ITPub博客

指标是一种强大的工具;它们可以帮助您衡量自己关心的事情。拥有远大的目标是件好事，但要知道自己是否取得了进步、激励团队并建立责任感，您需要能够用数字来表达它们。

除了接触各种各样的案例，还要善于总结才行。你可以通过读书、看文章去学习别人的分析思路，但是无法真正学习到别人的知识体系和思维体系。最终帮助你解决问题的是在自己的脑子里形成的自主化的知识体系和工作思路体系，因此要想提高分析问题的能力，加快分析问题的速度，必须不断完善自己的知识体系。

6月，数据库圈在资本动态方面比较热闹，国内达梦数据成功登陆科创板，海外OpenAI收购云原生数据库公司 Rockset;IDC发布中国关系型数据库追踪报告，2023年中国关系型数据库市场增速达到历史最低水平……

随着国产化进程加速，竞争加剧，中国数据库市场正开始收敛，出海成为不少厂商的选择。国产数据库如何做到内外兼修?正在变成一个热门课题。

对于运维数据库这样的复杂IT系统时，最大的恐惧来自于未知。对于原理的一无所知，是运维中最为可怕的事情。所以我还是希望国产数据库原厂大佬们，哪怕你们再忙，也抽出点空来，多写一写Internal的东西，并且把它们公开发布出来。

当企业集团统一建设的财务系统暂未覆盖全集团，在一套集团统建系统和多套企业异构系统并存的情况下，如果集团总部需要集中全集团财务数据用于合并报表、财务分析时，本文是一种解决方案。

元数据管理并不是一个新问题，但自从引入现代数据堆栈以来，它已经呈现出一个全新的维度。过去只是一个只有核心数据团队关注的小而深奥的问题，现在已经发展成为困扰大大小小的公司的复杂组织挑战。换句话说，如果已经采用现代数据堆栈来使数据的创建、处理和分析自助化，那么就需要一个配套工具来防止数据生态系统因分散和不断增长而变成一个难以驾驭的野兽。这就需要一个现代元数据平台 (MMP) 。

企业数字化建设意味着商机，为了得到企业的订单，很多软件厂家都提供了产品试用服务，以便让企业了解其产品功能，体现其个性化服务，那么企业如何开展软件的试用工作呢?如何才能达到最优的效果呢?

对于企业客户而言，数据库要不要升级，并不是一个简单的问题，关键在于需求迫切性和升级后能带来怎样的ROI。数据库厂商也在努力打消客户升级的顾虑，比如在向后兼容性方面提供更好的支持等等。

某头部企业实施大数据建设项目，内容包括数据中台建设、数据治理、BI建设，该项目最大的风险就是由于该企业数字化处于起始建设阶段，各大系统还处于建设阶段

金融系统信创进入深水区，在国产数据库百花齐放的势头下，选择集中式，分布式已经成了关键性问题，无论选择哪种数据库，只有合适就是最好的，结合前期在金融业务信创数据库项目案例，聊一下金融核心系统分布式数据库实践

数字化转型仍然是很多传统企业的重点需求，在基于数字化的蓝图构建的一些数据赋能的user case之后，就需要解决数据资产的问题，包括数据的可得性，数据的质量，数据复用性等。所以，出现了一些数据治理与数据要素管理相关的数据产品岗位。

当前，很多公司正在利用数据目录来更好地组织和管理其数据资产，从而提高效率并增强竞争优势。然而，在公司能够利用数据目录的优势之前，他们必须首先经历一个概念验证 (POC) 过程。数据目录 POC 可以帮助组织了解数据目录可以提供的价值，并引导他们走上成功之路。

关于数字化的价值一直是世纪难题，究其原因还是企业数字化转型是一项长期工程，且成功率不高，且在过程中总是问题百出，既有技术的问题，又有运营管理的问题，那么如何系统的诊断这些问题、发现问题、纠正问题呢?

我发现绝大多数国产数据库厂商都在用类似开源生态的方式发展第三方服务能力，培养自己的拥趸和技术爱好者。这种低成本的方式其实收效甚微，最终很难成功。因为只有利益之所在，才会吸引人进入

往期文章讲过数据治理可以说是数据产品的生命线，如果数据不准给业务带来错误的决策引导，可能会带来难以预计的业务损失。

不管是信息化时代还是数字化时代，老杨认为做技术需要的就是脚踏实地，以客户为中心，软件行业其实也属于服务业，

谈到数据库的使用，和吃面有点类似。不同的用户，可能有不同的偏好，技术能力与技术侧重点也不相同;不同的应用场景对数据库也有适配性

一直以来企业的数字化转型建设总是在争议与质疑声中进行，企业引进了各种系统应用的效果到底如何，是否真正达到了立项时所说的降本增效，领导提出了此类问题，而大部分的企业CIO此时却只能抓耳挠腮一时间不知如何应对。

在6月12日举行的数据与人工智能峰会(Data + AI Summit)上，Databricks 宣布将开源 Unity Catalog，Snowflake 上周推出了基于 Iceberg REST API 的 Polaris，解决了元数据目录的潜在锁定问题。