在IDC，我们谈论了很多关于"数字转型"的话题，即数字数据、媒体和内容的日益增长的作用正在改变我们的生活，尤其是我们的业务方式。尽管这一转变的早期阶段是渐进式的，从手动任务的自动化和内容的数字化，到由商业智能和高级分析驱动的决策，我们现在已经达到了关键的数字质量阶段，这得益于使我们能够收集、分类、管理，以前所未有的速度利用更大的数据量和种类。不仅使用历史业务数据，而且使用当前事务数据、流式传感器数据、来自智能、移动设备的交互数据和一系列内容，虚拟主机，我们可以构建企业及其业务上下文的非常完整的视图，并且可以非常快地、甚至自动地根据这些知识采取行动。有了对业务情况的全面背景视图，再加上实时事务数据，我们能够"在当前"做出决策。

然而，游戏返利，要做到这一点，5118大数据，需要协调操作，并在单个处理上下文中利用所有相关数据。大多数企业IT配置都没有这样做，甚至只针对结构化数据。我们也总是将分析数据与事务数据分开，因为这两种类型在基于磁盘的数据库上管理时，需要非常不同的结构和处理方式，而且如果分析查询在一个系统中，它们会减慢事务处理的速度，操作数据将在事务数据库上维护，然后复制到分析数据库（如数据仓库）进行分析，通常使用ETL过程。显然，这意味着分析数据总是在数小时甚至数天之后才能被检查。

这是因为传统的数据管理方式是基于磁盘优化数据库技术的。磁盘优化方法假设数据驻留在磁盘上，并对其进行优化以最小化磁盘i/o。在使用磁盘优化数据库时，重要的是以最佳方式在磁盘卷中排列数据，仔细而有策略地设置分区和索引方案，并定期检查和修改它们。由于事务性数据和分析性数据之间的优化是完全不同的，数据呈现，所以不能将两者混合使用。如果数据结构由于任何原因发生变化，优化方案必须重新制定，通常需要重新组织数据库，需要数周的时间才能实施这些变化。在一个强调业务敏捷性的世界中，对于应用程序或分析中的每一个更改，这种类型的开销都是不可接受的。而且，很明显，等待数小时或数天的数据对"当前"的决策毫无用处。

幸运的是，我们正处于数据库的技术革命之中；这场革命用内存优化方法取代了前几代DBMS的磁盘优化方法。现代内存数据库使用单个数据拷贝在内存中执行事务和分析，实现"即时"决策，同时消除数据重复和延迟。内存优化方法考虑数据驻留在主内存中，并将磁盘用于恢复目的（以便在某种故障情况下不会丢失数据）。对数据结构的更改可以立即生效，系统在很大程度上是自调整的，而且由于所有操作都在内存中，因此处理速度要快得多。但好处不仅仅是速度和灵活性。它们还包括在复杂查询中快速合并商业智能数据和实时事务数据的能力，因为ETL阶段已经过去了；分析数据和事务数据放在一个数据库中。我们甚至可以修改应用程序，微信返利机器人可靠吗，以便在事务发生时利用这些查询结果来执行事务。结果就是一个"智能"应用程序，它可以做一些以前从未实际过的事情：使用复杂的查询来管理事务处理。这种能力我们称之为"分析事务处理"（ATP）。

一些供应商已经开发出能够提供各种级别的ATP支持的技术。然而，将来自多个数据源的数据与核心的分析性事务数据结合起来，将企业带到了一个更高的层次——一个不仅能够"在当前"做出决策，而且能够基于最佳可用信息做出决策的层次。IDC将能够提供此类功能的系统称为"分析交易数据平台"（ATDP）。这样一个平台将有一个内存优化的核心数据库，理想情况下，它的所有或大部分活动数据总是在内存中（因此是内存中的数据库，或IMDB），并有能力根据需要引入相关的支持数据，以便进行更完整的分析。在数据中心或云中部署ATDP作为基础能力，应该是每一个寻求在其市场中保持领先地位的企业的目标。