數據編織是一種新興的數據管理設計，在中國保持了較高的市場吸引力。2022年Gartner數據和分析云采用調研顯示，盡管受訪者對“數據編織”一詞的定義不盡相同，但42%的中國用戶表示已采用這一技術，另有34%的受訪者計劃在未來12個月內采用這項技術。這兩個選項的受訪者占比都超過了全球水平（見圖1）。

圖1：中國客戶與全球客戶的數據編織采用計劃

數據分析和人工智能（AI）技術及其在垂直行業用例的爆炸式增長，使企業數據基礎設施變得日益復雜和難以維護。經濟和地緣政治不確定性導致數據監管環境難以預測，進一步提高了管理難度。如果企業無法實施由主動元數據驅動的數據編織來提升數據和分析（D&A）彈性和敏捷性，D&A系統的維護成本將超過其創造的價值。

千變萬化的宏觀環境導致了數據管理規范的不確定性

過去兩年，中國政府發布了多項國家原則，如《數據二十條》和《數字經濟發展十四五規劃》，以促進數據、分析和AI在經濟中的應用。與此同時，新的數據分析和AI用例（物聯網[IOT]、數字孿生、元宇宙、生成式AI等）不斷涌現，使中國企業機構進一步推動數據分析和AI的普及。

另一方面，主要由地緣政治緊張局勢驅動的數據安全原則和自給自足要求，也在迫使企業更謹慎、更合規地使用數據。

為同時滿足上述兩個看上去對立的需求，數據和分析能力的升級路線圖和優先任務變得難以預測。同時，由于缺乏對當前數據和分析平臺使用情況的持續監控和分析，企業無法主動識別潛在的分析需求和問題，導致大部分數據管理任務很被動。數據編織中的主動元數據管理，可以幫助企業機構以主動和自主的方式識別這些需求和問題。

更加復雜和去中心化的D&A架構

由于境內外的D&A供應商生態系統完全不同，數據安全和跨境數據傳輸法規日益明確，在中國境內和境外同時開展業務的企業（例如在中國開展業務的跨國企業，以及正在海外開展業務的中國企業）必須構建兩組不同的D&A架構，甚至是不同的IT架構。對于僅在中國境內開展業務的企業機構來說，云遷移和技術自給自足計劃的開展，會使其D&A架構長期處于轉型中的狀態。

出于上述原因，中國企業機構的D&A架構與全球同行相比，會具有更強的去中心化屬性和復雜性。這將導致IT運營成本大幅增加，流程也會變得更為復雜。

分析對比數據的設計期望與實際體驗之間的差距，可以更有效地完成上述大部分任務。數據編織中的主動元數據管理，通過比較設計時元數據和運行時元數據來幫助企業機構分析數據的設計期望與實際體驗。這將使企業機構的系統、數據和數據管道在資源效率、性能、安全性、合規性和可用性方面始終處于“自動化可觀測”狀態。

跨部門溝通障礙

技術和業務團隊之間的溝通障礙，仍然是中國企業機構快速、可持續地利用數據創造業務價值的一個主要障礙。2022年，Gartner收到了大量中國客戶關于D&A項目跨部門溝通的問詢，包括如何更好地與業務利益相關者對齊數據業務語義，以及如何使數據團隊更快地做出響應。這些問題大多關乎數據定義與其真實運營體驗之間的偏差，即“語義漂移”。在大型企業機構中，這個問題更嚴重，會拖累或阻礙數據和分析項目。

主動元數據管理通過對數據工程師和數據消費者內容的持續分析，生成大量洞察，包括：

?   特定用例中使用的源數據語義是否發生了變化

?   數據使用過程中是否存在安全或隱私問題

?   數據管道中的業務邏輯是否需要更新，以糾正語義漂移導致的數據質量問題