
机器学习，共同迎来了一个时代自助分析以及 BI 平台和工具，使所有业务用户无需专家帮助或培训即可管理和分析复杂的业务数据。企业内的职能团队现在可以免提操作日常数据处理任务。
云分析即数据分析服务：云分析服务提供商在 2021 年发展到令人印象深刻的地位，并将在整个 2022 年继续增长。云分析比本地分析提供了几个优势，其中最重要的是释放- 为更关键的技术项目提供数据科学团队。第二个最重要的优势是云分析有助于释放内部资源和日常维护时间。这两个原因共同提供了巨大的成本降低、效率提高和业务流程优化。随着云技术的不断改进，它将很快超过一般企业的性能目标。根据 Gartner的预测，到 2022 年，数据分析领域 90% 的解决方案将基于云分析。
首席数据官 (CDO)：主要是战略角色，CDO 直接向组织的首席执行官 (CEO) 报告，并在制定企业内的数据管理战略、政策和流程方面拥有巨大的权力。较小的组织可能还没有意识到 CDO 的价值，但大型企业肯定赞同雇佣 CDO 并授权其领导数据管理职能的想法。CDO 负责与企业数据和数据管理相关的任何事情——从将整体企业目标与数据管理目标保持一致，到监督数据治理事务。数据治理与 DG 工具一起，再次确立了自动化服务在减轻与数据隐私法律法规相关的风险方面的能力。
数据交换：数据交换近年来，作为增加业务收入和促进合作伙伴企业之间合作的一种方式，它已经发展壮大。 组织要么直接在彼此之间交换数据，要么参与中介服务提供商。交换伙伴之间的健康合作具有许多竞争优势，主要优势在于分享宝贵的见解以实现互惠互利。
区块链作为传统数据库的替代品：组织正在慢慢接受用分布式分类帐系统替换其遗留数据库的趋势。这项新技术提供安全、资产跟踪、智能合约和审计跟踪。然而，这项技术的独特之处在于，在将交易存储在区块链，无法更改。
数据故事告别乏味的数据可视化：交互式数据故事从 2021 年开始获得动力，到 2022 年将继续主导行政会议室。数据故事将数据置于上下文中，并围绕显示的数据展开强有力的叙述——解释数据驱动洞察的“如何”和“为什么”。
知识图谱的增长：
知识图谱，包含两个不同的层，将数据存储在一层（图形数据库），并从另一层提取数据驱动的见解。Facebook、Google 和 Twitter 等商业领袖广泛使用这项技术来评估客户、制定业务决策和开发产品。在大流行期间使用图形数据库来模拟冠状病毒的传播。
今年一个非常受欢迎的趋势将是云原生服务，使所有业务用户都可以负担得起和访问数据分析。现代数据管理平台和工具将帮助分析师从可用数据中提取洞察力，而无需具备广泛的数据科学或软件工程知识。在某种程度上，您可以欢迎这一趋势，因为它促进了所有人的数据管理。
随着云平台继续席卷 2022 年的商业格局，有三个关键问题在选择合适的 DM 平台产品之前，业务领导者和运营商应该询问：
云供应商能否保证数据隐私和安全？
供应商平台的可扩展性如何？
云平台在新技术集成和跨平台互操作性方面是否具有前瞻性？
以下是更多来自的数据管理技术趋势数据化.
最近进入数据管理软件市场的三个突出趋势包括 在大流行期间混合和多云数据平台的突然兴起、带有自动化工具的人工智能和机器学习驱动的数据管理和分析平台的出现，以及对这数据结构方法到数据管理，因为它允许来自不同来源的数据相对容易地合并和统一。
数据管理技术：挑战和可能的解决方案
这福布斯理事会帖子的作者评论：
“有效的数据管理将在上下文中索引您的数据。您可以停止搜索并开始查找，而不是搜索数据。有效的数据管理允许您有意识地存储数据并摆脱数字包装老鼠的习惯。随着存储中的数据量继续快速增长，您是否可以忽略数据管理？”
如果仔细分析上面引用的两段，就会清楚为什么技术支持的数据管理对于运营效率和整体业务成功变得至关重要。然而，企业数据管理也带来了挑战。
这里有一些数据管理需要考虑的挑战和可能的解决方案：
数据系统：在任何企业中，简单地实施数据系统和流程并不能解决任何问题，除非所有业务用户都了解此类系统和流程的目的、用途和好处。作为一种解决方案，核心数据管理团队的任务是传播数据意识并将数据技术的长期利益传达给普通业务人员。这也是企业数据素养战略的一个方面。
数据量：不断增长的数据量是一个巨大的挑战，所有新兴的数据系统、技术、工具和流程都必须适应不可阻挡的数据量。大数据即平台 (BDaP) 或用于集成大数据的专用应用程序可能只是近在咫尺的几个解决方案。
数据即服务 (DaaS)：虽然这新奇服务方法为数据密集型组织提供了有利可图的收入渠道，与此服务模型相关的最常见挑战是隐私和道德问题，但幸运的是，许多组织已经通过聘请首席数据官 (CDO) 来应对这一挑战风险。
在不同职能团队之间共享数据：单源数据平台是实现在不同职能团队之间分发和共享“相同版本的真相”（可信）以进行分析或 BI 的必要条件。
通过各种实时数据通道获取的大量半或非结构化数据：非结构化数据必须经过清理和准备，然后才能用于任何有意义的工作。目前，数据管理团队可能正在与第三方服务提供商合作，以提供跨本地、混合或公共云设置的扩展数据服务。这里是数据管理团队面临的 10 个大数据挑战，其中突出了与大数据的数量、规模、集成和安全问题相关的问题。
缺乏知识：大多数人不了解区块链技术的用途，这对其广泛采用构成重大威胁。区块链具有不可变、可审计和安全的固有优势，需要作为主流 DM 技术采用。
数据和
人工智能第一时代的数据管理挑战
一方面，组织热衷于跳到云平台为他们的数据管理工作；另一方面，这些企业中的许多都在努力使他们的遗留系统和流程适应最新的数据技术解决方案。在陈旧的数据基础架构下仍然令人震惊，这些组织中的许多组织不仅没有做好向现代人工智能平台过渡的准备，而且他们也没有足够的知识来实现巨大的技术飞跃。一种BARC 调查 报告称，企业感到他们正在感受到市场上“存在技能差距”的压力。
扫码加好友，拉您进群
全部版块
我的主页
收藏
