手机视频网站开发搜索引擎营销的方式
智能时代，互联网、云计算和大数据的应用日益广泛，越来越多的企业将核心IT基础架构迁移至云上，以加速实现企业数字化转型，提高商业用户创新的可能性， 使 IT 变得更加灵活。
各个行业也正在进行从依赖本地系统到混合或云优先战略的转型，加速数据驱动的数字化转型，释放公司宝贵的数据资产，从而提高生产力、控制成本、发展业务，并进而在市场上脱颖而出。
上云，令人激动，但也为企业带来更多挑战。
1、应用层更为复杂
企业依赖于存储在本地、云或两者之间的大量应用来完成工作。
企业迫切需要将这些应用系统进行集成，以全面了解整个企业的情况， 并推动数据驱动的数字化转型。
这给企业提出了更高要求，需要具备 API 管理、应用集成和数据集成的能力，从而将多个云应用与多个本地应用连接起来。
2、更多部署选择
据调查，公有和私有云部署方面的 IT 费用正在逐步接近传统数据中心基础设施方面的 IT 费用。虽然这种基础设施费用的转变并不突然，但却影响很大。
企业现在需要管理从本地 Hadoop 集群到公共云数据存储库的所有数据，这意味着，需要应对本地环境、私有云环境、公有云环境以及跨部署的混合管理，需要具备数据的集成、清理、控制和保护能力。
3、业务用户需要创新方法访问数据
数据民主化正在驱动真正的商业价值。提供自助服务功能的重点在于能够获取及时和可操作的数据。
我们仍然需要 IT 来集中管理和保护某些数据集， 但是业务用户再也不用花费数周的时间来等待报告了。
如何更好更快的解决这些问题？关键在于，数据管理如何助力您在云之路上前行。
混合数据管理旨在帮助企业充分利用数据资产，同时推动企业在云之路上的发展。面向企业将数据存储在云中或者周期性地访问云，并使用新技术来应对当前和未来的需求。
这种方法的核心思想很简单: 由于数据并不存储在一个中心位置，而是分布在多个云和传统的系统中，因此需要采取集中的方法来适当地管理数据。
然而，它并不仅仅依赖于传统本地技术，而是利用了多种突破性技术。混合数据管理方法具有五大特点:
1、混合性
企业的应用系统、数据和基础设施都存储在本地和多个云中。因此，无论上云之路上的进展如何，您都必须具备管理云、本地和混合工作负载的能力。
关于本地工作负载，企业可以继续使用现有数据集成、数据质量和主数据管理系统。毕竟，它们包含了所有的业务逻辑和元数据。目前，迁移这些系统并不是最重要或最具有成本效益的工作。
关于云和混合工作负载，企业可以开始使用基于云的数据管理工具，例如 iPaaS。这些工具便于为商业用户提供支持，可以使用现有的元数据和逻辑，最为重要的是，IT人员可以重新使用自己已经具备的技能。
2、全面性
即使企业只是暂时涉足云计算，也需要认清一个事实，即存在数据的地方都需要进行全面的数据管理。
换句话说，全面的数据管理就是将数据集成、应用集成、数据质量、数据安全、主数据管理、元数据管理以及数据分析和治理的工具结合起来。
一开始，可能只需要应用集成或数据集成来完成特定的项目。但是随着时间的推移， 企业的基础设施、数据和应用均迁移到了云中，这时，就将需要一个更加全面的解决方案。
3、模块化
企业需要以模块化的方式来实现整体愿景，从获取企业当前项目所需的工具开始。
从技术上来说，这意味着在必要时使用微服务架构来添加新的功能，而不需要进行大规模的平台投资。
从操作上来说，可能需要更改一些流程，以便IT团队测试新的工具并在测试通过后将其 应用于实际工作中。
4、自助业务的发展
论企业在云之路上的进展如何，掌握提供数据驱动的自助服务能力都是企业的当务之急。它使针对最具战略性的数据资产的访问民主化，有助于减轻 IT 的负担，并为更多业务用户提供创新方面的支持。
混合数据管理方法确保业务用户获取自行集成数据集所需的工具，并为他们提供充足的空间以进行自由测试(例如数据湖或本地 Hadoop 集群)。
在集成方面，诸如 iPaaS 等基于云的工具更便于使用并获得最佳结果。如果 IT 和业务用户均可访问基本元数据，则有利于用户部署预定义的集成模式方案，加快工作进展并获取他人经验。
机器学习智能功能可为用户推荐数据集(即其他专业人士使用过的数据集)甚至合适的方案，从而提高用户的工作效率。
5、以数据为中心的安全性
智能数据中心安全功能掌握着敏感数据的位置移动方式。您的企业不仅可以通过建立更大的防火墙，还可以利用掌握数据使用方式来保护数据安全。
这意味着通过加密和实时监控保护动态数据的安全，以便在数据泄露时立即向您发出警报。
此外，智能数据中心安全功能利用数据屏蔽和访问控制，确保业务用户在不暴露任何个人可识别信息的前提下使用数据进行分析。
IT 正在以各种重大且有意义的方式进行转型，数据、应用、部署、用户和集成模式都与过去完全不同。
但是，所有变化都加速了数据驱动的数字化转型的趋势，IT 将发挥更为重要的战略性作用，业务用户能够更加方便地访问和使用所需的数据，云、机器学习和微服务架构已经改变了数据管理的方式，我们不再受制于业务灵活性与控制之间的平衡，企业能够更加自由地使用智能数据进行创新。