[ad_1]

پارچه های داده توانایی ردیابی ، نظارت و استفاده از داده ها را فراهم می کنند ، در حالی که معماری IT دارایی های IT را ردیابی ، نظارت و نگهداری می کند. برای استراتژی دیجیتالی سازی طولانی مدت به هر دو مورد نیاز است.

وقتی شرکت ها به سمت محاسبات ترکیبی می روند ، در حال بازتعریف معماری فناوری اطلاعات خود هستند. معماری IT کل پایگاه دارایی فناوری اطلاعات شرکت را اعم از محلی یا ابری توصیف می کند. این معماری به سه سطح اصلی تقسیم شده است: سخت افزار از قبیل پردازنده مرکزی ، سرورها و غیره. میان افزار ، که شامل سیستم عامل ها ، موتورهای پردازش معاملات و سایر برنامه های نرم افزاری سیستم است. و برنامه ها و خدمات کاربر پسند که این زیرساخت اصلی پشتیبانی می کند.

اعتبار: گرافیک در حال حرکت از طریق Adobe Stock

اعتبار: گرافیک در حال حرکت از طریق Adobe Stock

معماری IT اخیراً مورد توجه IT قرار گرفته است ، زیرا با انتقال سازمانها به ابر ، داراییهای IT نیز در حال حرکت هستند و پیگیری و نظارت بر این تغییرات ضروری است.

با این حال ، با رشد دیجیتالی شدن و تجزیه و تحلیل ، نیاز به پیگیری ، نظارت و استفاده حداکثر از وجود دارد داده ها که می تواند از منابع بی شماری حاصل شود. معماری IT نمی تواند مدیریت داده را فراهم کند ، اما ساختار داده می تواند. متأسفانه ، اکثر سازمانها فاقد پارامترهای داده ای مشخص هستند و بسیاری هنوز در تلاشند بفهمند که چرا اصلاً به داده داده نیاز دارند.

پارچه داده چیست؟

گارتنر بستر داده را چنین تعریف می کند: “یک مفهوم طراحی که به عنوان یک لایه (پارچه) یکپارچه از داده ها و فرایندهای اتصال عمل می کند. ساختار داده از تجزیه و تحلیل مداوم دارایی های فراداده موجود ، قابل شناسایی و مشتق شده برای پشتیبانی از طراحی ، اجرا و استفاده از داده های یکپارچه و قابل استفاده مجدد در تمام محیط ها ، از جمله سیستم عامل های ترکیبی و چند ابر استفاده می کند. “

بیایید آن را بشکنیم.

هر سازمانی می خواهد از تجزیه و تحلیل داده ها برای مزیت کسب و کار استفاده کند. برای استفاده مناسب از تجزیه و تحلیل ، شما به انعطاف پذیری داده نیاز دارید که به شما امکان می دهد داده ها را از هر منبعی که شرکت شما استفاده می کند به راحتی پیوند داده و ترکیب کنید – خواه منبع آن یک پایگاه داده میراث شرکتی باشد یا داده های استخراج شده از رسانه های اجتماعی یا اینترنت اشیا ((اینترنت اشیا) . بدون استفاده از ابزارهای ادغام داده ها ، نمی توانید به یکپارچه سازی و اتصال داده دست یابید ، همچنین اگر تجزیه و تحلیل شما کار می کند ، باید راهی برای اتصال و اتصال داده های مختلف به یکدیگر از طریق روش های معنی دار پیدا کنید.

اینجاست که ساختار داده وارد می شود. ساختار داده حاوی کلیه پیوندها و ارتباطات بین داده های سازمان است ، فارغ از اینکه نوع داده یا از کجاست. هدف این پارچه این است که به عنوان یک ملیله کامل از داده ها عمل کند که تمام داده ها را بهم آمیخته است تا داده ها به طور کامل جستجو شوند. این پتانسیل نه تنها برای بهینه سازی ارزش داده ها ، بلکه همچنین ایجاد یک محیط داده است که می تواند تقریباً به هر پرسش تحلیلی پاسخ دهد. ساختار داده همان کاری را می کند که یک معماری فناوری اطلاعات نمی تواند داشته باشد: به شما می گوید داده ها چه کاری انجام می دهند و داده ها چگونه به یکدیگر متصل می شوند. بدون ساختار داده ، توانایی شرکت ها در استفاده از داده ها و تجزیه و تحلیل محدود است.

یک پارچه داده بسازید

هنگام ساخت یک سیستم عامل داده ، بهتر است کار خود را از مکان های کوچک و در مکانی آغاز کنید که کارمندان شما از قبل آشنا هستند.

این “مکان” برای اکثر شرکت ها با ابزاری است که آنها قبلاً برای استخراج ، تبدیل و بارگذاری (ETL) داده ها از یک منبع به منبع دیگر به همراه سایر نرم افزارهای ادغام داده ها مانند API های استاندارد و سفارشی استفاده می کنند. اینها همه نمونه هایی از ادغام داده ها است که قبلاً به دست آورده اید.

اکنون می خواهید داده های بیشتری به هسته خود اضافه کنید. این کار را می توانید با ادامه استفاده از ETL و سایر روش های ادغام داده ها که قبلاً هنگام ایجاد ساختار داده خود دارید ، انجام دهید. در این فرآیند باید دقت شود تا داده های شما ، که شامل نقطه شروع داده ها ، نحوه ایجاد داده ها ، فرآیندهای تجاری و عملیاتی از آنها استفاده می کند ، قالب آنها (شامل یک فیلد در یک ثبت ثابت یا یک فایل کامل با یک تصویر) ، و غیره با حفظ تاریخچه داده ها ، و همچنین تمام تغییرات آن ، در موقعیت بهتری برای بررسی قابلیت اطمینان داده ها و اطمینان از امنیت آنها هستید.

با رشد بستر اطلاعاتی ، احتمالاً ابزارهای داده ای را که در دسک تاپ شما وجود ندارند اضافه می کنید. اینها می توانند ابزاری باشند که به ردیابی داده ها ، اشتراک فراداده ، پیاده سازی مدیریت داده و موارد دیگر کمک می کنند. یک توصیه در این زمینه جستجوی یک نرم افزار مدیریت داده جامع است که نه تنها شامل تمام ابزارهایی باشد که برای ایجاد یک پارچه داده نیاز دارید ، بلکه دارای اتوماسیون مهمی مانند یادگیری ماشین تعبیه شده است.

یادگیری ماشینی نحوه عملکرد داده های موجود در بستر داده شما را با هم بررسی می کند و اینکه از کدام ترکیبات داده بیشتر در زمینه های مختلف تجاری و عملیاتی استفاده می شود. هنگام درخواست داده ، ML به جمع آوری داده هایی کمک می کند که به احتمال زیاد به س answerالات شما پاسخ می دهند.

برای بسیاری از سازمان ها تهیه عناصر پارچه داده مانند یادگیری ماشین از ابتدا دشوار است. نرم افزار مدیریت داده در اینجا به شما کمک می کند ، زیرا معمولاً شامل یادگیری ماشین از قبل خودکار و داخلی است که می توانید در سیستم عامل داده خود استفاده کنید.

خلاصه

پارچه های داده توانایی ردیابی ، نظارت و استفاده از داده ها را دارند ، در حالی که معماری فناوری اطلاعات دارایی های IT را ردیابی ، نظارت و نگهداری می کند. برای استراتژی دیجیتالی سازی طولانی مدت به هر دو مورد نیاز است.

توسعه پارچه داده می تواند در مقیاس کوچک ، مانند یک منطقه خاص تجاری یا مورد استفاده ، آغاز شود. در بیشتر موارد ، IT می تواند از ابزارهای شناخته شده یکپارچه سازی داده ها ، همراه با یک سیستم مدیریت داده که می تواند بسیاری از عملکردهای ساخت پارچه داده را که IT کمتر با آن آشنا است ، استفاده کند.

هدف نهایی باید یک معماری IT باشد که به شما بگوید هر دارایی IT کجاست و چه کاری انجام می دهد. و یک بستر داده ای که هر آنچه را که می خواهید در مورد داده های موجود در آن زیرساخت بدانید به شما می گوید.

آنچه در ادامه بخوانید:

برنامه CIO در حال حاضر: اولویت های یک ساله در یک بیماری همه گیر

وقت آن است که چارچوب یکپارچه سازی داده خود را ارتقا دهید

معماری داده های خود را با برنامه استراتژیک هماهنگ کنید

ماری ای.شکلت مفسر فناوری شناخته شده بین المللی و رئیس Transworld Data ، یک شرکت خدمات بازاریابی و فناوری است. او پیش از تأسیس شرکت خود ، معاون تحقیقات محصول و توسعه نرم افزار در راس بود … رزومه کامل را ببینید

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم ، یا [contact us directly] با س questionsالات در مورد سایت.

مقالات بیشتر



[ad_2]

منبع: tasiveh-news.ir