返回 搜尋 透過語音搜尋
登入
返回 Oracle 帳戶
Cloud 帳戶 登入 Cloud

找不到任何結果

您的搜尋查無相符結果

以下操作有助您找到所需內容,建議您不妨一試:

  • 檢查您關鍵字搜尋的拼字是否正確。
  • 改用您所輸入關鍵字的同義詞,例如以「應用軟體」取代「軟體」。“”“”
  • 嘗試下列其中一項熱門搜尋。
  • 開始新的搜尋。

 

常見問題

資料管理是什麼?

資料管理能以安全、有效而且具備高成本效益的方式,來收集、保留和使用資料。資料管理功能旨在協助人員、組織和互連的事務,在策略和法規範圍內優化資料使用,以利制定決策並採取能使組織收益最高的行動。隨著組織越來越仰賴無形資產來創造價值,強大的資料管理策略將前所未有地變得更加重要。

資料資本即是商業資本

現今’的數位經濟中,資料即是一種資本,是生產數位商品和服務的經濟因素。舉例而言,汽車製造商如果缺少必要的財務資本就無法’製造新模型,而如果缺少提供給所運行演算法的資料,就無法’讓汽車達成自動駕駛功能。資料所扮演的新角色在未來對於競爭策略和運算都深具影響力。

由於資料扮演著關鍵任務的核心角色,強大的管理實踐和優異的管理系統對每個組織而言 (無論其規模或類型) 都非常重要。

深入瞭解資料資本的興起 (PDF)

在組織中管理數位資料,涵蓋了範圍廣大的任務、策略、流程和實行。資料管理的工作範圍很廣,涵蓋包括如何

  • 在不同的資料層級中建立、存取和更新資料
  • 儲存多個雲端和就地部署系統中的資料
  • 提供高有效性和災難復原功能
  • 在越來越多的應用程式、分析和演算法中使用資料
  • 確保資料隱私及安全性
  • 根據資料保留時程表和法規要求,進行封存歸檔和銷毀資料

真正的資料管理策略可處理並改善的面向包含:使用者和管理員的活動、資料管理技術的功能、法規遵循、以及組織從資料中獲取價值的需求。

現今的資料管理系統

現今’組織所需的資料管理解決方案,要能提供有效的方法跨多個、但統一的資料層級來管理資料。資料管理系統的基礎建立在資料管理平台之上,包括資料庫、資料湖和資料倉儲、大數據管理系統及資料分析等。

所有元件可併用作為“資料實用工具”,為組織提供應用程式所需的資料管理功能,還有一些分析和演算法,來對這些應用程式所產生的資料加以利用。雖然現有的工具可以幫助資料庫管理員 (DBA) 自動執行許多傳統的管理任務,但由於大多數資料庫部署的規模及高複雜度,仍然常需要進行人為操作。當需要人為操作時,出錯的機會就會增加。減少人為資料管理的需要即是新式資料管理技術的主要目標,而這種技術就是自主資料庫

資料管理平台是用於收集和分析全組織中大量資料的基礎系統。商業資料平台通常包含由資料庫供應商,或是第三方供應商開發出的管理軟體工具。這些資料管理解決方案可協助 IT 團隊和資料庫管理員執行一般常見工作,例如

  • 找出、警示、診斷並解決資料庫系統或基礎架構中的故障問題
  • 分配資料庫記憶體和儲存資源
  • 在資料庫的設計架構中進行變更
  • 優化查詢資料庫時的回應,以提高應用程式效能

日漸普及的雲端資料平台,能使企業透過高成本效益的方式快速擴展或縮小規模。有些是可用的即服務,能使組織節省更多成本。

自主資料庫以雲端做為基礎,運用人工智慧和機器學習,讓許多原本由資料庫管理員執行的管理任務達到自動化,包括管理資料庫備份、安全性和效能調校等。

自主驅動資料庫亦稱為自主驅動資料庫,可為資料管理帶來幾項重要優勢,包括

  • 降低複雜性
  • 減少可能發生的人為錯誤
  • 更高的資料庫可靠度和安全性
    • 營運效率的增長
  • 降低的成本

日漸普及的雲端資料平台,能使企業透過高成本效益的方式快速擴展或縮小規模。有些是可用的即服務,能使組織節省更多成本。


大數據管理系統

從某方面來說,大數據只是聽起來像—有很多很多資料。但是,大數據的形式也比傳統資料要廣泛得多,而且’收集的速度很快。想想難每天或每分鐘來自社群媒體 (如 Facebook) 的所有資料。資料的數量、種類和速度對企業來說都非常有價值,但也使管理變得很複雜。

隨著越來越多的資料是從攝影機、社群媒體、錄音和物聯網 (IoT) 設備等來源所收集,大數據管理系統便應運而生。大數據系統專為三大領域而設。

  • 大數據整合可將不同類型的資料—從批量到串流傳輸—,並將其轉換,以利使用。
  • 大數據管理通常可利用物件式儲存,有效而安全可靠地在資料湖或資料倉儲中儲存並處理資料。
  • 大數據分析可透過分析找出新洞見,並運用機器學習和 AI 的視覺化來建立模型。

企業開始使用大數據來改善並加速產品開發、預測式維護、客戶體驗、安全性及營運效率等層面。隨著大數據規模越來越大,機會也越來越多。

 

資料管理的挑戰

資料管理原則和資料隱私

由歐盟頒布並於 2018 年 5 月實行的《一般資料保護規範》(GDPR) 中,涵蓋了管理和處理個人資料的 7 項重要原則。這些原則包含合法性、公正和透明性、用途限制、準確性、儲存限制、完整性和保密性等。

GDPR 和其他緊隨其後的律法,如《加州消費者隱私法》(CCPA),都開始改變資料管理的型態。這些要求提供了標準化的資料保護律法,使個人可以控管其個人資料及其使用方式。事實上,當組織在取得資料時未獲得同意告知,對資料的使用或存放情形控制不力,或未遵循資料擦除或可攜性要求時,將使消費者成為具有實際法律追訴權的資料利害關係人。

深入瞭解 GDPR 和資料管理

現今資料管理面臨的大多數挑戰,都源自於業務發展的加速,以及資料不斷的增長。可供組織使用的資料種類、傳輸速度和數量不斷成長,促使組織尋求更有效的管理工具才不致落伍。組織面臨的主要挑戰包括:

  • 無法’掌握擁有的資料。來自感測器、智慧設備、社群媒體和攝影機等越來越多來源的資料,開始被收集和儲存。但是,如果組織不知道’本身擁有什麼樣的資料、不知道這些資料在哪裡以及如何加以運用,那這些資料形同無用。
  • 隨著資料層級的擴展,組織必須能維持效能水平。組織不斷擷取、儲存和使用越來越多的資料。為了在不斷擴展的層級中保持最快的回應時間,組織必須持續監控資料庫回應的問題類型,並隨著查詢的變化—而改變索引,同時不影響效能。
  • 他們必須符合不斷變化的法規要求。法規遵循複雜而且跨多個司法管轄區,還會不斷變化。組織必須能輕易查閱其資料,並找出符合新的或修正後需求的所有資料。尤其必須對個人可識別資訊 (PII) 進行檢測、追蹤和監控,以遵循日益嚴格的全球隱私法規。
  • 組織不’確定如何重新為資料定位,以將其用於新用途。收集和找出資料本身並不能’提供組織處理資料時真正想要的價值—。如果耗費大量時間和精力將資料轉換為分析所需的資料,這種分析是不會’成功的。也因此失去了這些資料的潛在價值。
  • 組織必須跟上資料儲存變化的腳步。在資料管理的新世代中,組織可將資料儲存在多個系統內,包括資料倉儲和未結構化的資料湖,這些資料湖能將任何格式的資料全部儲存在單一儲存庫中。組織’的資料科學家必須採用一種方法,以快速、輕鬆地將資料從原來的格式轉換為他們需要進行多種分析時的形態、格式或模型。

資料管理最佳典範

處理資料管理挑戰時,需要運用一套全面而且精心設計的最佳典範。儘管某些最佳典範會根據資料類型和產業而有所不同,但以下的最佳典範可解決組織現今所面臨主要的資料管理挑戰:

資料科學環境具備的價值

資料科學領域橫跨多個學科,利用各種科學方法、流程、演算法及系統,以從資料中提取價值。資料科學家結合了包含統計、電腦科學和商業知識—的一系列技術—,來分析從網路、智慧型手機、客戶、感測器和其他來源所收集的資訊。

資料科學環境可協助組織瞭解自身擁有的資料,進而善加利用。這種環境能讓資料科學家自動建立、測試和評估用於尋找資料的模型,然後將資料轉換為對組織有用並帶來價值的模型。在集中式平台上,資料科學家能運用偏好的開源工具在協作環境中工作,所有的工作都由版本控制系統同步。

深入瞭解資料科學 瞭解如何透過資料科學平台締造更大的影響
  • 建立資源探索層,找出您的資料。位於您的組織’資料層級最上方的資源探索層,能讓分析師和資料科學家搜尋並瀏覽資料集,讓您的資料變得可利用。
  • 開發資料科學環境,以有效地重新利用資料。資料科學環境讓資料轉換工作儘可能自動化,從而簡化資料模型的建立和評估作業。一套無需手動轉換資料的工具,可加快對新模型進行假設和測試。
  • 運用自主技術,為您維持擴展中資料層級的效能等級。自主資料功借助 AI 和機器學習,持續監控資料庫的查詢,並隨著查詢的變化來優化索引功能。這能讓資料庫保持快速的回應時間,並使資料庫管理員和資料科學家擺脫耗時的人工操作。
  • 利用探索功能來掌握法規遵循的需求。新工具使用資料探索功能來檢視資料,並為符合多重司法管轄區合規性,找出一連串需要檢測、追蹤和監控的資料。隨著合規性需求在全球增加,這個功能對於風險和安全人員而言,將變得越來越重要。
  • 使用一般查詢層,來管理多種形式的資料儲存。新式技術能讓資料管理儲存庫進行協作,進而弭除彼此之間的差異。跨多種資料儲存的一般查詢層,可使資料科學家、分析師和應用程式不必知道資料的儲存位置,也無需手動將其轉換為可用格式,就能直接存取資料。

資料管理的演進

隨著資料’作為企業資本的新角色,組織開始發現數位新創公司和顛覆者早已知悉的事實:在發現趨勢、制定決策以及面對競爭對手採取行動等方面,資料是極其珍貴的資產。資料在價值鏈中的新定位,開始引導組織積極尋求更好的方法,從這種新資本中獲取價值。

在公司內部,DBA 的資料管理職責也在不斷演進,由於 DBA 少了許多瑣碎的工作,因此得以專注於處理更具策略性的問題,並在涵蓋關鍵性計劃 (如資料建模和資料安全性) 的雲端環境中,提供重要的資料管理支援。