如何使用DataOps，为你的业务实现最大价值？

如今人人都在谈论人工智能和数据，但是如何让它变成现实来为企业服务？这就是DataOps的用武之地。 

数据无处不在 

我们所做和所说的一切都会生成一个数据流——从我们的电话、短信到金融交易，再到我们车上的GPS设备，甚至像风车、电池塔和涡轮机这样的东西也会产生很多数据。地球上几乎每个人都会留下数据痕迹，如此多的数据从收集到分析，再到产生价值就是一笔大生意。随着新技术的出现，我们可以比以前更快、更便宜、更好地处理大量信息，并且随着人工智能的普及，我们分析这些数据的能力也在提高。 

根据IDC报告显示，2020年全世界创造大约64ZB的数据，而到2025年，全球数据总量将达到163ZB，其中企业占比将达到60%，这五年内产生的数据将是自1947年引入数字储存量概念以来创建数据总量的两倍多。人工智能、机器学习、5G、物联网、智能视频等各种新兴应用在每时每刻都在产生大量的数据，并将其应用到人们日常生活的各个场景中。IDC 全球数据领域高级副总裁 Dave Reinsel 估计，“未来五年创建的数字数据量将是数字存储出现以来创建的数据量的两倍多。” 

如果说数据是驱动企业发展的核心生产力要素，那么如何实现数据驱动则成为企业创造商业价值的前提。也正因如此，行业内外都期待着新技术新方式的突破，以满足企业快速实现数字化的需求。 

应对业务挑战 

尽管有这些崇高的目标，但由于企业面临以下问题，许多数据和分析计划未能达到预期： 

• 来自更新类型数据或更复杂业务模型的数据源数量呈爆炸式增长，这使得简化变得困难。
• 传统数据管理与人工智能等新技术之间的流程不匹配。
• 缺乏合作来推动成功的文化转变和支持作战准备。
• 所需的大量数据分析投资（例如，中型公司在三年内投资 5000 万至 7000 万美元）。
• 缺乏兼具内部领域知识和深厚技术知识的人才。
• 大规模运营以满足快速增长的利益相关者对速度、灵活性、及时性和定制化的期望。
• 以牺牲价值交付或企业准备为代价，公开关注最新技术和潜在的供应商锁定。
• 衡量整个组织成功的方法不明确。

成功的数据运营 

所有这些挑战都可以通过 DataOps 解决。首先，协作对于成功至关重要，尤其是当你考虑到所有利益相关者——数据管理人员（所有者、管理员、架构师和工程师）和数据消费者（科学家、企业所有者、高级用户和最终用户）的数据管理生态系统时。 

成功的第二个关键是自动化，它可以促进数据管理者和数据消费者之间的数据流程的编排，协调离散的数据管理工具和功能，并自动化从数据来源到完全可操作的洞察力的所有内容。 

数据管道的基本要求——数据的摄取、集成、质量、测试、部署/编目和监控——在编排开始时就得到解决。接下来，您有数据血统，它跟踪和了解数据使用情况，以便在发现数据流存在缺陷时提醒消费者。 

最后，不能忘记治理和安全。根据有关谁有权访问数据以及如何使用数据的地方、区域、国家和公司法律和行业法规，自动化可以帮助清理或屏蔽数据，以确保符合数据治理以及隐私和安全要求。 

潜在挑战 

在企业中采用 DataOps 之前和期间可能会出现挑战。典型的挑战包括怀疑、缺乏高管认同或一致性以及缺乏清晰的价值表达。与许多其他新功能一样，尽早并经常展示价值是成功采用 DataOps 的途径。 

在这种情况下，将数据运营作为数据和分析转型计划核心宗旨的企业最好选择一两个高价值、易于交付的例子作为第一个路线图计划。然后，在这些例子的实施过程中潜在地应用DevOps数据管理最佳实践，以展示“协作”是成功必要因素的价值，从而在小规模上展示DataOps的价值。 

同样，从一个或多个自动化功能（例如编排、供应和配置）开始，可以在展示 DataOps 的价值方面大有帮助。系统地、以越来越大的规模和复杂性完成，有助于在企业范围内采用 DataOps。 

挑战面前必有机遇，智领云联合创始人兼CTO宋文欣曾在采访中表示，DataOps涉及的技术和方法论非常复杂，相关的开源软件生态非常庞大，涉及领域包括数据集成、数据开发、数据质量、数据安全、数据门户等。而智领云提出云原生DataOps，则采用做减法的方式，通过云原生的方式集成相关软件生态，搭建中间层BDOS，让用户能够不直接面对复杂的DataOps技术。

也就是说，智领云正将复杂的问题简化，所有企业都可以借助DataOps，轻松地进行数据开发和数据管理，从而实现数据驱动。  

原文链接：https://www.forbes.com/sites/forbestechcouncil/2021/08/24/using-dataops-to-maximize-value-for-your-business/?sh=233dffb71bbb