这是一篇由销售工程师 Saurav Gupta 赞助的博文, InterSystems公司
金融服务组织充斥着数据,该行业显然有兴趣将其用于各种计划,包括实时交易数据分析和减少客户流失。 但这样做需要建立正确的数据管理架构。 这绝非易事。 多年来,组织尝试了不同的方法来提供一致的企业数据视图来支持他们的业务需求,但是他们的 IT 基础设施和数据环境需要交付的需求的快速变化,比如数据湖和数据仓库的实施,意味着挑战依然存在。
虽然金融服务组织内的数据通常是孤立的,难以访问和使用,但我们现在看到可以克服这些挑战的新数据管理方法的出现。 最有前途的两个: 数据结构和数据网格,旨在帮助组织从其数据和现有数据基础设施中获得最大的商业价值。
这两种方法之间有许多相似之处。 两者都允许数据保持存储在源位置——这是与需要使用批处理复制和移动数据的遗留系统的关键区别。
此外,数据结构和数据网格都连接不同的数据和应用程序,包括本地、合作伙伴和公共云中的数据和应用程序,以发现、连接、集成、转换、分析、管理和利用它们。 通过利用这些功能,这两种方法都能使企业快速有效地实现业务目标。
尽管两者之间有相似之处,但这里也有一些重要的区别需要考虑,这突出了为什么它们是互补的而不是可以互换的。 使用数据结构,可以集中管理元数据、治理和语义。 这种结构在雇用首席数据官的金融服务公司中更常见,这些公司采用自上而下的数据管理方法。
最新迭代, 智能 数据结构,建立在数据结构基础上,并直接在结构本身内整合了广泛的分析功能,包括数据探索、商业智能、自然语言处理和机器学习。 对于金融服务,这意味着能够在不影响交易系统性能的情况下对实时事件和交易数据进行分析。 组织可以不再查询离线或日内数字,而是利用实时洞察力在当下做出决策。
另一方面,数据网格使本地领域团队能够在他们更接近数据并更好地理解数据的前提下拥有数据产品的交付。 它由一个利用面向领域的自助服务设计的架构提供支持,使本地团队能够发现、理解、信任和使用数据来为决策和计划提供信息,并开发和部署数据产品和应用程序。
两者之间的一个关键区别是,数据网格允许在源系统(端点)定义和管理数据治理,而数据结构提供了一个总体结构,包括集中应用和管理的治理、沿袭、安全性等,例如,由 CDO。 从实际角度来看,数据网格可能适用于存在数据主权问题的情况,而数据结构可能是 CDO 办公室定义具有访问权限的组织分类法的正确方法。
这些区别点突出了一个事实,即这两种方法并不相互排斥——远非如此。 事实上,在决定使用哪种类型的架构时,选择取决于业务用例。 例如,如果高级团队希望通过企业级治理获得其数据资产的企业视图,他们可能会选择实施企业数据结构。 如果组织希望赋予企业中某些受信任的部分以创建和管理自己的应用程序以加速创新和数字化转型计划的灵活性,或者如果数据主权问题令人担忧,则数据网格可能是其整体的适当组成部分建筑学。
然而,同样真实的是,在适当的情况下,这两种方法可以而且经常确实协同工作以取得积极成果。 正如我们的一位主要金融服务客户所说:“Fabric 和 Mesh 的共同目标是轻松访问数据,并且在适当的情况下实际上可以成为互补的方法。”
事实上,数据结构架构可以在有意义的地方与数据网格计划共存,例如在必须在区域内本地管理活动数据的大型组织中。
数据结构和数据网格同时工作的一个例子可以在一家拥有客户 360 计划的大型跨国财富管理公司的需求中看到。
在此用例中,公司的整体数据策略是集中管理的(数据结构),但在执行本地营销活动的某些国家/地区存在数据保留和处理的主权问题。 与此相关的是,这些地区的客户对当地有特定的了解,这为当地活动管理的变化提供了信息。 这些变化由区域、国家或本地 IT 团队(数据网格)处理。
这些关于数据网格和数据结构如何协同工作以提供切实的商业利益的实际例子最终比关于每种方法各自优点的辩论更有启发性。
这一切都是关于这些方法如何帮助精简和简化业务架构,以便组织可以专注于以有意义的方式利用他们的数据,从而提供有形的业务价值。 随着时间的推移,我们希望看到这两种方法的进一步发展,在面向领域的数据所有权等领域的数据网格创新与日益成熟的数据结构架构相结合。 尽管如此,务实的重点必须始终放在这种功能组合对底线的影响上。 对于太多的组织而言,数据基础架构仍被视为成本中心,但这些新范式正在为对其价值的新理解铺平道路,使其能够以新的眼光被视为贡献自身实质价值的利润中心到企业。
- SEO 支持的内容和 PR 分发。 今天得到放大。
- 柏拉图区块链。 Web3 元宇宙智能。 知识放大。 访问这里。
- Sumber: https://finovate.com/data-fabric-or-data-mesh-can-financial-services-firms-benefit-from-both/
- a
- 对,能力--
- 关于我们
- ACCESS
- 访问数据
- 增加
- 所有类型
- 允许
- 允许
- 分析
- 分析
- 和
- 食欲
- 应用领域
- 应用的
- 的途径
- 方法
- 适当
- 架构
- 地区
- 办公室文员:
- 基于
- 作为
- 得益
- 好处
- 更好
- 之间
- 博客
- 半身裙/裤
- 建立
- 商业
- 商业利益
- 商业智能
- 营销活动
- 活动
- 能力
- 案件
- Center
- 一定
- 挑战
- 更改
- 首席
- 首席数据官
- 情况
- 清除
- 接近
- 云端技术
- 组合
- 未来
- 公司
- 公司的
- 补充
- 元件
- 关心
- 关注
- 分享链接
- 考虑
- 一贯
- 消耗
- 价格
- 国家
- 国家
- 创建信息图
- 顾客
- 合作伙伴
- data
- 数据基础设施
- 数据管理
- 数据策略
- 数据仓库
- 辩论
- 决定
- 定义
- 定义
- 交付
- 提供
- 交货
- 需求
- 依赖的
- 部署
- 设计
- 设计
- 确定
- 开发
- 差异
- 差异
- 不同
- 差异化因素
- 难
- 数字
- 数字化改造
- 直接
- 通过各种方式找到
- 不同
- 做
- 域
- 每
- 易
- 有效
- 出现
- 授权
- enable
- 使
- 使
- 工程师
- 企业
- 环境中
- 一样
- 等
- 活动
- 进化
- 例子
- 例子
- 独家
- 现有
- 期望
- 勘探
- 布
- 面料
- 远
- 金融
- 金融服务
- 公司
- 企业
- 高度灵活
- 专注焦点
- 基金会
- 频繁
- 止
- 进一步
- 目标
- 理想中
- 治理
- 手
- 帮助
- 点击此处
- 近期亮点
- 创新中心
- HTTPS
- 实施
- 履行
- 重要
- in
- 包括
- 包含
- 合并
- 日益
- 基础设施
- 项目
- 創新
- 创新
- 可行的洞见
- 整合
- 房源搜索
- InterSystems公司
- 问题
- IT
- 迭代
- 本身
- 键
- 知识
- 语言
- 大
- 最新
- 学习
- 遗产
- Level
- 杠杆作用
- 杠杆
- 借力
- 光
- 容易
- Line
- 本地
- 当地
- 寻找
- 机
- 机器学习
- 主要
- 使
- 制作
- 制作
- 管理
- 管理
- 颠覆性技术
- 许多
- 营销
- 营销活动
- 成熟
- 最大宽度
- 最多
- 有意义的
- 手段
- 满足
- 元数据
- 时刻
- 更多
- 最先进的
- 移动
- 跨国公司
- 相互
- 自然
- 自然语言
- 自然语言处理
- 需求
- 需要
- 全新
- 数字
- 办公
- 官
- 这一点在线下监测数字化产品的影响方面尤为明显。
- 一
- 组织
- 组织
- 组织
- 组织
- 其他名称
- 最划算
- 克服
- 己
- 所有权
- 相似之处
- 伙伴
- 部分
- 铺路
- 演出
- 性能
- 地方
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 点
- 积极
- 帖子
- 实用
- 务实
- 当下
- 权限
- 过程
- 处理
- 热销产品
- 利润
- 有希望
- 提供
- 国家
- 公共云
- 认沽期权
- 把
- 很快
- 范围
- 快
- 宁
- 实时的
- 现实
- 减少
- 区域性
- 地区
- 留
- 要求
- 需要
- 那些
- 保留
- 销售
- 同
- 扇形
- 保安
- 看到
- 选择
- 语义
- 前辈
- 感
- 特色服务
- Share
- 相似之处
- 简化
- 同时
- 情况
- So
- 一些
- 来源
- 主权
- 具体的
- 速度
- 赞助商
- 仍
- 存储
- 策略
- 精简
- 结构体
- 大量
- 这样
- SUPPORT
- 支持
- 系统
- 产品
- 需要
- 分类
- 团队
- 队
- 条款
- 其
- 次
- 至
- 一起
- 也有
- 交易
- 改造
- 转型
- true
- 信任
- 信任
- 最终
- 下
- 理解
- 理解
- 使用
- 用例
- 利用
- 折扣值
- 各种
- 查看
- 意见
- 方法
- 财富
- 财富管理
- 什么是
- 这
- 而
- 宽
- 大范围
- 将
- 中
- 也完全不需要
- 工作
- 一起工作
- 将
- 年
- 和风网