自建云服务器：新的数据仓库架构将成为人工智能数据集的基础

近些年，数据转化成水准猛增，其特性是工业生产行业中许多公司开展了极大的企业战略转型。全世界范畴内转化成的数据量已经持续增长。事实上，领域新闻媒体Gigabit Magazine的研究表明，全世界2020年转化成的数据量将比十年前提高25倍之上。除此之外，据统计，到2025年，转化成的积累数据将增加三倍，做到近175ZB。
现阶段，业务流程领导者对即时数据浏览的要求也在以史无前例的速率提高，便于于开展聪明的业务流程管理决策。
为了更好地使数据对她们的业务流程有效、行得通和可拓展，公司必须一种合理且经济发展高效率的方法来储存、标识和表述这种数据。完成这类目地最能够赚钱的方式之一便是选用数据仓库。
这一定义能够上溯上世纪七十年代，当电子计算机生物学家Bill Inmon初次明确提出“数据仓库”一词时，就发生了数据仓库销售市场。初期的数据仓库建立为本地服务器，其搭建工作能力仅为千兆字节。从那以后，他们经历了重特大的转型，智能化的库房可容下更高的容积。
数据仓库，也称之为管理决策适用数据库，就是指一个中间储存库，用以储存从一个或好几个数据源（比如事务管理系统软件和关联数据库）衍化的信息内容。系统软件中搜集的数据能够选用非结构型、半结构型或结构型数据的方式。随后对这种数据开展解决、变换和应用，以使客户能够更轻轻松松地根据SQL手机客户端，excel表和商业智能专用工具对其开展浏览。
数据仓库还推动了更轻轻松松的数据发掘，它是对数据中的方式开展标志，随后能够用于促进高些的盈利和销量。数据仓库领域的运用范畴超越了与剖析甚至云计算技术有关的好几个行业，在一些状况下，在其中包含保健医疗、加工制造业、电信网与IT、零售和政府部门等。
在技术领域，有几个企业在推动数据仓库技术性层面获得了长足的进步。最知名的企业之一是Teradata企业，它是一家领域领跑的数据仓库企业，在该行业有着30很多年的工作经验。Teradata手机软件被普遍用以很多领域的各种各样数据仓库主题活动，尤其是在商业银行。该企业一直专注于根据自主创新的新技术应用（包含根据Hadoop的服务项目）来提高其商业智能解决方案。
大数据和数据仓库
在当代时期，大数据和数据科学研究已经巨大地颠复公司开拓市场及其管理决策步骤的方法。跨业有着这般很多的数据，对高效率大数据剖析的要求越来越尤为重要。大数据最开始是在上世纪90年代发生的，可是这一定义能够上溯专业术语造就以前，直至计算机时代的黎明，那时候公司将应用大中型excel表剖析数据和科学研究发展趋势。
伴随着1990年代末和2000年代初发生新的数据源，他们逐渐促进了大量数据的造成。伴随着移动设备和百度搜索引擎的盛行，这类发展趋势特别是在猛增，百度搜索引擎比过去任何时刻都能够輸出大量的数据。定性分析大数据发生的另一个要素是速率。数据转化成速率越快，需要的解决就越大。因而，在2005年，Gartner企业将大数据的定义叙述为数据的3V，也就是总数，速率和类型。
伴随着数据量不断持续增长，传统式的关联数据库和数据仓库没法解决这种数据。为了更好地避开此难题并保证更高效率的大数据数据分析系统，yahoo等企业的技术工程师于2006年建立了Hadoop，这是一个Apache对外开放源新项目，它具备分布式系统解决架构，即便 在群集服务平台上还可以运作大数据应用软件。
人工智能技术，机器学习和根据云的解决方案很有可能会促进数据仓库销售市场的未来前景
充分考虑当代造成的数据量及其解决数据需要的高級基础设施建设，管理决策适用数据库在技术性和系统架构层面都遭遇着极大的发展趋势工作压力。除开几类新的数据仓库构架方式以外，还发生了很多技术性，变成当代商业智能解决方案的关键推动者，从云计算技术到数据虚拟化技术再到自动化技术和机器学习等。
根据云计算技术的解决方案是数据仓库销售市场的将来。伴随着诸多公司转为云服务平台来适用和储存其数据仓库解决方案，像amazon和Google那样的互联网公司日夜不停地专注于开发设计和代管自主创新的根据云计算技术的数据仓库。
将来两年将促进数据仓库行业发展前景的另一发展趋势是机器学习和人工智能技术适用。新的数据仓库构架将变成人工智能技术数据集的基本，而人工智能技术和机器学习将改进这种商业智能解决方案的作用和经营。这类发展趋势的一个事例是Google将机器学习融合到BigQuery数据仓库中。