数据中台
文章平均质量分 81
麦聪聊数据
全球领先企业级DataOps软件厂商,为企业提供自主研发的企业级数据运营平台软件工具麦聪DaaS平台和SQL Studio。通过麦聪软件数据运营平台,用户可实现全域数据资产的管理,打通数据平台和应用需求的核心基础设施,助力企业构建从开发、管理、服务、市场等整体的数据市场和运营能力。
展开
-
利用数据质量工具提高业务效率 | 数据治理应用篇
在当今社会,企业管理者们愈发开始重视数据的重要性。数据不仅能推动战略决策,还能影响业务成果、推动创新,并为企业提供竞争优势。然而,随着数据量的增加,确保数据的准确性、一致性和可靠性成了数据从业人员面临的持续挑战。此时,数据质量工具就显得尤为重要。它们能够自动化地维护高质量数据,确保数据分析师、科学家和工程师更高效地开展核心工作。原创 2024-09-06 18:50:56 · 978 阅读 · 0 评论 -
3分钟带你了解什么是元数据管理
文章主要介绍了元数据管理。元数据是关于数据的数据,为数据加 “标签” 以帮助理解和使用。元数据管理有助于提升数据可发现性、理解力、一致性及支持合规性。企业可选择合适数据平台实施元数据管理,如麦聪 DaaS 平台,其低代码属性方便业务人员操作,可实现统一管理、提升元数据可搜索性和可访问性,确保多部门参与,为数据驱动决策奠定基础,提高数据治理效率。原创 2024-09-04 17:54:20 · 738 阅读 · 0 评论 -
公司让我一个人干数据中台,是不是可以准备找下家了
但数据中台也有其弊端,因为数据中台的建设离不开系统支撑,研发系统需要投入大量的人力,而这些系统是否能够匹配中台建设的需求,还需要持续打磨。数据服务平台最主要的功能就是数据服务快速开发,技术人员能几分钟开发一个数据API,即使是业务人员也能根据自己的取数需求采用无代码配置的方法快速生成简单可用的数据API。配合数据市场存放已开发过的数据API以及配套的全局权限管理和数据API使用分析功能,能在保证数据安全的前提下,让整个公司的数据资产流动起来,轻松利用。大量的数据应用场景是引入数据中台的前提。原创 2022-12-30 11:58:32 · 729 阅读 · 0 评论 -
解读Gartner2023年重要战略技术趋势
Gartner 2023年战略技术趋势围绕优化、扩展和开拓这三大主题,这些技术能够帮助企业机构优化韧性、运营或可信度、扩展垂直解决方案和产品交付并利用新的互动形式、更加快速的响应或机会进行开拓。”转载 2022-12-29 11:14:35 · 280 阅读 · 0 评论 -
什么是数据目录?为什么企业突然热衷于它
对此,您需要通过一种更简单的方法来查看数据的业务上下文,例如它是否是来自正确的数据存储的托管资源以及它与其他数据工件之间的关系。您不仅要了解当前您所拥有数据的类型、哪些人在移动数据、数据的用途以及如何保护数据,还必须避免过多的数据层和封装,避免数据因太难使用而毫无用处。随着关于数据的政府监管法规数量不断增长,企业经常需要证明数据的来源,例如特定数据工件的来源,或在实现最终目标之前进行了哪些数据转换;数据目录让用户可以看到与数据相关的所有内容,增强对所查看内容的信任度,为数据治理奠定一个绝佳的起点。转载 2022-12-28 21:58:06 · 329 阅读 · 0 评论 -
数据治理到底能不能做?为什么有人说数据治理是脏活、累活?
烟囱式开发:业务繁多、数据库多而乱,系统与系统之间错综复杂数据库种类:架构经历多次变迁,切换不完全,需要从Mysql、oracle、hbase甚至excle表中跨库、跨实例、跨种类才能获得有效业务数据数据结构混乱:同一字段,类型、命名都不一致文档缺失:无数据库文档或文档陈旧转载 2022-12-28 21:48:30 · 359 阅读 · 0 评论 -
行之有效的数据治理,该怎么管理元数据
数据治理,在数据平台的建设中,由于各种历史原因,普遍存在大量重复建设,不规范的行为动作,导致数据成本,人力成本的多余消耗。随着降本增效成为业务重心,我们需要从工具层面开展数据治理建设,利用已经完善的元数据基建能力,规模化治理流程,扩大治理范围,提升治理效率。转载 2022-12-28 21:31:28 · 413 阅读 · 0 评论 -
比Hive还快10倍的大数据计算引擎
Presto能够处理PB级别的数据,但Presto并不是把PB级别的数据一次性加载到内存中计算,而是根据处理方式,例如:聚合场景,边读取数据,聚合,再清空内存,再去读取数据加载内存,再聚合计算,再清空内存…因此Presto的主从架构是从集群整体上的内存情况,对进行中的查询进行定时监控,优化调度,将最大将耗内存的查询,调度给work节点配置的最大内存量去使用,大概在堆内存的10%。你可以认为类似 JDBC那样,但却是Presto的SPI的实现,使用标准的API来与不同的数据源交互。原创 2022-12-28 21:25:29 · 1945 阅读 · 2 评论 -
中台之建模篇
反过来讲,数据建模的时候也要重新回溯到业务,去识别业务概念里面的这些关键的概念,再从业务概念抽象为业务对象,然后再把业务对象的属性归类为新的逻辑实体,最后将逻辑实体通过一定的规则分解为物理表。有了组件的识别,还要对组件进行关系的重构,在重构的过程中既要考虑仿真,也就是还原事物的特征,还要去考虑要表达的目的或意图是什么,也就是关注点是什么,比如关注的是业务过程,就会采用功能分解模型。实体关系图按照业务对象进行划分,将数据的属性按照实体进行聚类,并描述实体间的关系,从而指导后续的程序设计以及数据库的设计。转载 2022-12-22 14:38:14 · 1092 阅读 · 0 评论 -
业务中台会吞并数据中台吗?
从本质上讲,无论是传统的业务服务或者是新型的数据服务,都是为客户提供的一种服务,它们应该通过统一的业务流程体现出其价值,不能因为技术实现上的差别就改变支撑的模式,比如业务服务就让业务中台团队牵头实现,数据服务就让数据中台团队牵头实现,长远来讲,这样做的集约化效率肯定是偏低的。组织架构优化后,新的业务中台团队实际上包含了业务和数据两个团队的人员,独立的数据中台团队不再存在,或者说成为了业务中台团队的一部分,数据中台团队退化回数据仓库时代的状态,只为决策支持提供服务。转载 2022-12-22 14:31:34 · 293 阅读 · 0 评论 -
数据中台选型必读(六):说说数据服务的七大核心功能
在前面的文章中,我们介绍了数据中台的元数据中心、指标字典与指标体系、数据模型设计、数据质量评估等内容,这些都是One Data理念下数据中台架构的重要部分。我们今天要讲的One Service——统一数据服务,指的是由数据中台提供统一的数据接入和数据查询服务。数据中台核心架构中的数据服务它提供了三项数据服务:主题式数据服务:基于元数据和规范定义和建模,构建主题逻辑表,屏蔽复杂物理表,提供业务视角下的查询。统一且多样化数据服务:一站式提供一般查询、OLAP分析、在线接口服务等查询和应用服务,便于数据跟踪管理原创 2022-12-21 10:41:32 · 1148 阅读 · 0 评论 -
一文读懂数据平台架构演进历史
可以看到,数据湖和数据仓库都有各自的优势和不足,但不难发现,二者在某些层面是非常互补的,于是乎,2020年,大数据DataBricks公司首次提出了湖仓一体(Data Lakehouse)概念,希望将数据湖和数据仓库技术合而为一,依据DataBricks公司对Lakehouse 的定义,湖仓一体是一种结合了数据湖和数据仓库优势的新范式,在用于数据湖的低成本存储上,实现与数据仓库中类似的数据结构和数据管理功能。要理解数据网格,先得回顾下数据平台的发展历史,它们的典型代表分别是数据仓库、数据湖及湖仓一体。转载 2022-12-15 20:40:21 · 427 阅读 · 0 评论 -
一篇文章讲清楚什么是数据网格和数据网格的原则
问题的关键在于原来的领域虽然拥有数据的权力,但并没有承担分享的义务,这引发了数据集中化管理的变革,但传统集中化的数据平台做过了头,在各领域数据支撑上力不从心,数据网格希望采用分布式的架构来解决集约化和灵活性的矛盾,让数据所有权回归领域,但需要承担对外数据服务的义务。在分布式体系架构中要制定通用的标准,确保数据产品有一个唯一的访问地址,不同领域存储和提供数据集的格式不同,事件可通过 Kafka 进行存储和访问,而数据集可使用 CSV 文件或序列化 Parquet 文件的 AWS S3 进行存储和访问。转载 2022-12-15 20:32:54 · 625 阅读 · 0 评论 -
避免IT采购后悔的5种方法
他说,问题更严重的是,这些企业在购买之后可能意识到,他们遇到了无法解决或无法轻易规避的问题,从而导致后悔的可能性更高。研究表明,许多企业仍然在努力进行良好的IT采购。例如,研究表明,参与技术购买决策的人中有67%不是IT行业人士,而不是IT行业人士的买家在购买技术或产品时,如果首席信息官不是最终决策者,他们更有可能后悔。Barnes认为,首席信息官有机会扭转这种局面,为他们无法控制的技术支出提供更具体和正式的指导,例如,与非IT决策者合作,探讨如何确定计划采购范围、审查供应商、审查案例和实施计划。转载 2022-12-15 20:17:29 · 118 阅读 · 0 评论 -
衡量数字化转型成功的5个指标
业务和IT领导普遍认为,真正的数字化转型是一个持续的、适应的过程,并且不一定有终点。当然,这并不意味着数字化转型项目不应该有战略目标和里程碑,也不应该有明确的方法来衡量业务的进展和成果。转载 2022-12-15 20:13:43 · 2347 阅读 · 0 评论 -
DevOps 是扯淡:是时候埋葬 DevOps 了!
越来越流行的时代精神是“平台工程是未来。”遗憾的是,许多组织无法指望“DevOps”团队来搞平台工程,从而抵达成功彼岸。在git代码存储库之间复制/粘贴一些Terrform模块是糟糕的“平台”。你的工程师不想处理它,运维团队将不可避免地为负责支持它。就连HashiCorp也开始为其“请联系销售人员”方案搭上“无代码”配置这股潮流。所有这些拥有企业客户收入的公司也都在苦苦挣扎。转载 2022-12-15 19:40:29 · 123 阅读 · 0 评论 -
一篇文章详解什么是DataOps?有什么关键能力?
而DataOps倡导的是每个人都应当学习去使用数据,数据不是某个人,某个小组的精英才能掌握的能力,它是一种文化。数据协同使用可以让授权的业务用户和第三方安全合规地使用企业数据,无需担心数据的隐私和泄漏,这是一切后续的基础。让数据部门全身心地投入到对于自动化、智能化数据科技的实践中,以最快地速度满足数据多样性,动态性,质量监控,系统稳定性的底层技术需求(后续会详细描述)。通过一个统一的、智能的数据平台将数据治理、数据编目、数据质量及数据保密工作整合在一起,只有这样才能确保所有数据都是可信的和受保护的。转载 2022-12-15 19:31:14 · 3516 阅读 · 0 评论 -
一文读懂数据仓库、数据平台、数据中台、数据湖的概念和区别
我们经常听到别人谈论数据仓库、数据平台、数据中台、数据湖的相关概念,它们都与数据有关系,但它们之间又有什么区别,下面我们将围绕数据仓库、数据平台、数据湖和数据中台的概念、架构、使用场景进行介绍。一、数据仓库数据仓库由比尔·恩门(Bill Inmon,数据仓库之父)于1990年提出,主要功能是将企业系统联机事务处理(OLTP)长期壁垒的大量数据,通过数据仓库理论支持所持有的数据存储结构,做有系统的分析整理。随着企业的发展,业务系统的数据不断激增,这些存储在企业业务数据库中(也就是关系型数据库Oracle,Mi转载 2022-12-01 20:11:00 · 427 阅读 · 0 评论 -
Flink被阿里收购4年,最开心的却是Spark背后的Databricks
阿里巴巴如果要说服其他云厂商,比如腾讯云、华为云,或者AWS、 Azure等都上一个好用的Flink服务,其他人就会在想,你阿里巴巴掌握了开源,还能够在自己的云上做一个更好的闭源系统,我们怎么和你做竞争。它既存在于AWS,也上了Azure,也登入了GCP甚至阿里巴巴的云端。综上,Flink的技术是牛的,未来能发展的更好,但如果一个很好的计算引擎,没办法做到公有云厂商中立,那么在云计算市场的商业化就会难一点。客户觉得,我一方面用了你的商业版本,一方面又必须/不得不上你的公有云,被你绑得死死的,那我怎么办?原创 2022-12-01 18:42:13 · 973 阅读 · 0 评论 -
不懂“数据服务”,聊什么“数据中台”
很多人都只注意到了One Data,元数据中心、指标字典、数据模型设计等等都属于One Data理念下数据中台架构的重要部分。但其实One Service——数据服务也是数据中台的核心,目前市面上的数据中台没有好用的产品很大的原因就是数据服务没做好。原创 2022-11-24 14:52:01 · 893 阅读 · 0 评论 -
这家公司的码农有多牛,用C++重写Kafka,还能与其API兼容
Redpanda对replication的处理就很简单了,data放在不同的Raft Group里面,Raft Group自己就能够实现对leader的自动维护,和数据在这个group之间的复制。第二是类似MapR文件系统和HDFS的区别,一个系统要对另外一个系统保持API兼容,而另外一个系统自己又是在不断发展的,这种兼容性的维系,是需要付出很大代价的。(内容来自“飞总聊IT”)而Redpanda的做法正好相反,Redpanda启动的时候就会分配走机器的绝大多数的内存,然后自己去管理这些内存的使用。转载 2022-11-17 11:36:07 · 379 阅读 · 0 评论 -
数据中台选型必读(四):要想中台建的好,数据模型得做好
要想得到一个“好”的数据模型,首先,我们可以统计未规范表的数量(可仿照表2),诊断数据模型现状。然后,制订一些针对性的改进计划,例如把这些不规范命名的表消灭掉,把主题域覆盖的表比例提高到90%以上。原创 2022-11-16 11:14:02 · 1025 阅读 · 0 评论 -
国企数字化转型全是坑?看这几个成功案例,减少90%损失
全局的数据权限管理下,借助数据API开发工具,技术人员能够几分钟开发一个数据API,数据能够直接传输到车联网平台,需要使用数据的业务人员也能直接在数据超市申请权限,将原来以天为单位的工作量变成小时级,大大提高公司科研效率。随着研发的投入,解放也遇到一些问题。比如:自动驾驶部门需要下载海量的车联网数据,一辆车每天的数据量就达到几千万行,靠数据工程师人工开发数据API,导出、校验、审核数据再传输到车联网业务线AI平台上,繁琐复杂,成本太高。数字经济时代,数字化转型是大势所趋,也是难得机遇,更是危机重重。转载 2022-11-14 08:43:20 · 260 阅读 · 0 评论 -
中国数据中台未来会怎样?三个趋势预测为您指明方向
近日,艾瑞咨询发布了2022年《中国数据中台行业研究报告》,报告中艾瑞咨询对中国数据中台的发展趋势给出三个预测。原创 2022-11-08 17:27:30 · 1184 阅读 · 0 评论 -
喜讯 麦聪DaaS平台荣获“2022行业信息化优秀产品”奖
为了树立行业发展标杆和榜样,推广2022年行业信息化创新贡献的企业、技术、服务、产品和案例等,赛迪网、《数字经济》杂志社发起评选活动,并与著名行业专家共同编制“行业信息化竞争力评价指标体系”。麦聪软件,是一家全球领先的DaaS(数据即服务)平台提供商,帮企业构建轻量级数据中台,支持元数据管理,数据治理,数据开发,数据服务化,数据市场等功能,解决企业碎片化数据管理、数据服务响应慢及运维成本高等问题,提升企业数据统一管理和服务能力,加速企业成功数字化转型。麦聪软件核心产品“麦聪DaaS平台”产品架构。原创 2022-11-04 14:29:37 · 116 阅读 · 0 评论 -
数据中台选型必读(三):什么企业适合上数据中台?
很多大型集团都存在这样的问题,IT建设一直在持续,经历了信息技术时代,互联网时代、大数据时代直到AI时代,通过几代IT人员的迭代,积累了大量的企业IT资产但有些已经阻碍企业发展,引入中台架构或许可以迎来新的变革时代。最基本的,企业是否实现了业务的数据化,有一定的数据沉淀下来作为复用的基础。一方面企业需要花费千万级费用投入到系统建设中,另外数据中台的建设离不开系统支撑,研发系统需要投入大量的人力,数据中台建成之后面对大量的数据需求,仍需要花费额外的人力去做数据模型的重构。简单来说,就是把数据复用起来原创 2022-11-04 10:34:38 · 1334 阅读 · 0 评论 -
数据中台选型必读(二):数据中台如何搭建元数据管理中心
当使用者定位到某一个表打开时,会进入详情页,详情页中会展示表的基础信息,字段信息、分区信息、产出信息以及数据血缘,从而可以帮助使用者了解这个表的来源和去向。通过丰富的不同类型的标签,可以完善数据中台数据的特征,比如指标可以作为一种类型的标签打在表上,主题域、分层信息都可以作为不同类型的标签关联到表。指标、分层信息、主题域信息都是以标签的形式存储在元数据中心的系统库里。最后,Range可以基于元数据中心提供的API接口,获取标签对应的表,然后根据标签更新表对应的权限,实现基于标签的权限控制。转载 2022-11-03 19:00:30 · 524 阅读 · 0 评论 -
数仓、湖仓、数据中台都没解决的企业数字化难题,却被它解决了
数仓/湖仓/中台方案,一般都是采用“中央存储库”模式,空间成本、人效、时效,在面对小快灵的敏捷用数需求时,都略显笨重和昂贵。当下企业对于数据的各种业务需求越来越多,且变化快速;但是湖仓台,比较依赖于ETL/ELT手段,进行数据的抽取、转换和加载,然后才能用于分析和挖掘,需要较长的周期。数据分析师和数据开发师也不想被取数任务占据主要精力,所以需要一些工具来帮助实现简单自助的数据消费,帮助企业降本增效。企业内部也要防止数据泄露带来的不利影响,全局的数据安全合规以及权限管理都势在必行,而现在的湖仓台难以满足。转载 2022-11-03 18:51:53 · 175 阅读 · 0 评论 -
数据中台的终点是DataOps还是DaaS?
如前文所说:数据中台和Data Ops最主要的目标就是高效实现数据价值,DataOps可以作为数据中台的核心能力补充,实现快速、稳定和自助式数据准备和数据服务。通过一个统一的、智能的数据平台将数据治理、数据编目、数据质量及数据保密工作整合在一起,只有这样才能确保所有数据都是可信的和受保护的。在整个数据管道过程中实施数据治理,从而确保了交付的数据都是可信、安全和受保护的,并满足合规性要求。欢迎在评论区留言讨论。业务人员使用数据目录和数据准备工具,进行数据的自动发现和自动编排,提高数据利用的便捷性。转载 2022-11-02 09:22:56 · 245 阅读 · 0 评论 -
埃森哲《2022 中国企业数字化转型指数》: 中国企业数字化进程五年间稳步推进,17% 企业成领军者
未来五年,高质量发展是中国企业的首要任务,我们希望更多企业能够锚定航向,追求多维使命,在达成自我革新的同时,助力建设现代化产业体系和中国经济的新动能。在当下多变的市场环境中,打造供应链韧性、提升生产率和发展人才队伍等多重考验叠加,企业需坚持创新作为第一动力,保持业务专注,持续进行数字化和创新投入,让未来转型之路行稳致远。善用新兴技术和员工团队。在企业打造韧性供应链的过程中,结合分析技术和人工智能,针对关键产品线、客户、供应商,以及关键时刻和环节,打造可视化能力,为预判潜在风险并最终采取自主行动打下基础。转载 2022-10-31 20:56:24 · 476 阅读 · 0 评论 -
主导未来的前 5 大数据科学趋势,你知道几个?
这就是大数据分析自动化出现在我们的 5 个数据科学趋势列表中的原因。它为执行生动的业务任务和快速执行与业务相关的操作提供了非常有弹性和能力的海量内存。我们选择的 5 个数据科学趋势的最后一个条目是数据治理。此外,增强分析有助于数据科学平台和嵌入式分析的发展。例如 CCPA 对许多企业活动产生影响,并对个人消费者数据进行监管,它还确保了数据的安全性。分析和数据正在帮助改变商业世界,来年数据科学中这 5 个趋势的重要性怎么强调都不为过。由于资源的可用性和数据存储的可承受性,对 DaaS 的财务需求与日俱增。转载 2022-10-31 20:53:32 · 160 阅读 · 0 评论 -
快被Gartner捧上天的Data Fabric,数据经纬到底是个啥?
前不久Gartner 公布的顶级战略技术趋势中,数据经纬(Data Fabric)榜上有名。Gartner预测至2024年,Data Fabric可帮助企业减少50%数据管理人力成本,数据管理工作量可减少70%。转载 2022-10-28 12:28:20 · 424 阅读 · 0 评论 -
落地DataOps,必须克服的挑战有哪些?
DataOps 是一种最新的高效使用数据和改进数据驱动决策的新工具。企业应该为迎接DataOps带来的挑战做好准备,并学习如何克服它们。原创 2022-10-27 14:18:26 · 2229 阅读 · 0 评论 -
掌握元数据知识看这一篇就够了:从元数据概念、分类、作用、管理及目标、挑战到规划及体系设计等
元模型管理即基于元数据平台构建符合CWM规范的元数据仓库,实现元模型统一、集中化管理,提供元模型的查询、增加、修改、删除、元数据关系管理、权限设置等功能,支持概念模型、逻辑模型、物理模型的采集和管理,让用户直观地了解已有元模型的分类、统计、使用情况、变更追溯,以及每个元模型的生命周期管理。元数据维护就是对信息对象的基本信息、属性、被依赖关系、依赖关系、组合关系等元数据的新增、修改、删除、查询、发布等操作,支持根据元数据字典创建数据目录,打印目录结构,根据目录发现、查找元数据,查看元数据的内容。转载 2022-10-27 10:28:17 · 8923 阅读 · 0 评论 -
喜讯!麦聪软件获得国际权威机构颁发的CMMI3证书
近日,麦聪软件宣布已通过国际权威机构CMMI Institute的评估并获得CMMI3证书。CMMI3证书的获得,标志着麦聪软件在软件研发能力、项目管理能力、质量保障能力和实施交付能力等方面已经得到国际权威机构的认可,是麦聪软件研发管理体系规范化过程中一个重要的里程碑。原创 2022-10-25 15:28:28 · 419 阅读 · 0 评论 -
Gartner发布2023年十大战略技术趋势
为此,企业机构需要新的可持续技术框架来提高IT服务的能源和材料效率,通过可追溯性、分析、可再生能源和人工智能(AI)等技术实现企业的可持续发展,同时还要部署帮助客户实现其可持续性目标的IT解决方案。Gartner预测,到2027年,全球超过40%的大型企业机构将在基于元宇宙的项目中使用Web3、增强现实(AR)云和数字孪生的组合来增加收入。这意味着网络将直接产生商业价值。Gartner预测,到2025年,投资建设数字免疫系统的企业机构将能够减少多达80%的系统宕机时间,所减少的损失将直接转化为更高的收入。转载 2022-10-24 08:42:25 · 220 阅读 · 0 评论 -
从事数字化转型的你,搞清楚这些数据类基础理念了吗?数据仓库、数据集市、数据湖、数据中台
所以,数据集市就像宜家楼上的展厅,正如其名字“集市”一样,是一个面向最终用户(顾客)的数据市场,在这里,数据(家具)以一种更加容易被业务人员(顾客)接受的方式组合在一起,这些组合方式可能是多变的,因为业务人员(顾客)的需求是多变的,因此我们需要定期调整集市的计算口径(展厅的陈列方式),经常会创建新的数据集市(装修新的展厅)。于是我们有了右上角的目标状态。广义的数据中台,则在狭义的数据中台基础之上,包含了顶层数据战略,数据治理体系以及数据管理及运营、数据文化培养和组织架构支撑,是一套持续管理和运营的体系。转载 2022-10-23 23:47:11 · 156 阅读 · 0 评论 -
数据中台的前世今生(一):数据仓库——数据应用需求的涌现
用杜邦分析法展开利润指标,我们可以清晰地看到利润组成的结构化因素,诸如商品销量、商品单价以及核算的成本等。此时,我们需要获取并分析每个品类下对应商品的销售和库存信息,基于这些数据,为每个商品制定销售采购计划:有的商品滞销,应该降价促销;有的商品畅销,需要及时补充库存,这些都离不开商品各个维度的数据。原创 2022-10-21 10:49:09 · 313 阅读 · 0 评论 -
数据中台坠落神坛,数据服务平台闪亮登场,阿里、快手又整烂活?
其中不同业务线下,数据同步和微服务通常有很多共同之处,重复烟囱式的开发意味要重复开发数据服务,造成了人力资源浪费,而且开发效率低,从数据开发到最终交付数据服务,需要经历较长的周期。由此可见:数据服务开发本来就很难,高水平的数据开发工程师也十分难得,而且数据开发大部分的时间都被临时取数的需求占据,根本无法专注在数仓模型、数据集市构建或运维。以上问题都需要数据开发工程师去解决,这就要求数据开发不仅仅是开发出数据表,还需要将数据表包装成一个独立的、灵活的、高可用的、安全的数据服务。其实现在谈的多的还是。转载 2022-10-20 00:02:04 · 249 阅读 · 0 评论 -
企业CIO如何避免被实施合作伙伴带进坑里?四位CIO给你支招
对很多企业来说,实施合作伙伴为CIO提供了在部署解决方案方面的广泛经验和专业知识,让CIO们可以把合作伙伴积累的经验用于他们的项目实施过程中,以避免常见的错误并且节省大量的时间和精力转载 2022-10-11 07:54:16 · 119 阅读 · 0 评论