利用混合云方法集成企业数据

用混合云方法整合企业数据 随着企业数字化转型的推进，统一数据需采用灵活 、可扩展且安全的数据处理与存储方法。 企业在不确定的市场环境下，迅速投资于数字技术以自动化任务/流程，并创建对其运营的洞察窗口。随着这些技术部署，数据生成量增加。理论上这听起来不错，但企业目前普遍缺乏全面的数据管理策略。据估计，仅有5%的数据被企业使用，这意味着在很多情况下关键趋势和瓶颈问题并未得到关注。随着组织继续扩大其数据足迹，汇总所有数据并从中提炼出有意义的见解变得更加困难。 历史上数据生成的碎片化特性使得企业难以做出最佳的商业决策的可能性较低。例如，制造商预计到2030年每年将生成的数据量将是现在的两倍多，但大部分数据都被孤立了。这一挑战成为了推动数据整合能力提升的动力。 近年来，我们见证了云服务提供商、软件供应商和其他技术供应商展示了一种数据可以与数据织物平台集成的方式。数据织物平台能够整合来自各个领域的资产和软件的数据，使用户能够实时查看其运营的各个方面。此外，这种数据整合方法对于充分利用生成型人工智能（AI）应用场景至关重要，因为这些应用场景的价值仅取决于它们所训练的数据。 ABI研究认为，数据集成解决方案，如数据织物，应以混合云为构建基础。混合云是一种计算方法，结合了公有/私有云平台、边缘部署和本地基础设施，旨在从众多来源汇聚企业数据。 云计算和边缘计算应该是数据集成的基本组成部分，原因如下： •云计算为组织提供了可扩展性、集成平台和前沿技术工具，以补充现有的技术解决方案。•边缘计算允许将处理能力分配到智能设备，如边缘服务器、物联网（IoT）设备和传感器，从而提高效率 。 数据往往讲述着一个故事。没有强大的数据整合策略，组织永远无法真正了解其运营所呈现的故事。在此背景下，我们将探讨以下主题： ABIResearch采用双管齐下的方法来评估混合云市场。 Our混合云和5G市场研究服务确定企业的特定数据集成需求，以及我们的下一代混合云解决方案服务评估了推动数据集成的前瞻技术及其提供这些解决方案的供应商。 •制造商生成的数据量及其对数据集成工具的重要性•技术供应商及其合作伙伴消除现有数据孤岛的最具前景的方法•提供前瞻性的数据织物平台的知名公司•对更大数据中心日益增长的需求，包括由亚马逊网络服务（AWS）、微软Azure和谷歌等管理的超大规模设施•对于或计划开发数据集成服务的供应商而言的最佳实践 用混合云方法整合企业数据 2www.abiresearch.com 按数字生成数据 制造业是数据集成重要性最显著的例子之一。ABI研究预测，到2030年，工业制造商生成的数据量将超过2024年的两倍——从1.9泽字节（ZB）增加至4.4泽字节。这一趋势源于对数字技术的快速采纳，这些技术能够自动化任务并提供生产/供应链运营的详细可见度。 制造商正在利用一系列解决方案，其中一些顶级方案包括生成式人工智能（GenAI）、检测摄像头、移动机器人、工业物联网（IIoT）以及各种制造软件（例如执行制造系统（MES）和企业资源规划（ERP） ）。这些技术从生产设施内的传感器、机器和连接设备收集了大量的运营技术（OT）数据。由于现有的数据孤岛问题，当前大部分此类数据并未被制造商所使用。 图表1：按制造业划分的工业数据生成世界市场：2023年至2030年 5,000,000 4,500,000 4,000,000 3,500,000 3,000,000 2,500,000 (PB) 2,000,000 1,500,000 1,000,000 500,000 0 （来源：ABIResearch) 汽车制造离散制造工艺制造 20232024202520262027202820292030 到2030年，制造业将生成的4.4泽字节数据中，62%将源自离散制造操作，其次是汽车（25%）和过程制造（13%）行业。对于离散制造商而言， 在2030年制造商将产生的4.4ZB数据中，有62％将来自 数据最密集的用例将是智能工厂和物联网集成，具有质量管理和可追溯性 离散制造业务，其次是汽车(25%)和工艺 追踪。质量控制与缺陷检测占据了汽车制造工厂生成数据的几乎全部比例（89%），因为汽车品牌必须遵守安全法规并希望避免召回车辆。因此，视觉制造业(13%)部门。对于离散制造商来说，数据最密集的用例 数据分析功能对于任何针对汽车的数据集成解决方案提供商都至关重要 将是智能工厂和物联网集成，质量管理和可追溯性追踪。部门。对于流程制造，数据最密集的用例是实时流程监控(40%的质量控制避和免缺车陷辆检召测回几。乎因占此据了，车视辆觉产数生据的分所析有功数能据对于任何 到2030年面的向数汽据)车、行质业量的控制数据(34集%成)和解供决应方链案和提库存供管商理。(对25于%)流。程制造工厂制(8造9%业)，数因据为密汽集车型品的牌用必例须是遵实守时安流全程法监规控，(并40希%望的 3 到2030年的数据)、质量控制(34%)和供应链和库存管理(25%)。 www.abiresearch.com用混合云方法整合企业数据 图表2：按来源划分的工业数据生成 图表2：按来源划分的世界市场工业数据生成 ：2023年至2030年 5,000,000 4,000,000 3,000,000 (PB) 2,000,000 1,000,000 （来源：ABIResearch) IoT传感器CNC系统ERP系统MES 摄像头和目视检查元素 自动识别阅读器 0 2023 2024 2025 2026 2027 2028 2029 2030 ABIResearch的预测还表明，相机和视觉检测元件将成为 ABIResearch的预测还表明，相机和视觉检测元件将是最常见的来源 最常见的数据生成来源(到2030年占总数据的47%)。这是因为 数据生成（到2030年占总数据的47%）。这是因为摄像头系统读取需要大量的数据传输。计算机数控（CNC）系统是另一个重要的来源，摄像机系统读数需要大量的数据传输。计算机 占到2030年每年产生的所有制造业数据的33%。 运营可见性和业务管理，将占总数据的10%。 数同样控值(C得N注C意)系的统是是，另制一造个商重将要继的续fi优来先源考虑，固占定所线有路系连统接的，3因3%为基于电缆的运营可见性和业务管理，将占总数据的10%。 传输是高度可靠的，可以处理显著的带宽要求。 到2030年每年生成的制造业数据。ERP平台，是 同样值得注意的是，制造商将继续优先考虑fix-line连接 因为基于电缆的传输是高度可靠的，并且可以处理显著的fi不能 企业数据的感知带宽要求。 带集成工具 近期，ABI研究机构对美国、德国和马来西亚等关键市场的461家制造商进行了调查。我们询问了受访者当前阻碍其业务/运营的各种挑战是什么。利用集成工具实现企业数据 其中最大的挑战之一-确切地说，是第四最紧迫的挑战-是需要 ABIResearch最近调查了美国主要市场的461家制造商， 删我除们数调据查孤的岛所。有制造业决策者中，有超过三分之一的人将“消除数据孤岛”列为前三名 德阻国碍和他马们来的西业亚务。/运我营们。询其问中受最访大者的目挑前战面之临一哪些-第挑四战 问题。有趣的是，对于德国和马来西亚制造商来说，这一挑战是更紧迫的优先事项，39% 最紧迫的挑战，确切地说，是需要删除数据孤岛. 4我0们%调的查受的访者所将有其制列造为业三决大策挑者战中。，对于超美过国三公分司之来一说的，人这引一用数了字“移下除降到28%。无论如何，我们的调查结果表明，许多制造商正在努力统一数据，阻止他们数据孤岛”作为前三个问题。有趣的是，这一挑战是更紧迫的优先事项 从识别关键趋势和模式。换句话说，数据隔离正在对制造商产生负面影响 德国和马来西亚制造商，分别有39%和40%的受访者 数字化转型努力。 将其列为三无大论挑如战何。，对我于们美的国调的查fi结RM果S表，明这，一许数多字制下造降商到正2在8%努。力统一 用混合云方法整合企数业数据据，阻止他们识别关键趋势和模式。换句话说，数据 www.abiresearch.com 隔离正在对制造商的数字化转型产生负面影响。 图表3：以下哪些是您当前业务或运营的挑战？请从1到3排序（其中1是最紧迫的优先事项）。 我们的网络基础设施的性能 251 改善我们的安全态势 226 I大规模推广新技术 204 删除数据孤岛 163 使用供应商软件而不是通过API访问的应用程序 146 改善我们的数据中心 128 提高AI应用的知识 99 移动到云应用程序 92 共享数字线程 74 N=461 （来源：ABIResearch) 050100150200250300 响应数量 随着企业持续进行数字化转型之旅，数据的整合性若要达到最佳效果，必须得到提升。如果没有上下文，这些数据有何用处？这为数字化解决方案提供商（数据分析供应商、云服务提供商、芯片制造商、电信公司）提供了巨大的市场机遇，以从中获益。 数据整合工具——“数据织物”——对于消除数据障碍、确保全面讲述企业运营的故事至关重要。ABI研究认为，一个强大的数据整合策略包括以下三个关键能力： 随着企业继续数字化旅程，数据必须更加集成，如果 1)基础设施和存储需求：可靠的通信基础设施将是最重要的 将实现最佳结果。有什么好的组织扩展其数字技术足迹。大量的OT数据具有更高的带宽是数据，如果你不能提供上下文 2和)传数输据要管求理与，处需理要：升级电信网络基础设施。 (他数们据？分析这供就应是商数、字云化服提务供提商供的商巨、大芯市片场组机制会造商、电信运营商)数据管理系统的进步对于企业捕捉数据的真实价值至关重要。未来导向的应用程序，如通用人工智能（GenAI），将从这一发展中受益。 on. 3管)理网解络决安方全案屏障，：可跨O操T作数、据源可设以备为和威软胁件参平与台者统提一供数重据要。价值。竞争对手公司可能会窃取 数据集成工具-“数据结构”-对于消除数据障碍和 秘密食谱，国家赞助的团体可以关闭水厂，或者黑客主义者可以制造工业工具 确保有关企业运营的整个故事被告知。ABIResearch采取 能力: 故障。因此，铁定的安全集成对于基于云的数字化产品是必须的。 一个强大的数据集成游戏的位置如后所述，主权云平台是安全云环境的关键方面。计划包括以下三个关键 5 数据结构正在获得牵引，但它如何帮助组织？ 快速采用数字技术显著增加了企业的数据生成量。若要充分利用生成式人工智能（GenAI）及其他前瞻性应用以加速决策过程，数据的收集需以组织化方式进行，并确保易于访问。因此，技术供应商和企业之间对于数据织物这一话题的讨论日益增多。简单来说，数据织物是一种统一的数据架构，整合了组织内部的各种数据。无论数据是在公有云、本地数据中心还是边缘设备生成，数据织物都会存储它们，不考虑数据来源。这样，我们就能避免错过识别瓶颈、发现模式或提取关键趋势所需的重要信息。 数据结构架构的四个关键支柱如下： 1)数据源：数据源自何处？公共/私有云、本地数据中心、边缘网关和IoT设备是常见的数据来源示例。 2)数据摄取:数据摄入层从多个来源收集数据，并处理各种数据格式，为后续处理准备数据。 3)数据平台：企业数据平台由针对企业需求定制的模块化解决方案组成。它包含用于整合的数据仓库和湖泊；跨格式无缝传输的集成、目录编制、发现和主数据管理；以及提取有价值商业信息的抽象、虚拟化和工厂工具。 4)数据应用:这就是企业可视化并上下文化生成数据的地方。数据架构师利用可视化工具和预测分析解决方案来识别趋势和重复模式。以微软的数据织物为例，微软构建会议2024AI和ML驱动的洞察力是数据集成的关键重点。 图1：EnterpriseDataFabricFramework的示例 （来源：ABIResearch) APPLICATIONS工具 DATA Visualization