昔日的一年里反差 母狗，新技巧与新趋势握住暴露，在编削东谈主类糊口姿首的同期，也为产业带来了前所未有的发展机遇。2025年跟着新一轮科技翻新和产业变革加速推动，数据照顾将发生奈何的变革？在东谈主工智能合手续发展的大潮中，企业该怎么充分开释数据价值、应酬更加复杂的业务挑战？企业全球数据照顾领域领军企业Denodo日前发布2025新趋势瞻望，分享了对于数字化转型新兴技巧及企业照顾创新的前沿瞻念察。

 

Ángel Viña（Denodo首创东谈主兼首席推行官）示意：

 

2025 年反差 母狗瞻望 – 数据照顾的改日

数据照顾架构将握住发展，以得志日益增长的数据量、各种数据源和更各种化的数据消用度户的需求。此外，还会有更严格的诡秘和治理要求，况兼更加醉心提供对企业数据的安全探询，以便 GenAI 应用的使用场景化。

以下是我的 2025 年“瞻望”清单：

1. 逻辑/联邦数据架构的兴起

  ○ 数据网格和数据编织的增长。 企业正在从单体数据湖转向漫衍式数据架构，如数据网格和数据编织，他们将数据视为产物并按域组织数据。这些方法支持去中心化、联邦治理，在这种治理中，数据所有权漫衍在各个团队中，从而擢升了可膨胀性和自主性。

  ○ 对统一数据生态系统互操作性的需求增多。 逻辑数据架构将推动对跨不同数据源（包括云、土产货和羼杂环境）的无缝互操作性的需求。支持跨漫衍式系统的数据系统语义统一和查询狡计的器用和平台将得到权臣的迷惑力。

2. 羼杂和多云数据照顾成为新常态

  ○ 用于数据主权的羼杂云架构。 数据诡秘规矩和对数据主权的渴慕将推动组织选拔羼杂架构，其中敏锐数据保留在土产货或独到云中，而不太要害的数据存储在环球云中。这种方法可在哄骗环球云服务可膨胀性的同期，已毕规矩纳降性。

  ○ 跨云提供商的统一数据照顾。 跟着越来越多的企业使用多云，对跨提供商的统一数据照顾器用的需求将握住增长。概况跨 AWS、Azure、GCP 和其他平台提供单一视图和治理框架的治理决策将受到高度醉心。

3. 更加表情数据产物质命周期照顾

  ○ 数据产物是数据民主化的要害推动因素。 数据产物将原始数据调理为升值服务，为最终用户提供可操作的瞻念察力，以已毕业务场所。不同的托付景色和自助服务界面将使所有组织中的新成员概况使用数据产物，从而权臣增多数据使用量。

  ○ 数据产物质命周期变得更加复杂。 数据产物由具有不同手段和职责的不同变装照顾，往常以去中心化的姿首进行照顾。数据照顾平台将支持数据产物的所有这个词人命周期，从创建（设计、实施、部署）到发现、使用和监控。

4. 用于数据照顾的 AI：AI 驱动的数据照顾的膨胀

  ○ 自动数据编目和发现。 AI 将在数据发现、分类和编目中证实更大的作用，匡助组织自动进行数据组织和象征。AI 驱动的数据目次将提供关联数据因循、数据质地和使用景色的及时瞻念察。

  ○ 智能数据推行。 数据照顾平台将通过预测使用景色、将查询映射到正确的数据推行引擎以及自动调整数据职责负载以最大限制地裁减资本和擢升性能，来支持基于 AI 的数据查询推行优化。

5. 用于 AI 的数据照顾：支持 GenAI 模子的丰富

  ○ RAG 增强。 除了对 LLM 进行微调以供企业使用除外，GenAI 模子在泉源检会时使用的数据上停留在某个时刻点。它们不了解企业数据或高低文，也无法探询及时信息。数据照顾平台将握住发展，以提供和自动化对 LLM 的 RAG 增强，并通过企业数据将 GenAI 应用要道的活动场景化。

6. 不息向去中心化数据治理更始

  ○ 面向域的数据治理。 去中心化数据架构将导致面向域的治理，其中某些数据治理策略是在域级别而不是仅在中央进行照顾的。这使得最接近数据的团队概况对其质地和合规性负责。

  ○ 监管要点日益表情数据透明度。 监管要求越来越表情数据透明度，尤其是在 AI 驱动的决策环境中。数据治理架构将包括用于追踪数据起原和确保可解释性的框架，以谨守新的数据和 AI 规矩。

  ○ 数据可不雅测性行为中枢功能。 数据可不雅测性使组织概况监控数据健康情景、因循和使用情况，这将成为一项范例功能。可不雅测性器用将提供关联数据管谈、数据极新度和因循的瞻念察，确保用于分析和决策的数据的可靠性。

7. 表情超个性化、大范围诡秘和数据安全

  ○ 超个性化功能。 所罕有据皆将擢升为每个客户定制数据使用体验的需求。数据照顾将不才一代数据托付平台中证实要害作用。

  ○ 保护诡秘的数据照顾。 对数据诡秘的担忧将导致选拔保护诡秘的技巧，以便在不泄露敏锐信息的情况下进行数据分析和分享。

  ○ 自动合规性监控和策略实施。 跟着数据诡秘规矩的日益严格，企业将依赖自动合规性监控器用来确保数据照顾实践符合所有区域和数据环境的规矩。

8. 越来越醉心资本优化和可合手续性

  ○ 经济高效的数据存储和狡计。 数据照顾将增多对更具资本效益的存储和狡计数据治理决策的支持。FinOps 功能（如把柄数据使用频率优化存储资本的数据分层，以及把柄业务优先级和财务场所将数据职责负载动态分拨到狡计引擎）将变得更加热切。

  ○ 节能数据处理。 可合手续性将成为数据照顾中议论的新主题。组织将寻求节能的数据处理和存储实践，包括云环境中的碳踪迹追踪，以得志企业可合手续性场所和规矩。

2025 年的数据照顾将更加漫衍式、及时和动态，其架构将优先议论模块化、治理、AI 驱动的自动化和定制数据使用。这种演变将使组织概况在日益复杂的数据生态系统中得志可膨胀性、规矩纳降性和数据民主化的需求。

 

Alberto Pan（Denodo首席技巧官）示意：

 

预测：到 2026 年，超越 50% 的企业会将数据系统漫衍和异构性视为开拓支持 Gen AI 的数据产物的主要挑战。

论证：2024 年 Gartner 技巧架构师窥察 (1) 骄气，“跨不同平台的数据系统漫衍”是制定数据架构决策时第二个最常被援用的挑战，56% 的架构师皆强调了这少许。

Gen AI 应用要道必须以安全、受控的姿首探询所有组织系统中的数据，即使这些数据是动态的和及时的。但是，现时将 Gen AI 应用要道与外部数据源衔接的方法（举例检索增强生成 (RAG) 景色）忽略了数据漫衍的复杂性。将 Gen AI 应用要道膨胀到试点和基本用例除外，需要凯旋治理这一挑战的治理决策。

提议：议论使用数据捏造化等逻辑数据照顾技巧，为 AI 驱动的数据产物建立可探询的数据层。这些技巧不错已毕对多个数据源的及时统一探询，为实施一致的安全和治理策略提供单一进口，并允许以业务谈话呈现数据。

(1) 起原：《Gartner 2025 数据照顾计划指南》。发布于 2024 年 10 月 14 日。

预测：到 2026 年，超越 80% 构建聚合式云数据仓库或湖仓架构的组织将决定把某些职责负载移动到其他环境，包括并吞云提供商内的其他数据处理系统、其他云中的系统，甚而是土产货环境（数据回迁）。

论证：数据民主化和基于使用量的云订价景色的驱动，导致许多大型组织的资本飙升。IDC 2024 年 6 月的论说《评估职责负载回迁的范围》(2) 反应了这一趋势，该论说发现，约 80% 的受访者预计在改日 12 个月内会出现某种进度的数据回迁。回迁既复杂又兴奋，因此组织还剖释过为每个用例取舍在遵循和资本效益之间取得最好均衡的云环境和系统来优化资本。

提议：跟着技巧和业务需求的发展，投资于简化将用例移动到最合适环境的技巧。绽放表体式可已毕与多个处理引擎兼容的数据示意。此外，逻辑数据照顾技巧（举例数据捏造化）使数据使用者无需了解各个处理引擎的隐微永诀，包括 SQL 方言、身份考证公约和探询限制机制。

(2)

预测：到 2026 年，超越 80% 追求数据产物政策的组织将使用多个数据平台创建要害数据产物。对于泉源想象选拔单一供应商方法的组织而言，这种更始将给企业范围的数据民主化贪图带来挑战。

论证：数据产物照顾贪图本质上是漫衍式的，因为莫得哪个单一平台概况跨所罕有据产物优化功能、性能和资本。支持这少许的是，只好不到 5% 的 Snowflake 和 Databricks 共同客户贪图停用其中一个平台，而大多数客户还在使用其他云和土产货系统 (3)。此外，在联邦治理模子中，数据产物所有者往常会取舍最能得志其特定功能和预算要求的平台。此外，跟着技巧创新措施的加速，新的数据平台将握住暴露。

鉴于这些动态，企业数据产物政策必须议论数据漫衍和平台各种性，以确保敏捷性、一致性和资本效益。

提议：议论选拔数据捏造化等逻辑数据照顾技巧，以建立统一的基础架构，用于跨不同平台发布、保护和探询数据产物。这种方法使数据产物所有者概况纯真地取舍最得当其需求的系统，同期确保在全球范围内所罕有据产物的互操作性、可重用性和浅近的发现。

(3) 为什么 Databricks 与 Snowflake 不是零和博弈。

 

Terry Dorsey（Denodo 技巧推行者）示意：

 

东谈主工智能将推动更多的组织表情

 

东谈主工智能正日益推动组织再行想考数据照顾、运营协统一过程优化。现时的数据照顾方法，包括管谈、ETL 和 ELT，濒临着相等大的挑战。举例，80% 的企业论说往常出现数据管谈故障，74% 的企业在数据质地方面苦苦招架，而治理问题往常需要一天以上的时刻，37% 的组织甚而需要长达一周的时刻。安全问题也很广泛，57% 的企业将数据安全视为一项重要挑战。这种数据照顾方面的根人性难题碎裂了主要政策贪图，举例数据治理、数字化转型和东谈主工智能部署，所有这些贪图的到手率皆很低。Gartner 推断，到 2027 年，80% 的数据治理贪图将会失败，而东谈主工智能名想法失败率盘桓在 70-80% 之间，尽管主见考证取得了到手，麦肯锡论说称只好约 30% 的数字化转型名目取得了到手。

 

跟着哄骗东谈主工智能保合手竞争力的压力越来越大，组织正在创建新的变装，举例首席东谈主工智能官 (CAIO)，并再行疑望首席信息官和首席数据官的变装，以容纳东谈主工智能贪图。然则，东谈主工智能研究的进展速率特殊之快，这往常超越了组织选拔这些技巧的才能，尤其是在范围化方面。许多企业正试图在同样的组织结构内并使用传统方法来集成东谈主工智能，但这可能并不及够。

 

东谈主工智能驱动转型的要害组织表情领域

 

数据安全和诡秘 数据安全和诡秘是东谈主工智能贪图不成或缺的一部分，这增多了保护数据的挑战性和要害性。组织必须在灵验的照顾、审计和限制与粗鄙选拔东谈主工智能所需的纯真性之间取得均衡。举例，许多企业目下在系统或源级别照顾安全。然则，跟着东谈主工智能的发展和更粗鄙的数据探询需求，这种方法可能会导致资本和风险升高。为了缓解这种情况，组织不错选拔优先议论聚合但纯果然安全模子的数据治理框架，确保数据保护和可探询性之间的均衡。

增强的变更照顾和变更限制 跟着组织将职责分拨给技巧和非技巧团队，他们必须制定稳健的变更照顾和变更限制策略。变更照顾（侧重于沟通和选拔）和变更限制（侧重于技巧实施）是寂寥但接洽的领域，在东谈主工智能驱动的环境中皆至关热切。最好实践可能包括跨职能的东谈主工智能职责组、明晰的沟通公约和培训贪图，以促进稳固过渡。举例，对参与东谈主工智能选拔的非技巧东谈主员实施结构化培训，不错匡助弥合技巧团队和业务团队之间的差距。

与业务扫尾保合手一致 IT 与业务场所之间的脱节可能是东谈主工智能到手的主要穷苦。IT 部门往常表情技妙筹划，而业务部门则优先议论组织场所。鉴于数字化转型和东谈主工智能贪图的高失败率，IT 团队应与业务部门更精致地合作，以优先议论可掂量的业务扫尾。跨职能配合，由技巧和业务同样者共同同样东谈主工智能驱动的名目，不错匡助确保名目与中枢组织场所保合手一致并托付切实的价值。

业务过程优化和新兴技巧集成 转型，尤其是触及东谈主工智能、物联网和自动化的转型，本质上需要业务过程优化。跟着组织选拔东谈主工智能，他们必须评估并可能重构其过程，以灵验地集成新技巧。这可能包括开拓自妥当职责流，允许将东谈主工智能驱动的瞻念察无缝地融入业务运营中。在这个领域取获到手的组织往常选拔轮回方法进行过程优化，跟着东谈主工智能才能的发展握住迭代和更新职责流。

重组企业 IT 以已毕敏捷性和配合 鉴于东谈主工智能的快速发展，传统的 IT 结构可能会摈弃组织响应新兴需求的才能。许多企业将 IT 职能（尤其是围绕数据照顾的职能）孤苦起来，这可能会窒碍需要无缝数据探询和配合的贪图的灵验性。可能需要一个更敏捷、更配合的 IT 结构，其中包括数据治理和跨部门变装。举例，企业不错在 IT 部门内建立羼杂变装或挑升的东谈主工智能集成团队，将技巧专长与特定领域的知知趣勾搭，以更灵验地支持东谈主工智能和数据贪图。

 

面向改日东谈主工智能驱动型组织的愿景

 

以东谈主工智能为中心的组织的结构旨在饱读舞 IT 和业务职能之间合手续保合手一致，优先议论数据安全和诡秘、变更照顾和业务过程优化。此类组织是敏捷的，具有支持跨部门配合的纯真 IT 和治理结构。他们实施在数据保护和探询之间取得均衡的治理框架，使用培训贪图来确保东谈主工智能的到手选拔，并握住优化业务过程。通过选拔这些原则，组织不错提能手工智能、数字化转型和数据治理贪图的到手率，从而在东谈主工智能驱动的寰宇中占据竞争上风。

 

r级书屋女兵

自主代理和代理职责流

 

大模子 (LLM) 不错作念一些绝顶了不得的事情。咱们在产物中稀薄哄骗了文本到 SQL 和选录功能。由于 LLM 绝顶擅长评估/审查信息，况兼在自我评估方面莫得自诩情愫，咱们看到许多研究和框架皆在寻求哄骗这种才能。它们还绝顶擅长把柄当然谈话对任务作念出决策和构建信息。这些功能是自主代理和代理职责流的基础。

 

像亚马逊、谷歌和微软这么的主要参与者如故开拓了雄壮的框架，使企业概况比以往任何时候皆更容易地构建这些东谈主工智能驱动的代理并将其集成到其运营中。借助 Amazon Bedrock Agents 和 Google Vertex AI 等器用，企业目下不错创建代理来提真金不怕火数据、回应客户问题，甚而在无需太多东谈主工监督的情况下推行操作。组织不错冷静驱动，实施和不雅察自主代理和代理职责流可能比部署给用户更容易，因此即使从这种才能驱动也可能更具迷惑力。预计这些将在改日一年支配的时刻内变得更加流行。

 

增量/合手续机器学习

 

如今，一些企业正在对 LLM 进行微调，在某种进度上，您不错将其视为增量学习。鉴于再行检会大型模子的挑战，增量/合手续学习的才能意味着模子概况保合手最新状态。在这个领域有好多研究，我预计它甚而会在 GenAI 除外发展壮大。

 

从数据照顾的角度来看，向增量学习范式更始意味着企业不错更灵验地哄骗及时数据。此功能对于需要立即进行数据解释和响应的应用要道至关热切，举例金融交往算法、及时推选系统和动态订价模子。跟着研究的不息和这些技巧的日益进修，增量和合手续学习对东谈主工智能部署和功能的影响可能会增多，使其成为改日东谈主工智能技巧超越的要点领域。

 

图数据库的使用兴起

 

咱们如故听到了好多对于 LLM 的一些过失，以及在某种进度上语义搜索的过失。图提供了一种对复杂关系进行建模的方法，因此最近有多数研究哄骗图数据库来治理其中的一些摈弃。有一些教唆方法，举例基于节点、基于子图、基于旅途、基于档次结构、基于社区等等，这些方法皆基于图的功能。在某些情况下，节点属性是镶嵌的，在某些情况下是明晰的。有各种千般的技巧不错把柄数据填充图来构建此类模子，因此需要概况在图中查询数据以及将数据引入图中。

 

云回迁

 

83% 的受访企业正在将其部单干作负载移动到独到云和土产货系统。虽然，这些企业各自移动的百分比存在一些省略情味；然则，从数据照顾的角度来看，只需一个企业将数据存储在多个位置即可。这可能会对数据照顾策略产生重要影响。

 

Andrea Zinno（Denodo 技巧推行者）示意：

合成数据

对诡秘、个东谈主数据处理、领有检会东谈主工智能模子的邃密样本的热切性以及领有特定（不一定团聚）数据的需求的议论，以便概况参考个东谈主对征象进行建模，将对合成数据产生更大的推动作用，合成数据将在取舍和构建用作分析基础的样本的过程中证实越来越大的作用。

主动实践（或主动数据目次）

在数据民主化的精神下，数据在环球和私营组织内的日益普及，以及渐渐扩大其畛域、迈向允许组织业务模子中的接洽方（合作伙伴、供应商、环球照顾部门、客户……）分享和使用数据的生态系统的趋势，使得正经和系统地治理“含义”问题变得更加热切，以便为此生态系统中的所有参与者创建通用谈话。

然则，深远贯通数据的需求（通过均衡内涵和外延要素来已毕），以及从一个切换到另一个的可能性（或者说是必要性），将决定东谈主们对主动实践或主动数据目次以及基于实践的数据照顾 (OBDM) 的趣味日益浓厚。

 

 

Denodo北欧公关团队示意：

ESG 行为竞争上风

北欧客户越来越多地把柄供应商在 ESG 实践方面的阐扬和沟通情况来取舍供应商。那些莫得与 CSRD 至极他范例相符的稳健 ESG 实践的企业正日益被排斥在招标除外。北欧企业可能会优先议论具有社会可合手续性的合作伙伴，要点表情谈德处事实践并确保其供应链中的平允工资。企业需要高效的数据照顾来照顾数据网罗和论说。

东谈主工智能的下一步

将东谈主工智能平台衔接到集成的东谈主工智能代理的盘问越来越多。原因是它有可能勾搭一些技巧上风提供更精准的行业特定谜底——媒体但愿看到的具体用例。

银行、表象和数据

具有邃密环境和社会天禀的银即将受益于更成心的贷款条目。比以往任何时候皆多的金融科技创新正在支持可合手续银行业务。基于数据照顾的数字器用将匡助银活动奢侈者和企业提供个性化的金融服务。

银即将越来越表情照顾表象接洽风险。这包括评估表象变化对贷款组合和投资带来的风险，并确保永远金融富厚。

环球部门和数据照顾

环球部门参与者正在连忙变得更加数字化，包括确保数据安全以及在接洽参与者之间分享数据（举例，在医疗保健领域）。场所是为公民提供更好的服务。政府正在确保以妥当谈德和负包袱的姿首使用东谈主工智能。照顾机构谐和各种聚积安全贪图。

 

Ravi Shankar（Denodo高档副总裁兼首席营销官）示意：

 

支持 AI 的企业数据

东谈主工智能的蛮横取决于它获取的数据。不仅是任何数据，而是值得信托的数据。即使数据分散在不同的位置、体式和蔓延中，也需要为东谈主工智能提供统一的可靠数据。

在互联网环球数据上检会的环球 LLM（如 ChatGPT）不错回应一般性问题，如提供假期旅行提议，但它们无法回应与企业里面运作接洽的问题（如上个月披发了若干贷款）。为此，需要使用防火墙内的企业数据来检会 LLM。

RAG 支持这种对企业数据的高低文感知。因此，由 RAG 支持的支持 AI 的企业数据将成为要害趋势。

支持 AI 的东谈主才

跟着东谈主工智能在组织内的普及，高管们要求其司理培训其职工军队，以擢升坐褥力并以更少的资源坐褥更多产物。

这项任务要求对职工进行大范围培训，尤其是在面向客户的部门，如销售、营销和客户服务。

东谈主工智能训诲将成为 2025 年的要害趋势。

东谈主工智能挑战

跟着东谈主工智能在回应问题方面变得越来越出色，高管们将依赖东谈主工智能来提供决策提议。

他们应该在多猛进度上信任东谈主工智能而不是他们的司理，这将成为一个问题。

2025 年，咱们应该会看到东谈主类与东谈主工智能之间的竞争，以讲明谁更值得信托，概况为高管提供更好的数据和瞻念察力。

-->