从数据中台转向“数智基建” 不能忽视的三大趋势

　　数据中台已提出多年，时至今日，这一概念似乎正在远离讨论和部署的中心。

　　随着技术环境的快速变化，市场对于数据中台的热情逐渐被实际应用中的挑战所取代，包括数据治理、隐私保护和系统集成的复杂性。此外，企业越来越倾向于寻求更加灵活和定制化的解决方案来满足其特定的数据驱动需求，而非依赖标准化的数据中台架构。

　　Gartner高级研究总监顾星宇表示，数据中台通常是单一厂商利用开源能力进行大量二次迭代和开发工作之后，所构建的一个中心化、集中式的端到端数据分析平台，架构的复杂性更高、交付周期更长且容易被单一厂商“锁定”。

　　“在IT预算增长缓慢或削减带来短期价值兑现需求、不确定性发展环境让企业更加希望快速敏捷的交付数据分析结果或产品，以及技术的日新月异为数据分析平台的可组装性提出更高要求的大背景下，企业应从数据中台的构建转向‘数智基建’的部署上。”顾星宇强调。

什么是“数智基建”

　　让企业从熟悉的数据中台建设中抽离出来转向“数智基建”，企业不免会对“数智基建”的先进性体现在哪里，又该如何部署等问题，产生诸多疑惑。

　　对此，Gartner将“数智基建”定义为一种聚焦于数据、分析和AI生态建设的全新部署模式，通过使用已经建立了密切合作的供应商产品组合，构建全面的数据分析和人工智能解决方案和服务体系。而作为该生态的核心组成部分，“数智基建”提供包括分析型数据库、数据集成、元数据管理、数据质量，以及数据虚拟化等在内的技术能力，作为数据分析和AI应用可复用的底座。

　　顾星宇表示，其中的重点是，“数智基建”依托于不同供应商之间的相互密切合作，而不是依靠单一供应商端到端的开发交付。也就是说，“数智基建”更注重生态合作，基于此，不仅能够让不同企业发挥所长，也可以为客户提供一个可组装的、敏捷性的且具有鲁棒性和持续运维能力的数据分析和AI平台。

　　Gartner预测，到2028年，50%构建于2023年之前的中国数据和分析(D&A)平台，将因为与生态系统脱钩而过时。Gartner认为，“与生态系统脱钩”是指，并没有参与到那些以生态合作为基础所进行的平台建设中，而是选择依靠单一厂商进行大量二次开发的传统路线。

　　“当未来技术出现新变化时，选择传统部署方式的企业很难进行相应的调整和改进。这就要求，以一种新的生态合作方式交付到客户手中的数据分析平台，不是一次性交付后就能永久有效的商品，需要进行持续迭代、交付，以及对使用方式和相关技术能力进行实时更新。”顾星宇进一步说道。

影响“数智基建”市场的三大趋势

　　关于生态合作的方向，顾星宇表示，未来“数智基建”领域将存在三个方面的生态合作：一是“数智基建”厂商和云厂商的生态合作；二是“数智基建”厂商和数据分析服务厂商(如系统集成商、咨询公司)集成的生态合作；三是“数智基建”厂商和人工智能厂商的生态合作。

　　对此，Gartner将数据、分析和人工智能市场格局定义为一个大市场，在这一市场下又分为“数智基建”、分析和AI、D&A服务三个细分市场。“基于这样一个大市场以及三个主要合作方向，未来会推动更多厂商间的合作，包括生态合作签约、联合研发投资，甚至收并购等。”顾星宇说道。

　　为了更加聚焦企业的核心诉求，加速厂商间合作的快速落地，Gartner通过市场调研，发布了影响中国“数智基建”市场的三大重要趋势：

　　一是多云及跨云的数据管理满足企业多样化需求。顾星宇表示，相对来看，中国企业比世界其他地区的企业所面临的云环境更为复杂。在这种情况下，中国的“数智基建”供应商应加快与多个云供应商之间建立生态合作关系，让全新的D&A平台具备多云及跨云的数据管理能力，帮助客户提高跨云数据管理的效率和合规性，并降低实施成本。

　　二是部署方式的灵活性和便捷性让企业快速享受技术“红利”。Gartner调研显示，2023年中国企业越来越担心他们的D&A厂商无法持续维持和改进日益复杂的“数智基建”技术。为了避免这一问题的产生，应该摒弃依靠单一厂商进行大量二次开发的传统路线。

　　顾星宇表示，在继续创新数据库、数据集成和数据治理等核心技术的同时，中国“数智基建”供应商已开始与行业SaaS供应商或服务商合作，将其技术嵌入合作伙伴的行业解决方案中。这种合作模式有助于以更灵活敏捷的方式将硬核技术与业务场景相结合，使得客户能够利用“数智基建”供应商的技术能力，快速实现技术部署，从而极大缩短D&A投资的价值实现时间。

　　三是使用AI就绪型数据支持生成式人工智能(GenAI)应用。Gartner调研显示，重要或隐私数据泄露、知识产权侵犯和幻觉是中国企业对GenAI应用主要担忧的问题。对此，Gartner认为，解决这些问题的关键在于能否提供AI就绪型数据，并将其与企业内部数据以优质方式结合进行部署落地。

　　“由于使用背景和目的的差异，已经定义好的数据需要不断进行语义上的调整和优化，以满足新的需求。如果忽视了持续优化的过程，就可能导致数据质量问题。因此，我们认为AI就绪型数据的提供是一个持续的循环过程，涉及到业务场景和数据定义之间的语义对齐。而为了实现这种持续优化，需要‘数智基建’厂商和AI厂商建立合作关系，共享元数据，并持续识别数据使用状况。”顾星宇解释说。

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。