在过去的几十年中，企业IT环境、成熟度、业务环境和目标的演变总是带来了数据集成的基本需求和数据治理的关键问题。企业IT的历史现在正处于一个转折点，大数据的商业价值，几次中断几乎同时发生：物联网技术的广泛采用，数据科学作为一种常见IT实践的兴起，大量数据资产和计算能力的可用性，这些都使得机器学习的大规模使用成为可能，云架构提供了前所未有的分布和扩展可能性。这些因素都导致了智能企业的出现。正如您可能已经看到的，"变革的步伐从未如此之快，但也不会如此之慢。"

但是，这一变革对数据集成和数据治理有何影响，it组织如何应对？根据我们目前在大中型企业中看到的情况，我的看法是，企业信息化应用系统，大多数组织只是还没有处理it问题，正在努力使它们的旧做法和工具适应它们的新需求，这看起来是一场失败的战斗。例如，物联网专用卡，每个数据科学家最常见的挫败感是，他们需要花费太多的时间和精力来访问和准备数据，而不是像Rexer Analytics的一项调查所概述的那样，在实际的模型和智能上工作。

尽管有这些巨大的数据集成和准备工作，数据驱动的创新项目实际上未能从实验走向生产的最常见原因仍然是缺乏对各种不同数据集和数据源的可访问性、可用性、质量和理解。换言之，即使数据集成和数据治理是与企业IT一样古老的问题，它们也从未如此远离解决和稳定，对每一项业务创新的结果也从未如此关键。

这是因为尽管集成和治理仍然需要解决一些功能性问题需求和关注点在每个上下文中总是相同的，如数据移动、工作流编排或元数据管理，这些需求和关注点必须转换并适应非常不同的体系结构，具有不同的适用性和设计重点，这取决于目标集成域。IT组织在其历史的这个时期所面临的是，无论如何，一个全新的集成领域的突破。

我们可以用一个简单的图表来表示这种演变，如下所示：企业智能的程度，i、 e.采取更智能的业务决策和执行更智能的业务流程的能力正在迅速增长，这得益于开发更多样化和不同类型数据的能力，这是关键的使能资产。

首先，每个企业体系结构的基础都是使事务应用程序能够相互通信、连接业务流程并顺利执行其操作。即应用程序集成领域，通常采用面向服务的体系结构和微服务体系结构来解决。该领域包括企业服务总线（ESB）、业务流程管理（BPM）和业务规则管理（BRM）引擎等支持技术。在过去的几十年中，使能技术包括管理文件传输（MFT）和企业应用集成（EAI）。解决这个领域的体系结构通常是消息驱动的（至少最近几年是这样），处理结构化数据，并且最关注事务可靠性和一致性。所有通信都发生在OLTP系统之间。

下图显示了一个简单的企业服务总线集成流示例，提供了两个事务应用程序之间的集成：

每个企业体系结构中的另一个基本需求是提供商业智能和企业分析，以实现更好的集成商业决策。这导致了一个完全不同的集成领域，即分析集成，它是通过提取转换负载（ETL）工具、企业数据仓库（EDW）、数据集市等技术解决的。解决这个领域的架构通常是数据库驱动的，处理结构化数据，并专注于数据质量，以实现对商业智能金字塔的可靠洞察。在这个领域，通信是从OLTP系统到OLAP系统的。

下图显示了一个非常简单的ETL流程示例，将数据从两个源操作数据库中的两个表移动到一个主数据仓库：

现在，智能企业的出现在这一演变中增加了一个新的重大里程碑：企业环境正在不断发展，以产生更智能的应用程序，并提供下一代数据驱动的业务流程。为了实现这一点，关键的技术创新是能够利用先进的分析技术，这些技术现在由数据科学、预测算法、机器学习和大量不同类型的数据所推动。高级分析洞察力现在可以驱动和影响业务流程的行为。换句话说，OLTP和OLAP正在合并到混合事务/分析处理（HTAP）中。混合域现在可以考虑新类型的数据，比如来自传感器的事件流、位置数据、社交媒体提要、图像、视频、信号和其他非结构化或半结构化数据。这一演变为一个全新的集成领域，淘客帝国，即数据编排领域铺平了道路，该领域融合了不同类型数据的不同处理范式，并扩展和补充了以前的领域。解决这个领域的体系结构必须能够混合消息驱动和数据库驱动的流、流式和批量、结构化和非结构化，并且能够跨非常分布式的环境、跨多个云和内部部署位置来实现。该领域的主要架构重点是产生及时和可操作的见解，适应性是关键要求。