数据结构架构数据管理和集成现代化的关键是什么

把数据结构想象成一辆自动驾驶汽车

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

D&A领导者需要了解的数据结构

• 数据结构不仅仅是传统和现代技术的结合，而且是一种改变人类和机器工作负载焦点的设计概念。
• 实现数据结构设计需要语义知识图、主动元数据管理和嵌入式机器学习等新兴技术。
• 该设计通过自动化重复任务(如分析数据集、发现模式并将其与新数据源对齐)来优化数据管理，最先进的是修复失败的数据集成作业。
• 没有任何现有的独立解决方案能够促进成熟的数据结构体系结构。数据分析领导者可以通过混合构建和购买的解决方案来确保强大的数据结构架构。例如，他们可以选择一个有前景的数据管理平台，该平台具有拼接数据结构所需的65-70%的功能。缺失的功能可以通过自行开发的解决方案来实现。

发现Gartner BuySmart™:降低风险，优化下次购买技术的支出。

数据分析领导者如何确保提供业务价值的数据结构架构?

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。

没有1。数据结构必须收集和分析所有形式的元数据

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

没有2。数据结构必须将被动元数据转换为主动元数据

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:

• 持续分析关键指标和统计数据的可用元数据，然后构建图形模型。
• 基于元数据的独特和业务相关关系，以易于理解的方式图形化地描述元数据。
• 利用关键的元数据指标来启用AI/ML算法，随着时间的推移，这些算法可以学习并产生有关数据管理和集成的高级预测。

下载电子书:决策的未来

3号。数据结构必须创建和管理知识图谱

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。