这些传统数据集成的痛，你还在经历几种？

20多天后，我们将步入2020年。在即将过去的2019年，人工智能、5G、数字货币等技术不断冲击着传统的数据治理模式，你所在的企业是否同样感受到了冲击？在这些难以言说的痛中间，又有多少是传统数据集成所带来的？

今年，随着数据驱动决策的理念逐渐深入人心，越来越多的企业开始逐步对存量的数据资产进行消费，在数据消费过程中引入各种数据集成的工具，来解决数据打通的问题，并用于后端数据消费：如分析报表、数据查询、和数据挖掘等工作。

大数据时代的到来，不仅意味着数据来源更加广泛，数据存储量增加，同时对于数据及时性要求也越来越高，传统数据集成工具的瓶颈越发明显。其中主要表现在以下几点，看完后，你正在经历哪几种？

数据及时性

各行各业的业务部门对于数据时效性的看法是：希望越快越好。金融行业的客户经理希望第一时间得到客户的动账通知；客户在申请贷款时，希望能够秒批秒贷；数字化营销部门的负责人希望能根据渠道投放的实时反馈及时调整投放策略；连锁零售门店也希望能实时掌握各个门店的库存，避免外卖的骑手取货时才发现货品已经售罄，而客户不得不提出退款；而在互联网行业，任何用户的行为分析都需要实时，以便在客户短暂的上线时间段能抓住客户的需求点。业务追求的是增长，快对于业务的改变不仅仅是减少低效的投入，及时止损，快速试错，更重要的是能加快业务的微创新，提升客户的体验，在更短的周期内快速迭代，应对千变万化的市场。

而随着业务的快速增长，数据源端应用系统的数据结构往往会快速变化，更多异构数据源以及外部数据也会不断地被引入，这给基于传统数据集成工具的开发流程带来了不小的挑战。传统的数据集成从取数任务的开发到用户能够用上数据，整个开发周期耗时较长，跨越多个部门，难以敏捷响应，往往一边是火烧眉毛的业务用户，另一边是加班加点的数据工程师们。

异构数据源和目的地

企业在发展过程中会采购不同供应商提供的服务系统，这就导致数据