云,基础设施现代化和数据治理定义了2019年的IT成功

发布时间:2019.03.25来源:亿信华辰浏览量:145次标签:数据治理


随着新兴数据技术的优先事项和采用不断升级,IT正在发生变化,挑战也在不断增加。

新的创新中心IT如何应对这种情况?

根据Syncsort的调查,2019年确定的顶级IT计划受访者是云/混合计算(46%),现代化基础设施(38%)和数据治理(32%),其次是高级/预测分析(25%)。这些举措是IT团队处理肩负新职责的最佳方式。或许,令人惊讶的是,自动化不包含在此列表中。

IT行业在最大的挑战中分裂,最大的群体选择技能/人员短缺(38%)。数据治理(33%),使数据更容易获取(33%),保持数据最新(30%)和预算约束(30%)紧随其后。

IT部门正在努力解决数据交付和价值问题

•只有9%的受访者称其组织“非常有效”地从数据中获取价值,而近一半(48%)的受访者表示“有效”。
      •使整个企业的用户可以访问数据是第三大被引用的IT挑战,只有一半(50%)称其组织在向业务用户提供数据洞察方面“非常有效”或“有效” 
      •尽管如此,“改进了访问权限”数据“在业务计划清单中排名第四IT表明他们将在2019年支持,增加运营/劳动力效率(48%),改善客户体验(46%)和降低成本(42%)。

组织仍在使基础设施现代化并建立数据湖泊

•现代化基础设施是2019年第二大优先级IT计划,38%的受访者选择了该计划。它被确定为目前提供商业利益的顶级技术,被调查者中最大的25%选择。
•只有9%的数据湖成熟采用(5年以上),而17%正在生产(2 - 4年)。有24%的人提前采用(不到2年),23%仍处于研究/评估阶段。
•构建数据湖泊的大多数人正在从他们的企业数据仓库中填充(52%),使用来自RDBMS(37%),NoSQL数据库(24%),第三方提供商(23%)的数据的百分比较低和云存储库(21%)。
•最感兴趣的数据湖用例包括高级/预测分析(50%),实时分析(42%),运营分析(41%),数据发现和可视化(39%)。

在云实施成熟的同时,公司仍在评估新兴技术

•云计算/混合计算是2019年的首要IT计划,46%的受访者选择了该计划; 其中39%已处于早期采用阶段,27%的产量和10%的成熟采用率。

•区块链(34%),物联网(32%),人工智能(30%)和流媒体数据技术(24%)的受访者数仍然最多,仍处于研究/评估阶段,但早期采用者表现出对这些技术的吸引力。
     •对于投资区块链的组织,20%的企业提前采用,7%投入生产,5%采用成熟采用。
     •对于投资于人工智能/机器学习的组织,20%的人处于早期采用阶段,12%的人处于生产阶段,7%的人处于成熟阶段。
     •对于投资流媒体数据技术的组织,22%的人处于早期采用阶段,15%处于生产阶段,9%处于成熟采用阶段。

Syncsort首席技术官TendüYoğurtçu表示:“今天生产的数据非常多,而且正在创造大量新的机遇和挑战。”

“我们将云和混合云视为主流趋势,这与我们2018年的云调查结果一致。随着数据转移的严重性,组织正在尝试利用云的弹性,并尽可能快地分析和将可信数据传递到应用程序管道中。这些是改善数据可访问性和利用机器学习和流分析等新兴技术的先驱,这些技术将有助于从数据中获取更多价值。“



(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 免费试用
相关文章推荐
  • 数据治理:你如何叠加?

    数据治理:你如何叠加?

    企业和组织生成的数据比他们知道的更多。……查看详情

    发布时间:2019.04.03来源:亿信华辰浏览量:136次

  • 数据治理的战略转变

    数据治理的战略转变

    正在进行的思维方式和工具集战略转变正在改变主要思想家如何重新考虑他们的数据治理方法。治理的核心是变革管理。……查看详情

    发布时间:2019.03.27来源:亿信华辰浏览量:132次

  • 数据治理:大学数据的分类

    数据治理:大学数据的分类

    所有学院数据都被分类为敏感级别,为理解和管理大学数据提供基础。准确的分类为大学数据应用适当的安全级别提供了基础。这些分类考虑了法律保护(……查看详情

    发布时间:2018.11.26来源:数据治理浏览量:238次

  • 金融业的数据治理重要开端:数据流入

    金融业的数据治理重要开端:数据流入

    随着科技的发展,当今社会已经进入到了信息时代的下一阶段,“数据时代”,大数据成为了众多行业的风口,数据自然而然便……查看详情

    发布时间:2019.01.04来源:尼锅浏览量:160次

  • 数据科学的下一个「超能力」:模型可解释性

    数据科学的下一个「超能力」:模型可解释性

    很多人重视重视模型的预测能力,却忽略了模型可解释性的重要性,只知其然而不知其所以然。为什么说模型的可解释性这么重要呢?作者就 5 个方面……查看详情

    发布时间:2019.03.28来源:亿信华辰浏览量:135次

  • 为什么数据治理这么重要?

    为什么数据治理这么重要?

    一个科学合理的数据治理规范,是数据安全与价值的制度保障,是数据产业健康发展,甚至是国家人工智能战略实施不可或缺的前提条件。……查看详情

    发布时间:2019.01.18来源:亿信华辰浏览量:126次

  • 建立统一的数据交换平台实现各部门的数据共享

    建立统一的数据交换平台实现各部门的数据共享

    要实现各部门的数据共享,必须先建立统一的数据交换平台,通过交换平台实现各异构数据库之间的数据集成,实现原有各业务系统在数据级集成,保证异……查看详情

    发布时间:2020.08.21来源:知乎浏览量:199次

  • 让数据清澈如水:数据清洗的策略与方法

    让数据清澈如水:数据清洗的策略与方法

    在数据仓库中,数据是面向某一主题的数据的集合,这些数据从多个业务系统抽取而来,不同的数据来源加上历史数据的堆积,难免会有问题数据出现,这……查看详情

    发布时间:2020.11.23来源:亿信华辰浏览量:216次

  • 以元数据为基础的数据治理策略

    以元数据为基础的数据治理策略

    数据是公司资产。为了更快地做出决策,用户必须信任它。数据治理打破了整个企业中不同系统的数据孤岛,并建立了一套流程,标准和策略,以使企业范……查看详情

    发布时间:2019.09.04来源:知乎浏览量:220次

  • 使用数据治理指导数据传输

    使用数据治理指导数据传输

    在过去几年中,我们一直迷恋于大量数据以及我们创建和收集新数据类型和来源的能力。……查看详情

    发布时间:2019.01.16来源:亿信华辰浏览量:142次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议