【.com速递】 整合来自多个来源的数据一直是令IT专业人员头疼的复杂问题。数据类型的多样性使得处理起来更加困难。在今天的文章中，我们将探讨成功的数据集成策略的八个关键要素。 ***合作伙伴：数据集成和应用集成 数据集成和应用集成传统上是相互脱节的，但这种情况正在改变。Forrester企业架构高级分析师BrianHopkins表示，一些先驱供应商已经将数据集成到某些业务流程中。“大数据处理和内存成本的持续下降使我们能够以原始或接近原始格式存储数据，并在内存中执行复杂的集成操作，”霍普金斯在他最近发布的数据集成报告中写道。这种新架构将使数据集成更加顺畅。 应用VS数据：谁更权威？ Gartner副总裁、知名分析师MarkBeyer也认为，数据集成和应用集成已经紧密联系在一起。在相关工作中，企业需要决定哪一方更有权威。“两者都在努力管理数据，”他在接受采访时说。“所以必须由决策者来决定两者中谁有权操作数据。” 将数据移动技术视为中间件 有些人认为将数据从一个系统移动到另一个系统应该尽可能避免套系统。但随着大数据技术的出现，数据移动已成为必然。他认为与数据移动相关的技术“应该作为中间件与所有数据源和数据存储解耦”。该解决方案可以显着简化和加速升级。 投资现代架构 Forrester的BrianHopkins在接受采访时表示，企业需要现代架构来实施成功的数据集成战略。以前的实践和架构要求ETL包含在数据仓库中，数据存储在数据湖中。“今天的一个重大变化是，开源大数据工具被广泛用于在源头快速管理大规模数据……实现数据流动是实施成功的数据集成战略的重要组成部分。” 关注安全性 在大数据融合领域，安全性仍然是非常重要的保障因素。Forrester的Hopkins表示，安全绝对是Hadoop的核心问题，因为Hadoop发布者Cloudera和Hortonworks在保护他们的大数据应用程序方面采取了不同的途径。“这种方法并不适合所有类型的用户，”他指出。这意味着企业需要密切关注他们使用的各种工具的具体安全问题。 放松管制 Gartner的Beyer指出，当今IT专业人士面临的挑战之一是他们负责数据基础架构和数据管理任务，但与此同时他们不再具备完整的控制能力。“数据管理模型将变得多样化——包括分布式、云、内部，甚至在应用程序中。要实现数据集成，首先需要将治理模型从管理解决方案中分离出来。治理是需要执行的任务，管理是为了实现目标 RevisitingMetadata 按照Beyer的说法，今天正在重新审视元数据，但从不同于传统静态数据源和价值信息的角度来看。新的元数据重点包括数据访问和使用的频率，这些信息可以帮助我们了解数据的重要性。数据是否用于多种不同类型的分析？它是监管的、交易的还是运营的？通过这些指标，您将能够确定真正需要妥善管理的关键数据。 关注内容形式和内容偏差 Beyer指出，他认为在未来三到五年内，企业将意识到数据集成和数据分析存在固有偏差。“简单地说，所有数据都包含创作者偏见，”他在一篇博文中指出。“所有数据都可以从多个角度来看，每个数据点都反映了业务流程设计者的意图，这意味着我们不能真正利用现有的数据集成机制进行纯粹客观的分析。”Beyer给出的解决方案是鼓励真正的数据科学家建立数据竞争机制，可以用来解释数据的真正含义。它将至少沿两个轴对数据内容进行理论上的比较。 原文链接： http://www.informationweek.com/big-data/big-data-analytics/8-critical-elements-of-a-successful-data-integration-strategy/d/d-id/1327107?image_number=9【翻译稿件，合作站点转载请注明原译者和出处.com】
