在一周充满活力的AWS-re:Invent之后，是时候反思我们学到的经验教训并探索如何采取行动。我们认为，与其专注于一连串的新闻（你可以随时到他们的网站上查看所有的产品公告），不如总结一下我们进入2019年时必须进行的对话，以帮助协调我们的关注点。下面是我们对其中一些主题的总结。数据目录是企业架构师的新焦点在过去的几年里，关于通过使用目录来提高数据可用性和使用率的讨论越来越多，通常是在单个业务部门内，或是在一群热情的数据传播者和科学家之间。然而，根据我们在re:Invent的经验，它正迅速成为企业架构师需要解决的一个企业级挑战。其基本原理非常简单：为了应对AI/ML的更广泛挑战或像customer360这样的业务需求，安娜尔返利机器人，它需要从整个组织中聚合数据。但这也带来了一系列挑战。这是在今年活动的几次发言中重申的一个信息。 讨论的第一个挑战是，任何目录解决方案都必须是开放的，并由与最相关的企业数据平台的强大的本地集成支持，而且它们必须能够通过由广泛的实施生态系统专家支持的坚实的API层轻松集成。 第二，摄取的自动化，包括分析和标记，淘客app开发，是最重要的（这是设置企业目录时要跨越的最大鸿沟）。这意味着加速和处理需要添加的大量数据。关于AI/ML如何在这一领域取得进展，有许多讨论。 最后一个关键挑战是，它不仅需要包含数据资产，还需要包括所有后续资产，包括分析仪表板、工作簿和工作表。数据治理和目录，加速（多）云推送虽然展会上围绕新的数据使用方式（Amazon Quicksight（BI）、Amazon Forecast（ML）、AWS SageMaker（ML）更新引起了很大的反响，但我们的许多谈话都是关于如何处理数据的管理和加速数据的移动，以便将其用于所有这些发展中的领域。这里的挑战是如何在整个数据环境中提供可见性，这仍然是本地和云中（以及越来越多的多云）的混合体。虽然人们也认识到数据目录的价值，但很明显，公司已经深入研究了问题和解决问题的要求。讨论扩展到包括如何管理涉及的关键参与者（包括分析师、数据工程师和数据管理员）的工作流。业务和IT组织之间的这种促进和协作被视为一种必要的方式，因为现在使用的大多数工具都是专门为有深度的专家设计的，而不是为胆小的人设计的。最终，他们并没有像他们（或企业）所期望的那样从他们的湖/仓库中获得投入和使用。另一个问题是，随着Kubernetes和Docker的崛起，越来越容易启动孤立的、高度临时的小型数据湖，以执行即席数据分析或机器学习数据工作台。此外，对于数据科学家来说，对于这些特殊的数据孤岛，一站式建站，理解数据血统和数据来源是至关重要的。应用程序和数据正变得越来越"移动"，这一事实使人们更加关注血统。这种需求被视为不仅提供了从分析到源的可追溯性，而且还增加了对谁或什么（人、过程和工具）使用什么数据的可见性。Collibra已经看到这种可视性提供了更好的质量数据，因为它是主动的和被动的，因为它在错误变成问题之前发现错误，而且在问题出现时也有助于解决问题。这是提高最终用户对数据的信任度的一个因素，这反过来又增加了使用率。我相信这些领域将继续走在前列，特别是考虑到AWS提到他们有超过10000家公司使用它们来创建他们的数据湖。隐私现在是CIO和CTO关注的焦点re:Invent的最后一个大主题是数据隐私。随着GDPR或加州消费者隐私法案（CCPA）等新法规的出台，以及媒体对最新公共违规行为的大量报道，各组织要求对数据隐私采取更系统的方法，返利app是真的吗，而不是今天的临时做法。由于首席信息官和首席技术官现在是提出这个问题的个人，因此re:Invent的这种转变更加明显。挑战在于，公司并没有坐视不理，相反，他们已经在隐私、数据保护、体系结构、本体论、策略等方面实现了大量的点技术（还有一些是手动的）；然而，这些领域没有记录系统。我们认为2019年是"设计隐私"成为组织采用的模式，以提供处理活动和整合点的真实记录。下一步行动那么，基于这一认识，进入2019年，我们的重点应该是什么？在新的一年中，目录将是一个关键的功能，但它们将是企业范围内的，从而产生更广泛的需求集。云计算中的分析和AI/ML将推动对数据更广泛访问的需求。数据目录和治理包括管理、工作流和血统将是加速采用的重要基础。为了让这种数据转换蓬勃发展，设计隐私将需要成为未来采用的模式。围绕数据的各个业务级别之间的协作和通信将继续占据主导地位。目标用户体验模板和众包将增加解决方案的需求。想继续阅读数据目录吗？下载我们的电子书，全面的数据目录指南，了解更多。

，大数据技术及数据分析培训