数据编织，大数据的新风口？( 二 )

Gartner认为，随着数据的日益复杂以及数字化业务的加速发展， DataFabric已成为支持组装式数据分析及其各种组件的基础架构。由于在技术设计上能够使用/重复使用及组合不同的数据集成方式， DataFabric可缩短30%的集成设计时间、30%的部署时间和70%的维护时间。 IBM7月发布的CloudPakforData4.0的软件组合增加了智能化的DataFabric功能，其中AutoSQL（结构化查询语言），可以通过AI来自动访问、整合和管理数据，可以帮助客户以8倍的速度、不到一半的成本，获得分布式查询的答案。
变“人找数据”为“数据找人”
要实现“数据找人而不是人找数据” ， DataFabric究竟如何“编织”？
王积杰认为， DataFabric至少需要四个维度的能力。一是能够在数据之间建立虚拟链接，简化数据访问的模式，从而减少数据复制的数量。二是需要建立一个企业数据目录，并需要利用AI技术，自动化地实现基于语义和知识的分析，理解数据及其业务含义，并建立知识图谱，从而使数据目录变得智能化和自动化。能够让需要数据的用户，随时了解到需要的数据在哪里、数据质量如何等。三是建立自动化数据平台，允许用户通过自服务的方式，访问并获取数据。四是通过提供整体的自动化策略，确保数据安全，增加数据的隐私和权限保护，并提高数据质量。
数据编织是一种新的设计理念，它是数据管理、数据收集理念的变化，与数据仓库、数据湖等技术并不是替代的关系，既可以运用现有的数据中枢、数据湖和数据仓库的技术和技能，也可以在未来加入新的方法和工具。
【数据编织，大数据的新风口？】孙鑫谈到了实现DataFabric的一些关键技术，比如增强型数据目录，要想实现数据找人，而不是人找数据，需要增强的数据目录，它要涵盖用户使用数据的频度与机制，了解数据与业务的关系，还包括知识图谱，通过知识图谱找到数据与业务之间的关系，找到元数据利用的整合策略，也包括推荐引擎以及在数据准备阶段的低代码等工具，低代码工具的作用在于降低数据使用的门槛，加速数据产品化。
从DataFabric推动的难点来看， “一是理念层面的难题，中国的用户还没有意识到，数据利用和使用的方式已经发生改变，传统的集中收集再利用的方式已经不能满足需要。二是目前很多企业对于元数据不够重视。三是从人的角度看，需要提升企业数据工程师对知识图谱、图语言、图建模等数据工具的能力培养。四是数据编织的实现并不是找到一个厂商就能够完成，它是一个旅程，需要分几步走。 ”孙鑫认为，从用户的角度看，率先采用DataFabric的是金融电信行业以及数据应用场景比较复杂的用户。
在这一点上，王积杰表达了与孙鑫一致的观点——这是一个方向，但并不能一蹴而就，用户需要分步实施，关键是要意识到趋势，在后续的项目实施中，按照DataFabric的理念来构建。
国内厂商为何按兵不动？
尽管Gartner、Forrester等分析机构在几年前就提出DataFabric是数据利用与分析领域的革命性变革，是未来方向，但采访人员联系国内大数据相关领域企业进行采访时发现，对此了解或进行布局的企业并不多，甚至找不到。
这与国内大数据厂商的分布有关。 “国内有很多做数据库的企业，也有很多做BI（商业智能）的企业，但做数据整合的企业很少。而事实上，在国外做数据编织的往往是数据整合、数据虚拟化的厂商，这就很好理解为什么国内的大数据厂商迟迟未入场DataFabric ，因为这类企业就不多。 ”孙鑫告诉采访人员说。