2025数字化变化前瞻！数据办理龙头Denodo分享趋向

　　北欧客户越来越多地按照供应商正在 ESG 实践方面的表示和沟通环境来选择供应商。那些没有取 CSRD 及其他尺度相符的稳健 ESG 实践的企业正日益被解除正在投标之外。北欧企业可能会优先考虑具有社会可持续性的合做伙伴，沉点关心劳动实践并确保其供应链中的公允工资。企业需要高效的数据办理来办理数据收集和演讲。

　　将人工智能平台毗连到集成的人工智能代办署理的会商越来越多。缘由是它有可能连系一些手艺劣势供给更切确的行业特定谜底但愿看到的具体用例。

　　：跟着手艺和营业需求的成长，投资于简化将用例迁徙到最合适的手艺。表格局可实现取多个处置引擎兼容的数据暗示。此外，逻辑数据办理手艺（例如数据虚拟化）使数据利用者无需领会各个处置引擎的细微不同，包罗 SQL 方言、身份验证和谈和拜候节制机制。

　　RAG 支撑这种对企业数据的上下文。因而，由 RAG 支撑的支撑 AI 的企业数据将成为环节趋向。

　　83% 的受访企业正正在将其部门工做负载迁徙到私有云和当地系统。诚然，这些企业各自迁徙的百分比存正在一些不确定性；然而，从数据办理的角度来看，只需一个企业将数据存储正在多个即可。这可能会对数据办理策略发生严沉影响。

　　从数据办理的角度来看，向增量进修范式改变意味着企业能够更无效地操纵及时数据。此功能对于需要当即进行数据注释和响应的使用法式至关主要，例如金融买卖算法、及时保举系统和动态订价模子。跟着研究的继续和这些手艺的日益成熟，增量和持续进修对人工智能摆设和功能的影响可能会添加，使其成为将来人工智能手艺前进的沉点范畴。

　　公共部分参取者正正在敏捷变得愈加数字化，包罗确保数据平安以及正在相关参取者之间共享数据（例如，正在医疗保健范畴）。方针是为供给更好的办事。正正在确保以合乎和负义务的体例利用人工智能。办理机构协调各类收集平安打算。

　　○经济高效的数据存储和计较。数据办理将添加对更具成本效益的存储和计较数据处理方案的支撑。FinOps 功能（如按照数据利用频次优化存储成本的数据分层，以及按照营业优先级和财政方针将数据工做负载动态分派到计较引擎）将变得愈加主要。

　　正在互联网公共数据上锻炼的公共 LLM（如 ChatGPT）能够回覆一般性问题，如供给假期旅行，但它们无法回覆取企业内部运做相关的问题（如上个月发放了几多贷款）。为此，需要利用防火墙内的企业数据来锻炼 LLM。

　　数据办理架构将不竭成长，以满脚日益增加的数据量、各类数据源和更多样化的数据消费用户的需求。此外，还会有更严酷的现私和管理要求，而且愈加注沉供给对企业数据的平安拜候，以便 GenAI 使用的利用场景化。

　　预测：到 2026 年，跨越 50% 的企业会将数据系统分布和异构性视为开辟支撑 Gen AI 的数据产物的次要挑和。

　　○ 对同一数据生态系统互操做性的需求添加。逻辑数据架构将鞭策对跨分歧数据源（包罗云、当地和夹杂）的无缝互操做性的需求。支撑跨分布式系统的数据系统语义同一和查询计较的东西和平台将获得显著的吸引力。

　　银行将越来越关心办理天气相关风险。这包罗评估天气变化对贷款组合和投资带来的风险，并确连结久金融不变。

　　加强的变动办理和变动节制 跟着组织将职责分派给手艺和非手艺团队，他们必需制定稳健的变动办理和变动节制策略。变动办理（侧沉于沟通和采用）和变动节制（侧沉于手艺实施）是但相关的范畴，正在人工智能驱动的中都至关主要。最佳实践可能包罗跨本能机能的人工智能工做组、清晰的沟通和谈和培训打算，以推进平稳过渡。例如，对参取人工智能采用的非手艺人员实施布局化培训，能够帮帮弥合手艺团队和营业团队之间的差距。

　　○ 跨云供给商的同一数据办理。跟着越来越多的企业利用多云，对跨供给商的同一数据办理东西的需求将不竭增加。可以或许跨 AWS、Azure、GCP 和其他平台供给单一视图和管理框架的处理方案将遭到高度注沉。

　　取营业连结分歧 IT 取营业方针之间的脱节可能是人工智能成功的次要妨碍。IT 部分凡是关心手艺目标，而营业部分则优先考虑组织方针。鉴于数字化转型和人工智能打算的高失败率，IT 团队应取营业部分更慎密地合做，以优先考虑可权衡的营业。跨本能机能协做，由手艺和营业带领者配合带领人工智能驱动的项目，能够帮帮确保项目取焦点组织方针连结分歧并交付切实的价值。

　　预测：到 2026 年，跨越 80% 建立集中式云数据仓库或湖仓架构的组织将决定把某些工做负载迁徙到其他，包罗统一云供给商内的其他数据处置系统、其他云中的系统，以至是当地（数据回迁）。

　　大模子 (LLM) 能够做一些很是了不得的工作。我们正在产物中出格操纵了文本到 SQL 和摘要功能。因为 LLM 很是擅长评估/审查消息，而且正在评估方面没有自傲情感，我们看到很多研究和框架都正在寻求操纵这种能力。它们还很是擅长按照天然言语对使命做出决策和建立消息。这些功能是自从代办署理和代办署理工做流的根本。

　　现在，一些企业正正在对 LLM 进行微调，正在某种程度上，您能够将其视为增量进修。鉴于从头锻炼大型模子的挑和，增量/持续进修的能力意味着模子可以或许连结最新形态。正在这个范畴有良多研究，我估计它以至会正在 GenAI 之外成长强大。

　　：考虑采用数据虚拟化等逻辑数据办理手艺，以成立同一的根本架构，用于跨分歧平台发布、和拜候数据产物。这种方式使数据产物所有者可以或许矫捷地选择最适合其需求的系统，同时确保正在全球范畴内所无数据产物的互操做性、可沉用性和简单的发觉。

　　跟着人工智能正在组织内的普及，高管们要求其司理培训其员工步队，以提超出跨越产力并以更少的资本出产更多产物。

　　2025 年的数据办理将愈加分布式、及时和动态，其架构将优先考虑模块化、管理、AI 驱动的从动化和定制数据利用。这种演变将使组织可以或许正在日益复杂的数据生态系统中满脚可扩展性、律例服从性和数据化的需求。

　　论证：数据化和基于利用量的云订价模式的驱动，导致很多大型组织的成本飙升。IDC 2024 年 6 月的演讲《评估工做负载回迁的规模》(2) 反映了这一趋向，该报现，约 80% 的受访者估计正在将来 12 个月内会呈现某种程度的数据回迁。回迁既复杂又高贵，因而组织还会通过为每个用例选择正在效率和成本效益之间取得最佳均衡的云和系统来优化成本。

　　对现私、小我数据处置、具有锻炼人工智能模子的优良样本的主要性以及具有特定（不必然聚合）数据的需求的考虑，以便可以或许参考小我对现象进行建模，将对合成数据发生更大的鞭策感化，合成数据将正在选择和建立用做阐发根本的样本的过程中阐扬越来越大的感化。

　　论证：2024 年 Gartner 手艺架构师查询拜访 (1) 显示，“跨分歧平台的数据系统分布”是制定命据架构决策时第二个最常被援用的挑和，56% 的架构师都强调了这一点。

　　○ 用于数据从权的夹杂云架构。数据现私律例和对数据从权的巴望将鞭策组织采用夹杂架构，此中数据保留正在当地或私有云中，而不太环节的数据存储正在公共云中。这种方式可正在操纵公共云办事可扩展性的同时，实现律例服从性。

　　我们曾经听到了良多关于 LLM 的一些错误谬误，以及正在某种程度上语义搜刮的错误谬误。图供给了一种对复杂关系进行建模的方式，因而比来有大量研究操纵图数据库来处理此中的一些。有一些提醒方式，例如基于节点、基于径、基于条理布局、基于社区等等，这些方式都基于图的功能。正在某些环境下，节点属性是嵌入的，正在某些环境下是清晰的。有各类各样的手艺能够按照数据填充图来建立此类模子，因而需要可以或许正在图中查询数据以及将数据引入图中。

　　数据平安和现私 数据平安和现私是人工智能打算不成或缺的一部门，这添加了数据的挑和性和环节性。组织必需正在无效的办理、审计和节制取普遍采用人工智能所需的矫捷性之间取得均衡。例如，很多企业目前正在系统或源级别办理平安。然而，跟着人工智能的成长和更普遍的数据拜候需求，这种方式可能会导致成本和风险升高。为了缓解这种环境，组织能够采用优先考虑集中但矫捷的平安模子的数据管理框架，确保数据和可拜候性之间的均衡。

　　预测：到 2026 年，跨越 80% 逃求数据产物计谋的组织将利用多个数据平台建立环节数据产物。对于最后设想采用单一供应商方式的组织而言，这种改变将给企业范畴的数据化打算带来挑和。

　　跟着操纵人工智能连结合作力的压力越来越大，组织正正在建立新的脚色，例如首席人工智能官 (CAIO)，并从头审视首席消息官和首席数据官的脚色，以容纳人工智能打算。然而，人工智能研究的进展速度非常之快，这凡是跨越了组织采用这些手艺的能力，特别是正在规模化方面。很多企业正试图正在不异的组织布局内并利用保守方式来集工智能，但这可能并不脚够。

　　○ 面向域的数据管理。去核心化数据架构将导致面向域的管理，此中某些数据管理策略是正在域级别而不是仅正在地方进行办理的。这使得最接近数据的团队可以或许对其质量和合规性担任。

　　○ 从动数据编目和发觉。AI 将正在数据发觉、分类和编目中阐扬更大的感化，帮帮组织从动进行数据组织和标识表记标帜。AI 驱动的数据目次将供给相关数据沿袭、数据质量和利用模式的及时洞察。

　　正在数据化的下，数据正在公私营组织内的日益普及，以及逐渐扩大其鸿沟、迈向答应组织营业模子中的相关方（合做伙伴、供应商、公共办理部分、客户）共享和利用数据的生态系统的趋向，使得正式和系统地处理“寄义”问题变得愈加主要，以便为此生态系统中的所有参取者建立通用言语。

　　然而，深切理解数据的需求（通过均衡内涵和外延成分来实现），以及从一个切换到另一个的可能性（或者说是需要性），将决定人们对自动本体或自动数据目次以及基于本体的数据办理 (OBDM) 的乐趣日益稠密。

　　具有优良和社会天分的银行将受益于更有益的贷款条目。比以往任何时候都多的金融科技立异正正在支撑可持续银行营业。基于数据办理的数字东西将帮帮银行为消费者和企业供给个性化的金融办事。

　　○ 监管沉点日益关心数据通明度。监管要求越来越关心数据通明度，特别是正在 AI 驱动的决策中。数据管理架构将包罗用于数据来历和确保可注释性的框架，以恪守新的数据和 AI 律例。

　　○ 数据产物生命周期变得愈加复杂。凡是以去核心化的体例进行办理。数据办理平台将支撑数据产物的整个生命周期，从建立（设想、实施、摆设）到发觉、利用和。

　　以人工智能为核心的组织的布局旨正在激励 IT 和营业本能机能之间持续连结分歧，优先考虑数据平安和现私、变动办理和营业流程优化。此类组织是火速的，具有支撑跨部分协做的矫捷 IT 和管理布局。他们实施正在数据和拜候之间取得均衡的管理框架，利用培训打算来确保人工智能的成功采用，并不竭优化营业流程。通过采用这些准绳，组织能够提高人工智能、数字化转型和数据管理打算的成功率，从而正在人工智能驱动的世界中占领合作劣势。

　　Gen AI 使用法式必需以平安、受控的体例拜候所有组织系统中的数据，即便这些数据是动态的和及时的。可是，当前将 Gen AI 使用法式取外部数据源毗连的方式（例如检索加强生成 (RAG) 模式）忽略了数据分布的复杂性。将 Gen AI 使用法式扩展到试点和根基用例之外，需要间接处理这一挑和的处理方案。

　　○ 智能数据施行。数据办理平台将通过预测利用模式、将查询映照到准确的数据施行引擎以及从动调整数据工做负载以最大限度地降低成本和提高机能，来支撑基于 AI 的数据查询施行优化。

　　○ 现私的数据办理。以便正在不泄露消息的环境下进行数据阐发和共享。

　　○ 从动合规性和策略实施。跟着数据现私律例的日益严酷，企业将依赖从动合规性东西来确保数据办理实践合适所有区域和数据的律例。

　　人工智能正日益鞭策组织从头思虑数据办理、运营协和谐流程优化。当前的数据办理方式，包罗管道、ETL 和 ELT，面对着相当大的挑和。例如，80% 的企业演讲经常呈现数据管道毛病，74% 的企业正在数据质量方面苦苦挣扎，而处理问题凡是需要一天以上的时间，37% 的组织以至需要长达一周的时间。平安问题也很遍及，57% 的企业将数据平安视为一项严沉挑和。这种数据办理方面的底子性难题了次要计谋打算，例如数据管理、数字化转型和人工智能摆设，所有这些打算的成功率都很低。Gartner 估量，到 2027 年，80% 的数据管理打算将会失败，而人工智能项目标失败率盘桓正在 70-80% 之间，虽然概念验证取得了成功，麦肯锡演讲称只要约 30% 的数字化转型项目取得了成功。

　　沉组企业 IT 以实现火速性和协做 鉴于人工智能的快速成长，保守的 IT 布局可能会组织响应新兴需求的能力。很多企业将 IT 本能机能（特别是环绕数据办理的本能机能）孤立起来，这可能会障碍需要无缝数据拜候和协做的打算的无效性。可能需要一个更火速、更协做的 IT 布局，此中包罗数据管理和跨部分脚色。例如，企业能够正在 IT 部分内成立夹杂脚色或特地的人工智能集成团队，将手艺特长取特定范畴的学问相连系，以更无效地支撑人工智能和数据打算。

　　○ 数据网格和数据编织的增加。企业正正在从单体数据湖转向分布式数据架构，如数据网格和数据编织，他们将数据视为产物并按域组织数据。这些方式支撑去核心化、联邦管理，正在这种管理中，数据所有权分布正在各个团队中，从而提高了可扩展性和自从性。

　　像亚马逊、谷歌和微软如许的次要参取者曾经开辟了强大的框架，使企业可以或许比以往任何时候都更容易地建立这些人工智能驱动的代办署理并将其集成到其运营中。借帮 Amazon Bedrock Agents 和 Google Vertex AI 等东西，企业现正在能够建立代办署理来提取数据、回覆客户问题，以至正在无需太多人工监视的环境下施行操做。组织能够慢慢起头，实施和察看自从代办署理和代办署理工做流可能比摆设给用户更容易，因而即便从这种能力起头也可能更具吸引力。估计这些将正在将来一年摆布的时间内变得愈加风行。

　　人工智能的黑白取决于它获取的数据。不只是任何数据，而是值得相信的数据。即便数据分离正在分歧的、格局和延迟中，也需要为人工智能供给同一的靠得住数据。

　　营业流程优化和新兴手艺集成 转型，特别是涉及人工智能、物联网和从动化的转型，素质上需要营业流程优化。跟着组织采用人工智能，他们必需评估并可能沉构其流程，以无效地集成新手艺。这可能包罗开辟自顺应工做流，答应将人工智能驱动的洞察无缝地融入营业运营中。正在这个范畴取得成功的组织凡是采用轮回方式进行流程优化，跟着人工智能能力的成长不竭迭代和更新工做流。

　　○ 超个性化功能。所无数据都将提高为每个客户定制数据利用体验的需求。数据办理将鄙人一代数据交付平台中阐扬环节感化。

　　○ 数据可不雅测性做为焦点功能。数据可不雅测性使组织可以或许数据健康情况、沿袭和利用环境，这将成为一项尺度功能。数据新颖度和沿袭的洞察，确保用于阐发和决策的数据的靠得住性。

　　论证：数据产物办理打算素质上是分布式的，由于没有哪个单一平台可以或许跨所无数据产物优化功能、机能和成本。支撑这一点的是，只要不到 5% 的 Snowflake 和 Databricks 配合客户打算停用此中一个平台，而大大都客户还正在利用其他云和当地系统 (3)。此外，正在联邦管理模子中，数据产物所有者凡是会选择最能满脚其特定功能和预算要求的平台。此外，跟着手艺立异程序的加速，新的数据平台将不竭出现。

　　○ 节能数据处置。可持续性将成为数据办理中考虑的新从题。组织将寻求节能的数据处置和存储实践，包罗云中的碳脚印，以满脚企业可持续性方针和律例。

　　鉴于这些动态，企业数据产物计谋必需考虑数据分布和平台多样性，以确保火速性、分歧性和成本效益。

　　过去的一年里，新手艺取新趋向不竭出现，正在改变人类糊口体例的同时，也为财产带来了史无前例的成长机缘。2025年跟着新一轮科技和财产变化加快推进，数据办理将发生如何的变化？正在人工智能持续成长的大潮中，企业该若何充实数据价值、应对愈加复杂的营业挑和？企业全球数据办理范畴领军企业Denodo日前发布2025新趋向瞻望，分享了关于数字化转型新兴手艺及企业办理立异的前沿洞察。

　　○ RAG 加强。除了对 LLM 进行微调以供企业利用之外，GenAI 模子正在最后锻炼时利用的数据上逗留正在某个时间点。它们不领会企业数据或上下文，也无法拜候及时消息。数据办理平台将不竭成长，以供给和从动化对 LLM 的 RAG 加强，并通过企业数据将 GenAI 使用法式的行为场景化。

　　：考虑利用数据虚拟化等逻辑数据办理手艺，为 AI 驱动的数据产物成立可拜候的数据层。这些手艺能够实现对多个数据源的及时同一拜候，为实施分歧的平安和管理策略供给单一入口，并答应以营业言语呈现数据。

　　2025 年，我们该当会看到人类取人工智能之间的合作，以证明谁更值得相信，可以或许为高管供给更好的数据和洞察力。