過去的一年里，新技術(shù)與新趨勢不斷涌現(xiàn)，在改變?nèi)祟惿罘绞降耐瑫r，也為產(chǎn)業(yè)帶來了前所未有的發(fā)展機遇。2025年隨著新一輪科技革命和產(chǎn)業(yè)變革加速推進，數(shù)據(jù)管理將發(fā)生怎樣的變革？在人工智能持續(xù)發(fā)展的大潮中，企業(yè)該如何充分釋放數(shù)據(jù)價值、應(yīng)對愈加復雜的業(yè)務(wù)挑戰(zhàn)？企業(yè)全球數(shù)據(jù)管理領(lǐng)域領(lǐng)軍企業(yè)Denodo日前發(fā)布2025新趨勢展望，分享了關(guān)于數(shù)字化轉(zhuǎn)型新興技術(shù)及企業(yè)管理創(chuàng)新的前沿洞察。
Ángel Viña（Denodo創(chuàng)始人兼首席執(zhí)行官）表示：
2025 年展望 – 數(shù)據(jù)管理的未來
數(shù)據(jù)管理架構(gòu)將不斷發(fā)展，以滿足日益增長的數(shù)據(jù)量、各種數(shù)據(jù)源和更多樣化的數(shù)據(jù)消費用戶的需求。此外，還會有更嚴格的隱私和治理要求，并且更加重視提供對企業(yè)數(shù)據(jù)的安全訪問，以便 GenAI 應(yīng)用的使用場景化。
以下是我的 2025 年“展望”清單：
1. 邏輯/聯(lián)邦數(shù)據(jù)架構(gòu)的興起
○ 數(shù)據(jù)網(wǎng)格和數(shù)據(jù)編織的增長。 企業(yè)正在從單體數(shù)據(jù)湖轉(zhuǎn)向分布式數(shù)據(jù)架構(gòu)，如數(shù)據(jù)網(wǎng)格和數(shù)據(jù)編織，他們將數(shù)據(jù)視為產(chǎn)品并按域組織數(shù)據(jù)。這些方法支持去中心化、聯(lián)邦治理，在這種治理中，數(shù)據(jù)所有權(quán)分布在各個團隊中，從而提高了可擴展性和自主性。
○ 對統(tǒng)一數(shù)據(jù)生態(tài)系統(tǒng)互操作性的需求增加。 邏輯數(shù)據(jù)架構(gòu)將推動對跨不同數(shù)據(jù)源（包括云、本地和混合環(huán)境）的無縫互操作性的需求。支持跨分布式系統(tǒng)的數(shù)據(jù)系統(tǒng)語義統(tǒng)一和查詢計算的工具和平臺將獲得顯著的吸引力。
2. 混合和多云數(shù)據(jù)管理成為新常態(tài)
○ 用于數(shù)據(jù)主權(quán)的混合云架構(gòu)。 數(shù)據(jù)隱私法規(guī)和對數(shù)據(jù)主權(quán)的渴望將推動組織采用混合架構(gòu)，其中敏感數(shù)據(jù)保留在本地或私有云中，而不太關(guān)鍵的數(shù)據(jù)存儲在公共云中。這種方法可在利用公共云服務(wù)可擴展性的同時，實現(xiàn)法規(guī)遵從性。
○ 跨云提供商的統(tǒng)一數(shù)據(jù)管理。 隨著越來越多的企業(yè)使用多云，對跨提供商的統(tǒng)一數(shù)據(jù)管理工具的需求將不斷增長。能夠跨 AWS、Azure、GCP 和其他平臺提供單一視圖和治理框架的解決方案將受到高度重視。
3. 更加關(guān)注數(shù)據(jù)產(chǎn)品生命周期管理
○ 數(shù)據(jù)產(chǎn)品是數(shù)據(jù)民主化的關(guān)鍵推動因素。 數(shù)據(jù)產(chǎn)品將原始數(shù)據(jù)轉(zhuǎn)換為增值服務(wù)，為最終用戶提供可操作的洞察力，以實現(xiàn)業(yè)務(wù)目標。不同的交付模式和自助服務(wù)界面將使所有組織中的新成員能夠使用數(shù)據(jù)產(chǎn)品，從而顯著增加數(shù)據(jù)使用量。
○ 數(shù)據(jù)產(chǎn)品生命周期變得更加復雜。 數(shù)據(jù)產(chǎn)品由具有不同技能和職責的不同角色管理，通常以去中心化的方式進行管理。數(shù)據(jù)管理平臺將支持數(shù)據(jù)產(chǎn)品的整個生命周期，從創(chuàng)建（設(shè)計、實施、部署）到發(fā)現(xiàn)、使用和監(jiān)控。
4. 用于數(shù)據(jù)管理的 AI：AI 驅(qū)動的數(shù)據(jù)管理的擴展
○ 自動數(shù)據(jù)編目和發(fā)現(xiàn)。 AI 將在數(shù)據(jù)發(fā)現(xiàn)、分類和編目中發(fā)揮更大的作用，幫助組織自動進行數(shù)據(jù)組織和標記。AI 驅(qū)動的數(shù)據(jù)目錄將提供有關(guān)數(shù)據(jù)沿襲、數(shù)據(jù)質(zhì)量和使用模式的實時洞察。
○ 智能數(shù)據(jù)執(zhí)行。 數(shù)據(jù)管理平臺將通過預(yù)測使用模式、將查詢映射到正確的數(shù)據(jù)執(zhí)行引擎以及自動調(diào)整數(shù)據(jù)工作負載以最大限度地降低成本和提高性能，來支持基于 AI 的數(shù)據(jù)查詢執(zhí)行優(yōu)化。
5. 用于 AI 的數(shù)據(jù)管理：支持 GenAI 模型的豐富
○ RAG 增強。 除了對 LLM 進行微調(diào)以供企業(yè)使用之外，GenAI 模型在最初訓練時使用的數(shù)據(jù)上停留在某個時間點。它們不了解企業(yè)數(shù)據(jù)或上下文，也無法訪問實時信息。數(shù)據(jù)管理平臺將不斷發(fā)展，以提供和自動化對 LLM 的 RAG 增強，并通過企業(yè)數(shù)據(jù)將 GenAI 應(yīng)用程序的行為場景化。
6. 繼續(xù)向去中心化數(shù)據(jù)治理轉(zhuǎn)變
○ 面向域的數(shù)據(jù)治理。 去中心化數(shù)據(jù)架構(gòu)將導致面向域的治理，其中某些數(shù)據(jù)治理策略是在域級別而不是僅在中央進行管理的。這使得最接近數(shù)據(jù)的團隊能夠?qū)ζ滟|(zhì)量和合規(guī)性負責。
○ 監(jiān)管重點日益關(guān)注數(shù)據(jù)透明度。 監(jiān)管要求越來越關(guān)注數(shù)據(jù)透明度，尤其是在 AI 驅(qū)動的決策環(huán)境中。數(shù)據(jù)治理架構(gòu)將包括用于跟蹤數(shù)據(jù)來源和確�？山忉屝缘目蚣�，以遵守新的數(shù)據(jù)和 AI 法規(guī)。
○ 數(shù)據(jù)可觀測性作為核心功能。 數(shù)據(jù)可觀測性使組織能夠監(jiān)控數(shù)據(jù)健康狀況、沿襲和使用情況，這將成為一項標準功能�？捎^測性工具將提供有關(guān)數(shù)據(jù)管道、數(shù)據(jù)新鮮度和沿襲的洞察，確保用于分析和決策的數(shù)據(jù)的可靠性。
7. 關(guān)注超個性化、大規(guī)模隱私和數(shù)據(jù)安全
○ 超個性化功能。 所有數(shù)據(jù)都將提高為每個客戶定制數(shù)據(jù)使用體驗的需求。數(shù)據(jù)管理將在下一代數(shù)據(jù)交付平臺中發(fā)揮關(guān)鍵作用。
○ 保護隱私的數(shù)據(jù)管理。 對數(shù)據(jù)隱私的擔憂將導致采用保護隱私的技術(shù)，以便在不泄露敏感信息的情況下進行數(shù)據(jù)分析和共享。
○ 自動合規(guī)性監(jiān)控和策略實施。 隨著數(shù)據(jù)隱私法規(guī)的日益嚴格，企業(yè)將依賴自動合規(guī)性監(jiān)控工具來確保數(shù)據(jù)管理實踐符合所有區(qū)域和數(shù)據(jù)環(huán)境的法規(guī)。
8. 越來越重視成本優(yōu)化和可持續(xù)性
○ 經(jīng)濟高效的數(shù)據(jù)存儲和計算。 數(shù)據(jù)管理將增加對更具成本效益的存儲和計算數(shù)據(jù)解決方案的支持。FinOps 功能（如根據(jù)數(shù)據(jù)使用頻率優(yōu)化存儲成本的數(shù)據(jù)分層，以及根據(jù)業(yè)務(wù)優(yōu)先級和財務(wù)目標將數(shù)據(jù)工作負載動態(tài)分配到計算引擎）將變得更加重要。
○ 節(jié)能數(shù)據(jù)處理。 可持續(xù)性將成為數(shù)據(jù)管理中考慮的新主題。組織將尋求節(jié)能的數(shù)據(jù)處理和存儲實踐，包括云環(huán)境中的碳足跡跟蹤，以滿足企業(yè)可持續(xù)性目標和法規(guī)。
2025 年的數(shù)據(jù)管理將更加分布式、實時和動態(tài)，其架構(gòu)將優(yōu)先考慮模塊化、治理、AI 驅(qū)動的自動化和定制數(shù)據(jù)使用。這種演變將使組織能夠在日益復雜的數(shù)據(jù)生態(tài)系統(tǒng)中滿足可擴展性、法規(guī)遵從性和數(shù)據(jù)民主化的需求。
Alberto Pan（Denodo首席技術(shù)官）表示：
預(yù)測：到 2026 年，超過 50% 的企業(yè)會將數(shù)據(jù)系統(tǒng)分布和異構(gòu)性視為開發(fā)支持 Gen AI 的數(shù)據(jù)產(chǎn)品的主要挑戰(zhàn)。
論證：2024 年 Gartner 技術(shù)架構(gòu)師調(diào)查 (1) 顯示，“跨不同平臺的數(shù)據(jù)系統(tǒng)分布”是制定數(shù)據(jù)架構(gòu)決策時第二個最常被引用的挑戰(zhàn)，56% 的架構(gòu)師都強調(diào)了這一點。
Gen AI 應(yīng)用程序必須以安全、受控的方式訪問所有組織系統(tǒng)中的數(shù)據(jù)，即使這些數(shù)據(jù)是動態(tài)的和實時的。但是，當前將 Gen AI 應(yīng)用程序與外部數(shù)據(jù)源連接的方法（例如檢索增強生成 (RAG) 模式）忽略了數(shù)據(jù)分布的復雜性。將 Gen AI 應(yīng)用程序擴展到試點和基本用例之外，需要直接解決這一挑戰(zhàn)的解決方案。
建議：考慮使用數(shù)據(jù)虛擬化等邏輯數(shù)據(jù)管理技術(shù)，為 AI 驅(qū)動的數(shù)據(jù)產(chǎn)品建立可訪問的數(shù)據(jù)層。這些技術(shù)可以實現(xiàn)對多個數(shù)據(jù)源的實時統(tǒng)一訪問，為實施一致的安全和治理策略提供單一入口，并允許以業(yè)務(wù)語言呈現(xiàn)數(shù)據(jù)。
(1) 來源：《Gartner 2025 數(shù)據(jù)管理規(guī)劃指南》。發(fā)布于 2024 年 10 月 14 日。
預(yù)測：到 2026 年，超過 80% 構(gòu)建集中式云數(shù)據(jù)倉庫或湖倉架構(gòu)的組織將決定把某些工作負載遷移到其他環(huán)境，包括同一云提供商內(nèi)的其他數(shù)據(jù)處理系統(tǒng)、其他云中的系統(tǒng)，甚至是本地環(huán)境（數(shù)據(jù)回遷）。
論證：數(shù)據(jù)民主化和基于使用量的云定價模式的驅(qū)動，導致許多大型組織的成本飆升。IDC 2024 年 6 月的報告《評估工作負載回遷的規(guī)模》(2) 反映了這一趨勢，該報告發(fā)現(xiàn)，約 80% 的受訪者預(yù)計在未來 12 個月內(nèi)會出現(xiàn)某種程度的數(shù)據(jù)回遷�；剡w既復雜又昂貴，因此組織還會通過為每個用例選擇在效率和成本效益之間取得最佳平衡的云環(huán)境和系統(tǒng)來優(yōu)化成本。
建議：隨著技術(shù)和業(yè)務(wù)需求的發(fā)展，投資于簡化將用例遷移到最合適環(huán)境的技術(shù)。開放表格式可實現(xiàn)與多個處理引擎兼容的數(shù)據(jù)表示。此外，邏輯數(shù)據(jù)管理技術(shù)（例如數(shù)據(jù)虛擬化）使數(shù)據(jù)使用者無需了解各個處理引擎的細微差別，包括 SQL 方言、身份驗證協(xié)議和訪問控制機制。
(2) https://www.idc.com/getdoc.jsp?containerId=US50903124
預(yù)測：到 2026 年，超過 80% 追求數(shù)據(jù)產(chǎn)品戰(zhàn)略的組織將使用多個數(shù)據(jù)平臺創(chuàng)建關(guān)鍵數(shù)據(jù)產(chǎn)品。對于最初設(shè)想采用單一供應(yīng)商方法的組織而言，這種轉(zhuǎn)變將給企業(yè)范圍的數(shù)據(jù)民主化計劃帶來挑戰(zhàn)。
論證：數(shù)據(jù)產(chǎn)品管理計劃本質(zhì)上是分布式的，因為沒有哪個單一平臺能夠跨所有數(shù)據(jù)產(chǎn)品優(yōu)化功能、性能和成本。支持這一點的是，只有不到 5% 的 Snowflake 和 Databricks 共同客戶計劃停用其中一個平臺，而大多數(shù)客戶還在使用其他云和本地系統(tǒng) (3)。此外，在聯(lián)邦治理模型中，數(shù)據(jù)產(chǎn)品所有者通常會選擇最能滿足其特定功能和預(yù)算要求的平臺。此外，隨著技術(shù)創(chuàng)新步伐的加快，新的數(shù)據(jù)平臺將不斷涌現(xiàn)。
鑒于這些動態(tài)，企業(yè)數(shù)據(jù)產(chǎn)品戰(zhàn)略必須考慮數(shù)據(jù)分布和平臺多樣性，以確保敏捷性、一致性和成本效益。
建議：考慮采用數(shù)據(jù)虛擬化等邏輯數(shù)據(jù)管理技術(shù)，以建立統(tǒng)一的基礎(chǔ)架構(gòu)，用于跨不同平臺發(fā)布、保護和訪問數(shù)據(jù)產(chǎn)品。這種方法使數(shù)據(jù)產(chǎn)品所有者能夠靈活地選擇最適合其需求的系統(tǒng)，同時確保在全球范圍內(nèi)所有數(shù)據(jù)產(chǎn)品的互操作性、可重用性和簡單的發(fā)現(xiàn)。
(3) 為什么 Databricks 與 Snowflake 不是零和博弈。https://siliconangle.com/2024/07/27/databricks-vs-snowflake-not-zero-sum-game/
Terry Dorsey（Denodo 技術(shù)推廣者）表示：
人工智能將推動更多的組織關(guān)注
人工智能正日益推動組織重新思考數(shù)據(jù)管理、運營協(xié)調(diào)和流程優(yōu)化。當前的數(shù)據(jù)管理方法，包括管道、ETL 和 ELT，面臨著相當大的挑戰(zhàn)。例如，80% 的企業(yè)報告經(jīng)常出現(xiàn)數(shù)據(jù)管道故障，74% 的企業(yè)在數(shù)據(jù)質(zhì)量方面苦苦掙扎，而解決問題通常需要一天以上的時間，37% 的組織甚至需要長達一周的時間。安全問題也很普遍，57% 的企業(yè)將數(shù)據(jù)安全視為一項重大挑戰(zhàn)。這種數(shù)據(jù)管理方面的根本性難題破壞了主要戰(zhàn)略計劃，例如數(shù)據(jù)治理、數(shù)字化轉(zhuǎn)型和人工智能部署，所有這些計劃的成功率都很低。Gartner 估計，到 2027 年，80% 的數(shù)據(jù)治理計劃將會失敗，而人工智能項目的失敗率徘徊在 70-80% 之間，盡管概念驗證取得了成功，麥肯錫報告稱只有約 30% 的數(shù)字化轉(zhuǎn)型項目取得了成功。
隨著利用人工智能保持競爭力的壓力越來越大，組織正在創(chuàng)建新的角色，例如首席人工智能官 (CAIO)，并重新審視首席信息官和首席數(shù)據(jù)官的角色，以容納人工智能計劃。然而，人工智能研究的進展速度異常之快，這通常超過了組織采用這些技術(shù)的能力，尤其是在規(guī)�；矫�。許多企業(yè)正試圖在相同的組織結(jié)構(gòu)內(nèi)并使用傳統(tǒng)方法來集成人工智能，但這可能并不足夠。
人工智能驅(qū)動轉(zhuǎn)型的關(guān)鍵組織關(guān)注領(lǐng)域
數(shù)據(jù)安全和隱私 數(shù)據(jù)安全和隱私是人工智能計劃不可或缺的一部分，這增加了保護數(shù)據(jù)的挑戰(zhàn)性和關(guān)鍵性。組織必須在有效的管理、審計和控制與廣泛采用人工智能所需的靈活性之間取得平衡。例如，許多企業(yè)目前在系統(tǒng)或源級別管理安全。然而，隨著人工智能的發(fā)展和更廣泛的數(shù)據(jù)訪問需求，這種方法可能會導致成本和風險升高。為了緩解這種情況，組織可以采用優(yōu)先考慮集中但靈活的安全模型的數(shù)據(jù)治理框架，確保數(shù)據(jù)保護和可訪問性之間的平衡。
增強的變更管理和變更控制 隨著組織將職責分配給技術(shù)和非技術(shù)團隊，他們必須制定穩(wěn)健的變更管理和變更控制策略。變更管理（側(cè)重于溝通和采用）和變更控制（側(cè)重于技術(shù)實施）是獨立但相關(guān)的領(lǐng)域，在人工智能驅(qū)動的環(huán)境中都至關(guān)重要。最佳實踐可能包括跨職能的人工智能工作組、清晰的溝通協(xié)議和培訓計劃，以促進平穩(wěn)過渡。例如，對參與人工智能采用的非技術(shù)人員實施結(jié)構(gòu)化培訓，可以幫助彌合技術(shù)團隊和業(yè)務(wù)團隊之間的差距。
與業(yè)務(wù)成果保持一致 IT 與業(yè)務(wù)目標之間的脫節(jié)可能是人工智能成功的主要障礙。IT 部門通常關(guān)注技術(shù)指標，而業(yè)務(wù)部門則優(yōu)先考慮組織目標。鑒于數(shù)字化轉(zhuǎn)型和人工智能計劃的高失敗率，IT 團隊應(yīng)與業(yè)務(wù)部門更緊密地合作，以優(yōu)先考慮可衡量的業(yè)務(wù)成果。跨職能協(xié)作，由技術(shù)和業(yè)務(wù)領(lǐng)導者共同領(lǐng)導人工智能驅(qū)動的項目，可以幫助確保項目與核心組織目標保持一致并交付切實的價值。
業(yè)務(wù)流程優(yōu)化和新興技術(shù)集成 轉(zhuǎn)型，尤其是涉及人工智能、物聯(lián)網(wǎng)和自動化的轉(zhuǎn)型，本質(zhì)上需要業(yè)務(wù)流程優(yōu)化。隨著組織采用人工智能，他們必須評估并可能重構(gòu)其流程，以有效地集成新技術(shù)。這可能包括開發(fā)自適應(yīng)工作流，允許將人工智能驅(qū)動的洞察無縫地融入業(yè)務(wù)運營中。在這個領(lǐng)域取得成功的組織通常采用循環(huán)方法進行流程優(yōu)化，隨著人工智能能力的發(fā)展不斷迭代和更新工作流。
重組企業(yè) IT 以實現(xiàn)敏捷性和協(xié)作 鑒于人工智能的快速發(fā)展，傳統(tǒng)的 IT 結(jié)構(gòu)可能會限制組織響應(yīng)新興需求的能力。許多企業(yè)將 IT 職能（尤其是圍繞數(shù)據(jù)管理的職能）孤立起來，這可能會阻礙需要無縫數(shù)據(jù)訪問和協(xié)作的計劃的有效性�？赡苄枰粋�更敏捷、更協(xié)作的 IT 結(jié)構(gòu)，其中包括數(shù)據(jù)治理和跨部門角色。例如，企業(yè)可以在 IT 部門內(nèi)建立混合角色或?qū)ｉT的人工智能集成團隊，將技術(shù)專長與特定領(lǐng)域的知識相結(jié)合，以更有效地支持人工智能和數(shù)據(jù)計劃。
面向未來人工智能驅(qū)動型組織的愿景
以人工智能為中心的組織的結(jié)構(gòu)旨在鼓勵 IT 和業(yè)務(wù)職能之間持續(xù)保持一致，優(yōu)先考慮數(shù)據(jù)安全和隱私、變更管理和業(yè)務(wù)流程優(yōu)化。此類組織是敏捷的，具有支持跨部門協(xié)作的靈活 IT 和治理結(jié)構(gòu)。他們實施在數(shù)據(jù)保護和訪問之間取得平衡的治理框架，使用培訓計劃來確保人工智能的順利采用，并不斷優(yōu)化業(yè)務(wù)流程。通過采用這些原則，組織可以提高人工智能、數(shù)字化轉(zhuǎn)型和數(shù)據(jù)治理計劃的成功率，從而在人工智能驅(qū)動的世界中占據(jù)競爭優(yōu)勢。
自主代理和代理工作流
大模型 (LLM) 可以做一些非常了不起的事情。我們在產(chǎn)品中特別利用了文本到 SQL 和摘要功能。由于 LLM 非常擅長評估/審查信息，并且在自我評估方面沒有自負情緒，我們看到許多研究和框架都在尋求利用這種能力。它們還非常擅長根據(jù)自然語言對任務(wù)做出決策和構(gòu)建信息。這些功能是自主代理和代理工作流的基礎(chǔ)。
像亞馬遜、谷歌和微軟這樣的主要參與者已經(jīng)開發(fā)了強大的框架，使企業(yè)能夠比以往任何時候都更容易地構(gòu)建這些人工智能驅(qū)動的代理并將其集成到其運營中。借助 Amazon Bedrock Agents 和 Google Vertex AI 等工具，企業(yè)現(xiàn)在可以創(chuàng)建代理來提取數(shù)據(jù)、回答客戶問題，甚至在無需太多人工監(jiān)督的情況下執(zhí)行操作。組織可以慢慢開始，實施和觀察自主代理和代理工作流可能比部署給用戶更容易，因此即使從這種能力開始也可能更具吸引力。預(yù)計這些將在未來一年左右的時間內(nèi)變得更加流行。
增量/持續(xù)機器學習
如今，一些企業(yè)正在對 LLM 進行微調(diào)，在某種程度上，您可以將其視為增量學習。鑒于重新訓練大型模型的挑戰(zhàn)，增量/持續(xù)學習的能力意味著模型能夠保持最新狀態(tài)。在這個領(lǐng)域有很多研究，我預(yù)計它甚至會在 GenAI 之外發(fā)展壯大。
從數(shù)據(jù)管理的角度來看，向增量學習范式轉(zhuǎn)變意味著企業(yè)可以更有效地利用實時數(shù)據(jù)。此功能對于需要立即進行數(shù)據(jù)解釋和響應(yīng)的應(yīng)用程序至關(guān)重要，例如金融交易算法、實時推薦系統(tǒng)和動態(tài)定價模型。隨著研究的繼續(xù)和這些技術(shù)的日益成熟，增量和持續(xù)學習對人工智能部署和功能的影響可能會增加，使其成為未來人工智能技術(shù)進步的重點領(lǐng)域。
圖數(shù)據(jù)庫的使用興起
我們已經(jīng)聽到了很多關(guān)于 LLM 的一些缺點，以及在某種程度上語義搜索的缺點。圖提供了一種對復雜關(guān)系進行建模的方法，因此最近有大量研究利用圖數(shù)據(jù)庫來解決其中的一些限制。有一些提示方法，例如基于節(jié)點、基于子圖、基于路徑、基于層次結(jié)構(gòu)、基于社區(qū)等等，這些方法都基于圖的功能。在某些情況下，節(jié)點屬性是嵌入的，在某些情況下是清晰的。有各種各樣的技術(shù)可以根據(jù)數(shù)據(jù)填充圖來構(gòu)建此類模型，因此需要能夠在圖中查詢數(shù)據(jù)以及將數(shù)據(jù)引入圖中。
云回遷
83% 的受訪企業(yè)正在將其部分工作負載遷移到私有云和本地系統(tǒng)。誠然，這些企業(yè)各自遷移的百分比存在一些不確定性；然而，從數(shù)據(jù)管理的角度來看，只需一個企業(yè)將數(shù)據(jù)存儲在多個位置即可。這可能會對數(shù)據(jù)管理策略產(chǎn)生重大影響。
Andrea Zinno（Denodo 技術(shù)推廣者）表示：
合成數(shù)據(jù)
對隱私、個人數(shù)據(jù)處理、擁有訓練人工智能模型的良好樣本的重要性以及擁有特定（不一定聚合）數(shù)據(jù)的需求的考慮，以便能夠參考個人對現(xiàn)象進行建模，將對合成數(shù)據(jù)產(chǎn)生更大的推動作用，合成數(shù)據(jù)將在選擇和構(gòu)建用作分析基礎(chǔ)的樣本的過程中發(fā)揮越來越大的作用。
主動本體（或主動數(shù)據(jù)目錄）
在數(shù)據(jù)民主化的精神下，數(shù)據(jù)在公共和私營組織內(nèi)的日益普及，以及逐步擴大其邊界、邁向允許組織業(yè)務(wù)模型中的相關(guān)方（合作伙伴、供應(yīng)商、公共管理部門、客戶……）共享和使用數(shù)據(jù)的生態(tài)系統(tǒng)的趨勢，使得正式和系統(tǒng)地解決“含義”問題變得更加重要，以便為此生態(tài)系統(tǒng)中的所有參與者創(chuàng)建通用語言。
然而，深入理解數(shù)據(jù)的需求（通過平衡內(nèi)涵和外延成分來實現(xiàn)），以及從一個切換到另一個的可能性（或者說是必要性），將決定人們對主動本體或主動數(shù)據(jù)目錄以及基于本體的數(shù)據(jù)管理 (OBDM) 的興趣日益濃厚。
Denodo北歐公關(guān)團隊表示：
ESG 作為競爭優(yōu)勢
北歐客戶越來越多地根據(jù)供應(yīng)商在 ESG 實踐方面的表現(xiàn)和溝通情況來選擇供應(yīng)商。那些沒有與 CSRD 及其他標準相符的穩(wěn)健 ESG 實踐的企業(yè)正日益被排除在招標之外。北歐企業(yè)可能會優(yōu)先考慮具有社會可持續(xù)性的合作伙伴，重點關(guān)注道德勞動實踐并確保其供應(yīng)鏈中的公平工資。企業(yè)需要高效的數(shù)據(jù)管理來管理數(shù)據(jù)收集和報告。
人工智能的下一步
將人工智能平臺連接到集成的人工智能代理的討論越來越多。原因是它有可能結(jié)合一些技術(shù)優(yōu)勢提供更精確的行業(yè)特定答案——媒體希望看到的具體用例。
銀行、氣候和數(shù)據(jù)
具有良好環(huán)境和社會資質(zhì)的銀行將受益于更有利的貸款條款。比以往任何時候都多的金融科技創(chuàng)新正在支持可持續(xù)銀行業(yè)務(wù)。基于數(shù)據(jù)管理的數(shù)字工具將幫助銀行為消費者和企業(yè)提供個性化的金融服務(wù)。
銀行將越來越關(guān)注管理氣候相關(guān)風險。這包括評估氣候變化對貸款組合和投資帶來的風險，并確保長期金融穩(wěn)定。
公共部門和數(shù)據(jù)管理
公共部門參與者正在迅速變得更加數(shù)字化，包括確保數(shù)據(jù)安全以及在相關(guān)參與者之間共享數(shù)據(jù)（例如，在醫(yī)療保健領(lǐng)域）。目標是為公民提供更好的服務(wù)。政府正在確保以合乎道德和負責任的方式使用人工智能。管理機構(gòu)協(xié)調(diào)各種網(wǎng)絡(luò)安全計劃。
Ravi Shankar（Denodo高級副總裁兼首席營銷官）表示：
支持 AI 的企業(yè)數(shù)據(jù)
人工智能的好壞取決于它獲取的數(shù)據(jù)。不僅是任何數(shù)據(jù)，而是值得信賴的數(shù)據(jù)。即使數(shù)據(jù)分散在不同的位置、格式和延遲中，也需要為人工智能提供統(tǒng)一的可靠數(shù)據(jù)。
在互聯(lián)網(wǎng)公共數(shù)據(jù)上訓練的公共 LLM（如 ChatGPT）可以回答一般性問題，如提供假期旅行建議，但它們無法回答與企業(yè)內(nèi)部運作相關(guān)的問題（如上個月發(fā)放了多少貸款）。為此，需要使用防火墻內(nèi)的企業(yè)數(shù)據(jù)來訓練 LLM。
RAG 支持這種對企業(yè)數(shù)據(jù)的上下文感知。因此，由 RAG 支持的支持 AI 的企業(yè)數(shù)據(jù)將成為關(guān)鍵趨勢。
支持 AI 的人才
隨著人工智能在組織內(nèi)的普及，高管們要求其經(jīng)理培訓其員工隊伍，以提高生產(chǎn)力并以更少的資源生產(chǎn)更多產(chǎn)品。
這項任務(wù)要求對員工進行大規(guī)模培訓，尤其是在面向客戶的部門，如銷售、營銷和客戶服務(wù)。
人工智能素養(yǎng)將成為 2025 年的關(guān)鍵趨勢。
人工智能挑戰(zhàn)
隨著人工智能在回答問題方面變得越來越出色，高管們將依賴人工智能來提供決策建議。
他們應(yīng)該在多大程度上信任人工智能而不是他們的經(jīng)理，這將成為一個問題。
2025 年，我們應(yīng)該會看到人類與人工智能之間的競爭，以證明誰更值得信賴，能夠為高管提供更好的數(shù)據(jù)和洞察力。
