怎么實現“數據找人而不是人找數據”的夢想?“數據編織”(Data Fabric)悄然登場。2018年“Data Fabric”首次出現在Gartner的十大數據與分析技術趨勢中，以后每年它都會出現在其中。10年前大數據概念在國外興起后，不到3年就被中國用戶廣泛接受，而今天大多數中國廠商則是按兵不動，這又是為何呢?

“數據編織”悄然登場

Data Fabric的中文名字到底怎么翻譯，IBM公司與Gartner有了分歧。IBM大中華區科技事業部云計算與認知軟件部數據與人工智能信息架構產品總監王積杰將其稱為“數據經緯”，而Gartner高級研究總監孫鑫認為“數據編織”更為合適，因為他認為數據編織更凸顯“動態”。

在Data Fabric出來之前，數據結構的設計都主要部署成靜態基礎設施，而在未來將需要采用更動態的數據網格方法全面重新設計。

孫鑫在接受記者采訪時表示，Data Fabric不是一個產品而是一種設計理念，是利用AI、機器學習和數據科學的功能，訪問數據或支持數據動態整合，以發現可用數據之間獨特的、與業務相關的關系。

而IBM對Data Fabric的看法，與Gartner專家提到的“動態”“數據網格”和AI賦能并無沖突。IBM中國研發中心首席技術官趙軍偉解釋：“經緯作為名詞，本意為織物的直線與橫線，引申為連接萬物的規律，《左傳·昭公二十五年》中寫道——‘禮，上下之紀，天地之經緯也。’ 作為地理概念，經緯度可以定位地球上任何一個位置，而‘數據經緯’則可以在紛繁復雜的企業數據目錄里定位任意一個數據源。經緯用作動詞，是規劃治理的意思，《周書·靜帝紀》中提到的‘經天緯地’就是治理天下的意思。”

“我們可以把Data Fabric想象成一張虛擬的網，這張網并不能理解為一種點對點連接，而是一種虛擬連接，每個節點都可以是不同的數據系統，不同系統上的數據在網上都可以迅速被定位和找到。Data Fabric的主要功能是把正確的數據，在正確的時間里，給到正確的人。通過Data Fabric， 對的人可以從對的地點，在對的時間里，獲取對的數據。”王積杰對記者說。

現在的數據連接的架構設計還主要是“人找數據”，而Data Fabric設計核心是“數據找人”，在合適的時間、將合適的數據推送給需要的人。

為什么Data Fabric將會成為一種趨勢，為什么越來越多的企業將在未來采用這樣的方式進行部署?王積杰談及了數據利用結構模式的變化。傳統IT時代，無論是早年的“數據倉庫”還是近幾年的“數據湖”和“大數據”時代，其實數據利用都是集中式的架構，把數據收集到一起，讓企業的數據分析師、BI(商業智能)分析師對數據進行分析。但在云計算時代，用戶業務部署在多云的環境下，要想將分布在不同云上的數據集中在一起成本很高，也很費勁，于是采用去中心化、分布式的數據網絡架構就成為了必然選擇。

Data Fabric可以同時給業務和技術團隊帶來明確的價值，王積杰表示，從業務層面來看，由于企業能更容易地獲得高質量的數據，從而能更快和更精確地獲得企業數據洞察。從技術層面來說，由于數據復制的次數和數量較少，從而減少了數據集成的工作，方便維護數據質量和標準，也減少了硬件架構和存儲的開銷。由于減少了數據復制和大大優化了數據流程，加快并簡化了數據處理過程，從而通過實施自動化的整體數據策略，減少了數據訪問管理的工作。

Gartner認為，隨著數據的日益復雜以及數字化業務的加速發展，Data Fabric已成為支持組裝式數據分析及其各種組件的基礎架構。由于在技術設計上能夠使用/重復使用及組合不同的數據集成方式，Data Fabric可縮短30%的集成設計時間、30%的部署時間和70%的維護時間。IBM 7月發布的Cloud Pak for Data4.0的軟件組合增加了智能化的Data Fabric功能，其中AutoSQL(結構化查詢語言)，可以通過AI來自動訪問、整合和管理數據，可以幫助客戶以8倍的速度、不到一半的成本，獲得分布式查詢的答案。

如何“編織”數據?

要實現“數據找人而不是人找數據”，Data Fabric究竟如何“編織”?

王積杰認為，Data Fabric至少需要四個維度的能力。一是能夠在數據之間建立虛擬鏈接，簡化數據訪問的模式，從而減少數據復制的數量。二是需要建立一個企業數據目錄，并需要利用AI技術，自動化地實現基于語義和知識的分析，理解數據及其業務含義，并建立知識圖譜， 從而使數據目錄變得智能化和自動化。能夠讓需要數據的用戶，隨時了解到需要的數據在哪里、數據質量如何等。三是建立自動化數據平臺，允許用戶通過自服務的方式，訪問并獲取數據。四是通過提供整體的自動化策略，確保數據安全，增加數據的隱私和權限保護，并提高數據質量。

數據編織是一種新的設計理念，它是數據管理、數據收集理念的變化，與數據倉庫、數據湖等技術并不是替代的關系，既可以運用現有的數據中樞、數據湖和數據倉庫的技術和技能，也可以在未來加入新的方法和工具。

孫鑫談到了實現Data Fabric的一些關鍵技術，比如增強型數據目錄，要想實現數據找人，而不是人找數據，需要增強的數據目錄，它要涵蓋用戶使用數據的頻度與機制，了解數據與業務的關系，還包括知識圖譜，通過知識圖譜找到數據與業務之間的關系，找到元數據利用的整合策略，也包括推薦引擎以及在數據準備階段的低代碼等工具，低代碼工具的作用在于降低數據使用的門檻，加速數據產品化。

從Data Fabric推動的難點來看，“一是理念層面的難題，中國的用戶還沒有意識到，數據利用和使用的方式已經發生改變，傳統的集中收集再利用的方式已經不能滿足需要。二是目前很多企業對于元數據不夠重視。三是從人的角度看，需要提升企業數據工程師對知識圖譜、圖語言、圖建模等數據工具的能力培養。四是數據編織的實現并不是找到一個廠商就能夠完成，它是一個旅程，需要分幾步走。”孫鑫認為，從用戶的角度看，率先采用Data Fabric的是金融電信行業以及數據應用場景比較復雜的用戶。

在這一點上，王積杰表達了與孫鑫一致的觀點——這是一個方向，但并不能一蹴而就，用戶需要分步實施，關鍵是要意識到趨勢，在后續的項目實施中，按照Data Fabric的理念來構建。

國內廠商為何按兵不動?

盡管Gartner、Forrester等分析機構在幾年前就提出Data Fabric是數據利用與分析領域的革命性變革，是未來方向，但記者聯系國內大數據相關領域企業進行采訪時發現，對此了解或進行布局的企業并不多，甚至找不到。

這與國內大數據廠商的分布有關。“國內有很多做數據庫的企業，也有很多做BI(商業智能)的企業，但做數據整合的企業很少。而事實上，在國外做數據編織的往往是數據整合、數據虛擬化的廠商，這就很好理解為什么國內的大數據廠商遲遲未入場Data Fabric，因為這類企業就不多。” 孫鑫告訴記者說。

大廠商沒有入場很好理解，因為在Data Fabric的理念下，往往需要采用點和邊的新方式去描述數據關系，需要知識圖譜、圖數據庫等，這往往是新銳公司在做的領域，而大廠商往往有自己的數據整合工具，他們都希望在自己的平臺上進行整合，但是這樣的局面一定會在之后的幾年發生變化。

“Data Fabric這個概念在國際上已經熱起來了，但目前國內的IT用戶知道的人還不多。10年前大數據的概念在國外興起后，不到三年就被中國用戶廣泛接受，未來這個 Data Fabric概念，中國將需要多久接受并加以應用呢?等待時間給出答案。”王積杰說。(記者 李佳師)

標簽： 大數據 新風口 IBM Gartner