비즈니스 중심적이고 우아한 데이터 모델링(다이어그램 요구 사항에 대한 계획 및 활동)이 증가할 것으로 예상됩니다. 데이터 아키텍처. 이러한 데이터 모델링 추세는 새로운 프로젝트에 대한 예산이 감소하고 개선이 요구됨에 따라 탄력을 받을 것입니다. 데이터 품질 각 데이터 사고에 대한 해결 방법이 증가함에 따라 증가 15시간까지 2022과 2023 사이.

이해관계자들이 요구하는 AI에서 돌아옴 막대한 투자를 한 후 비즈니스 중심의 데이터 모델링이 중요해졌습니다. AI가 학습하고 추천할 수 있는 신뢰할 수 있고 관리되는 데이터를 확보하는 것이 많은 기업에서 최우선 과제가 되고 있습니다.

경영진과 기업이 2024년에 데이터 모델링을 재검토하면서 조직 전체의 모든 물리적 시스템을 비즈니스 구성 요소 관점으로 캡처하는 기존 접근 방식의 변화를 요구하게 될 것입니다. 세부 사항이 많은 물리적 수준에 갇혀 있는 데이터 모델은 2024년에 점점 더 가치를 찾지 못할 것입니다.

대신 기업은 특정 제품이나 서비스의 맞춤형 모델을 원하고 소유하며 비즈니스 질문에 대한 답을 제공하기 위해 우아한 데이터 모델을 만들 것입니다. 이러한 요구 사항은 아래에 설명된 XNUMX가지 데이터 모델링 추세를 통해 더욱 분명해집니다.

산업별 모델의 확산 

버지니아 커먼웰스 대학의 데이터 관리(DM) 권위자이자 부교수인 Peter Aiken은 다음과 같이 강조합니다. 데이터 모델 무엇을 구축해야 하는지, 어떻게 구축해야 하는지 설명합니다. 관련 솔루션을 얻기 위해 기업은 도메인 데이터 모델링에 집중합니다. 존재 론적 엔터티의 동작과 엔터티 간의 관계에 대한 정보가 포함된 컨텍스트입니다. 산업별 모델은 이 초점을 다룹니다.

금융, 의학, 법률 등의 지식 분야를 표현합니다. 다양한 뉘앙스 해당 지역의 감독 기관 및 규제 기관을 준수해야 합니다. 또한 각 산업에는 비즈니스를 수행하는 데 필요한 구체적이고 일관된 용어와 개념이 있습니다. 기업은 데이터 아키텍처 구성 요소에 쉽게 적용할 수 있는 기본 제공 데이터 모델 및 템플릿을 통해 이러한 세부 사항을 포착해야 합니다. 

이렇게 하면 조직은 비즈니스 부문의 일부인 표준 데이터 모델 엔터티와 관계를 다시 만드는 데 드는 시간을 절약할 수 있습니다. 대신 특정 서비스를 모델링하고 정의하는 데 더 많은 시간을 할애할 수 있습니다. 비즈니스 규칙.

산업별 모델에 대한 이러한 추세는 기업이 보다 효율적인 방법을 원함에 따라 2024년 이후까지 급격히 증가할 것입니다. ACCESS 불필요한 추가 작업 없이 실시간 및 일괄 처리된 데이터입니다. 게다가 조직이 채택함에 따라 데이터 메쉬 아키텍처 과 도메인 팀 자신이 소유한 데이터 아키텍처 구성 요소에 집중하면 사전 정의된 산업별 모델을 사용하는 것이 더욱 매력적이고 데이터 관리에 더 쉽게 접근할 수 있습니다.

개념 모델링의 사용 증가 

도메인 기반 데이터 모델링에 중점을 두고 데이터 품질 개선에 대한 관심이 다시 높아지면서 조직은 점점 더 개념적 모델로 전환하게 될 것입니다. 개념적 모델은 존재하는 엔터티와 해당 관계를 설명하여 데이터 아키텍처 구성 요소의 초점과 범위를 구성합니다.

개념적 데이터 모델을 구체화함으로써 비즈니스 팀과 기술 팀은 서로 협력하여 업데이트하거나 구축할 데이터 인프라에 대한 공유 어휘와 조정을 개발할 것입니다. 이상적으로 기업은 합의된 개념의 구현을 공식화하기 위해 논리적 데이터 모델을 따라갈 것입니다. 그러나 납품에 대한 압박으로 인해 많은 기업은 2024년에 논리 모델 작업을 건너뛰거나 작업 시간을 조금 줄이려고 할 것입니다.

지식 그래프의 인기 증가

데이터 모델링은 ER(엔터티 관계), 관계형 및 DFD(데이터 흐름 다이어그램)를 제외한 다양한 형식을 사용합니다. 인기있는, 볼 것으로 예상 지식 그래프, 엔터티 시각화 및 해당 관계가 목록의 맨 위에 표시됩니다. 기업은 사용 가능한 데이터 모델을 얻고, 즉각적인 통찰력을 원하며, 점점 더 구조화되지 않는 데이터를 처리하는 데 소요되는 시간이 단축되고 있습니다. 

지식 그래프는 세 가지 요구 사항을 모두 처리할 수 있는 도구를 제공합니다. 특히 다음에 좋습니다. 개념적 데이터 모델링, 지식 그래프는 구축할 솔루션, 고려해야 할 관련 및 관련 요소에 대한 이해를 제공하고 메타데이터 및 데이터 주변 컨텍스트를 포함합니다. 또한 지식 그래프는 데이터와 메타데이터가 발전함에 따라 변경 사항을 추적합니다.

data.world의 AI 연구소 책임자이자 수석 과학자인 Juan Sequeda에 따르면 지식 그래프는 복잡한 개념을 한 눈에 단순화합니다. 주는 "데이터 세트 간의 풍부하고 의미 있는 컨텍스트 및 연결." 이러한 장점으로 인해 더 빠르게 생성되고 더 관련성이 높은 데이터 모델이 생성됩니다.

또한 작업자는 지식 그래프를 찾습니다. 구축이 간단하다. 이러한 도구는 많은 데이터베이스 관리 시스템(DBMS) 및 기타 앱에서 찾을 수 있습니다. 개념적 모델 이를 통해 2024년 이후에는 지식 그래프의 사용이 훨씬 더 많아질 것입니다.

향상된 셀프 서비스 기능

산업별 모델이 확산되고 개념적 데이터 모델의 사용이 증가함에 따라 기업인들은 대화형 시각화를 통해 데이터 모델을 실험하고 기술 팀과의 대화에서 적극적인 역할을 수행하기 위해 더 나은 셀프 서비스 기능을 사용하고 요구할 것입니다. 더욱이, 클라우드 컴퓨팅을 통해 데이터 세트에 쉽게 접근할 수 있고 실시간 데이터를 기반으로 보다 시의적절하고 정보에 입각한 결정을 내려야 한다는 압력으로 인해 기업은 먼저 기술 팀과 상의하지 않고도 즉시 데이터 모델을 업데이트하고 생성하게 될 것입니다.

더 나은 셀프 서비스 기능을 통해 기업인들은 기존 데이터 모델을 반복하고 요구 사항을 논의하고 우선 순위를 지정하는 데 있어 주도권을 강화할 것입니다. AI 및 기계 학습(ML)의 지속적인 개선은 데이터 내의 숨겨진 관계에 대한 권장 사항과 이에 대한 새로운 이해를 쉽게 제공함으로써 비즈니스의 데이터 모델링 프로세스를 단순화할 것입니다.

결과적으로 데이터에 대한 확실한 이해를 갖춘 분석가 및 기타 데이터 소비자는 정식 교육을 받지 않은 경우에도 데이터 모델링에 전적으로 참여할 것입니다. 이를 위해 기업은 데이터를 효과적으로 모델링하기 위해 신뢰할 수 있고 관리되는 데이터 자산을 보유하는 데 대한 관심을 높일 것입니다.

기업이 비즈니스맨으로부터 셀프 서비스 데이터 모델링 활동 및 프로세스에 대해 배우면서 이러한 조직은 직원의 모델 사용자 정의를 지원하는 더 빠르고, 더 좋고, 더 관련성이 높은 도구를 원하게 될 것입니다. 따라서 2024년 이후에는 셀프 서비스 데이터 모델링 도구가 개선될 것으로 기대됩니다.

프로세스 마이닝을 위한 보다 빈번한 실시간 데이터 모델링

조직은 실시간 데이터 모델링을 사용하여 데이터가 소비되는 대로 데이터를 처리하고 분석하여 향후 운영을 더 잘 이해하고 간소화할 것입니다. 그렇게 하기 위해 기업은 비즈니스를 설계하기 위한 데이터 모델을 만들 것입니다. 디지털 쌍둥이, 생산 라인이나 서비스의 정확한 상태, 정보, 조직을 나타내므로 AI와 ML이 개선을 위한 프로세스를 추천할 수 있습니다.

이것을 기대해라 프로세스 마이닝, 앱과 인재를 사용하여 기업 트랜잭션 시스템 이벤트를 분석하고 일상적인 유지 관리의 일부로 보다 정기적으로 발생하며 비용을 절감합니다. 이러한 증가 추세는 다음과 같은 다섯 가지 방식으로 프로세스 마이닝을 위한 데이터 모델링에 영향을 미칠 것입니다.

• 프로세스 개선을 코딩, 데이터 모델 구축, 컨설팅, 이해, 배포 및 지원하는 데이터 모델러에 대한 업계 선두 기업의 수요 증가
• 과거 데이터 흐름의 패턴을 찾아내고 비즈니스 성과를 개선하는 방법을 예측하기 위한 추가 시계열 분석
• 요구사항 증가 시계열 데이터 흐름 변동을 감지하고 이를 통해 학습하며 권장 사항을 제공하는 AI 및 ML용 데이터 모델링 및 시각화
• 데이터 모델을 생성 및 제공하는 데 소요되는 시간이 단축되고 데이터 모델링 피드백 루프가 더욱 빨라집니다.
• 비즈니스 이해를 위해 자체 설명 방식으로 데이터를 구조화하기 위해 JSON 저장 형식에 초점을 맞춘 보다 원활한 데이터 모델링

데이터 거버넌스를 통한 더 많은 공동 데이터 모델링 세션 

AI 및 ML 사용이 증가함에 따라 신뢰할 수 있고 관리되는 데이터 2024년에는 새로운 필수 요소가 될 것입니다. 공동 데이터 모델링 세션이 늘어날 것입니다. 데이터 거버넌스 특히 AI 및 ML 프로젝트를 통해 이러한 목표를 달성합니다.

데이터 설계자, 비즈니스 분석가, 엔지니어 및 데이터 과학자가 이러한 데이터 거버넌스 세션을 사용하여 데이터 모델링 프로세스를 통해 비즈니스 요구 사항과 정의를 조정하고 이해하는 것을 볼 수 있을 것으로 예상됩니다. 이것 공동 노력 데이터 엔터티, 관계 및 흐름의 시각화를 만들 때 통찰력, 액세스 및 법적 준수와 관련된 복잡성과 우선 순위를 해결하려고 시도합니다. 

더욱이, 정보와 맥락에 대한 효과적인 조치를 제공하는 엔진인 메타데이터 관리는 계속 자라다 66년 데이터 관리 동향 연구에서 확인된 2022%에서 증가한 데이터 거버넌스의 중요한 목표입니다. 따라서 데이터 모델링은 메타데이터 관리 프로세스를 통합하여 데이터 검색 가능성을 개선하고 액세스 또는 보안을 위해 다음으로 처리할 공유 데이터 활동에 대한 합의를 얻습니다.

기술 담당자와의 비즈니스 대화를 기반으로 자동화 및 ML의 발전은 이러한 공동 데이터 거버넌스 및 데이터 모델링 세션에서 더 중요한 통찰력을 제공할 것을 약속합니다. 또한 기업은 데이터 모델링 및 데이터 거버넌스 목표를 기술 플랫폼에 통합합니다. 이러한 기능은 데이터 거버넌스 세션 중에 현실적인 데이터 모델을 더 빠르게 생성하여 잠재적으로 데이터 접근성 또는 보안 문제를 인식하고 해결하는 시간을 향상시킵니다.

결론

조직은 예산 및 데이터 품질 문제로 인해 데이터 모델링에 대한 관심과 관행을 새롭게 할 것입니다. 또한 2024년 이후에는 데이터 모델링이 더욱 비즈니스에 초점을 맞추고 우아해질 것입니다.

기업은 데이터를 모델링할 때 보다 모듈화된 접근 방식을 취하고, 개념적 모델링에 더 중점을 두어 각 구성 요소의 큰 그림 개념을 구체화할 것입니다. 빠른 처리 시간에 대한 압박으로 인해 산업별 모델, 지식 그래프 및 셀프 서비스 모델에 대한 수요가 증가할 것입니다.

ML 및 AI 외에도 데이터 모델링은 새로운 환경에서 주목을 받을 것입니다. 이는 향후 비즈니스 활동을 더 잘 운영하는 데 필요한 비즈니스 활동과 운영 변경 사항을 알려줄 것입니다. 또한 데이터 모델링은 데이터 분석 및 보안과 관련된 데이터 거버넌스 문제를 처리하는 데 있어 확장된 역할을 찾을 것입니다.

또한 2024년의 데이터 모델링 프로세스, 도구, 자동화 및 ML은 발전할 것이며, 즉석에서 데이터 모델을 사용자 정의하고 생성하는 기능도 향상될 것입니다. 데이터 모델이 비즈니스 요구에 더 잘 대응하고 더 나은 ML 결과를 촉진함에 따라 더 많은 비즈니스맨이 데이터 모델링 활동 및 대화에 참여할 것으로 예상됩니다.

Shutterstock의 라이선스에 따라 사용된 이미지

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://www.dataversity.net/data-modeling-trends-in-2024/