Gartner: в стадию запуска инноваций вошли три технологии управления данными
Gartner: в стадию запуска инноваций вошли три технологии управления данными




08:28 20.09.2018 |   2182



На стадию, соответствующую первому участку кривой хайпа, сейчас выходит мало новинок: особое внимание в ИТ-отрасли уделяется не собственно разработке, а реализации технологий в крупном масштабе, отмечают аналитики.

В 2018 году на кривой зрелости, в соответствии с которой аналитики Gartner описывают стадии развития технологий, появились только три новые технологии управления данными: DataOps, частные облачные платформы СУБД в виде сервисов (dbPaaS) и управление данными на основе машинного обучения. 

Разработчики все чаще используют облачную модель доставки решений, и это значительно ускоряет внедрение технологий, опирающихся на облачные системы — dbPaaS и платформы интеграции в виде сервисов (iPaaS). Поэтому технологии dbPaaS войдут в широкое применение не позже, чем через два года, полагают аналитики. Столь же быстро распространяются технологии обработки данных в оперативной памяти. Как и dbPaaS, они, по существу, являются платформами доставки, а не самостоятельными технологиями, и поэтому быстрее достигают конечной стадии кривой развития — «плато производительности».

Технология DataOps, подобно технологии DevOps, предназначена для совместного управления данными, улучшения связи, интеграции и автоматизации потоков данных между администраторами данных и потребителями внутри одной организации. Для DataOps еще не созданы общепринятые стандарты или платформы, но она быстро набирает популярность, двигаясь к пику ожиданий.

dbPaaS в частном облаке позволяют объединить преимущества изоляции платформ СУБД в частных облаках и возможности самообслуживания и масштабируемость публичных облаков. Эта технология предназначена для организаций, которые не могут пользоваться публичными облаками из-за законодательных ограничений, требований к безопасности и других проблем.

Простейшие технологии машинного обучения в управлении данными применялись еще с 1970-х годов, но нынешние разработки в области искусственного интеллекта и машинного обучения обладают гораздо более широкими возможностями, поэтому ожидания здесь высоки. В ближайшие несколько лет появится множество систем, обученных на больших объемах данных на облачных платформах.

Некоторые технологии тем временем успели устареть, так и не выйдя на «плато производительности». К ним аналитики относят методы каталогизации данных и СУБД, основанные на парах ключ-значение. На самом «пике завышенных ожиданий» находятся сейчас технологии данных в виде сервиса (аналитики считают, что она достигнет плато только через 5-10 лет) и СУБД для хранения временных рядов (они могут войти в широкое применение в течение двух-пяти лет). Технологии колоночных баз данных, напротив, потеряли популярность и спустились в «долину разочарования» вместе с технологиями интерфейсов между Hadoop и SQL и управления мастер-данными (MDM).


Теги: Облачные сервисы СУБД Машинное обучение DataOps


На ту же тему: