讓數據找人而不是人找數據——在對的時間、從任意地點，把對的數據給到對的人，消除數據移動、轉換和集成帶來的技術復雜性。

身處數字化時代，用好數據者得天下。那些利用數據和洞察變得更敏捷、更有預測性，并以此構建核心競爭力的企業才是贏家。但隨著企業數字化進程的加速和云計算的普及，企業數據呈現出三大趨勢：數據量持續增長，數據分布呈現多元趨勢，數據孤島問題日益加劇。分析機構預測顯示，在未來3年內企業的數據將增長6倍；數據保質期縮短，數據如果不被快速使用，很快就會失去意義。

IBM在《2022 年全球 AI 采用指數》中發現，超過三分之二的企業會使用超過20個不同的數據源來為他們的人工智能、商業智能和分析提供信息。其中較大的企業往往依賴多達500個數據源，平均擁有五個以上不同的云環境來存儲數據、運行軟件。在這種情況下，有效地捕獲和利用數據是非常困難的。報告指出，數據治理是企業和組織邁向規模化應用 AI，釋放數據價值從而實現業務目標的第一步和最重要的基礎。

解鎖“數據價值密碼”，成為數字經濟時代所有企業的機會和挑戰

中國數字經濟的蓬勃發展，催生了一大批“數據為先”的企業，既有政府、金融、醫療健康等傳統機構及行業，也有很多新興行業的企業 他們的共同之處在于對技術的價值有清晰的判斷，都希望攜手值得信賴的技術伙伴，用技術解鎖數據價值，提升企業的競爭力。

政府服務和金融業對于數據治理都有著極為嚴苛的要求。比如，稅務行業和銀行間的業務數據都具有時間跨度長、敏感性高、數量龐大且不斷增長、高度分散等顯著特點。要想把業務數據全都轉化成有效資產并高效地服務于當下的業務，必須要對數據進行統一的智能化治理，以保障數據質量、確保數據合規、并支持業務人員的數據自服務消費。

此外，中國大量的民營企業經過數十年快速發展，已經具有相當規模，同時也面臨業務多元、組織復雜、管理水平跟不上的發展瓶頸，急需攜手值得信賴的技術伙伴加速推進數據與 AI 戰略，實現規模化創新的實踐。

據IDC 預測，到 2025 年，60%的中國商業領導都將利用數字平臺和生態系統的能力來變革和擴展他們的價值鏈，拓展新市場、進入新的行業領域，攜手新的合作伙伴，持續構建新的產品、服務和商業模式。

智能化數據經緯（Data Fabric）：讓數據找人而不是人找數據

如何讓跨部門、跨系統的企業數據更好地被共享，使企業內部的數據分析專家能夠隨時獲取數據，把高質量的數據自動并實時地推送給有需求的人，同時符合數據權限和隱私等方面的合規要求，這是企業實現數字化轉型的重要基石， 也是很多企業目前面臨的巨大挑戰。

應對這個挑戰， 幾年前數據經緯（Data Fabric）的數據架構理念悄然而生。根據Forrester的定義，Data Fabric是以一種智能、安全并且是自服務的方式，動態地協調分布式的數據源，跨數據平臺地提供集成和可信賴的數據，支持廣泛的不同應用的分析和使用場景。也就是說，不管數據在哪里，通過Data Fabric的數據架構，就能幫助企業的數據消費者實時、準確并且低成本地獲得所需的數據。

數據經緯（Data Fabric）不是單個的產品或平臺，而是一個新興的數據管理理念，一個現代化的分布式數據架構，能夠實現共享數據資產、優化數據管理、整合數據流程等功能。實施數據經緯（Data Fabric）也不一定要替換現有的技術，而是可以將現在的技術納入企業的數據生態系統當中。它可以幫助企業繼續使用已經投資的不同數據源和存儲庫，包括數據庫、數據湖、數據倉庫，同時簡化數據管理，通過自動化集成、嵌入治理和提供數據的全面視圖，以集中式存儲庫所不具備的方式促進自助式的數據消費，從而推動數據共享和加速數據計劃的推進 。數據經緯（Data Fabric）可在正確的時間將正確的人與正確的數據聯系起來——消除數據移動、轉換和集成帶來的技術復雜性。具體來講，數據經緯（Data Fabric）具有以下幾個關鍵特性：

智能化的數據集成：

數據經緯（Data Fabric）使用一系列集成技術，包括語義知識圖、元數據和機器學習，對數據進行提取、攝取、傳輸、虛擬化和轉換，由企業的數據策略驅動，最大限度地提高性能，同時減少存儲和成本。這有助于數據管理團隊將相關數據聚集在一起，并將全新的數據源集成到企業的數據生態系統中。并且優化數據工作負載管理，從而提高效率、消除數據孤島、實現更集中的數據治理以及整體數據質量的優化。

數據民主化：

數據當前，數據架構和訪問非常復雜，需要技術深厚和經驗豐富的數據工程師、開發人員和數據分析專家來提供支持。但是，整個企業中有許多不同的利益相關者都需要發現并利用數據來構建人工智能和業務分析的能力。隨著企業內部越來越多人成為數據消費者，他們不能只是被動等待技術團隊幫助他們訪問所需的數據。數據經緯（Data Fabric）支持數據的自助服務消費，讓業務部門的數據消費者能夠找到和使用所需的高質量和可信的數據，并且彼此協作。通過減少數據瓶頸，企業可以提高生產力，使業務部門更快做出決策；同時也將解放數據工程師、開發人員和數據分析專家等技術人員，讓他們可以優先處理更重要的工作任務。

更好的數據保護：

數據被訪問的范圍擴大并不意味著用戶必須在數據安全和隱私措施方面付出代價。事實上，數據經緯（Data Fabric）圍繞訪問控制設置了更多數據治理護欄，確保特定數據僅對特定角色開放。數據經緯（Data Fabric）還支持技術和安全團隊對敏感和專有數據進行數據屏蔽和加密，以降低數據共享和系統泄露帶來的風險。

可信的AI ：

為了實現AI的規模化使用并交付可信的結果，企業需要集成整個AI生命周期中的受監管數據。數據經緯（Data Fabric）不但讓數據科學家可以訪問受監管的數據，而且融入信任原則的自動化 MLOps 功能還可以幫助企業在整個AI生命周期內構建和管理 AI。數據經緯（Data Fabric）內置的AI治理，將數據透明度和數據監控相結合，實現了端到端的可信AI。

IBM Cloud Pak for Data助力企業數據經緯（Data Fabric）快速落地

IBM對數據經緯（Data Fabric）概念做了更進一步的推進，使之從一個新的數據架構概念變成了可以落地的平臺解決方案——融合了數據經緯（Data Fabric）架構的IBM Cloud Pak for Data成為幫助企業將數據經緯（Data Fabric）快速落地的利器。

IBM Cloud Pak for Data能夠提供四個方面的能力：自動分類（AutoCatalog），它相當于一個數據分類“大腦”，可以根據數據類別進行自動化分類、建立自動化目錄，從而實時維護來自不同環境的動態數據資產；自動建模（AutoAI），能夠降低AI模型開發、校正及其自我學習的技術門檻和人力成本，從而對動態數據和整個AI算法生命周期實現自動化管理；自動識別隱私規則（AutoPrivacy），通過數據隱私框架中的AI能力，智能化地識別企業內部的敏感數據，當數據被調用時，系統就能快速識別和監控，甚至在后續為企業內部敏感數據的定義和政策實施，提供自動化技術保障；自動查詢（AutoSQL），不同類型、不同來源的數據都可以在不進行物理移動的前提下，使用同一個查詢引擎進行獲取和分析，這樣一來，既可以節省數據查詢的時間，還可以避免移動數據和多查詢引擎帶來的額外成本和復雜度。隨著 AutoSLQ 技術的推出，IBM Cloud Pak for Data 現已整合了市場上性能最強的云數據倉庫（依據我們的基準研究），可以利用AI幫助客戶獲取分布式查詢結果，與其它數據倉庫相比，其速度較之前提升8倍，成本下降近半。

此外，IBM此前已經將數據倉庫能力（如DB2 Warehouse）、數據治理能力（如Watson Knowledge Catalog）、數據虛擬化能力、機器學習能力等等進行了集成，如今的IBM Cloud Pak for Data已經是一個相當完備的數據平臺。與數據相關的需求，企業在這個平臺上都可以找到與之對應的技術來滿足。

具體來講，IBM Cloud Pak for Data可幫助企業通過智能數據經緯解決四大痛點：

優化數據治理和隱私

數據治理和維護數據隱私是一個復雜而費力的過程，在復雜的監管環境下風險很高。 IBM 可以幫助客戶消除數據治理的技術復雜性并自動執行數據保護策略。適合這方面應用的IBM 產品主要包括IBM Watson Knowledge Catalog 和 IBM Cloud Pak for Data 上的 IBM Watson Query。

多云數據集成

無論數據位于何處，企業都需要實現數據的連接、優化和交付。IBM為客戶提供的解決方案，讓他們不必遷移到單個數據倉庫或云就可成功實現數據分析和AI。 IBM 還能夠為企業創建所有數據的統一視圖，從而實現應用程序間的一致性。適合這方面應用的IBM 產品主要包括IBM Cloud Pak for Data 的 IBM DataStage、IBM Watson Query 和 IBM Watson Knowledge Catalog。

360度的用戶智能化

為了給客戶提供更加個性化的體驗，企業需要全面了解所有客戶數據。對于擁有數十萬甚至數百萬客戶的企業來說，這是一個巨大的挑戰，尤其是當這些數據被孤立在不同的部門和系統中時。IBM 可以組合多個來源的數據，輕松構建 360 度視圖并將這些數據提供給分析和 AI 項目。適合這方面應用的IBM 產品主要包括IBM Match 360 with Watson、IBM Watson Query 和IBM Cloud Pak for Data 上的 IBM Watson Knowledge Catalog。

更可信的AI

IBM報告顯示，有91% 使用 AI 的企業認為能夠解釋AI如何做出決策至關重要。IBM 正在通過實現可解釋和透明的模型，幫助客戶建立對數據、對模型以及對流程的信任。適合這方面應用的IBM 產品主要包括IBM Watson Studio、IBM Watson Knowledge Catalog、IBM Cloud Pak for Data 上的IBM OpenPages with Watson。

混合云架構讓數據變得更加公開，在不觸及數據擁有權、敏感度、安全性和可信性的前提下，讓更多人能從中得到價值，實現數據的民主化，這是IBM技術演進所立足的思路和邏輯。

今天，IBM 已經成功利用數據經緯（Data Fabric）幫助世界各地的很多客戶發現和釋放他們企業的數據價值。

ING 是一家大型銀行，它一直在構建龐大的數據湖，并希望數據在整個組織內有效運作。把要治理的數據引入數據湖的工作需要許多專家，這對于運營來說是一項挑戰，而且要付出高昂的代價。此外，ING 還希望能夠像在本地一樣地在云上管理他們的數據。通過采用 IBM Data Fabric 架構，ING 可自動化地提取不同來源的數據，理解這些數據，并通過 AI 將其直接映射成自己的內部業務語言。

某家全球電信供應商也在尋找一種解決方案，希望能解決手動監控大量數據的挑戰，同時符合數據隱私政策，及時地處理數據復制和副本識別。這個過程會帶來很多存儲和運營成本。借助IBM的解決方案，該公司的用戶現在可以連接從不同網點獲取的生產數據，從而簡化數據訪問，同時滿足合規性要求。 IBM幫助客戶在整個企業內創建了一致的流程，同時通過數據訪問和流程的簡化提高了用戶工作效率。過去，這些流程需要數周才能完成，而現在只需要幾分鐘。

Change Machine 是一家非營利性組織，致力于通過以人為本的技術為低收入社區的人們提供財務安全服務。Change Machine 通過一個 SaaS 平臺，幫助低收入人群找到可以實現他們財務目標的金融產品。借助IBM，Change Machine 使用人工智能開發了一個推薦引擎，幫助低收入社區的用戶獲得合適、安全的金融產品。

此外，在醫療健康領域，數據經緯（Data Fabric）能夠幫助醫療組織發現、集成和豐富所有來源的所有相關患者數據，以獲得更完整的患者視圖，同時通過自動標記和屏蔽所有敏感的結構化或非結構化數據，提供更好的患者體驗。

在制造業，除了產品創新，制造商還希望利用數據來改善生產和物流。IBM 智能化的數據經緯（Data Fabric）可幫助制造商獲得整個價值鏈中數據的全局視圖，幫助企業進行原因分析、業務優化和實時決策。

今年6月，IBM被評為 “Forrester Data Fabric Wave for 2022” 的領導者。Forrester 強調，IBM 的解決方案尤其適合那些在混合和多云環境（包括傳統系統）里擁有大型、復雜、分布式數據存儲的組織，并指出IBM的合作伙伴生態系統和路線圖是支持其取得領導者地位的重要因素。

數據推動數字化，人工智能解鎖數據價值，混合云實現數據民主。今天的 IBM，聚焦混合云與 AI 戰略，聚焦更為簡單清晰的混合云與 AI 產品組合及服務，聚焦把 IBM 的技術和產品價值轉化為客戶的業務價值，把 IBM Cloud Paks 開放與智能的軟件能力與客戶具體的應用場景相結合，通過編織智能化的數據經緯（Data Fabric），幫助各行各業的企業解鎖數據價值密碼，快速高效地推進他們的數字化征程。