在數字化轉型的浪潮中，數據中臺這一曾被視為企業(yè)數據管理與應用利器的架構模式，近期卻遭遇了市場的質疑。全球知名研究與咨詢機構Gartner在其2024年發(fā)布的數據分析與人工智能技術成熟度曲線（中國版）中，明確指出“數據中臺”已步入泡沫破裂的低谷階段，并預測其可能走向消亡。這一論斷引起了業(yè)界的廣泛關注與討論。
數據中臺自2014年前后由阿里巴巴提出并實施以來，憑借其解決數據孤島、實現數據統(tǒng)一管理和高效利用的能力，迅速在國內企業(yè)中得到推廣。然而，經過十多年的發(fā)展，數據中臺的弊端逐漸顯現。從技術層面看，數據中臺采用物理集中式架構，難以應對數據規(guī)模指數級增長帶來的整合挑戰(zhàn)，特別是跨源異構數據的處理。同時，數據中臺的建設成本高昂，投資回報周期長，ROI（投資回報率）成為企業(yè)難以忽視的問題。從業(yè)務層面看，數據中臺高度依賴ETL專業(yè)團隊和工具，缺乏時效性和靈活性，難以為前端業(yè)務決策和產品創(chuàng)新提供及時的數據支持。
面對數據中臺的困境，一種名為“數據編織”（Data Fabric）的全新數據管理架構理念開始受到業(yè)界的青睞。數據編織不是具體的產品，而是一種設計理念，它利用AI、機器學習和數據科學的功能，實現數據的動態(tài)整合，發(fā)現數據之間獨特的業(yè)務關系。其核心在于通過數據虛擬化技術，創(chuàng)建邏輯數據層，實現數據的統(tǒng)一訪問與管理，無需物理搬運數據。這種架構不僅提高了數據的發(fā)現與訪問效率，還降低了數據管理的成本，實現了極致敏捷的數據交付。
與數據中臺相比，數據編織的關鍵突破在于其邏輯數據層的構建。通過單點邏輯集成分散在不同系統(tǒng)中的數據，為數據消費者提供了一個統(tǒng)一的、抽象的、封裝的邏輯數據視圖。用戶可以通過這個邏輯視圖查詢和操作存儲在異構數據源中的數據，無需關心數據的位置、類型和格式。這種架構不僅解決了數據遷移和數據合規(guī)性的問題，還提高了數據的響應速度和利用效率。
國際市場對數據編織架構的發(fā)展持樂觀態(tài)度。根據全球行業(yè)分析師報告，全球數據編織市場從2020年的11億美元增長到2026年的37億美元，增長超過兩倍。Gartner也連續(xù)三年將數據編織列為“十大數據和分析技術趨勢”之一，并預測其在未來2-5年內將獲得廣泛應用。在國內市場，雖然數據編織架構的應用仍處于初期階段，但已有不少企業(yè)開始嘗試并取得了良好的應用效果。
以首創(chuàng)證券為例，該公司在構建數據倉庫時面臨人員短缺和技術挑戰(zhàn)。傳統(tǒng)Hadoop數倉體系需要龐大的ETL開發(fā)團隊和深厚的技術積累，而首創(chuàng)證券僅有少量數據工程師。通過引入數據編織架構，首創(chuàng)證券成功構建了一個邏輯數倉，將各業(yè)務系統(tǒng)的數據無縫連接。這種架構不僅簡化了數倉結構，還實現了數據的按需加速與物化，大大提高了數據處理的靈活性。報表的查詢響應率也顯著提升，一秒內響應率達到95%。
數據編織架構的出現，為企業(yè)數字化轉型提供了新的思路。它不僅能夠解決數據中臺存在的效率、成本、組織、合規(guī)等問題，還能夠滿足企業(yè)業(yè)務快速變化和數據自服務的需求。對于擁有充足資金和人才儲備的大型企業(yè)而言，數據中臺和數據編織可以相互融合、互為補充；而對于投資謹慎和人才儲備不足的數字化初階企業(yè)而言，應用數據編織則能以更低的成本、更快的速度上線業(yè)務，滿足其業(yè)務變化和調整的需求。
為了幫助企業(yè)更好地評估和應用數據編織架構，國內Data Fabric架構理念的實踐者與引領者Aloudata發(fā)布了《數據編織價值評估指南》白皮書。該白皮書提出了業(yè)界首個數據編織價值實現評估框架，包括“提升數據交付效率”、“降低數據膨脹系數”、“減少數據管理成本”三個評估維度，以及“當天需求滿足率”和“當天數據動銷率”兩個關鍵指標。這些維度和指標為企業(yè)提供了量化評估數據編織架構應用效果的方法，有助于企業(yè)更好地激發(fā)數據價值，賦能業(yè)務發(fā)展。
