制定灵活数据集成策略的关键考虑事项白皮书数据虚拟化市场趋势、业务驱动因素、主要使用案例、挑战和关键能力调查本文档含有InformaticaCorporation的保密、专有信息和商业秘密信息（“机密信息”），事先未经Informatica的书面同意，不得进行拷贝、散发、复印或以任何其它方式复制。尽管我们尽最大努力确保本文档中信息的准确性和完整性，但仍可能存在一些印刷错误或技术误差。如因使用本文档所含信息而造成任何损失，Informatica概不负责。本文档中包含的信息随时可能更改，恕不另行通知。Informatica自行决定将这些材料中讨论的产品属性纳入其任何软件产品的发布或升级中，并自行决定任何此类发布或升级的时间安排。受下列一项或多项美国专利保护：6,032,158；5,794,246；6,014,670；6,339,775；6,044,374；6,208,990；6,850,947；6,895,471；或受下列正在申请的美国专利保护：09/644,280;10/966,046;10/727,700.此版本发布于2012年9月白皮书目录引言......................................................2数据虚拟化作为灵活数据集成方法的发展....................3提高商业智能灵活性是重中之重.............................4关键业务驱动因素：快速、直接的报告......................5灵活性和生产率的障碍.....................................6灵活和可复用数据模型的重要性.............................7交付灵活性和生产率的关键功能.............................8总结......................................................9开展灵活数据集成策略的关键考虑事项1引言几乎每个行业中的企业都在努力实现更大的灵活性和更高的生产率。绩效和盈利率越来越依赖于跨运营和分析系统的完整的、最新的和准确的业务视图。然而在与日俱增的不同应用程序和大数据时代中数据量和复杂性激增的情况下，这些迫切的要求与传统的数据基础设施格格不入。业务和IT部门都希望缩短及降低交付业务部门需要并且信任的关键新数据和报告所涉及的时间和成本。因此越来越多的关注集中在被称为数据虚拟化的新兴灵活数据集成方法上。数据虚拟化提供数据抽象层，以便快速直接地访问不同来源，而无需数据的物理转移。在联合模式下，可对数据进行实时访问、合并、探查、清洗、转换、屏蔽和交付，以支持商业智能(BI)、实时数据仓库、面向服务的体系架构(SOA)、主数据管理(MDM)和其他IT项目。Informatica通过社交媒体以及一系列互动网络研讨会与IT和商业智能专业人士交流沟通，以便更好地了解企业对数据虚拟化的认知以及对关键功能的期许。包括一项调查在内，该互动历时一年多，调查包括如下五个关键问题：•您认为什么是数据虚拟化的首要用例？•在您的组织中采取数据虚拟化的业务驱动因素是什么？•哪些功能对于提高您项目的灵活性和生产率最为关键？•您着手开展数据虚拟化的最大障碍是什么？•您如何实施规范化数据模型？本白皮书公布了此次调查的结果，并从多个角度讨论了数据虚拟化的关键用例、业务驱动因素和挑战。2数据虚拟化作为灵活数据集成方法的发展数据虚拟化并不是什么新概念。数据虚拟化的根基是数据联合，很多供应商将其定位为数据仓库的替代。这种短视再加上相对简单的数据集成功能就是数据联合只得到有限采纳的关键原因。当今市场上绝大多数的数据虚拟化解决方案都建立在这种简单方法上，对解决企业复杂的数据集成需求无所作为。建立在数据联合基础上的数据虚拟化平台采用有限的基于SQL-或X-Query的方法，缺乏探查、数据质量、数据建模等高级功能以及先进的数据转换，留给企业的是不达标的解决方案，或者还需定制、绑定所需的增强功能。此外，它们还在组合中引入另一种工具，增加了基础设施的复杂性。很多数据虚拟化解决方案还基于编码，无法创建灵活的规范化数据模型，不能满足跨多个异构数据源的通用数据访问需求。它们一般无法简便地用于下一个项目，提供给非技术业务用户的可用性很少甚至没有，在交付生产率方面也可能极度迟缓。已经在数据联合的基础上实施了数据虚拟化的企业发现，这几乎是进一退二的做法。直到最近，很多组织已选择坐等更高级的数据虚拟化版本出现。200