AI 入门 101
什么是数据织物？
数据织物通常与人工智能（AI）和机器学习（ML）相关联，是将原始数据转化为商业智能的主要工具之一。
但数据织物到底是什么?
数据织物是一种架构和软件，提供了企业内数据资产、数据库和数据库架构的统一集合。它通过使用智能和自动化系统，实现了各种数据管道和云环境的端到端集成。
随着混合云、物联网（IoT）、AI和边缘计算的重大发展，数据织物变得更加重要。这导致了大数据的巨大增加，这意味着组织有更多的数据需要管理。
为了处理这些大数据，公司必须专注于数据环境的统一和治理，这带来了诸如数据孤岛、安全风险和决策瓶颈等挑战。这些挑战导致数据管理团队采用数据织物解决方案，这些解决方案有助于统一数据系统，增强隐私和安全，改善治理，并为员工提供更多的数据访问权限。
数据集成导致了更数据驱动的决策，而企业过去曾经使用不同的数据平台来处理业务的各个方面，数据织物使数据可以更连贯地被查看。所有这些都有助于更好地理解客户生命周期，并在数据之间建立联系。
数据织物的目的是什么?
数据织物用于建立相关数据的统一视图，这使得无论数据的位置、数据库关联或结构如何，都可以访问信息。数据织物还简化了使用AI和机器学习的分析。
数据织物的另一个目的是促进应用开发，因为它为访问信息创建了一个独立于传统应用和数据库孤岛的共同模型。这些模型提供了更好的信息访问，但也通过在所有资源上建立一个单一层来提高效率，从而可以在此层上管理数据访问。
虽然没有单一的数据架构用于数据织物，但通常认为这种数据框架有六个基本组件：
-
数据管理： 负责数据治理和安全。
-
数据摄取： 将云数据聚合在一起，并在结构化和非结构化数据之间识别联系。
-
数据处理： 精炼数据，以确保仅有相关数据被用于数据提取。
-
数据编排： 框架中非常重要的一层，负责转换、集成和清理数据，以便在整个业务中使用。
-
数据发现： 表面化新的数据源集成方式。
-
数据访问： 启用数据消费，确保特定团队的正确权限以遵守法规，并通过使用仪表盘和其他数据可视化工具来表面化相关数据。
数据织物的益处
数据织物具有许多商业和技术上的益处，例如：
-
打破数据孤岛： 现代企业经常遭受数据孤岛的困扰，因为现代数据库通常与应用程序组相关联，并且随着新应用程序的添加而增长。数据孤岛包含不同结构和格式的数据，但数据织物可以改善对企业信息的访问，并利用收集的数据来改善运营效率。
-
统一数据库： 数据织物还可以帮助公司统一分布在大面积区域的数据库。它们确保位置差异不会导致访问障碍。数据织物简化了应用程序开发，并可以用于优化特定应用程序的数据使用，而不会使数据对其他应用程序 менее可访问。它们还可以统一已经分散到孤岛中的数据。
-
单一的信息访问方式： 数据织物改善了应用程序的可移植性，并作为一种单一的方式来访问云和数据中心中的信息。
-
加速生成洞察： 数据织物解决方案可以轻松处理复杂的数据集，从而加速洞察的生成。其架构使预建的分析模型和认知算法能够在规模和速度上处理数据。
-
供技术和非技术用户使用： 数据织物不仅针对技术用户。该架构是灵活的，可以与广泛的用户界面一起使用。它们可以帮助构建可以被商业高管理解的仪表盘，或者它们的复杂工具可以被数据科学家用于数据探索。
实施数据织物的最佳实践
全球数据市场正在不断扩大，并且在这一领域有很强的需求。许多公司希望实施数据架构来优化其企业数据，并遵循一些常见的最佳实践。
一种这样的实践是采用DataOps流程模型。数据织物和DataOps并不是相同的，但根据DataOps模型，数据流程、工具和用户之间存在密切的联系。通过使用户依赖于数据，他们可以利用工具并应用洞察。如果没有DataOps模型，用户可能难以从数据织物中提取足够的信息。
另一种最佳实践是避免将数据织物变成只是另一个数据湖，这是一个常见的现象。例如，如果您拥有所有的架构组件，例如数据源和分析，但没有API和SDK，那么就无法实现真正的数据织物。数据织物指的是架构设计，而不是单一的技术。该架构的一些定义特征是组件之间的互操作性和集成就绪性。
对于组织来说，了解其合规性和监管要求也至关重要。数据织物架构可以改善安全性、治理和监管合规性。
由于数据不会散布在系统中，因此对敏感数据的暴露威胁较小。话虽如此，了解合规性和监管要求在实施数据织物之前是非常重要的。不同的数据类型可能属于不同的监管管辖区。一个解决方案是使用自动化的合规性策略，以确保数据转换符合法律法规。
数据织物的用例
数据织物有很多不同的用途，但有一些是非常常见的。一个常见的例子是将地理位置分散的数据资产的虚拟/逻辑集合，以便于访问和分析。在这种情况下，数据织物通常用于集中业务管理。由于分布式线路操作会收集和使用数据，并通过传统的应用程序和数据访问/查询接口支持，因此，具有区域或国家分段活动的组织可以从中获得很多益处。这些组织通常需要集中管理和协调。
数据织物的另一个主要用例是在合并或收购后建立统一的数据模型。当这些发生时，之前独立组织的数据库和数据管理政策通常会发生变化，这使得跨组织边界收集信息变得更加困难。数据织物可以通过创建一个统一的数据视图来克服这一点，使得合并后的实体能够在单一的数据模型上协调一致。
