那么，如何解決這種挑戰？在Gartner 2022年重要戰略技術(shù)趨勢分析演講中，第一個(gè)提到的即數據編織（Data Fabric），一種新型的數據管理和數據整合的理念和架構。
Denodo認為數據編織架構將成為分布式企業(yè)的基礎。隨著(zhù)數字業(yè)務(wù)和在線(xiàn)銷(xiāo)售渠道激增以及遠程辦公成為常態(tài)，形成了一個(gè)由設備、應用程序和數據基礎架構組成的復雜多樣的生態(tài)系統。尤其值得一提的是，數據基礎架構可涵蓋本地部署、單云、多云、混合云或這些部署的組合，可跨越區域邊界，任何單一的解決方案都無(wú)法將所有這些數據整合在一起。
2022 年，許多組織都將創(chuàng )建一個(gè)數據編織架構，用以促進(jìn)整個(gè)企業(yè)范圍內的數據進(jìn)行整合和分析，并實(shí)現許多數據集成、數據準備、探索任務(wù)的自動(dòng)化。數據編織架構使用邏輯、物理或混合方法統一分布在不同位置、具有不同格式和傳輸時(shí)間的數據資產(chǎn)。若各組織能夠選擇最合適的方法，利用這些數據編織架構就可以縮短交付時(shí)間并可以將其作為來(lái)年的首選數據管理方法。
事實(shí)上，Forrester 最近的一項 TEI 研究表明，“數據編織架構技術(shù)使用人工智能/機器學(xué)習實(shí)現了數據管理功能自動(dòng)化，并通過(guò)數據目錄、數據準備和數據建模提供其他語(yǔ)義功能，從而使數據虛擬化的發(fā)展更上一層樓。”
除了數據編織，Denodo預計 2022 年還將出現以下幾大趨勢：
1. 決策智能化可以更好地支持企業(yè)范圍的決策制定。各組織一直在獲取大量數據，并需要利用這些信息來(lái)推動(dòng)業(yè)務(wù)成果的產(chǎn)出。人工智能/機器學(xué)習驅動(dòng)的決策支持系統使常規控制面板和商業(yè)智能平臺變得更加強大，決策智能化在企業(yè)中的應用隨之變得越來(lái)越普遍。決策智能化是增強版（通過(guò)人工智能/機器學(xué)習）常規商業(yè)智能控制面板的組合，借助該組合，企業(yè)可以預測一組特定行動(dòng)的成果并建議一個(gè)相對更好的行動(dòng)，從而為決策支持系統提供幫助。
鑒于機器生成的決策能達到人類(lèi)無(wú)法企及的處理速度，2002 年，決策智能化有望提升評估質(zhì)量、加快評估速度。注意：機器仍缺乏意識，無(wú)法理解決策成果的含義。希望各組織能將決策智能化納入其商業(yè)智能堆棧，以便持續衡量成果，進(jìn)而通過(guò)相應地調整決策參數來(lái)避免不符合預期的后果。
2. 數據網(wǎng)格架構將變得更具吸引力。隨著(zhù)各組織規模不斷擴大，復雜程度越來(lái)越高，中央數據團隊不得不與一系列職能部門(mén)和相關(guān)數據使用者打交道。因此，很難理解所有跨職能團隊的數據需求，也難以向其使用者提供正確的數據產(chǎn)品集。數據網(wǎng)格是一種用于數據分析的新型去中心化的數據架構方法，旨在消除瓶頸，使了解數據的人員更容易做出數據決策。
- 2022 年及以后，擁有分布式數據環(huán)境的大型組織將會(huì )實(shí)施數據網(wǎng)格架構。由于大型組織內的不同職能部門(mén)或領(lǐng)域更理解其數據的正確使用方式，因此，讓各領(lǐng)域定義和實(shí)施自己的數據基礎架構可減少迭代次數，最終幫助滿(mǎn)足業(yè)務(wù)需求并獲得高質(zhì)量數據基礎架構。由此還可以消除集中式基礎架構的瓶頸，并賦予各個(gè)領(lǐng)域針對具體情況使用最佳工具的自主權。數據網(wǎng)格會(huì )創(chuàng )建一個(gè)統一的基礎架構，使各領(lǐng)域能夠創(chuàng )建并共享數據產(chǎn)品，同時(shí)執行可互相操作性、質(zhì)量、管理和安全的標準。
3. 組織將采用可組合數據和分析，為數據使用者提供支持。一體化架構已過(guò)時(shí)，但在縮小占用量方面仍值得期待。全球許多公司都要處理分布于不同區域、云和數據中心邊界的數據，因此幾乎不可能把這些數據整合到一個(gè)中心位置。鑒于此，至關(guān)重要的是組織可以從可組合數據架構中挑選特定工具，來(lái)構建其部分或全部數據基礎架構，也為數據基礎架構帶來(lái)更多靈活性。數據編織架構是可組合架構一個(gè)很好的例子，可以使用數據目錄工具、語(yǔ)義工具、數據集成工具和元數據工具來(lái)創(chuàng )建此數據編織架構。
數據管理基礎架構多種多樣，各組織通常使用多個(gè)系統或模塊，共同構成了其數據管理環(huán)境。能夠構建低代碼、無(wú)代碼數據基礎架構，使企業(yè)用戶(hù)可以將所需數據管理堆棧組合在一起，降低其對 IT 的依賴(lài)，從而提高數據靈活性和用戶(hù)友好度。
2022 年，預計各組織將加快構建可組合數據和分析環(huán)境的步伐，這樣，組織根據自身需求將數據基礎架構堆棧組合在一起之后，就可以避免供應商的束縛，獲得更大的靈活性。
4. 小型、廣泛的數據分析將開(kāi)始流行。人工智能/機器學(xué)習正在改變組織的運營(yíng)方式，但要獲得成功，還要依賴(lài)于歷史數據分析，即大數據分析。大數據分析仍有其作用，但在許多情況下，此類(lèi)陳舊的歷史數據發(fā)揮的價(jià)值將再衰三竭。
2022 年，各組織將利用小型數據分析為其個(gè)人客戶(hù)創(chuàng )造高度個(gè)性化的體驗，以在短時(shí)間內了解客戶(hù)對特定產(chǎn)品或服務(wù)的看法。廣泛的數據分析需要結合不同數據來(lái)源的結構化、非結構化和半結構化數據，且是相對較新的概念，同時(shí)考慮到各組織結合使用地理空間數據、機器生成數據、社交媒體數據和各種其他數據類(lèi)型的速度，因此此概念尚未得到廣泛采用。但我們進(jìn)入嶄新的一年之后，預計小型、廣泛的數據分析在組織中將會(huì )獲得更大的吸引力。
5. 進(jìn)一步采用云
2022 年，我們可以預計云采用率會(huì )進(jìn)一步提高。這是順理成章的事情，因為最近的研究表明，將高級工作負載轉移到云的企業(yè)，其比例同比增加了 25%。
盡管云越來(lái)越流行，應用也越來(lái)越廣泛，但許多企業(yè)仍面臨一些困難。比如，要將數據存儲在多個(gè)位置會(huì )尤為棘手。由于涉及的數據數量龐大，且數據處理機制多種多樣，因此，將所有數據整合到同一位置的傳統集成方法已不可行。
明年，云項目的重點(diǎn)將轉向集成。構建統一的基礎架構，從而實(shí)現跨多個(gè)位置訪(fǎng)問(wèn)和管理數據，這將成為未來(lái)的優(yōu)先選項。因此，各企業(yè)將轉向可視化的數據基礎架構，來(lái)支持與供應商無(wú)關(guān)的架構。從長(cháng)遠來(lái)看，這將使企業(yè)變得更加靈活智能。
