2021年5月11日
2021年5月11日
撰稿人:Ashutosh Gupta
数据分析领导者应该了解数据结构架构的关键支柱,以实现机器支持的数据集成。
在日益多样化、分布式和复杂的环境中,数据管理敏捷性已成为组织的关键任务优先级。为了减少人为错误和总体成本,数据和分析(D&A)领导者需要超越传统的数据管理实践,转向现代解决方案,如支持人工智能的数据集成
立即下载:理解数据结构作用的基本指南
Gartner杰出副总裁分析师Mark Beyer表示:“被称为‘数据结构’的新兴设计概念可以成为始终存在的数据管理挑战的强大解决方案,例如高成本和低价值的数据集成周期、对早期集成的频繁维护、对实时和事件驱动的数据共享日益增长的需求等等。”
下载电子书:2022年数据和分析领导者的领导愿景
Gartner将数据结构定义为一种设计概念,作为数据和连接过程的集成层(结构)。数据结构利用对现有的、可发现的和推断的元数据资产的持续分析,支持在所有环境(包括混合和多云平台)中集成和可重用数据的设计、部署和利用。
数据结构利用人和机器的能力来就地访问数据或在适当的时候支持数据整合。它不断地识别和连接来自不同应用程序的数据,以发现可用数据点之间唯一的、与业务相关的关系。洞察支持重新制定决策,通过快速访问和理解提供比传统数据管理实践更多的价值。
例如,使用数据结构的供应链领导者可以更快地将新遇到的数据资产添加到供应商延迟和生产延迟之间的已知关系中,并使用新数据(或针对新供应商或新客户)改进决策。
考虑两种情况。在第一种情况下,驾驶员是主动的,并且完全关注路线,汽车的自主元素很少或没有干预。在第二种情况下,驾驶员稍微有点懒,注意力不集中,汽车就会立即切换到半自动模式,并进行必要的路线修正。
这两种场景都总结了数据结构的工作原理。它首先作为一个被动的观察者监视数据管道,然后开始提出效率更高的替代方案。当数据“驱动者”和机器学习都能适应重复的场景时,它们就会通过自动化临时任务(这些任务消耗了太多的人工时间)来相互补充,同时让领导层自由地专注于创新。
阅读更多:数据共享是加速数字化业务的必要条件
发现Gartner BuySmart™:降低风险,优化下次购买技术的支出。
为了通过数据结构设计交付业务价值,数据分析和分析领导者应该确保坚实的技术基础,确定所需的核心功能,并评估现有的数据管理工具。
以下是数据结构架构的关键支柱,数据分析领导者必须知道。
上下文信息为动态数据结构设计奠定了基础。应该有一种机制(如连接良好的元数据池),使数据结构能够识别、连接和分析各种元数据,如技术、业务、运营和社会。
阅读更多:数据运维如何放大数据和分析的商业价值
为了实现无摩擦的数据共享,企业激活元数据非常重要。要实现这一点,数据结构应该:
下载电子书:决策的未来
知识图谱使数据和分析领导者能够通过语义丰富数据来获得业务价值。
知识图谱的语义层使其更加直观,易于解释,便于研发领导者进行分析。它增加了数据使用和内容图的深度和意义,允许AI/ML算法使用这些信息进行分析和其他操作用例。
数据集成专家和数据工程师经常使用的集成标准和工具可以确保轻松访问知识图并从中交付。研发领导者应该利用这一点;否则,数据结构的采用可能面临许多中断。
数据结构应该兼容各种数据交付风格(包括但不限于ETL、流、复制、消息传递和数据虚拟化或数据微服务)。它应该支持所有类型的数据用户——包括It用户(用于复杂的集成需求)和业务用户(用于自助数据准备)。
马克·拜尔是ITL数据和分析集团的研究副总裁和杰出分析师。Beyer先生涵盖了广泛的数据架构解决方案,包括数据管理及其与用例和数据治理问题的交叉。
加入世界上最重要的数据和分析领导者的聚会,与Gartner专家一起适应数据和分析不断变化的角色。
推荐给Gartner客户的资源*:
*请注意,某些文档可能不适用于所有Gartner客户。