|
仅在过去的两年中，就创建了90％的全球数据；分析家们预计，到2025年，全球数据将增长61％，达到175 ZB。组织开始了解现代数据应用程序的价值，以帮助收集，处理和管理不断增长的数据量。Sapio Research确认74％的企业期望大数据带来有意义的结果，并预计它将推动可靠，有用和有利可图的商业应用程序。 但是，Sapio Research还发现，目前只有不到五分之一的业务领导者将其数据堆栈评为“最佳”，这表明当前的运营策略尚未产生预期的结果。大多数组织都相信数据的承诺-但是由于多种因素，其固有的运营挑战使企业无法发挥数据的全部潜力。让我们来探索：
日益复杂的数据管道 随着数字化转型的发展，依赖于分布式数据栈的新一代应用程序将投入生产，例如物联网（IoT），客户分析，机器学习和欺诈预防。这些应用程序需要一种全新的方法来处理更大的数据量和实时数据管道。 DevOps-DataOps协作 大数据实现已成为各种规模企业的头等大事，但是组织正在遇到性能问题，这些问题困扰着数据分析师和IT运营团队。确实，DevOps团队面对复杂的数据管道和支持它们的基础数据堆栈时，在应对技术挑战方面一直处于挣扎状态–传统上，数据分析人员被排除在DevOps人员的战略制定和运营职能之外。 人才差距不断扩大 希望利用数据中的洞察力的组织缺少所需的人力资源和专业知识，这是公司最好集中精力的领域。Sapio Research确认36％的企业业务将人才匮乏视为巨大的痛点。数据应用程序可能很复杂，并且通常需要博士学位级别的专业知识才能进行手动管理和故障排除。 组织如何应对大数据实施挑战 本地和云中的现代应用程序都在复杂的数据堆栈上运行。组织需要精心设计，调整良好的数据管道，以确保数据项目提供更高的运营效率和预期的业务成果。因此，对于许多数据驱动的企业来说，能够处理大量不可预测的源数据流和多种使用方式的可靠数据管道已成为绝对必要。 为了驱动可靠的性能并克服数据实施方面的挑战，组织应不断监视，管理和改善其数据管道。例如，通过使用AI和机器学习功能增强现有的监视流程，以提供自动化的建议和操作。这不仅可以解决复杂数据管道中的瓶颈和错误，而且可以极大地帮助填补人才缺口。 确实，Sapio Research表示，超过一半的IT决策者表示，大数据项目将占今年IT预算的25％或更多。通过降低数据管道的复杂性并优化现代数据应用程序的整体性能，数据工作流将提高生产力，大数据项目将实现预期的目标。 |
