逻辑数据结构：让企业数据经纬交织

作者：Denodo 高级副总裁兼首席营销官 Ravi Shankar

随着数字经济蓬勃发展以及组织加快推进数字化转型计划，数据的采集和使用变得日益重要。新冠疫情进一步催生变革需求，企业逐渐转向混合工作模式，同时优化他们面向客户的资产，例如应用程序及其他上市工具。
然而，由于有价值的数据摄取自遍布企业的大量数据点，随之而来的数据蔓延成为众多组织需要应对的严峻挑战。
普华永道第 22 期全球 CEO 调研发现，在 95% 的本土 CEO 看来，他们公司的成功“有赖于更好地利用消费者和客户数据”。近期一份 IDC 报告显示，超过 80% 的 IT 领导者认为，数据蔓延是他们现今面临的最为关键的问题之一。
尽管坐拥海量可能有用的数据，多数组织却很难充分挖掘其中的价值。庞杂的数据往往囿于零散的孤岛，数据发现和治理举步维艰，要将数据列入传统报告同样费时费力，因此在将数据转化为易于理解的洞察时常常问题不断。
数据管理技术几经更迭演进，从最早的打孔纸卡到后来的磁鼓内存，在上世纪 70 年代之后更是飞速发展。Hadoop 等系统的出现为数据存储和检索带来飞跃，而如今现代企业需要面对益发汹涌的数据洪流，让这些问世未久的系统甚至显得跟不上时代。逻辑数据结构是一种能够有效转换数据并用于商业用途的技术，或可成为当下数据蔓延的解决之法。

逻辑数据结构：编织数据虚拟视图
过去数十年，数据采集和存储一直通过中央存储库进行，主要是为了让组织可以获得跨应用程序和数据库的统一信息视图。
与将数据整合至中央物理存储库不同，一种称为逻辑数据结构的新数据管理范式悄然兴起。逻辑数据结构能够生成跨应用程序的数据虚拟视图，可在支持所有企业数据统一视图的同时将数据保留在原始数据源中。
Denodo数据虚拟化是这一结构的核心技术，其中多种功能通过人工智能 (AI) 和机器学习 (ML) 实现自动化。随着组织越来越多地将数据存储在多个基于云的平台，导致本地数据孤岛问题加剧，逻辑数据结构日趋凸显其重要作用。

变收集为连接：逻辑数据结构为何更胜一筹
逻辑数据结构可使组织停止“收集”数据及存入中央存储库，借助Denodo数据虚拟化开始远程“连接”不同来源的数据。无论数据位于何处，逻辑数据结构都能以虚拟方式消除数据孤岛，实时整合数据，发挥数据发现、管理和治理的优势。
通过这种方法，逻辑数据结构得以大幅提高业务数据用户的效率。由于不必将数据从来源移动到临时存储库，IT 团队不再需要编写 ETL 脚本以在将数据加载到目标系统之前转换数据，而是借由数据虚拟化即时执行转换，从而节约存储成本，并提升数据时效性。
此外，数据虚拟化的低代码到无代码方法能够显著减少开发统一数据视图和统一智能所需的资源，降低开发成本。更重要的是，Denodo数据虚拟化可以用作企业内所有数据资产的虚拟目录，包括所有数据集从其起始点到最终发布状态的沿袭、特定数据的格式以及不同数据资产之间的关系。通过该目录，用户无需访问不同系统来执行数据发现或是记录业务定义用于数据治理等操作，使流程得以精简。逻辑数据结构还具有强大的数据准备功能，可以规范数据格式并简化数据供业务使用。业务用户随后可在他们惯用的分析、运营、Web 或移动应用程序中轻松访问数据。

未来的逻辑数据结构：纳入 AI/ML
逻辑数据结构已经采用 AI 和 ML 来自动执行日常任务，这也将是日后大势所趋。AI 和 ML 能够持续分析变化的数据模式并自动整合新数据，进而生成统一视图，以最适合的格式交付给业务用户。
AI 和 ML 技术相结合使组织能够更好地理解某些用户的数据使用行为。

逻辑数据结构的今天和明天
逻辑数据结构如今不再只是设想，很大程度上正是得益于上述优势，越来越多的财富1000强公司采用Denodo数据虚拟化部署其关键战略，执行统一的数据集成、安全治理、服务和部署，提供方便业务使用的完整企业数据视图，并利用 AI 和 ML 实现关键流程自动化。可想而知，逻辑数据结构势必成为今后几年最热门的数据管理趋势之一。