什么是数据结构？

到目前为止，您已经听到了好消息：商业世界正在接受数据驱动的决策，并以前所未有的速度发展他们的数据实践。大流行可能迫使他们动手，但他们已经看到了数据的价值，并且永远不会回到基于预感做出决定。

这是一个马马虎虎的消息：他们的发展速度如此之快，以至于他们积累的数据超出了他们的分析能力。组织平均管理的数据是五年前的 10 倍。他们正在努力以高效、合规、直观和安全的方式使用他们的数据。

如果问题不在于数据量，而在于数据所在的位置，以及收集的难度如何？毕竟，一般企业有900个应用程序，但只有三分之一是连接的。十分之九的 IT 领导者报告说，这些断开连接或数据孤岛会带来重大的业务挑战。* 这些通常包括成本效率低下、数据集成错误、数据丢失或不准确，并最终导致对数据的整体缺乏信任。

这就是当今企业所拥有的机会。如果他们连接自己的孤岛并利用他们已经收集的数据的力量，他们可以授权每个人现在和将来做出数据驱动的业务决策。实现这一目标的方法是实施一种称为数据结构的新兴数据管理设计。

什么是数据结构设计？

数据结构是一种新兴的数据管理设计，允许公司无缝访问、集成、建模、分析和配置数据。数据结构不是集中数据存储，而是建立一个联合环境，并使用人工智能和元数据自动化来智能地保护数据管理。

随着领导者不断完善战略以提高生产力和成熟的分析，数据结构是一个单一架构，可以解决组织数据资产的多样性、分布、规模和复杂性水平。

在 Tableau，我们相信，当每个人都有权将数据置于每次对话的中心时，才能做出最佳决策。我们已将我们的价值观注入我们的平台，该平台通过我们平台内部的数据管理层支持数据结构设计，帮助您打破孤岛并简化对整个数据和分析生命周期的支持。

Tableau 有助于在访问、提高数据质量以及为分析用例准备和建模数据方面取得必要的平衡，同时将数据写回数据管理源。让我们快速浏览一下这些功能。
分析数据目录。审查数据和数据源的质量和结构信息，以更好地监控和管理使用

• 元数据管理。在用户在分析过程中最需要的地方显示强大的元数据，同时确保与企业工具的双边通信
• 数据质量和沿袭。根据您自定义的策略监控数据源，以帮助用户了解新鲜、优质的数据是否可供使用。揭示谁或什么在使用特定数据来加速协作或减少发生变化时的中断
• 数据建模。利用语义层和物理层为您提供更多选项，使用模式组合数据以适合您的分析
• 数据准备。提供一种直观且直接的方式，只需单击几下即可组合、塑造和清理数据
• 数据、安全性和资源治理：通过与每次使用保持一致的策略在其生命周期内培育数据。确保以您希望的方式运行——尤其是敏感数据和访问
• 数据整合。从存储在不同平台和数据源（例如数据仓库、数据湖和 CRM）中的数据中获得有用的见解
• 虚拟化和发现。增加对现有数据集的理解，以进行数据集成或数据分析
• 编排。直接在工作流程中自动协调数据事件，例如数据质量或流故障
• 增强分析。培养和使用 AI 使分析流程（如数据管理、数据准备和分析）更易于完成，只需单击几下即可完成

分析优先的方法

商业领袖早就认识到数据分析对其组织未来的重要性。全球市场情报公司 International Data Corporation 报告称，83% 的 CEO 希望他们的组织更加以数据为导向，并正在投资发展他们的数据文化。那些以数据领先的人现在增加客户的可能性是 23 倍，收入增长 10% 的可能性是 1.5 倍。

随着组织开始他们的 Data Fabric 之旅，他们必须始终专注于为业务创造价值的地方。如果这对你来说是分析，就像对大多数人一样，坚持你的路线。 Data Fabric 实施将需要数年时间，因此设定近期目标以展示价值并保持利益相关者参与非常重要。

将 Tableau 作为数据结构设计的一部分，您可以克服在最后一英里数据计划中出现的一些经典问题。例如：

• 缺乏企业采用。通过在业务已经运行的地方工作而被成千上万的用户采用，该平台成为业务用户访问数据和治理分析师/IT 以实施其企业项目的协作区或联合环境
• 治理标准执行缓慢。在观众使用其数据的地方创建信任和可验证性。 Tableau 在上下文中提供有关数据新鲜度、认证状态、数据质量警告、字段定义、数据源和总体使用情况的信息
• 数据离开 EDW 后失去可见性。今天数据的美妙之处在于它可以以多种不同的方式使用——这也是治理的一个具有挑战性的陷阱。借助有关谁在使用数据以及数据消费者如何与数据交互的指标，IT 可以真正了解哪些数据源提供了最大价值，并自动发现和修复敏感数据的使用

阅读“ Now Tech：Data Fabric Vendors Q1 ’22 ”，了解有关Data Fabric 设计的更多信息，并探索 Forrester 对 Data Fabric 市场的看法。