【数据编织架构】数据编织架构的前6个用例

企业数据编织作为确保分布式环境中访问和数据共享的一种方式，其采用率一直在上升。以下是数据编织的主要用例。

企业正在转向数据编织架构，以提供其数据的整体视图。关于如何做到这一点，人们有不同的看法，但从本质上讲，每个人似乎都同意，它超越了数据湖、数据目录和数据虚拟化，提供了一个更一致的集成层。

Gartner将数据编织架构列为2019年十大趋势之一，因为它能够在分布式数据环境中实现无缝访问和数据共享。

区块链数据管理平台Fluree的联合首席执行官兼联合创始人Brian Platz表示：“数据编织是一种收集和连接企业数据的综合方法，强调管理、分发和保护数据的独特性。”。

数据编织架构为最大化分布在数据竖井中的信息的价值向前迈出了一步。它还提供了一个目标，组织可以调整该目标，以便在其他复杂的分布式网络环境中提供精简和安全的数据访问。

数据编织优势

数据编织架构有望解决新的隐私法规和安全漏洞事件的增加所带来的许多安全和治理问题。

Cloudera产品营销总监Wim Stoop表示：“到目前为止，数据编织对组织最大的积极影响是将企业范围的数据安全和治理作为部署的一部分，将其确立为一个基本的、持续的过程。”。

数据治理通常是孤立的，与用例联系在一起，比如孤立地解决法规遵从性需求或部门需求。有了数据编织，组织就需要后退一步，全面考虑数据管理。

这提供了对数据和分析的自助访问，企业需要进行实验并快速从数据中推动价值。这种程度的数据管理、治理和安全性也使证明合规性——包括行业和监管——或多或少成为实现结构本身的副作用。尽管这不是一个完整的解决方案，但它大大减少了与遵守法规遵从性要求相关的工作量。

数据编织挑战

普拉茨提醒说，完美数据编织的愿景与当今的实际情况之间存在巨大差距。

Platz说：“在实践中，许多数据编织架构的第一个版本看起来更像是另一个数据湖。”。

第一次构建数据编织的人没有考虑到固有的数据互操作性的需求。不同的系统将以不同的方式格式化数据。不符合全局企业模式的数据本质上不会使用相同的语言。这种本机互操作性的缺乏将增加数据利益相关者实现价值的时间摩擦，并引入对数据进行协调、重复数据消除和清理的需求。

组织需要能够了解其数据消耗以及法规和合规需求，以便正确利用其数据编织。

数据备份、归档和恢复服务Grax的首席技术官Morten Bagai表示：“不了解其中一个或全部领域往往会带来挑战或失败点。”。

一旦组织解决了这些问题，他们就可以开始探索新的数据编织用例，例如以下。

1.人工智能数据协作

数据编织架构可以为人工智能工程师提供广泛的综合数据访问权限，以便做出更明智的决策。

Platz说：“因为人工智能需要广泛访问高完整性数据，数据编织可以支持向人工智能应用程序高效传递信息，以便做出快速、知情的决策。”。

他还表示，该架构正被用于增强人工智能应用程序的交付，以检测欺诈并建立更快的预测分析模型。例如，预测性维护需要对数据编织提供的实时数据进行精简访问。

2.加强安全

云管理平台CloudCheckr的运营副总裁Rajiv Kanauja表示，数据编织还可以通过将来自物理和IT系统的数据和应用程序捆绑在一起来改善安全应用程序。

例如，一个团队可以通过将用于开门的钥匙读取器的信息捆绑在一起来提高安全性，这些信息可以与从设施内访问的计算机系统的事件数据相关联。这将有可能对典型和异常行为进行更复杂的分析，以便在需要时触发实时安全警报。

3.创建全面的客户视图

Kanaujia说，组织还可以使用数据编织架构将客户活动的数据以及与客户互动的各种角色编织在一起，以获得更全面的视图。这可以包含各种销售活动、潜在收入实现、客户入职时间和客户满意度指标的实时数据。

例如，这可能从捕捉到的有关客户在亚马逊上使用SaaS服务的CloudTrail日志开始，合并来自客户支持请求的数据，并与新的销售活动进行协调。数据编织可以在这些不同的数据源之间进行关联，以推动更好的分析并提供有用的建议。

4.提高业务理解

企业还可以使用数据编织来创建跨活动和部门的更全面的业务视图。

Bagai说：“数据编织对于理解一个企业随着时间的推移所发生的任何变化至关重要。”。

他说，将数据编织视为整个企业异常、拐点和业务结果的拓扑图是很有用的。这使其成为机器学习和人工智能理解业务的完美培训和测试集。这也可以使实现流程挖掘项目变得更容易，这些项目可以理解跨多个应用程序的业务流程。

Bagai说：“我们对人工智能和（机器学习）最大的失望实际上源于这样一个事实，即我们经常没有将完整的数据编织输入到我们的训练集中。”。

5.简化预测和触发的行动

数据编织还可以用于训练、配置和部署简单的预测算法，并触发跨各种企业应用程序端点运行的操作。这些类型的用例涵盖了从安全可追溯性到审计合规性和创收事件的方方面面，如放弃购物车行动、广告优化、客户保留、营销，甚至是精心策划的销售。

Bagai表示：“数据编织将改变企业从过去学习并随着时间的推移而发展的基本方式。”。

6.创建数据市场

实现数据编织架构的企业还可以建立一个更容易访问的数据市场，使公民开发人员更容易将不同的数据源编织到新的模型中。数据市场允许数据工程师建立一个可以跨多个用例使用的基础设施，而不是为每个用例单独创建新的基础设施。

Stoop说：“数据市场不是实施特定于业务用例的数据存储或湖泊来应对客户流失、预测性维护或欺诈预防等挑战，而是解决整个企业的数据需求，并解决当前和未来的数据需求。”。