企业数据中台选型前必读!透过Gartner看清下一代数据中台

不知不觉中，数据中心已经痒了七年。回顾当时，阿里巴巴在2015年提出了“大台、小前台”战略，在数据中心掀起了“大跃进”。随后，在2016年，华为宣布了“平台火力支援士兵作战”的改革，在2019年，字节跳动打造了广播大台，腾讯开启了中台能力。百度、Bytdance和滴滴出行等互联网巨头都推出了自己的中台项目。一段时间以来，数据中间阶段一直保持不变，许多企业将数据中间阶段视为加速数字化转型的关键因素之一。大约五年后，数据中心遇到了滑铁卢的传闻。到目前为止，关于数据中心的讨论似乎并没有停止。其中许多人对数据的价值提出了质疑。2020年，Gartner发布的中国ICT技术成熟度图表包含了数据中心的增长曲线。正如你所看到的，这项新技术达到顶峰，然后急剧下降。

图1：Gartner2020中国ICT技术成熟度图一开始，数据中心的初衷是支持业务快速迭代创新的能力，创新业务本身需要不断的试错，在新事物成熟之前必须接受市场考验，一些起伏也是正常的。在舆论的质疑中，大家最关心的是数据中心如何落地的混乱。每个人最担心的是忙碌，最后，神奇的数据中心被认为无法使用。因此，如何设计一个可着陆的中间平台架构是许多IT领导者面临的最大挑战。为满足企业数据中间平台市场需求，阿里、华为等众多领先厂商纷纷开始构建数据中间平台产品。这个市场迅速引起了资本市场的注意，并吸引了许多数据中心初创公司。然而，对于数据中间站的架构，Gartnert不同意，他认为中间站架构应该通过使用产品管理方法来构建场景应用程序来缓慢发展，而不是部署另一个大型完整的中间站系统。为什么Gartner会这么认为？由于国际市场上还没有数据中间平台的概念，如果你和外国人谈论数据中间平台，你会让对方尴尬。因此，Gartner通过另一个新概念MASA（网格应用和服务架构），搭建了连接国际和国内中台概念的桥梁。Gartner将MASA框架划分为三层：顶层是用户层，多体验。最底层是企业内部的应用系统，多维服务层，即后台系统。中间是API分析层，它连接前端和后端。

图2：Gartner的MASA架构很明显，MASA框架没有中间站，中间API解析层是连接层或转换层。具体来说，它将ERP，CRM和其他应用程序数据和业务逻辑集中在一个地方，在支持前台客户服务时，可以显著提高流畅性或响应性。同时，由于MASA主要是业务驱动的，需要根据终端用户的需求做出决策，Gartner在API管理领域建议建立产品管理机制，以便有效地管理大量分散的API。这个想法与Masen Software是一致的。McConon Software通过核心MaConon DaaS平台快速灵活地开发和管理数据API，开辟前后实时连接的数据通道，为企业构建自助式开放数据中间平台，帮助企业高效实现数据资产化和数据服务化。研究下一代数据中心的技术趋势，我一直在关注Gartner的数据和分析技术趋势，从2019年到2022年连续四年。在Gartner的预测中，我们可以看到下一代数据中间件会是什么样子。Gartner的“2019年十大数据和分析技术趋势”重点关注了两个趋势：增强数据管理和数据结构。增强数据管理使用机器学习功能和人工智能引擎来生成企业信息管理类别，自动执行许多手动任务，将元数据从被动转移到主动，使不太精通技术的用户能够更自主地使用数据，并使高级技术人员能够专注于更高价值的任务。Data Fabric于2000年首次提出，并于2019年开始成为Gartner技术趋势的首选。到2022年，自定义数据结构设计将主要用作静态基础设施，这将促使组织投资于新的数据结构，以实现更动态的数据网格方法。加强2020年十大数据和分析技术趋势数据管理加强数据管理的重要性在Gartner的“2020年十大数据和分析技术趋势”中得到了重申。根据Gartner的说法，增强型数据管理将元数据的作用从帮助数据审计、继承和报告转向支持动态系统。扩展数据管理产品可以查看大量的操作数据样本，包括真实查询、性能数据和场景。利用现有的使用和工作负载数据，扩展引擎可以协调操作并优化配置、安全性和性能。2021年十大数据和分析趋势增强数据消费者增强数据消费者是Gartner在“2021年十大数据和分析技术趋势”中确定的趋势。Gartner认为，预定义的仪表板和手动数据探索将被实时洞察和查询所取代。仪表板将被自动化、对话、移动和动态生成的见解所取代，这些见解将根据用户的需求进行定制，并在用户需要消费数据时交付，从而确保企业中的每个人都可以访问以前由少数数据专家拥有的见解和知识。这种趋势对系统的实时性和稳定性提出了更高的要求。Gartner在《2022年数据和分析的12个技术趋势》中确定了三个趋势：提高数据管理能力、创建元数据驱动数据以及致力于开放数据共享。Gartner连续第三年使用“数据管理”这一关键词。Gartner表示，以数据为中心的人工智能是一种复杂的系统工程，涉及数据管理、数据质量、数据集成和数据治理等基本功能的技术和技能。对于企业来说，基于项目的人工智能模型的开发并不会结束数据管理活动。它将继续支持AI模型的开发，就像动态数据管道一样，并提高对AI模型的洞察力。谈到公共数据共享，数据安全性始终是一个考虑因素。然而，内部数据共享的风险要小得多。共享数据不仅可以释放内部数字化的潜力，也是适应外部变化的核心引擎。企业将更多地考虑数据资产化、数据目录、数据字典和数据地图等方法，以便以可管理的方式共享数据。这是Gartner第二年提到元数据。过去，企业对元数据相对被动，只有当企业遇到数据质量问题，需要数据治理时，元数据才会得到广泛的发展。事实上，企业可以通过元数据解决企业的“低数据使用率”问题。通过将现实世界问题中的决策目标、约束、偏好和目标转化为数学模型，企业可以利用数据进行主动管理。综上所述，通过解读Gartner连续四年的数据分析技术趋势预测，我们可以看到下一代数据中间平台的技术趋势，让企业在选择企业数据中间平台之前大放异彩，进一步帮助企业选择适合未来发展的数据中间平台。作为全球领先的数据即服务平台提供商之一，McCongon Software通过快速提升其数据API开发和管理能力，帮助企业客户快速实现数据资产化和数据服务化，构建自助式开放式数据中间平台，提升企业数据服务能力。