◆◆0

只需增强这三种技术趋势，2021年即可加速数字化转型

yuyuxi 2021-01-13 大数据, 大数据资讯 1,254 views

鉴于COVID-19，各种规模的组织都展现出了前所未有的弹性，并更加重视数字化转型并加大了投资力度。尽管重新获得了关注，但基本数据挑战仍然是主要障碍。但是组织可以期望在以下三种技术趋势中得到进一步加强和专业化。

趋势1：数据最终变得“机器可理解”

数字化转型的现实是，大多数数据驱动的工作注定要失败，主要是因为数据不是机器可理解的。与人类不同，机器默认情况下无法处理不规则，方差或奇怪的分布。人工决策基于上下文智能和强大的意义解释机制，并且要成功实现越来越高的保真度自动化，机器需要更多地了解我们所知道的内容。

在2021年，组织将采用现代数据集成方法，例如融合数据管理和知识管理技术的企业知识图（EKG）。这些系统将使企业能够通过推理机制发现隐藏的事实和关系，否则这些机制将无法在没有机器加速的情况下进行大规模的追赶。心电图不仅使机器可读，而且使机器可以理解，并且通过捕获和编码来自特定主题，人员，项目或过程的断开连接的数据源中的真实环境来实现此目的。

从数据转移到知识并实现更高程度的自动化，需要洞察并利用世界上各个事物之间的关系。到2021年及以后，依靠刚性，表格和基于存储的技术来管理数据的较旧方法将越来越被认为是不合适的。

趋势2：语义图推动了新的数据集成领域

关系系统从未被设计为支持具有快速变化的需求和含义的，具有丰富连接和关系的数据环境。实际上，数据集成是20年前数据管理的产物，也就是说，关系系统从未打算管理大规模的，根本性的异构信息系统。

要通过算法管理数据，您必须首先以算法设计可访问的方式表示对数据真正有意义的内容。在IT的一种夸张的讽刺讽刺中，关系数据模型并不能很好地表示复杂的，现实世界中的关系和连接。

为了做到这一点，必须改变游戏规则。语义图数据模型是发展最快的新技术之一，它是表示本机存储在其他结构中的数据的最自然的方式，并且在新的一年中将变得越来越重要。在2021年，组织将利用语义图来连接来自结构化，半结构化和非结构化源的数据，以全面了解已连接的企业数据，并了解存在的关系和细微差别。

趋势3：查询应答驱动了下一代数据结构

数据结构具有将现有数据管理系统编织在一起的能力，因此，通过对重要数据的更大可访问性而丰富了应用程序。数据结构系统将在2021年继续兴起，并将在数据管理领域日趋成熟的过程中赢得一席之地。

我们大多数人都会回想起数据湖曾经如何实现集中化企业数据资产的承诺。尽管他们已在某种程度上实现了该目标，但这并不是企业所需的关键目标，因为物理托管与数据连接并不相同。如果是这样，我们谁都不会被迫花费与在笔记本电脑上搜索无法找到的数据一样多的时间。企业级文件系统是必需的，但它本身不足以对企业进行数字化转换。

当然，数据仓库是比数据湖甚至更老的技术，但其功能甚至不如数据湖，因为它们实际上只能够很好地处理结构化数据，而使半结构化和非结构化数据孤岛完全断开。尽管实现了业务成功，即使云中的数据仓库也受限于关系模型表示数据的能力。此后出现了数据目录，以提供其数据环境令人困惑的多样性清单，而这仅是面临下一个巨大挑战：如何从数据源目录中获得业务答案。

在2021年，经历了数据管理这些时代的公司将使数据在企业范围内可用和可重用。通过在连接零散数据领域的所有不同部分的数据结构系统中应用功能强大的查询服务，它们最终将能够回答问题，获得见解并真正使数据具有可操作性。