? 2013年，行業專家宣布開始進入大數據時代。他們認為，大數據使組織能夠以正確的速度和正確的時間存儲、管理和操作大量數據，以獲得正確的見解。

大數據并不代表一種單一的技術，而是一組不同的數據管理技術，其根源是之前的幾次技術變革。

現在的問題是：大數據現在在哪里?成熟它的應用需要什么? 

分析機構最近進行的調查發現，公平地說，大數據還沒有帶來重大的商業成果。盡管有這么多的宣傳，但大多數企業員工仍然無法方便地獲得完成工作所需的信息。隨著信息源、使用和用戶數量的增長，問題仍然集中在在正確的時間將正確的信息提供給正確的人。

數據倉庫vs.數據湖vs.數據結構

為了容納所有這些數據，存儲和管理系統如雨后春筍般涌現，例如數據倉庫、數據湖和數據結構。但是，在解決方案和平臺級別上，需要一個數據結構作為跨企業的所有數據集成、管理和治理的保護傘。企業之間必須具有凝聚力。

行業專家指出，集中數據通常是不可行的。或者使用服務對分析進行原型化，以訪問不同的數據源，然后如果它被證明是富有成效的，并且業務需要指示它。中心化在后面完成。

Hurwitz公司分析師Dan Kirsch指出數據去中心化趨勢和數據結構之間的聯系。他說，“我們已經看到數據結構方法越來越受歡迎，因為擁有一個中央存儲庫來保存所有的數據是不現實的。”因此，數據結構需要允許異構數據位置。數據結構方法有助于解決分擔責任的挑戰，也就是每個團隊負責自己的數據，然后將其連接起來，而不是將數據轉儲到數據湖中。AWS公司認為，數據湖是分析成功的唯一途徑。當然，他們希望企業將所有數據都轉儲到AWS云平臺上。

Gartner公司數據與分析副總裁Nick Heudecker對此表示認同，并認為所有這些趨勢都很重要。他指出，“每個概念服務于不同的用戶和用例，高性能、可重復分析的數據倉庫。用于問題開發/實驗的數據湖。數據網格用于使用帶有治理監督的分布式數據。因此，沒有進行混淆。”

將大數據戰略集中在一個平臺上

專家們利用雙重策略，但堅持單一平臺。通常有兩種策略。一種策略是針對產品，另一種是針對分析。每個都有自己的核心樞紐平臺，并支持多個數據存儲庫。然后在兩個核心樞紐之間有一個ETL平臺。

但是，是哪一家供應商提供了這些服務的大部分呢?還沒有看到任何一家供應商認為能夠獨立提供完整平臺。

多個數據存儲庫在很多方面并不是集中數據，而是集成數據。而如何將所有數據集成起來，使其可視化，并將其連接到其他系統。

集中所有數據會帶來成本、管理和安全問題。數據被鎖定在業務線應用程序中，在辦公場所和云計算生態系統中。連接數據所在位置有助于消除風險，提高洞察速度。這并不是一個單一的供應商解決方案故事。一些企業提供查詢功能，但治理故事還沒有被任何人充實起來。大數據中使得移動數據成為一個挑戰。多平臺是常態。如果幸運的話，可以將工具和技能標準化。

因此，數據結構是一種數據管理概念，用于實現靈活的、可重用的和增強的數據集成管道、服務和語義，以支持跨多個部署和編排平臺交付的各種操作和分析用例。

確保遵守數據治理和數據隱私規則

為了有效地管理數據，企業必須清楚地了解自己擁有哪些數據，需要了解他們的數據湖或數據結構中有哪些類型的數據。如果個人身份信息(PII)參與了一個特定的應用程序或新的努力，企業需要指派一名高管監督個人數據的適當使用，他還可以幫助解決數據的可行性和適用性的問題。

管理人員扮演著至關重要的治理角色。因此，定義“管理員”很重要，他們的全部工作就是在信息的最初來源處訪問和管理對信息的更正。他們從業務團隊中輪換出來，制定KPI。

重要的是預先定義管理員，并知道如何在過程中與他們簽入。獲得管理員對用戶體驗設計的反饋也很重要。

云計算技術對大數據戰略的影響?

云計算正在成為計算和存儲的另一種形式，而不是一個獨立的環境。云計算管理和可見性很重要。假設云計算是一種快速消耗預算的方法。在很多情況下，沒有理由將一些應用程序移到云端。能夠在云上立即對概念和實驗進行證明是非常重要的。

云計算允許用戶嘗試新事物，并根據需要增加或刪除計算能力，而不必等待工作完成。

數據過程在哪里成熟?

流程需要明確定義術語的基礎。從事務系統開始是至關重要的。如果數據一開始是錯誤的，就需要花費大量時間來清理和增強該數據。

在促進圍繞數據共享場景的領域需要大部分成熟度，比如數據讀寫能力。數據操作可以幫助提高彈性，但它仍然是一種顛覆性的技術實踐。

結語

顯然，大數據正處于分析師所說的“幻滅低谷”。盡管數據驅動型公司將是長期贏家，但仍有工作要做。

獲勝者需要進行數據治理，以使數據足夠用于任務和保護。他們還需要改進數據處理過程，而數據操作和數據治理可以一起提供幫助。?