企业数据环境正变得越来越复杂

这是现实。企业正在采用多云方法作为其数字化转型战略的一部分。多云为企业提供了灵活性和灵活性，可以选择最佳的解决方案，以满足不同业务部门的不同业务和技术需求。然而，它也重新面临着一个古老的问题，即集成并从地理上分布的数据存储中提取价值，这些数据存储跨越来越多的本地和云应用程序。数据孤岛一直限制着组织从各种各样的数据中提取价值的能力，变得更加孤立。

想象一下，你自己在数据科学或分析领域工作，把大部分项目时间花在收集和准备数据进行分析上。除了擅长应用机器学习和人工智能之外，大数据时代是什么意思，你还需要精通大数据，尤其是处理大数据的ETL。然而，考虑到存储数据的大数据技术（如RDBMS、NoSQL）和分布式数据处理框架（如Hadoop和Spark）的广度，ETL并不容易。显然，我们的需要是减少整合数据仓库的痛苦，而不是在企业范围内强制规定如何收集和存储数据，以最大限度地简化数据科学家或分析师的使用。

大数据与云计算的结合

组织正在使用云大数据平台来整合其内部和外部的各种环境云应用程序。他们正在云大数据平台上构建数据湖，以存储和处理来自所有数据源的结构化和非结构化数据。构建数据湖的目标是为其所有业务用户的全组织大数据分析需求提供一个集中统一的数据源

一般来说，组织倾向于云大数据平台来构建数据湖，原因如下

物联网、社交、移动等新的大数据源的易入性灵活的基于消费的定价模式导致了资本的有效配置在可扩展的数据平台上进行经得起未来考验的投资—从小处着手，随着时间的推移不断增加存储或计算容量轻松快速地从概念验证过渡到生产独立扩展计算和存储

SAP云平台大数据服务

SAP云平台为各种规模的组织提供大数据服务，以建立数据湖，并使用他们喜爱的工具运行数据科学和分析。它是一个全面管理的端到端产品—从安装到日常运营—使其成为接收、优化和存储数TB到数PB结构化和非结构化数据的理想大数据云解决方案。

与SAP HANA的现成集成允许客户通过SAP HANA上的数据湖来扩充其在SAP HANA上的数据仓库云平台大数据服务。例如，SAP云平台大数据服务充当新大数据源（如物联网）的数据精炼厂，数据在SAP HANA中浮出水面之前通过数据虚拟化（SDA）或数据移动（SDI）进行清理和转换，什么大数据，以实现低延迟分析。在其他场景中，SAP云平台大数据服务被用于卸载ETL作业，以及存储较旧和不太常用的数据，返现是什么意思，如历史销售订单，使用数据生命周期管理策略。

以下是组织可以在集成数据仓库和数据湖环境中实施的一些数据流

跨企业数据环境构建和管理信息供应链

数据湖是消除数据孤岛和解锁的可行方法通过将所有企业数据整合到单个存储库来实现数据价值。然而，数据湖确实面临着保持一致性和不受损坏的数据的挑战，以避免它成为一个数据沼泽。

随着时间的推移，保持数据湖一致性的解决方案需要围绕不同用户如何访问、协调和处理不同用例的数据进行可见性和协作数据湖要成为一个可信的、统一的单一真实来源视图，用户需要在整个企业环境中维护所有数据管理过程的目录。这样的目录将有助于组织在不同的数据环境中为数据管理流程带来透明度、治理和协作。

SAP提供数据管理解决方案，SAP data Hub，为企业在分布式环境中为各种集成场景编排和编目数据流。SAP data Hub提供了一个图形界面，用于构建、编排和监控数据管道，并通过下推分布式处理跨云和本地数据存储实现企业可见性和治理。它提供了企业环境的鸟瞰视图，并允许用户查看元数据、配置文件数据和管理访问权限。

SAP data Hub简化了SAP云平台大数据服务上的数据湖实施

除了SAP HANA之外，SAP data Hub现在还与SAP云平台大数据服务集成。这种开箱即用的集成简化了各种规模组织的数据湖实施和维护，而不管它们在从大数据中释放价值方面的成熟度如何。sapdatahub通过抽象底层数据存储和处理引擎，企业管理平台软件，简化了处理结构化、半结构化和非结构化数据的集成难题。例如，消费返现，用户可以在SAP云平台大数据服务上轻松浏览元数据、预览数据、运行Hadoop或Spark作业。通过SAP Data Hub，用户可以安排和监控数据管道，以便在SAP云平台大数据服务上读取、处理和存储数据。这些管道可以作为各种数据科学和分析应用程序的服务使用。

以下是一些数据流，可以由使用SAP data Hub的组织建模，以在SAP云平台大数据服务上构建和管理数据湖

企业数据结构