DataOps技术认识和市场前瞻

by June 2021-11-18

数字化时代来临,数据产生的速度、类型与日俱增,同时企业对数据和数据分析的需求也更加多样化,除此之外,数据处理技术工具市场也蓬勃发展。多种因素的叠加使得企业数据加工和分析工作总体复杂程度大大高于以往,存在多数据源、多数据类型、多分析方法、多种类技术工具、多业务目标、多时效要求、多部门参与等复杂状况。在解决“数据孤岛”问题的同时,企业内各项数据处理、应用和管理工作本身也产生了各自为战的问题,出现了更多的“分析孤岛”、“治理孤岛”、“安全孤岛”,企业数据资产价值开发和管理面临着工具、流程和人际协同的挑战。

面对上述挑战,如何能够保障企业数据管理活动的有序、高效、普惠,支撑实现敏捷业务目标的海量数据分析,这就是DataOps概念从2014年诞生之日[1]即致力于解决的问题。早期倡议者Andy Palmer认为DataOps是“结合沟通、协作、集成、自动化的一种数据管理方法”。Gartner在2018年数据管理技术成熟度曲线(Hype Cycle for Data Management)中将DataOps定义为“一种协同式的数据管理活动,侧重于提升整个组织中数据管理者和数据使用者之间围绕数据流的沟通、集成和自动化水平” (DataOps is a collaborative data management practice focused on improving thecommunication, integration and automation of data flows between data managersand data consumers across an organization. ).

留言

评论

${{item['author_name']}} 回复 ${{idToContentMap[item.parent] !== undefined ? idToContentMap[item.parent]['author_name'] : ''}} · ${{item.date.slice(0, 10)}} 回复

暂时还没有一条评论.