什么是云数据管理?
云数据管理是云数据管理平台和工具，策略及过程的实现，可让组织控制其在云中以及在本地和云结合存储或获取数据的混合设置中的业务数据应用。
企业采用的云应用程序和工具的列表在不断增长，这导致了数据的指数增长—无论是结构化，非结构化还是半结构化。由于此数据对于现代企业来说是至关重要的资产，因此管理数据已成为一项战略要务，尤其是随着数据用户数量的增加，数据数量和类型的增加以及业务流程类型的发展。
云数据管理与传统数据管理有何不同?
企业越来越多地意识到将工作负载迁移到云中的价值，并利用改进的敏捷性来优化新产品和服务并减少资本支出和运营支出。随着企业业务继续将IT运营和应用程序转移到云中，对更加以云为中心的数据管理工具和平台的需求至关重要。
传统的数据管理工具非常适合本地工作负载，但是在涉及基于云的工作负载时往往会遇到困难。使数据管理工具以云为中心的一种方式是将其开发为云本地的-这意味着它们的架构可以在现代云计算平台所需的弹性和分布式性质下运行。云数据管理平台(也称为云数据湖屋管理平台)的其他一些主要原则是：
他们可以支持各种云生态系统(多云)中的数据。
它们由API驱动，并作为微服务交付。
他们使用容器和无服务器之类的现代结构来实现更快和可扩展的部署。
它们易于安装和设置。
它们易于管理，具有自动升级和补丁程序管理功能。
它们是根据服务利用率定价的。
云中数据管理的关键工具和功能
随着组织根据不断变化的业务需求和流程计划或重新设计其数据体系结构，云数据管理应成为首要考虑因素。在创建云策略时，需要考虑以下五项重要功能：
云整合
云可以推动创新，发现效率并帮助重新定义业务流程。但是，只有在您的云基础架构允许您在本地或多云环境的任何部分中集成，同步和关联所有数据，应用程序和流程时，才能实现这些优势。
从更细粒度的角度来看，企业可能希望设计，运行和自动化跨应用程序的业务流程。他们可能希望使用业务流程，API和消息传递实时集成应用程序，或者为其分析平台(云数据仓库和数据湖)运行提取转换负载(ETL)批处理集成作业，或者保持应用程序数据同步。
对于这些情况，组织需要智能数据和应用程序集成以及API管理工具，以及广泛的连接功能-所有这些都构成了现代集成平台即服务(iPaaS)的核心组件。
云数据质量和治理
当公司将数据作为其业务流程的核心时，最成功的组织就会意识到高质量，可信赖的数据在其数字化转型计划中的作用。正如麦肯锡公司(McKinsey&Company)的最新调查所指出的那样：“赋予员工持续使用数据作为决策依据的公司，其报告实现其数据和分析目标的可能性几乎是其他公司的两倍。” 另外，数据法规变得越来越复杂和动态。
为了推进其计划，组织必须确保整个企业中的人员都能够轻松定位，访问，理解和使用数据。您希望使业务和IT用户能够通过基于云的自动化数据质量和治理流程，从可信赖的，干净的高质量数据中快速实现业务价值。
云数据隐私和安全
企业越来越多地意识到将工作负载迁移到云中的价值，并利用新的敏捷性来优化新产品和服务并减少CAPEX / OPEX，从而将竞争留在后视镜中。在公共云和混合环境中，数据变得比传统防火墙更容易遭受滥用和攻击的风险。保护数据，管理安全访问以及实施合规性和适当的使用策略以降低安全漏洞和公司滥用的风险不仅对业务至关重要，而且现在已成为法律。
保留在内部的传统系统级数据保护无法与当今完美的“风暴云”相提并论，后者跨越边界和迁移的应用程序共享扩展的数据，加速敏感和个人化的新数据类型的增长，并吸收大量数据进入数据存储库。如今，客户对数据泄露的强烈反对通常是针对没有准备的组织以及犯罪分子。遵守法规不再只是增加罚款和处罚的问题;长期客户忠诚度也悬而未决。
但是有一个好处-隐私保证有助于使安全数据使用民主化，加速和解除对云工作负载的迁移，并提供建立在客户信任基础上的创新产品和服务。集成的云数据隐私和保护工具可帮助您自动发现和分类敏感数据，映射标识以明确所有权并支持数据访问规则，操作隐私策略，对数据存储和位置之间的数据风险敞口进行建模和分析，以及协调数据保护。
基于元数据驱动的情报和自动化的集成方法可以帮助采取快速行动(例如对SARS疫情的应对)提供数据使用透明性，数据遮罩以保护个人信息，并监控现有控制措施的有效性用于审计报告。
云主数据管理
跨业务线生成所有数据后，您需要对云中任何域和任何关系的完整360度视图。此外，还推动智能数据管理，改进数据的搜索和可视化以及改进的验证和充实-目标是获得“ 黄金记录 ”，从而提供对最纯净，最有效和最完整的了解。域中的单个记录。
云主数据管理功能可在组织中的各个系统之间同步最关键的数据，使AI和分析团队能够从该数据中获得深刻的见解，从而为您的业务提供动力。
云元数据管理/数据编目
公司正在改变其业务，以推动创新，改善客户体验，降低成本并提高运营效率。无论业务驱动因素是什么，所有这些业务转换都依赖于良好的可信数据。但是，随着数据环境变得越来越复杂，数据变得多样化并且分布在许多不同的部门，应用程序，数据仓库和数据湖(一些内部部署中，其他在云中)，这使得确切地了解您要使用的数据成为一个挑战。有和在哪里。
全面的数据分类解决方案使用基于机器学习的数据发现来扫描和分类整个企业中的数据资产，并为分析人员，数据科学家和IT用户提供强大的语义搜索，详细的数据沿袭，概要分析统计信息，数据质量记分卡，整体关系视图，自动数据管理，众包数据管理等等。
通过在整个企业范围内实现全面的数据发现，智能数据目录使企业可以很大程度地利用其数据资产的价值。通过利用技术，业务，运营和使用元数据的组合，智能数据目录还有助于建立元数据基础，以支持云现代化，数据治理和其他业务优先级。
通过AI增强智能
随着企业数据以几何级数增长，数据处理现在需要人工智能的帮助。全面的云数据管理平台提供关键的AI功能，这些功能允许跨各种系统(例如ERP，CRM等)自动发现和分类数据，自动发现客户数据之间的关系以及与特定人员匹配的洞察力，数据集成和数据的自动化质量任务，智能策略管理和执行等等。
云数据管理的价值和收益
随着现代企业的发展并变得更加以云为中心，必须配备适当的工具和流程来管理所有数据。
云数据管理涉及从创建到报废的数据的端到端生命周期，以及数据在其生命周期的各个阶段之间的受控进展。它有助于很大程度地降低法规不遵从，法律复杂性和安全漏洞的风险和成本。它还可以在需要的时间和地点提供对准确数据的访问，而不会造成歧义或冲突，从而避免了通信错误。
从高层次上讲，以下是使用适当的云数据管理策略和工具可以从中获得的一些核心好处：
通过改进的集成和摄取增强了分析能力。
改善了数据安全性和数据治理状态。
改善了数据质量，避免了“垃圾进，垃圾出”的问题。
快速数据发现和增强的元数据管理。
优化了跨系统的记录维护和管理-达到了“黄金记录”。
Ë xample使用案例：现代化与云数据仓库
组织正在采取的关键数字现代化举措之一是采用云数据仓库(CDW)系统来改进分析。与传统的数据仓库相比，CDW具有许多优势，例如增强的可伸缩性和弹性，灵活性和敏捷性，更快的价值实现时间，更好的性能等等。
正确的云数据管理工具可以帮助并加速将工作负载从现有的本地数据仓库迁移到云或构建新的云数据仓库的过程。交付优化的CDW涉及多个步骤，包括(但不限于)：
发现 正确的数据-您想查找所有相关数据并将其迁移到新的CDW。例如，其他云应用程序(例如Salesforce)中是否有有用的数据?仅在OneDrive上的电子表格上存在相关的东西吗?
将各种来源的数据集成到CDW中-云数据仓库中的数据将来自迅速扩展的各种来源，每种来源都有其自己的数据模型和格式。在内部，潜在的数据源包括托管在公共云上的应用程序，例如软件即服务(SaaS)应用程序
确保数据质量 —如果您输入到CDW的数据质量 低下，那么生成的洞察力也将如此。数据质量必须是任何成功的分析项目的关键要求。
如果没有一套完善的云数据管理工具来辅助上述工作，大多数CDW项目将面临无缝运行的绊脚石。
结论
对于现代企业而言，有效的云数据管理策略势在必行，尤其是随着组织加速其对云基础架构，应用程序和服务的采用。无论您是跨数据系统移动和同步数据，保护关键的组织和客户数据，确保跨系统的高质量数据，还是发现对关键企业数据的深入了解，定义数据需求和潜在解决方案，都是第一步。
平台解决方案可能是一个关键优势，因为所有关键功能都放在一个统一的保护伞下，共享一个通用数据模型。
