根据最近的麦肯锡技术报告,“昨天的数据架构不能满足今天对速度,灵活性和创新的需求。”实际上,由于公司迅速部署的新数据驱动解决方案,对当今数据基础设施,系统和应用程序的需求大于以往任何时候。这包括预测分析旨在改善营销和销售结果的解决方案,有助于推动客户个性化的数据挖掘解决方案,以及协助重复任务来增加劳动力效率的自动化解决方案。

虽然大多数高管报告的附加值和改进了由数据分析计划产生的业务结果,但效益没有成本。According the McKinsey Technology report, “These technical additions—from data lakes to customer analytics platforms to stream processing—have increased the complexity of data architectures enormously, often significantly hampering an organization’s ongoing ability to deliver new capabilities, maintain existing infrastructures, and ensure the integrity of artificial intelligence (AI) models.”

如果这听起来很熟悉,你并不孤单。问题是,越来越多的新兴和更多敏捷公司正在推出更新的数据技术,例如无服务器数据平台,使他们能够比传统参与者更快地开发和启动产品到市场。一个人需要看起来不比亚马逊和谷歌为领先的例子,但对成立的公司的威胁可以来自任何方向,包括来自初创企业和较小的公司。

数据堆栈的新方法

根据麦肯锡技术报告,“为公司建立竞争优势 - 甚至保持奇偶校验,他们需要一种新方法来定义,实施和集成他们的数据堆栈,利用两个云(超越基础设施作为服务)和新的概念和组件。“该报告继续提供任何公司都可以对其数据架构提供的“六个转移”,以便更快速地提供新功能,同时简化现有方法。这些包括移动:

  1. 从内部部署到基于云的平台:根据报告,今天基于云的数据平台释放了“完整的新数据架构方法”。此班次使所有尺寸的业务能够在规模中部署和运行数据基础架构,平台和应用程序。启用技术包括无服务器数据平台,例如Amazon S3和Google BigQuery以及集装箱数据解决方案。
  2. 从批处理到实时数据处理:实时数据通讯服务的成本较低,创新公司(包括运输和制造),包括更加个性化的服务和通过实时流动的警报。这种转变是通过消息传递和警报平台和流式处理和分析解决方案等技术启用的。
  3. 从预先集成的商业解决方案到模块化,最佳的平台:根据麦肯锡的说法,公司“朝着高度模块化的数据架构移动,使用最佳品种,通常,开源组件,这些组件可以根据需要使用新技术替换,而不会影响数据架构的其他部分。”通过数据流水线和基于API的接口和分析工作台启用这种新的和更灵活的方法。
  4. 从点对点到解耦数据访问:今天的公司可以允许员工和数据团队通过API访问更多最新数据,同时也确保更大的控制和安全性。这提高了合作,加速了采用数据驱动技术,如AI。技术,包括一个API管理平台和“用于缓冲核心系统之外的交易的数据平台”,可以实现此班次。
  5. 从企业仓库到基于域的架构据麦肯锡报告称,“许多数据建筑领导人已经从中央企业数据湖枢转到”域驱动“的设计,可以定制和适合旨在改善新数据产品和服务市场的时间。”这允许产品所有者更好地管理数据集,使得团队成员和可能需要它们的业务的其他部分更容易消耗。数据作为服务平台,数据虚拟化,数据编目工具正在帮助公司进行这种转变。
  6. 从刚性数据模型到灵活,可扩展的数据模式:今天最具创新性的公司正在从预定义和专有的数据模型转移到“模式光”方法,这些方法可以推动更具灵活性的数据分析方法和举措。优势包括敏捷数据探索,数据存储的更大灵活性,并减少复杂性,根据mckinsey报告.Data Vault和Graph数据库技术帮助带来了这些变化。

要了解更多信息,请查看完整的麦肯锡技术报告。如果您要进一步探索此主题,请参阅此相关创新帖子的顶点在为什么您需要健全的数据管理策略

发表评论

请输入您的评论!
请在这里输入您的姓名