高性能数据架构是数字化发展的首要任务吗？

版权声明：本文为博主原创文章，遵循 CC 4.0 by-sa 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/duxinshuxiaobian/article/details/99639687

全文共1889字，预计学习时长4分钟

NearForm的首席产品官康纳·奥尼尔最近在英国的IT总监论坛发表讲话，谈到了高性能数据架构如何提升企业业绩和价值，以及此类架构最重要的特性。

谈到数据在当今企业世界中的作用时，很多人会说安全性、可用性、集成、分析和访问等等特点。但是这些只不过是关于数据性能和视性能为理论的重要性。这里的数据指的是一段软件代码还是整体框架下的数字化改造？

当然主要是指后者。实际上，Nearform早期就能够解决软件性能的主要问题，也因此获得了好评。但现在要解决的是从上到下、整个企业体系构架的性能改进，以及人员安排、工作流程和解决方案。而不仅仅是指软件代码。

整体架构命令主要是由所有行业的数字化演变——改变了生产、交流、学习、工作和商业方式——以及数据在这些方面的驱动力所推动形成的。现在向客户传递的信息是：必须将“性能”放在优先列表的首位，并且从更广泛的角度来看待。

上面已经提过数据是如何驱动性能需求的，下面探讨公司怎样提高其数据体系结构的性能——这会是成功的关键吗？

事实上，高性能数据是高性能业务的前提条件。如果数据的速度快、可用性强，人或系统在使用期间就无需等待。每一次都能得到想要的信息。

能举一个意义更广泛的“性能”例子吗？

试想一下，如果员工能够在5分钟而不是45分钟内完成一个常规业务，他们会有怎样的业绩。之前有位客户尝试借助基于Web的工作流之一提升效率。这是完全可行的，不过团队中的每个人和客户都必须认同性能指标是重点：即是首要也是核心。

如果工作流使用的所有数据都是计算机化的，那怎么可能会花45分钟的时间？这是遗留的系统问题吗？没错，这是一部分原因。这跟系统和程序都有关系。

再举个例子：想一下如今购物网站是如何运作的。如果想在客户结账时提供个性化体验——这是部分业务——必须从一系列不同的系统中提取数据。这比想象中更复杂，因为这些系统可能来自一个或多个收购的公司，或者是不同的业务部门，亦或者是合作伙伴。这些系统有可能是遗留系统，并且完全不同，会在API和响应时间上存在巨大的差异。若客户期待灵巧的个性化结账方式，那系统的复杂度和差异性就是一场噩梦。

工具这时候是真的帮了忙：整合所有这些API和系统，在特定时刻提供所需的准确数据。因此，每个人都会更轻松，包括那些前端开发人员，他们一直努力提供卓越、一致以及快速的客户体验。快速数据传输会带来快速体验。

为什么焦点从大数据转移到“快”数据上了？

因为这一切都是为了更好的性能。以康泰纳仕公司为例，他们也面临着快数据这样的大数据问题，但通过对速度和性能的关注，找到了最佳解决方案——将来自多个国家的数十年的数据信息迁移到单一的内容管理系统中，及时地实现了快速的内容准确转换。

共同商讨的解决方案帮助客户提早完成了这项工作，在没有任何人工干预的情况下准确率达99.9%。极大加快了整个现代化程序的进程，缩短了企业创造价值的时间，以更快、更一致、更可靠的方式向终端用户传递信息。

高性能的数据体系结构意味着企业的业务灵活性会更高。会降低工作和系统的复杂度。

高性能数据体系结构能够实现业务目标吗？

当然可以。新的商机已经涌现。一旦数据体系形成，它就会成为随叫随到的帮手，在该结构中可以进行任何活动，包括向客户推出新的商业产品。不过你首先需要这些数据以及周围的相关数据，以便根据行业中的新理念和新产品赋予商品价值。

在银行领域，PSD2的要求让一些企业怨声不断、咬牙切齿，但其他一些企业正利用该技术对客户数据进行现代化访问，为新客户及其服务创建路径。

客户需要个性化，这就需要提供相关数据和实时数据。当然，客户对速度也有要求，希望网络和服务更快。高性能数据体系结构可以实现这种速度。

如何使公司数据成形来助推高性能的实现呢？

有几个难点。一是确保访问的人能够理解数据。可视化对此有所帮助。在此介绍一个数据可视化工具Clinic BubbleProf，它是Clinic.js中的一个工具，企业可用其诊断系统运行缓慢的根本原因。例如，实际运行速度并不慢的应用程序，之所以反应迟缓，是因为要从含非索引表的数据库中检索数据。“慢”应用程序真的只是在等待响应。这是性能问题，添加数据库索引即可解决；接下来程序就会正常运行。

性能和可视化之间的联系显而易见，可视化使性能的监控更加容易，也能提升性能。

这是肯定的。可视化数据的实现——具有变革性——传播得很快。如果能展现出可行的想法和价值，那么可视化会发展到企业的其他部门。

重要的是要记住，企业通过传感器和其他IOT数据进行访问或可能访问的 7ff7 数据点数量将成倍增加。所以，必须确保企业能够充分利用这些数据，掌握数据并在其基础上进行构建。

留言 点赞 关注

我们一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”

（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）