過(guò)去的一年里，新技術(shù)與新趨勢(shì)不斷涌現(xiàn)，在改變?nèi)祟?lèi)生活方式的同時(shí)，也為產(chǎn)業(yè)帶來(lái)了比較罕見(jiàn)的發(fā)展機(jī)遇。 2025 年隨著新一輪科技革命和產(chǎn)業(yè)變革加速推進(jìn)，數(shù)據(jù)管理將發(fā)生怎樣的變革？在人工智能持續(xù)發(fā)展的大潮中，企業(yè)該如何充分釋放數(shù)據(jù)價(jià)值、應(yīng)對(duì)愈加復(fù)雜的業(yè)務(wù)挑戰(zhàn)？企業(yè)全球數(shù)據(jù)管理領(lǐng)域領(lǐng)軍企業(yè)Denodo日前發(fā)布 2025 新趨勢(shì)展望，分享了關(guān)于數(shù)字化轉(zhuǎn)型新興技術(shù)及企業(yè)管理創(chuàng)新的前沿洞察。

ángel Vi?a（Denodo創(chuàng)始人兼首席執(zhí)行官）表示：

2025 年展望 – 數(shù)據(jù)管理的未來(lái)

數(shù)據(jù)管理架構(gòu)將不斷發(fā)展，以滿(mǎn)足日益增長(zhǎng)的數(shù)據(jù)量、各種數(shù)據(jù)源和更多樣化的數(shù)據(jù)消費(fèi)用戶(hù)的需求。此外，還會(huì)有更嚴(yán)格的隱私和治理要求，并且更加重視提供對(duì)企業(yè)數(shù)據(jù)的安全訪問(wèn)，以便 GenAI 應(yīng)用的使用場(chǎng)景化。

以下是我的 2025 年“展望”清單：

1. 邏輯/聯(lián)邦數(shù)據(jù)架構(gòu)的興起

○ 數(shù)據(jù)網(wǎng)格和數(shù)據(jù)編織的增長(zhǎng)。企業(yè)正在從單體數(shù)據(jù)湖轉(zhuǎn)向分布式數(shù)據(jù)架構(gòu)，如數(shù)據(jù)網(wǎng)格和數(shù)據(jù)編織，他們將數(shù)據(jù)視為產(chǎn)品并按域組織數(shù)據(jù)。這些方法支持去中心化、聯(lián)邦治理，在這種治理中，數(shù)據(jù)所有權(quán)分布在各個(gè)團(tuán)隊(duì)中，從而提高了可擴(kuò)展性和自主性。

○ 對(duì)統(tǒng)一數(shù)據(jù)生態(tài)系統(tǒng)互操作性的需求增加。邏輯數(shù)據(jù)架構(gòu)將推動(dòng)對(duì)跨不同數(shù)據(jù)源（包括云、本地和混合環(huán)境）的無(wú)縫互操作性的需求。支持跨分布式系統(tǒng)的數(shù)據(jù)系統(tǒng)語(yǔ)義統(tǒng)一和查詢(xún)計(jì)算的工具和平臺(tái)將獲得顯著的吸引力。

2. 混合和多云數(shù)據(jù)管理成為新常態(tài)

○ 用于數(shù)據(jù)主權(quán)的混合云架構(gòu)。數(shù)據(jù)隱私法規(guī)和對(duì)數(shù)據(jù)主權(quán)的渴望將推動(dòng)組織采用混合架構(gòu)，其中敏感數(shù)據(jù)保留在本地或私有云中，而不太關(guān)鍵的數(shù)據(jù)存儲(chǔ)在公共云中。這種方法可在利用公共云服務(wù)可擴(kuò)展性的同時(shí)，實(shí)現(xiàn)法規(guī)遵從性。

○ 跨云提供商的統(tǒng)一數(shù)據(jù)管理。隨著越來(lái)越多的企業(yè)使用多云，對(duì)跨提供商的統(tǒng)一數(shù)據(jù)管理工具的需求將不斷增長(zhǎng)。能夠跨 AWS、Azure、GCP 和其他平臺(tái)提供單一視圖和治理框架的解決方案將受到高度重視。

3. 更加關(guān)注數(shù)據(jù)產(chǎn)品生命周期管理

○ 數(shù)據(jù)產(chǎn)品是數(shù)據(jù)民主化的關(guān)鍵推動(dòng)因素。數(shù)據(jù)產(chǎn)品將原始數(shù)據(jù)轉(zhuǎn)換為增值服務(wù)，為最終用戶(hù)提供可操作的洞察力，以實(shí)現(xiàn)業(yè)務(wù)目標(biāo)。不同的交付模式和自助服務(wù)界面將使所有組織中的新成員能夠使用數(shù)據(jù)產(chǎn)品，從而顯著增加數(shù)據(jù)使用量。

○ 數(shù)據(jù)產(chǎn)品生命周期變得更加復(fù)雜。數(shù)據(jù)產(chǎn)品由具有不同技能和職責(zé)的不同角色管理，通常以去中心化的方式進(jìn)行管理。數(shù)據(jù)管理平臺(tái)將支持?jǐn)?shù)據(jù)產(chǎn)品的整個(gè)生命周期，從創(chuàng)建（設(shè)計(jì)、實(shí)施、部署）到發(fā)現(xiàn)、使用和監(jiān)控。

4. 用于數(shù)據(jù)管理的 AI：AI 驅(qū)動(dòng)的數(shù)據(jù)管理的擴(kuò)展

○ 自動(dòng)數(shù)據(jù)編目和發(fā)現(xiàn)。AI 將在數(shù)據(jù)發(fā)現(xiàn)、分類(lèi)和編目中發(fā)揮更大的作用，幫助組織自動(dòng)進(jìn)行數(shù)據(jù)組織和標(biāo)記。AI 驅(qū)動(dòng)的數(shù)據(jù)目錄將提供有關(guān)數(shù)據(jù)沿襲、數(shù)據(jù)質(zhì)量和使用模式的實(shí)時(shí)洞察。

○ 智能數(shù)據(jù)執(zhí)行。數(shù)據(jù)管理平臺(tái)將通過(guò)預(yù)測(cè)使用模式、將查詢(xún)映射到正確的數(shù)據(jù)執(zhí)行引擎以及自動(dòng)調(diào)整數(shù)據(jù)工作負(fù)載以比較大限度地降低成本和提高性能，來(lái)支持基于 AI 的數(shù)據(jù)查詢(xún)執(zhí)行優(yōu)化。

5. 用于 AI 的數(shù)據(jù)管理：支持 GenAI 模型的豐富

○ RAG 增強(qiáng)。除了對(duì) LLM 進(jìn)行微調(diào)以供企業(yè)使用之外，GenAI 模型在最初訓(xùn)練時(shí)使用的數(shù)據(jù)上停留在某個(gè)時(shí)間點(diǎn)。它們不了解企業(yè)數(shù)據(jù)或上下文，也無(wú)法訪問(wèn)實(shí)時(shí)信息。數(shù)據(jù)管理平臺(tái)將不斷發(fā)展，以提供和自動(dòng)化對(duì) LLM 的 RAG 增強(qiáng)，并通過(guò)企業(yè)數(shù)據(jù)將 GenAI 應(yīng)用程序的行為場(chǎng)景化。

6. 繼續(xù)向去中心化數(shù)據(jù)治理轉(zhuǎn)變

○ 面向域的數(shù)據(jù)治理。去中心化數(shù)據(jù)架構(gòu)將導(dǎo)致面向域的治理，其中某些數(shù)據(jù)治理策略是在域級(jí)別而不是僅在中央進(jìn)行管理的。這使得最接近數(shù)據(jù)的團(tuán)隊(duì)能夠?qū)ζ滟|(zhì)量和合規(guī)性負(fù)責(zé)。

○ 監(jiān)管重點(diǎn)日益關(guān)注數(shù)據(jù)透明度。監(jiān)管要求越來(lái)越關(guān)注數(shù)據(jù)透明度，尤其是在 AI 驅(qū)動(dòng)的決策環(huán)境中。數(shù)據(jù)治理架構(gòu)將包括用于跟蹤數(shù)據(jù)來(lái)源和確?？山忉屝缘目蚣埽宰袷匦碌臄?shù)據(jù)和 AI 法規(guī)。

○ 數(shù)據(jù)可觀測(cè)性作為核心功能。數(shù)據(jù)可觀測(cè)性使組織能夠監(jiān)控?cái)?shù)據(jù)健康狀況、沿襲和使用情況，這將成為一項(xiàng)標(biāo)準(zhǔn)功能?？捎^測(cè)性工具將提供有關(guān)數(shù)據(jù)管道、數(shù)據(jù)新鮮度和沿襲的洞察，確保用于分析和決策的數(shù)據(jù)的可靠性。

7. 關(guān)注超個(gè)性化、大規(guī)模隱私和數(shù)據(jù)安全

○ 超個(gè)性化功能。所有數(shù)據(jù)都將提高為每個(gè)客戶(hù)定制數(shù)據(jù)使用體驗(yàn)的需求。數(shù)據(jù)管理將在下一代數(shù)據(jù)交付平臺(tái)中發(fā)揮關(guān)鍵作用。

○ 保護(hù)隱私的數(shù)據(jù)管理。對(duì)數(shù)據(jù)隱私的擔(dān)憂(yōu)將導(dǎo)致采用保護(hù)隱私的技術(shù)，以便在不泄露敏感信息的情況下進(jìn)行數(shù)據(jù)分析和共享。

○ 自動(dòng)合規(guī)性監(jiān)控和策略實(shí)施。隨著數(shù)據(jù)隱私法規(guī)的日益嚴(yán)格，企業(yè)將依賴(lài)自動(dòng)合規(guī)性監(jiān)控工具來(lái)確保數(shù)據(jù)管理實(shí)踐符合所有區(qū)域和數(shù)據(jù)環(huán)境的法規(guī)。

8. 越來(lái)越重視成本優(yōu)化和可持續(xù)性

○ 經(jīng)濟(jì)有效的數(shù)據(jù)存儲(chǔ)和計(jì)算。數(shù)據(jù)管理將增加對(duì)更具成本效益的存儲(chǔ)和計(jì)算數(shù)據(jù)解決方案的支持。FinOps 功能（如根據(jù)數(shù)據(jù)使用頻率優(yōu)化存儲(chǔ)成本的數(shù)據(jù)分層，以及根據(jù)業(yè)務(wù)優(yōu)先級(jí)和財(cái)務(wù)目標(biāo)將數(shù)據(jù)工作負(fù)載動(dòng)態(tài)分配到計(jì)算引擎）將變得更加重要。

○ 節(jié)能數(shù)據(jù)處理。可持續(xù)性將成為數(shù)據(jù)管理中考慮的新主題。組織將尋求節(jié)能的數(shù)據(jù)處理和存儲(chǔ)實(shí)踐，包括云環(huán)境中的碳足跡跟蹤，以滿(mǎn)足企業(yè)可持續(xù)性目標(biāo)和法規(guī)。

2025 年的數(shù)據(jù)管理將更加分布式、實(shí)時(shí)和動(dòng)態(tài)，其架構(gòu)將優(yōu)先考慮模塊化、治理、AI 驅(qū)動(dòng)的自動(dòng)化和定制數(shù)據(jù)使用。這種演變將使組織能夠在日益復(fù)雜的數(shù)據(jù)生態(tài)系統(tǒng)中滿(mǎn)足可擴(kuò)展性、法規(guī)遵從性和數(shù)據(jù)民主化的需求。

Alberto Pan（Denodo首席技術(shù)官）表示：

預(yù)測(cè)：到 2026 年，超過(guò) 50% 的企業(yè)會(huì)將數(shù)據(jù)系統(tǒng)分布和異構(gòu)性視為開(kāi)發(fā)支持 Gen AI 的數(shù)據(jù)產(chǎn)品的主要挑戰(zhàn)。

論證：2024 年 Gartner 技術(shù)架構(gòu)師調(diào)查 (1) 顯示，“跨不同平臺(tái)的數(shù)據(jù)系統(tǒng)分布”是制定數(shù)據(jù)架構(gòu)決策時(shí)第二個(gè)最常被引用的挑戰(zhàn)，56% 的架構(gòu)師都強(qiáng)調(diào)了這一點(diǎn)。

Gen AI 應(yīng)用程序必須以安全、受控的方式訪問(wèn)所有組織系統(tǒng)中的數(shù)據(jù)，即使這些數(shù)據(jù)是動(dòng)態(tài)的和實(shí)時(shí)的。但是，當(dāng)前將 Gen AI 應(yīng)用程序與外部數(shù)據(jù)源連接的方法（例如檢索增強(qiáng)生成 (RAG) 模式）忽略了數(shù)據(jù)分布的復(fù)雜性。將 Gen AI 應(yīng)用程序擴(kuò)展到試點(diǎn)和基本用例之外，需要直接解決這一挑戰(zhàn)的解決方案。

建議：考慮使用數(shù)據(jù)虛擬化等邏輯數(shù)據(jù)管理技術(shù)，為 AI 驅(qū)動(dòng)的數(shù)據(jù)產(chǎn)品建立可訪問(wèn)的數(shù)據(jù)層。這些技術(shù)可以實(shí)現(xiàn)對(duì)多個(gè)數(shù)據(jù)源的實(shí)時(shí)統(tǒng)一訪問(wèn)，為實(shí)施一致的安全和治理策略提供單一入口，并允許以業(yè)務(wù)語(yǔ)言呈現(xiàn)數(shù)據(jù)。

(1) 來(lái)源：《Gartner 2025 數(shù)據(jù)管理規(guī)劃指南》。發(fā)布于 2024 年 10 月 14 日。

預(yù)測(cè)：到 2026 年，超過(guò) 80% 構(gòu)建集中式云數(shù)據(jù)倉(cāng)庫(kù)或湖倉(cāng)架構(gòu)的組織將決定把某些工作負(fù)載遷移到其他環(huán)境，包括同一云提供商內(nèi)的其他數(shù)據(jù)處理系統(tǒng)、其他云中的系統(tǒng)，甚至是本地環(huán)境（數(shù)據(jù)回遷）。

論證：數(shù)據(jù)民主化和基于使用量的云定價(jià)模式的驅(qū)動(dòng)，導(dǎo)致許多大型組織的成本飆升。IDC 2024 年 6 月的報(bào)告《評(píng)估工作負(fù)載回遷的規(guī)?！?2) 反映了這一趨勢(shì)，該報(bào)告發(fā)現(xiàn)，約 80% 的受訪者預(yù)計(jì)在未來(lái) 12 個(gè)月內(nèi)會(huì)出現(xiàn)某種程度的數(shù)據(jù)回遷?；剡w既復(fù)雜又昂貴，因此組織還會(huì)通過(guò)為每個(gè)用例選擇在效率和成本效益之間取得理想平衡的云環(huán)境和系統(tǒng)來(lái)優(yōu)化成本。

建議：隨著技術(shù)和業(yè)務(wù)需求的發(fā)展，投資于簡(jiǎn)化將用例遷移到最合適環(huán)境的技術(shù)。開(kāi)放表格式可實(shí)現(xiàn)與多個(gè)處理引擎兼容的數(shù)據(jù)表示。此外，邏輯數(shù)據(jù)管理技術(shù)（例如數(shù)據(jù)虛擬化）使數(shù)據(jù)使用者無(wú)需了解各個(gè)處理引擎的細(xì)微差別，包括 SQL 方言、身份驗(yàn)證協(xié)議和訪問(wèn)控制機(jī)制。

(2) https://www.idc.com/getdoc.jsp?containerId=US50903124

預(yù)測(cè)：到 2026 年，超過(guò) 80% 追求數(shù)據(jù)產(chǎn)品戰(zhàn)略的組織將使用多個(gè)數(shù)據(jù)平臺(tái)創(chuàng)建關(guān)鍵數(shù)據(jù)產(chǎn)品。對(duì)于最初設(shè)想采用單一供應(yīng)商方法的組織而言，這種轉(zhuǎn)變將給企業(yè)范圍的數(shù)據(jù)民主化計(jì)劃帶來(lái)挑戰(zhàn)。

論證：數(shù)據(jù)產(chǎn)品管理計(jì)劃本質(zhì)上是分布式的，因?yàn)闆](méi)有哪個(gè)單一平臺(tái)能夠跨所有數(shù)據(jù)產(chǎn)品優(yōu)化功能、性能和成本。支持這一點(diǎn)的是，只有不到 5% 的 Snowflake 和 Databricks 共同客戶(hù)計(jì)劃停用其中一個(gè)平臺(tái)，而大多數(shù)客戶(hù)還在使用其他云和本地系統(tǒng) (3)。此外，在聯(lián)邦治理模型中，數(shù)據(jù)產(chǎn)品所有者通常會(huì)選擇最能滿(mǎn)足其特定功能和預(yù)算要求的平臺(tái)。此外，隨著技術(shù)創(chuàng)新步伐的加快，新的數(shù)據(jù)平臺(tái)將不斷涌現(xiàn)。

鑒于這些動(dòng)態(tài)，企業(yè)數(shù)據(jù)產(chǎn)品戰(zhàn)略必須考慮數(shù)據(jù)分布和平臺(tái)多樣性，以確保敏捷性、一致性和成本效益。

建議：考慮采用數(shù)據(jù)虛擬化等邏輯數(shù)據(jù)管理技術(shù)，以建立統(tǒng)一的基礎(chǔ)架構(gòu)，用于跨不同平臺(tái)發(fā)布、保護(hù)和訪問(wèn)數(shù)據(jù)產(chǎn)品。這種方法使數(shù)據(jù)產(chǎn)品所有者能夠靈活地選擇最適合其需求的系統(tǒng)，同時(shí)確保在全球范圍內(nèi)所有數(shù)據(jù)產(chǎn)品的互操作性、可重用性和簡(jiǎn)單的發(fā)現(xiàn)。

(3) 為什么 Databricks 與 Snowflake 不是零和博弈。https://siliconangle.com/2024/07/27/databricks-vs-snowflake-not-zero-sum-game/

Terry Dorsey（Denodo 技術(shù)推廣者）表示：

人工智能將推動(dòng)更多的組織關(guān)注

人工智能正日益推動(dòng)組織重新思考數(shù)據(jù)管理、運(yùn)營(yíng)協(xié)調(diào)和流程優(yōu)化。當(dāng)前的數(shù)據(jù)管理方法，包括管道、ETL 和 ELT，面臨著相當(dāng)大的挑戰(zhàn)。例如，80% 的企業(yè)報(bào)告經(jīng)常出現(xiàn)數(shù)據(jù)管道故障，74% 的企業(yè)在數(shù)據(jù)質(zhì)量方面苦苦掙扎，而解決問(wèn)題通常需要一天以上的時(shí)間，37% 的組織甚至需要長(zhǎng)達(dá)一周的時(shí)間。安全問(wèn)題也很普遍，57% 的企業(yè)將數(shù)據(jù)安全視為一項(xiàng)重大挑戰(zhàn)。這種數(shù)據(jù)管理方面的根本性難題破壞了主要戰(zhàn)略計(jì)劃，例如數(shù)據(jù)治理、數(shù)字化轉(zhuǎn)型和人工智能部署，所有這些計(jì)劃的成功率都很低。Gartner 估計(jì)，到 2027 年，80% 的數(shù)據(jù)治理計(jì)劃將會(huì)失敗，而人工智能項(xiàng)目的失敗率徘徊在 70-80% 之間，盡管概念驗(yàn)證取得了成功，麥肯錫報(bào)告稱(chēng)只有約 30% 的數(shù)字化轉(zhuǎn)型項(xiàng)目取得了成功。

隨著利用人工智能保持競(jìng)爭(zhēng)力的壓力越來(lái)越大，組織正在創(chuàng)建新的角色，例如首席人工智能官 (CAIO)，并重新審視首席信息官和首席數(shù)據(jù)官的角色，以容納人工智能計(jì)劃。然而，人工智能研究的進(jìn)展速度異常之快，這通常超過(guò)了組織采用這些技術(shù)的能力，尤其是在規(guī)?；矫妗ＴS多企業(yè)正試圖在相同的組織結(jié)構(gòu)內(nèi)并使用傳統(tǒng)方法來(lái)集成人工智能，但這可能并不足夠。

人工智能驅(qū)動(dòng)轉(zhuǎn)型的關(guān)鍵組織關(guān)注領(lǐng)域

數(shù)據(jù)安全和隱私 數(shù)據(jù)安全和隱私是人工智能計(jì)劃不可或缺的一部分，這增加了保護(hù)數(shù)據(jù)的挑戰(zhàn)性和關(guān)鍵性。組織必須在有效的管理、審計(jì)和控制與廣泛采用人工智能所需的靈活性之間取得平衡。例如，許多企業(yè)目前在系統(tǒng)或源級(jí)別管理安全。然而，隨著人工智能的發(fā)展和更廣泛的數(shù)據(jù)訪問(wèn)需求，這種方法可能會(huì)導(dǎo)致成本和風(fēng)險(xiǎn)升高。為了緩解這種情況，組織可以采用優(yōu)先考慮集中但靈活的安全模型的數(shù)據(jù)治理框架，確保數(shù)據(jù)保護(hù)和可訪問(wèn)性之間的平衡。

增強(qiáng)的變更管理和變更控制 隨著組織將職責(zé)分配給技術(shù)和非技術(shù)團(tuán)隊(duì)，他們必須制定穩(wěn)健的變更管理和變更控制策略。變更管理（側(cè)重于溝通和采用）和變更控制（側(cè)重于技術(shù)實(shí)施）是獨(dú)立但相關(guān)的領(lǐng)域，在人工智能驅(qū)動(dòng)的環(huán)境中都至關(guān)重要。理想實(shí)踐可能包括跨職能的人工智能工作組、清晰的溝通協(xié)議和培訓(xùn)計(jì)劃，以促進(jìn)平穩(wěn)過(guò)渡。例如，對(duì)參與人工智能采用的非技術(shù)人員實(shí)施結(jié)構(gòu)化培訓(xùn)，可以幫助彌合技術(shù)團(tuán)隊(duì)和業(yè)務(wù)團(tuán)隊(duì)之間的差距。

與業(yè)務(wù)成果保持一致 IT 與業(yè)務(wù)目標(biāo)之間的脫節(jié)可能是人工智能成功的主要障礙。IT 部門(mén)通常關(guān)注技術(shù)指標(biāo)，而業(yè)務(wù)部門(mén)則優(yōu)先考慮組織目標(biāo)。鑒于數(shù)字化轉(zhuǎn)型和人工智能計(jì)劃的高失敗率，IT 團(tuán)隊(duì)?wèi)?yīng)與業(yè)務(wù)部門(mén)更緊密地合作，以?xún)?yōu)先考慮可衡量的業(yè)務(wù)成果。跨職能協(xié)作，由技術(shù)和業(yè)務(wù)掌舵者共同領(lǐng)導(dǎo)人工智能驅(qū)動(dòng)的項(xiàng)目，可以幫助確保項(xiàng)目與核心組織目標(biāo)保持一致并交付切實(shí)的價(jià)值。

業(yè)務(wù)流程優(yōu)化和新興技術(shù)集成 轉(zhuǎn)型，尤其是涉及人工智能、物聯(lián)網(wǎng)和自動(dòng)化的轉(zhuǎn)型，本質(zhì)上需要業(yè)務(wù)流程優(yōu)化。隨著組織采用人工智能，他們必須評(píng)估并可能重構(gòu)其流程，以有效地集成新技術(shù)。這可能包括開(kāi)發(fā)自適應(yīng)工作流，允許將人工智能驅(qū)動(dòng)的洞察無(wú)縫地融入業(yè)務(wù)運(yùn)營(yíng)中。在這個(gè)領(lǐng)域取得成功的組織通常采用循環(huán)方法進(jìn)行流程優(yōu)化，隨著人工智能能力的發(fā)展不斷迭代和更新工作流。

重組企業(yè) IT 以實(shí)現(xiàn)敏捷性和協(xié)作 鑒于人工智能的快速發(fā)展，傳統(tǒng)的 IT 結(jié)構(gòu)可能會(huì)限制組織響應(yīng)新興需求的能力。許多企業(yè)將 IT 職能（尤其是圍繞數(shù)據(jù)管理的職能）孤立起來(lái)，這可能會(huì)阻礙需要無(wú)縫數(shù)據(jù)訪問(wèn)和協(xié)作的計(jì)劃的有效性。可能需要一個(gè)更敏捷、更協(xié)作的 IT 結(jié)構(gòu)，其中包括數(shù)據(jù)治理和跨部門(mén)角色。例如，企業(yè)可以在 IT 部門(mén)內(nèi)建立混合角色或?qū)ｉT(mén)的人工智能集成團(tuán)隊(duì)，將技術(shù)專(zhuān)長(zhǎng)與特定領(lǐng)域的知識(shí)相結(jié)合，以更有效地支持人工智能和數(shù)據(jù)計(jì)劃。

面向未來(lái)人工智能驅(qū)動(dòng)型組織的愿景

以人工智能為中心的組織的結(jié)構(gòu)旨在鼓勵(lì) IT 和業(yè)務(wù)職能之間持續(xù)保持一致，優(yōu)先考慮數(shù)據(jù)安全和隱私、變更管理和業(yè)務(wù)流程優(yōu)化。此類(lèi)組織是敏捷的，具有支持跨部門(mén)協(xié)作的靈活 IT 和治理結(jié)構(gòu)。他們實(shí)施在數(shù)據(jù)保護(hù)和訪問(wèn)之間取得平衡的治理框架，使用培訓(xùn)計(jì)劃來(lái)確保人工智能的順利采用，并不斷優(yōu)化業(yè)務(wù)流程。通過(guò)采用這些原則，組織可以提高人工智能、數(shù)字化轉(zhuǎn)型和數(shù)據(jù)治理計(jì)劃的成功率，從而在人工智能驅(qū)動(dòng)的世界中占據(jù)競(jìng)爭(zhēng)優(yōu)勢(shì)。

自主代理和代理工作流

大模型 (LLM) 可以做一些非常了不起的事情。我們?cè)诋a(chǎn)品中特別利用了文本到 SQL 和摘要功能。由于 LLM 非常擅長(zhǎng)評(píng)估/審查信息，并且在自我評(píng)估方面沒(méi)有自負(fù)情緒，我們看到許多研究和框架都在尋求利用這種能力。它們還非常擅長(zhǎng)根據(jù)自然語(yǔ)言對(duì)任務(wù)做出決策和構(gòu)建信息。這些功能是自主代理和代理工作流的基礎(chǔ)。

像亞馬遜、谷歌和微軟這樣的主要參與者已經(jīng)開(kāi)發(fā)了強(qiáng)大的框架，使企業(yè)能夠比以往任何時(shí)候都更容易地構(gòu)建這些人工智能驅(qū)動(dòng)的代理并將其集成到其運(yùn)營(yíng)中。借助 Amazon Bedrock Agents 和 Google Vertex AI 等工具，企業(yè)現(xiàn)在可以創(chuàng)建代理來(lái)提取數(shù)據(jù)、回答客戶(hù)問(wèn)題，甚至在無(wú)需太多人工監(jiān)督的情況下執(zhí)行操作。組織可以慢慢開(kāi)始，實(shí)施和觀察自主代理和代理工作流可能比部署給用戶(hù)更容易，因此即使從這種能力開(kāi)始也可能更具吸引力。預(yù)計(jì)這些將在未來(lái)一年左右的時(shí)間內(nèi)變得更加流行。

增量/持續(xù)機(jī)器學(xué)習(xí)

如今，一些企業(yè)正在對(duì) LLM 進(jìn)行微調(diào)，在某種程度上，您可以將其視為增量學(xué)習(xí)。鑒于重新訓(xùn)練大型模型的挑戰(zhàn)，增量/持續(xù)學(xué)習(xí)的能力意味著模型能夠保持比較新?tīng)顟B(tài)。在這個(gè)領(lǐng)域有很多研究，我預(yù)計(jì)它甚至?xí)?GenAI 之外發(fā)展壯大。

從數(shù)據(jù)管理的角度來(lái)看，向增量學(xué)習(xí)范式轉(zhuǎn)變意味著企業(yè)可以更有效地利用實(shí)時(shí)數(shù)據(jù)。此功能對(duì)于需要立即進(jìn)行數(shù)據(jù)解釋和響應(yīng)的應(yīng)用程序至關(guān)重要，例如金融交易算法、實(shí)時(shí)推薦系統(tǒng)和動(dòng)態(tài)定價(jià)模型。隨著研究的繼續(xù)和這些技術(shù)的日益成熟，增量和持續(xù)學(xué)習(xí)對(duì)人工智能部署和功能的影響可能會(huì)增加，使其成為未來(lái)人工智能技術(shù)進(jìn)步的重點(diǎn)領(lǐng)域。

圖數(shù)據(jù)庫(kù)的使用興起

我們已經(jīng)聽(tīng)到了很多關(guān)于 LLM 的一些缺點(diǎn)，以及在某種程度上語(yǔ)義搜索的缺點(diǎn)。圖提供了一種對(duì)復(fù)雜關(guān)系進(jìn)行建模的方法，因此最近有大量研究利用圖數(shù)據(jù)庫(kù)來(lái)解決其中的一些限制。有一些提示方法，例如基于節(jié)點(diǎn)、基于子圖、基于路徑、基于層次結(jié)構(gòu)、基于社區(qū)等等，這些方法都基于圖的功能。在某些情況下，節(jié)點(diǎn)屬性是嵌入的，在某些情況下是清晰的。有各種各樣的技術(shù)可以根據(jù)數(shù)據(jù)填充圖來(lái)構(gòu)建此類(lèi)模型，因此需要能夠在圖中查詢(xún)數(shù)據(jù)以及將數(shù)據(jù)引入圖中。

云回遷

83% 的受訪企業(yè)正在將其部分工作負(fù)載遷移到私有云和本地系統(tǒng)。誠(chéng)然，這些企業(yè)各自遷移的百分比存在一些不確定性；然而，從數(shù)據(jù)管理的角度來(lái)看，只需一個(gè)企業(yè)將數(shù)據(jù)存儲(chǔ)在多個(gè)位置即可。這可能會(huì)對(duì)數(shù)據(jù)管理策略產(chǎn)生重大影響。

Andrea Zinno（Denodo 技術(shù)推廣者）表示：

合成數(shù)據(jù)

對(duì)隱私、個(gè)人數(shù)據(jù)處理、擁有訓(xùn)練人工智能模型的良好樣本的重要性以及擁有特定（不一定聚合）數(shù)據(jù)的需求的考慮，以便能夠參考個(gè)人對(duì)現(xiàn)象進(jìn)行建模，將對(duì)合成數(shù)據(jù)產(chǎn)生更大的推動(dòng)作用，合成數(shù)據(jù)將在選擇和構(gòu)建用作分析基礎(chǔ)的樣本的過(guò)程中發(fā)揮越來(lái)越大的作用。

主動(dòng)本體（或主動(dòng)數(shù)據(jù)目錄）

在數(shù)據(jù)民主化的精神下，數(shù)據(jù)在公共和私營(yíng)組織內(nèi)的日益普及，以及逐步擴(kuò)大其邊界、邁向允許組織業(yè)務(wù)模型中的相關(guān)方（合作伙伴、供應(yīng)商、公共管理部門(mén)、客戶(hù)……）共享和使用數(shù)據(jù)的生態(tài)系統(tǒng)的趨勢(shì)，使得正式和系統(tǒng)地解決“含義”問(wèn)題變得更加重要，以便為此生態(tài)系統(tǒng)中的所有參與者創(chuàng)建通用語(yǔ)言。

然而，深入理解數(shù)據(jù)的需求（通過(guò)平衡內(nèi)涵和外延成分來(lái)實(shí)現(xiàn)），以及從一個(gè)切換到另一個(gè)的可能性（或者說(shuō)是必要性），將決定人們對(duì)主動(dòng)本體或主動(dòng)數(shù)據(jù)目錄以及基于本體的數(shù)據(jù)管理 (OBDM) 的興趣日益濃厚。

Denodo北歐公關(guān)團(tuán)隊(duì)表示：

ESG 作為競(jìng)爭(zhēng)優(yōu)勢(shì)

北歐客戶(hù)越來(lái)越多地根據(jù)供應(yīng)商在 ESG 實(shí)踐方面的表現(xiàn)和溝通情況來(lái)選擇供應(yīng)商。那些沒(méi)有與 CSRD 及其他標(biāo)準(zhǔn)相符的穩(wěn)健 ESG 實(shí)踐的企業(yè)正日益被排除在招標(biāo)之外。北歐企業(yè)可能會(huì)優(yōu)先考慮具有社會(huì)可持續(xù)性的合作伙伴，重點(diǎn)關(guān)注道德勞動(dòng)實(shí)踐并確保其供應(yīng)鏈中的公平工資。企業(yè)需要有效的數(shù)據(jù)管理來(lái)管理數(shù)據(jù)收集和報(bào)告。

人工智能的下一步

將人工智能平臺(tái)連接到集成的人工智能代理的討論越來(lái)越多。原因是它有可能結(jié)合一些技術(shù)優(yōu)勢(shì)提供更比較準(zhǔn)確的行業(yè)特定答案——媒體希望看到的具體用例。

銀行、氣候和數(shù)據(jù)

具有良好環(huán)境和社會(huì)資質(zhì)的銀行將受益于更有利的貸款條款。比以往任何時(shí)候都多的金融科技創(chuàng)新正在支持可持續(xù)銀行業(yè)務(wù)?；跀?shù)據(jù)管理的數(shù)字工具將幫助銀行為消費(fèi)者和企業(yè)提供個(gè)性化的金融服務(wù)。

銀行將越來(lái)越關(guān)注管理氣候相關(guān)風(fēng)險(xiǎn)。這包括評(píng)估氣候變化對(duì)貸款組合和投資帶來(lái)的風(fēng)險(xiǎn)，并確保長(zhǎng)期金融穩(wěn)定。

公共部門(mén)和數(shù)據(jù)管理

公共部門(mén)參與者正在迅速變得更加數(shù)字化，包括確保數(shù)據(jù)安全以及在相關(guān)參與者之間共享數(shù)據(jù)（例如，在醫(yī)療保健領(lǐng)域）。目標(biāo)是為公民提供更好的服務(wù)。政府正在確保以合乎道德和負(fù)責(zé)任的方式使用人工智能。管理機(jī)構(gòu)協(xié)調(diào)各種網(wǎng)絡(luò)安全計(jì)劃。

Ravi Shankar（Denodo高檔副總裁兼首席營(yíng)銷(xiāo)官）表示：

支持 AI 的企業(yè)數(shù)據(jù)

人工智能的好壞取決于它獲取的數(shù)據(jù)。不僅是任何數(shù)據(jù)，而是值得信賴(lài)的數(shù)據(jù)。即使數(shù)據(jù)分散在不同的位置、格式和延遲中，也需要為人工智能提供統(tǒng)一的可靠數(shù)據(jù)。

• 在互聯(lián)網(wǎng)公共數(shù)據(jù)上訓(xùn)練的公共 LLM（如 ChatGPT）可以回答一般性問(wèn)題，如提供假期旅行建議，但它們無(wú)法回答與企業(yè)內(nèi)部運(yùn)作相關(guān)的問(wèn)題（如上個(gè)月發(fā)放了多少貸款）。為此，需要使用防火墻內(nèi)的企業(yè)數(shù)據(jù)來(lái)訓(xùn)練 LLM。

• RAG 支持這種對(duì)企業(yè)數(shù)據(jù)的上下文感知。因此，由 RAG 支持的支持 AI 的企業(yè)數(shù)據(jù)將成為關(guān)鍵趨勢(shì)。

支持 AI 的人才

隨著人工智能在組織內(nèi)的普及，高管們要求其經(jīng)理培訓(xùn)其員工隊(duì)伍，以提高生產(chǎn)力并以更少的資源生產(chǎn)更多產(chǎn)品。

• 這項(xiàng)任務(wù)要求對(duì)員工進(jìn)行大規(guī)模培訓(xùn)，尤其是在面向客戶(hù)的部門(mén)，如銷(xiāo)售、營(yíng)銷(xiāo)和客戶(hù)服務(wù)。

• 人工智能素養(yǎng)將成為 2025 年的關(guān)鍵趨勢(shì)。

人工智能挑戰(zhàn)

隨著人工智能在回答問(wèn)題方面變得越來(lái)越出色，高管們將依賴(lài)人工智能來(lái)提供決策建議。

• 他們應(yīng)該在多大程度上信任人工智能而不是他們的經(jīng)理，這將成為一個(gè)問(wèn)題。

• 2025 年，我們應(yīng)該會(huì)看到人類(lèi)與人工智能之間的競(jìng)爭(zhēng)，以證明誰(shuí)更值得信賴(lài)，能夠?yàn)楦吖芴峁└玫臄?shù)據(jù)和洞察力。

（推廣）