首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    KubeVela v1.2 发布:聚焦开发者体验,轻松发布你的多集群应用

    随着云原生的不断发展和成熟,越来越多的基础设施能力逐渐标准化成为 PaaS 平台或者 SaaS 化产品。一个产品的诞生不再像过去那样需要建立一个团队,从开发、测试一直到运维、基础设施全部分多种角色系统完成。如今,敏捷组织文化和云原生技术驱动,使得这些职责更多的是“左移”到了开发者身上,测试左移、监控左移、安全左移,以及 DevOps 等一系列理念都是在强调,通过开源项目或者云的产品和服务将测试、监控、安全、运维等一系列事务提前到开发阶段完成。这看似美好的愿景却给开发者带来了巨大的挑战,开发者对底层五花八门的产品和复杂 API 缺乏掌控力,他们不仅仅是在做选择,更多的需要去理解和协调底层复杂异构的基础设施能力,以便满足上层业务的快速发展和迭代需求。

    05

    大数据应用管理模式及内容

    通过调研,数据应用管理可总结为分散管理型、职能复用型、集中管理型三种模式,数据应用管理模式中重点关注组织管理、需求管理、建设管理、成果管理四大领域。 (1) 管理模式 分散管理型:各部门分散开展数据应用,无集中管理,例如某某国有集团,公司各业务部门均设有业务数据部门,开展本部门数据应用相关事务。 职能复用型:赋予现有部门数据应用管理职责,集中开展数据应用局部过程的管理事务,例如某工业公司,依托公司信息技能部负责开展公司所有数据应用项目建设。 集中管理型:成立独立于技能和业务部门的实体或虚拟管理组织,集中开展数据应用全过程管理事务,例如某国有银行,设立设置与技能部门平级的数据管理部统筹开展全行数据管理和应用。 (2) 管理内容 组织管理:指的是数据应用管理的组织形式,可总结为如下几类: 实体组织型:成立独立于技能和业务部门的数据应用实体管理组织,集中开展数据应用管理事务。 虚拟组织型:由技能、业务部门共同组成数据应用管理虚拟组织, 集中开展数据应用管理事务。 职能复用型:赋予现有部门数据应用管理职责,负责集中开展数据应用局部过程的管理事务。 需求管理:指的是数据应用的需求管理形式,可总结为如下几类: 基于项目型:通过抑制企业级数据管理权,集中开展大数据应用需求管理。 基于数据型: 通过抑制大数据应用分析项目,集中开展大数据应用需求管理。 建设管理:指的是数据应用建设的管理模式,可总结为如下几类: 系统建设项目管理方式:系统建设驱动,沿用常规信息化项目建设管理模式,对方案设计、研发、上线运行等环节进行管理。 大数据项目管理方式:数据分析驱动,根据大数据应用特点,重点对数据需求统筹、模型持续迭代等内容进行管理。 成果管理:指的是数据应用成果的管理模式,可总结为如下几类: 建设方法共享:指共享大数据应用建设方法,共享内容包括建设方案、分析模型、程序等过程文件及经提炼后的经验和知识等。 分析结果共享:指数据应用分析结果的共享。 3.2 各管理模式的优劣势对比 分散管理、职能复用、集中管理三种管理模式各有优缺点,适用于不同业务类型、不同规模的企业。 (1) 分散管理 企业级数据管控能力弱:企业很难全局掌握抑制数据应用行为; 数据应用成本高:虽然数据应用管理成本低,但由于反复建设及成果不能共享导致企业总体数据应用成本偏高; 数据应用创新能力强:对数据应用建设及使用的约束较少,有利于促进数据应用的创新。 (2) 职能复用 企业级数据管控能力一般:由于现有部门职能的单一性,无法在企业级对数据应用的全过程管控;数据应用成本高:无法从全过程统筹管理数据应用建设,仍会导致反复建设及成果不能共享的情况; 数据应用创新能力一般:对数据应用建设及使用进行局部规范和约束,一定程度上影响了数据应用的创新。 (3) 集中管理 企业级数据管控能力强:企业可对数据应用全局、全过程的掌握和抑制; 数据应用成本低:虽数据应用管理成本相对较高,但由于实现企业级需求统筹、成果共享,数据应用成本总体不高; 数据应用创新能力强:实现了需求统筹、成果共享,变成了企业级数据应用创新机制,促进了数据应用创新能力的提升。 人工智能、大数据、云计算和物联网的未来发展值得重视,均为前沿产业,有兴趣的朋友,可以查阅多智时代

    01
    领券