数据结构架构是现代化数据管理和集成的关键吗

可以把数据结构想象成一辆自动驾驶汽车

考虑两种情况。在第一种情况下，司机是主动的，并将全部注意力放在路线上，汽车的自动元件很少或没有干预。在第二种情况下，驾驶员会有点懒，注意力不集中，汽车会立即切换到半自动模式，并做出必要的路线修正。

这两个场景总结了数据结构的工作方式。它首先作为被动观察者监视数据管道，然后开始建议生产效率高得多的替代方案。当数据“驱动程序”和机器学习都能适应重复的场景时，它们就会通过自动化即兴任务(消耗太多人工时间)来相互补充，同时让领导层可以自由地专注于创新。

阅读更多:数据共享是加快数字业务发展的必要条件

D&A领导需要了解的数据结构

• 数据结构不仅是传统技术和现代技术的结合，而且是一种改变人类和机器工作负载重点的设计概念。
• 实现数据结构设计需要语义知识图、主动元数据管理和嵌入式机器学习(ML)等新兴技术。
• 该设计通过自动化重复任务来优化数据管理，例如分析数据集、发现模式并将其与新数据源对齐，最高级的是修复失败的数据集成作业。
• 现有的独立解决方案都不能促进成熟的数据结构体系结构。D&A领导者可以通过混合构建和购买解决方案来确保强大的数据结构架构。例如，他们可以选择有前景的数据管理平台，该平台具有将数据结构拼接在一起所需的65-70%的功能。缺失的功能可以通过自行开发的解决方案来实现。

D&A领导者如何确保数据结构架构交付业务价值?

为了通过数据结构设计交付业务价值，D&A领导者应该确保坚实的技术基础，确定所需的核心功能，并评估现有的数据管理工具。

阅读更多:DataOps如何放大数据和分析业务价值

以下是数据结构架构D&A领导者必须知道的关键支柱。

没有1。数据结构必须收集和分析所有形式的元数据

上下文信息是动态数据结构设计的基础。应该有一种机制(如连接良好的元数据池)，使数据结构能够识别、连接和分析所有类型的元数据，如技术、业务、操作和社交元数据。

没有2。数据结构必须将被动元数据转换为主动元数据

为了实现数据的无摩擦共享，激活元数据对于企业来说非常重要。为了实现这一点，数据结构应该:

• 持续分析关键指标和统计数据的可用元数据，然后构建图形模型。
• 基于元数据的独特和与业务相关的关系，以易于理解的方式图形化地描述元数据。
• 利用关键的元数据指标来支持AI/ML算法，该算法随着时间的推移而学习，并产生有关数据管理和集成的高级预测。

下载电子书:决策的未来

3号。数据结构必须创建和管理知识图

知识图使数据和分析领导者能够通过语义丰富数据来获得业务价值。

知识图的语义层使其更直观、更容易解释，使D&A领导更容易进行分析。它增加了数据使用和内容图的深度和意义，允许AI/ML算法使用信息进行分析和其他操作用例。

数据集成专家和数据工程师经常使用的集成标准和工具可以确保轻松地访问和交付知识图。D&A领导应该利用这一点;否则，采用数据结构可能面临许多中断。