数据化运营成为当前企业经营降本增效的重要手段，用数据说话，数据驱动决策也逐渐成为重要的工作习惯。但实际上，很多人甚至是数据分析师使用数据时，往往只是停留在取数据、看数据阶段，从数据中挖掘出有效的决策结论却迟迟难以入门。

某企业CIO毫不客气的指出：“内部数科公司有个天生的缺陷，眼光局限于公司内部，不管从技术上还是业务上都比不上市场上的专业数科公司，更不用说产品，除非他是在垄断或者龙头标杆企业。”

根据IDC《2023下半年中国低代码与零代码软件市场跟踪报告》显示，2023下半年中国低代码与零代码软件市场规模为19.0亿元人民币，同比增速为22.1%。

如果说SQL Server 2022是为了让一切都 “支持 Azure”，那么 SQL Server 2025 则反映了微软对AI的痴迷。“SQL Server 2025 将 SQL Server 转变为企业级 AI 就绪数据库，以安全、高效的方式为客户的数据带来 AI。”发言人说。

11月 19 日下午，行业大模型、具身智能、算力、芯片、数据合成等10 项首发成果在乌镇峰会登台路演， 其中 AI 数据合成与生产平台AIGD（AI Generated Data）因聚焦“数据合成”获广泛关注。

分析工作，恰恰是建立在非常细节地梳理问题，非常细致地梳理假设，非常详细地拆解标杆的基础之上的。工作做得越细，收集的真实信息越多，越容易接近真相。工作做得如此之细，以至于不懂行的人会问“至于吗？有必要吗？我看差不多啦！”而很多优质的分析，正是建立在拒绝“差不多啦”之上的。

目前主流国产数据库除了在传统行式存储引擎的基础上进行了优化改造，大部分都进一步地提供了列式存储引擎，有些还提供了内存引擎。

TLDR是一家中型建筑材料企业，因元数据管理不善而面临数据不一致和运营效率低下的困境，阻碍了决策和盈利能力。实施强大的元数据管理策略可提高数据准确性20%，加快决策速度25%，提高运营效率20%，凸显了有效数据治理在推动成功方面的关键作用。

实际上专家如果想要完成故障分析，也必须依赖能够支撑完成分析所需要的所有数据或者证据。如果哪一个环节上的数据或者证据缺失，则需要依靠专家的推理能力来补全证据链条，或者根据推断再去补全证据数据。

最近经常在群里看到CIO在吐槽：我们信息部门又被优化了，原因是领导认为信息部门看起来过于“清闲”了，难道系统稳定也是错吗?

在国产数据库替换时代，企业会逼着应用开发团队提升能力，来抵消国产数据库能力不足这个事实，这意味着企业进一步加大对研发的投入。对DBA来说，更高水平的应用开发团队并非好事。因为时间长了，DBA所擅长的工作大多数可以被研发接替了。

Gartner分析师在近期举行的Gartner IT Symposium/Xpo上提出了十大战略预测。到2026年底，20%的企业机构将使用AI实现组织结构的扁平化，取消一半以上的现有中层管理职位。

对于一些互联网架构的系统，数据库本身不会出现复杂的故障，大部分故障都可以通过扩容、限流或者重启来完成。对于这样的场景，AIOPS的智能化程度是够用的。而对于一些传统行业场景，AI还是不堪一用的。

确保你的 DBA 具备这 5 项基本素质，将有助于提高企业的运营效率，并使数据库管理成为一项更易于管理的任务。

这家初创公司最近筹集了 500 万美元的种子基金，以推进其图查询引擎的发展。PuppyGraph 的Zero-ETL 引擎旨在让用户能够以统一的图的方式查询关系数据，从而不再需要单独的图数据库和耗时的提取、转换和加载(ETL)过程。

大多数国产数据库都在朝着多模融合的方向发展，这里限定一下，主要指的是数据库支持多种类型数据的存取，包括但不限于传统关系型数据、JSON文档数据、XML数据、GIS数据、图数据、时序数据以及AI向量数据等。

对于客户来说，业务场景是在不断发展的，以最近几年流行的AI大模型为例，客户非常希望AI能够赋能于业务场景之中并带来收益。

根据Statista 的数据，2020 年全球创建、捕获、复制和消费的数据总量为 64.2 ZB，预计到 2025 年将达到 181 ZB。这意味着五年内的复合年增长率约为 23%。

对于数字化培训首先要做的就是让领导愿意参加、愿意听，接下来才是怎么讲的问题，太空也不行、太专也不行，你给领导讲大模型，估计全部打瞌睡，所以做数字化培训需要的是策略。

　很多数据库的功能仅仅DBA掌握是没有用的。要让开发掌握这才能用好。只在DBA手中的特性是发挥不出来的。我讲完这些旧特性，开发同学非常高兴的走了，去体会和实践了。