2024年全球数据管理趋势报告显示，数据治理和质量成为企业关注的焦点，而非仅讨论AI与数字技术变革。核心观点与关键数据如下：
核心观点
- 数据被视为企业资产，数据治理需跨职能团队支持。
- 数据管理的首要驱动力是通过报告和分析获得洞察。
- 数据孤岛、数据素养、数据质量、缺乏数据治理和技能短缺是主要挑战。
- 数据治理和数据战略成为未来1-2年计划的首要举措。
关键数据
- 受访者分布：45个国家，334人，54%来自美国，主要职业为信息/数据治理（35%）、数据和/或信息架构（21%）、顾问（11%）。
- 组织规模：超过2/3来自1000人以上组织，10,000人及以上占28%。
- 数据管理目标：72%通过报告和分析获得洞察，63%节约成本和提高效率，62%支持数字化转型。
- 数据管理挑战：68%数据孤岛数量，58%数据素养，56%数据质量问题，51%缺乏数据治理，41%技能短缺。
- 数据管理现状：51%企业级实施，21%无健全实践，19%项目级实施。
- 实施项目排名：商业智能与报告（72%），数据仓库（64%），数据治理（59%），数据安全（55%），数据架构（52%）。
- 未来计划排名：数据治理（39%），数据战略（37%），数据质量（33%），数据架构（31%）。
- 软件工具影响：34%认为工具有主要影响，较2023年增长8%。
- 培训渠道：书籍（73%），网络资源（66%），非学历课程（58%）。
- 元数据管理：65%处于初级阶段，19%计划未来实施。
- 元数据应用场景：数据治理（66%），数据质量改进（57%），数据仓库和BI报告（46%）。
- 数据架构现状：42%拥有明确数据架构，32%没有。
- 数据模型偏好：逻辑数据模型（59%），概念数据模型（53%），物理数据模型（53%），数据流图（51%），数据血缘图（33%）。
- 数据平台与存储：关系型数据库仍是基石，云上关系型数据库（55%）和云对象存储/数据湖（40%）未来计划Top4。
- 新技术趋势：AI影响最大，数据治理、数据质量、监管问题紧随其后。数据网格（Data Mesh）成为新兴趋势。
研究结论
- 数据治理和质量是数据管理成功的关键，需优先投入资源。
- AI和数据湖仓一体等技术推动数据管理向云平台迁移。
- 组织需平衡新技术应用与基础能力建设，避免过度依赖工具。
- 跨部门协同和文化建设是解决数据孤岛的重要途径。
