2013年，行业专家宣布开始进入大数据时代。他们认为，大数据使组织能够以正确的速度和正确的时间存储、管理和操作大量数据，以获得正确的见解。
大数据并不代表一种单一的技术，而是一组不同的数据管理技术，其根源是之前的几次技术变革。
现在的问题是:大数据现在在哪里?成熟它的应用需要什么?
公平地说，最近的分析师调查发现，大数据还没有带来重大的商业成果。尽管有这么多的宣传，但大多数企业员工仍然无法方便地获得完成工作所需的信息。随着信息源、使用和用户数量的增长，问题仍然集中在在正确的时间将正确的信息提供给正确的人。
数据仓库vs.数据湖vs.数据结构
为了容纳所有这些数据，存储和管理系统如雨后春笋般涌现，比如数据仓库、数据湖和数据结构。但是，在解决方案和平台级别上，需要一个数据结构作为跨企业的所有数据集成、管理和治理的保护伞。企业间的凝聚力是必须的。
行业专家指出，集中数据通常是不可行的。或者使用服务对分析进行原型化，以访问不同的数据源，然后如果它被证明是富有成效的，并且业务需要指示它。中心化在后面完成。
Hurwitz公司分析师DanKirsch指出数据去中心化趋势和数据结构之间的联系。他说，“我们已经看到数据结构方法越来越受欢迎，因为拥有一个中央存储库来保存所有的数据是不现实的。”因此，数据结构需要允许异构数据位置。数据结构方法有助于解决分担责任的挑战，也就是每个团队负责自己的数据，然后将其连接起来，而不是将数据转储到数据湖中。AWS公司认为，数据湖是分析成功的唯一途径。当然，他们希望企业将所有数据都转储到AWS云平台上。
Gartner公司数据与分析副总裁NickHeudecker对此表示赞同，并认为所有这些趋势都很重要。他指出，“每个概念服务于不同的用户和用例，高性能、可重复分析的数据仓库。用于问题开发/实验的数据湖。数据网格用于使用带有治理监督的分布式数据。因此，没有混淆。”
将大数据战略集中在一个平台上
专家们利用双重策略，但坚持单一平台。通常有两种策略。一种策略是针对产品，另一种是针对分析。每个都有自己的核心枢纽平台，并支持多个数据存储库。然后在两个核心枢纽之间有一个ETL平台。
但是，是哪个供应商提供了这些服务的大部分呢?还没有看到任何一款认为能够独立成为完整平台的游戏。
多个数据存储库在很多方面，它不是集中数据，而是集成数据。而如何将所有数据集成起来，使其可视化，并将其连接到其他系统。
集中所有数据会带来成本、管理和安全问题。数据被锁定在业务线应用程序中，在办公场所和云生态系统中。连接数据所在位置有助于消除风险，提高洞察速度。这并不是一个单一的供应商解决方案故事。一些企业提供查询功能，但治理故事还没有被任何人充实起来。大数据中使得移动数据成为一个挑战。多平台是常态。如果幸运的话，可以将工具和技能标准化。
因此，数据结构是一种数据管理概念，用于实现灵活的、可重用的和增强的数据集成管道、服务和语义，以支持跨多个部署和编排平台交付的各种操作和分析用例。
确保遵守数据治理和数据隐私规则
因此，数据结构是一种数据管理概念，用于实现灵活的、可重用的和增强的数据集成管道、服务和语义，以支持跨多个部署和编排平台交付的各种操作和分析用例。
确保遵守数据治理和数据隐私规则
为了有效地管理数据，企业必须清楚地了解自己拥有哪些数据。组织需要了解他们的数据湖或数据结构中有哪些类型的数据。如果个人身份信息(PII)参与了一个特定的应用程序或新的努力，企业需要指派一名高管监督个人数据的适当使用。高管还可以帮助解决数据的可行性和适用性的问题。
管理人员扮演着至关重要的治理角色。因此，定义“管理员”很重要，他们的全部工作就是在信息的最初来源处访问和管理对信息的更正。他们从业务团队中轮换出来，制定KPI。
重要的是预先定义管理员，并知道如何在过程中与他们签入。获得管理员对用户体验设计的反馈也很重要。
云计算技术对大数据战略的影响?
云计算正在成为计算和存储的另一种形式，而不是一个独立的环境。云管理和可见性很重要。假设云计算是一种快速消耗预算的方法。在很多情况下，没有理由将一些应用程序移到云端。能够在云上立即对概念和实验进行证明是非常重要的。
云计算允许组织尝试新事物，并根据需要增加或删除计算能力，而不必等待物理工作完成。
数据过程在哪里成熟?
流程需要明确定义术语的基础。从事务系统开始是至关重要的。如果数据一开始是错误的，就需要花费大量时间来清理和增强该数据。
在促进围绕数据共享场景的领域需要大部分成熟度，比如数据读写能力。数据操作可以帮助提高弹性，但它仍然是一种压倒性的技术实践。
结语
显然，大数据正处于分析师所说的“幻灭低谷”。尽管数据驱动型公司将是长期赢家，但仍有工作要做。
获胜者需要进行数据治理，以使数据足够用于任务和保护。他们还需要改进数据处理过程。数据操作和数据治理可以一起提供帮助。
