没有可观测性，DataOps 注定失败

企业的健康取决于其数据。组织不仅依靠数据来加速和适应，而且越来越多地依靠数据来执行最基本的业务运营，从招聘新员工到发布和移动产品。

就像软件开发中的 DevOps 一样——作为这个新功能的模型——DataOps 充当不同技术数据功能之间的桥梁，包括工程、运营和分析师，甚至在某种程度上，非技术业务用户。DataOps 的目的是获得数据环境的基线图，并为整个组织的数据使用建立最佳实践。它融合了对维护健康数据至关重要的协议、人员和技术。

如果没有 DataOps，几乎不可能以业务需要的所有方式保持数据流动。然而，如果没有数据可观测性，DataOps 就会盲目运行。

数据格局是碎片化和疯狂的

即使在几年前，数据生命周期还是由 IT 集中管理。如果出现问题，建造管道的工程师可以发现并纠正它。但景观已经变得支离破碎。

每年都有越来越多的供应商，越来越多的工具，越来越多的管道。如今，普通公司利用 400 多个数据源。

与此同时，数据本身也越来越货币化：企业依靠实时数据来编排供应链，而消费品牌的生死取决于推荐算法的准确性和相关性。

我们不再生活在一个团队可以每周数次查看报告或仪表板的世界中，并有数小时甚至数天的时间来解决数据问题。

什么是数据可观测性？

大多数人喜欢将数据可观测性视为了解数据状态的窗口。但数据可观测性不是静态的或被动的——它是一个主动的过程。数据可观测性的核心包括四个关键组成部分：

• 数据质量。您能否确认您所依赖的数据是最新的、准确的且格式正确？
• 数据沿袭。你相信你的数据来源吗？您是否了解它是如何在您的系统中移动的以及它在何时何地被使用？
• 数据监控。每条管道是否 24/7 全天候运行？管道是否传输了您需要的所有数据，而不仅仅是 90%？
• 通知。当出现问题时，您的数据会立即告诉您，还是等到您查看报告或运行诊断时才告诉您——此时已经为时已晚？当您确实收到通知时，它是否完整且相关，足以为您指出正确的解决方案？

“可观测性”意味着 DataOps 可以观测数据基础设施、数据流和数据本身。然后，当出现问题时，自动警报会通知 DataOps 或数据工程师，以便他们解决问题——或者至少暂停信任这些不可信数据的人员和程序。

将数据可观测性带入生活

您如何确保您的组织具有数据可观测性？与数据中的所有内容一样，没有简单的、一刀切的解决方案。

对于拥有现代模块化数据技术堆栈的小型组织和初创公司，答案可能是添加专门构建的数据可观测性解决方案。在过去的三到四年里，出现了几家软件初创公司，它们明确地将自己定位为数据可观测性工具，而一些稍旧的数据目录解决方案提供数据可观测性功能。

但对于拥有更成熟数据技术堆栈的大型公司而言，解决方案可能已经掌握在您手中。如果您的综合数据平台提供数据清单和控制台管理功能，您可以通过优先考虑上述组件来实施数据可观测性计划。

那么，数据可观测性只是另一个趋势吗？一句话，没有。没有数据可观测性的世界是这样一个世界，当您发现数据错误时，已经为时已晚。这是 DataOps 领导并改善整个业务数据的健康和价值的机会。

文章内容转自：

Without Observability, DataOps Is Doomed – The New Stack