​数据虚拟化使现代数据管理成为可能，因其用于数据集成和管理的逻辑方法支持跨不同数据源提供实时视图，用户无需首先将数据以物理方式复制到整合存储库中。Denodo数据虚拟化可以在所有不同底层数据源之上建立抽象和语义层，这些底层数据源包括本地和云端数据源、结构化和非结构化数据源、静态和流式处理数据源，以及旧式和新式数据源，它们构成了逻辑数据仓库。

现在，随着新冠疫情逐渐离我们远去，数据的数量和复杂性继续增长，其速度比新冠疫情之前更快。因此，首席采购官 (CPO) 和其他供应链专业人员发现他们需要有效的端到端数据管理功能，以跨众多不同类型的来源无缝实时提供数据视图。事实上，2018 年德勤 (Deloitte) 开展的一项调查发现，超过 3/5 的 CPO (65%) 对于一级供应商之外的了解有限，甚至完全没有了解。一年后，德勤发现将数据质量列为采购的主要障碍之一。

(资料图片)

多年以来，各组织一直在努力解决其供应链中的数据管理问题，并为企业寻找正确解决方案，与此同时，一个强大的替代方案一直在幕后渗透，这就是逻辑数据仓库 (LDW)，它是转换和交付数据的基础，具有较高敏捷性。Gartner 的 Mark Breyer 早在 2008 年就首次提出了这个术语，来指称数据仓库的下一次演化，因为它“专注于信息的逻辑而不是机制”。从那时起，逻辑数据仓库在数千家公司得到成功部署和应用，其复杂性和可靠性也在不断提高。与传统的数据仓库不同，逻辑数据仓库支持跨多个不同系统（包括基于云的存储库和流数据源）提供实时数据视图。

逻辑数据仓库和当今的供应链

最近，Gartner 阐述了如何将逻辑数据仓库用于供应链。他们绘制了一个架构，相对于数据基础设施的其他关键组件（包括操作数据存储、数据仓库、数据集市和数据湖），逻辑数据仓库构成该架构中的核心角色，以满足从事一系列分析工作的不同用户（如业务分析师、数据工程师和数据科学家）的特定需求，这些分析工作涉及操作智能、业务报告和情报、高级分析和数据科学。

Gartner 建议供应链主管围绕 Gartner 的数据和分析基础设施模型 (DAIM) 构建自己的分析和情报方法，DAIM 是一个四象限模型，涵盖数据和分析的大多数应用场景，并且基于以下两个维度：

已知数据与未知数据：“已知”数据是结构化的，具有明确的业务价值，而“未知”数据是非结构化的，尚未证明其业务价值。已知业务问题与未知业务问题：已知问题是在定期报告活动中经常提出的问题，而未知问题是在应对不断变化的业务或市场条件时出现的问题。

Gartner 的报告显示了数据基础设施的五个关键组成部分（逻辑数据仓库、运营智能组件、数据仓库、数据湖和数据科学组件）与 DAIM 的对应关系，以及每种场景中倾向于应用的角色和技能。

有两点观察非常明确：首先，除了逻辑数据仓库之外，其他四个基础设施组成部分及其相关的角色和技能，大致按以下方式与四类 DAIM 数据和分析应用场景对应：

基础核心应用场景：在此场景中，数据和业务问题均已知：主要由临时用户及分析师利用运营智能组件和数据仓库执行。扩展、理解和调查应用场景：在此场景中，数据已知但业务问题未知：主要由分析师及数据科学家利用数据仓库和数据湖执行。创新和探索应用场景：在此场景中，数据和业务问题均未知：主要由数据工程师及数据科学家利用数据湖和数据科学组件执行。建立价值应用场景：在此场景中，数据未知但业务问题已知：主要由数据工程师利用数据科学组件执行。

其次，逻辑数据仓库包含 DAIM 中的所有四个类别。这是因为它可以在公司现有的基础设施之上实施，包括运营智能组件、数据仓库、数据湖和数据科学组件，从而实现对存储在不同组件中的所有不同类型数据的无缝、实时访问。

由Denodo数据虚拟化提供支持的供应链数据管理

数据虚拟化使现代数据管理成为可能，因其用于数据集成和管理的逻辑方法支持跨不同数据源提供实时视图，用户无需首先将数据以物理方式复制到整合存储库中。Denodo数据虚拟化可以在所有不同底层数据源之上建立抽象和语义层，这些底层数据源包括本地和云端数据源、结构化和非结构化数据源、静态和流式处理数据源，以及旧式和新式数据源，它们构成了逻辑数据仓库。

很多公司正在利用数据虚拟化建立逻辑数据仓库，以解决其供应链问题。此类示例之一是 Hastings Deering Pty Ltd（Sime Darby Industrial 旗下的一家公司），它是最大的 Cat® 经销商之一，为全球的采矿、建筑、电力系统和海洋行业提供服务。截至 2022 年，Hastings Deering 已经进入为期五年的数字化转型的第二年，这项转型包括机器人自动化、纸质表格数字化、数字应用程序开发以及数据和分析，旨在为改善员工和客户体验提供支持。利用数据虚拟化，Hastings Deering 得以迅速追踪其分析能力，扩展其自助服务分析能力，并简化其零件流的数据交付。随着经济和市场条件的不断变化，数据方面的难题不断出现，尽管如此，Hastings Deering 仍然通过采用逻辑数据仓库并使用适当方法，迈出了奠定正确基础的第一步。逻辑数据仓库提供了所需架构，因此 Hastings Deering 可以通过其新的数据市场提供报告、情报、数据共享和数字程序，搭建建立持续数据素养和数据治理程序所需的平台。

下一代供应链分析

由Denodo数据虚拟化提供支持的逻辑数据仓库对供应链至关重要，因为它们在多种应用场景中为组织提供帮助，让组织能够获得实时可见性并具备强大的分析能力。如上例所示，通过公司的新技术和方法举措，Hastings Deering 已经能够加速获取重要数据集，创造更多价值，并进一步增强预测能力，满足业务需求。正如 Gartner 建议的那样，逻辑数据仓库使组织能够从企业数据中获取最大价值，并且可能弥补现有方案的不足，让供应和制造公司能够产生推动数据制作所需的洞察。

标签：