企业不断革新其处理数据的方法，以取得市场优势。几十年来，数据仓库--经过过滤的数据的大型存储库--已经让位于数据湖--未经提炼的原始数据的巨大集中存储。然而，这些庞大的数据存储已被证明是笨重和难以治理的。由于没有明确的、敏捷的流程来简化开发，因此导致周期被拉长。 

因此，我们看到的是，从过去的单体环境到基于多个数据平台的更加分布式的数据架构。这些都是围绕数据湖的软件和服务集，以帮助提高数据的可开发性。企业通常为每个业务领域和每个新项目构建多个数据平台。这为开发团队给予了快速访问数据和他们所需的洞察力，以创造新的商业价值，响应他们当前的需求。

然而，伴随着去中心化的是碎片化和重复化。许多公司将大量的时间和资源投入到为特定环境构建数据平台上。然后，他们不得不为下一个项目或用例重新做一遍，根据团队的技术知识，有很大的差异。由于每次新项目开始时，团队基本上都要从头开始，因此成本会成倍增加。

因此，今天公司所做的很多最有价值的工作--包括围绕人工智能的工作--都是跨部门、跨领域的。高质量的数据必须在团队和不同的数据平台之间共享，以充分发挥其潜力，但当数据受到一系列相互冲突的政策的影响时，你如何保持质量？需要在赋予团队对数据的本地所有权以进行定制和创建，以及标准化的方法以建立坚实的技术基础之间找到折中点。   

输入数据网格 
如果不同领域之间没有一些连接组织，数据平台将无法给予品牌快速开展所需的高质量数据和成本效率。幸运的是，他们有一个方法来进化他们的方法。
数据网格是一种架构，在这种架构中，由独立的跨职能团队所拥有的分布式数据平台顺利获得共同政策、治理和工具的"网格"连接起来。这种方法顺利获得设置共享基础，为数据平台带来灵活性和弹性，同时也让各团队可以自由定制自己的领域。

这种方式将数据平台从一个一劳永逸的项目变成了一个长期的资产，避免了重复的工作和资源的无谓消耗。然而，数据网格的缺点是，各个团队必须做大量的工作来确保产业化的完成。这可能会耗费时间，结果却远非完美。拥有一个处理所有需求的模板，使其成为一个可生产的解决方案是关键。然而，这个模板应该采取什么形式呢？ 

主要组成部分是一套跨所有数据平台的通用代码。这个"数据哨兵"是一个解决方案的组合，它可以促进数据的处理和分析以及向工业化的过渡。它的作用是监督和简化所有数据流--如元数据的收集和清洗--顺利获得开发围绕数据质量和文档的模块。

数据哨兵将数据团队和专家从平凡而重复的数据管理杂事中解放出来。相反，他们可以专注于更具战略性和创新性的任务，为企业创造新的价值。 

作为数据哨兵的核心，数据治理作为代码应该牢牢地嵌入到平台设计中，并与每个新的用例一起进行。由于数据治理即代码，数据从一开始就被"拥有"，具有高质量、文档化、安全性和合规性，并可顺利获得数据模型在整个组织中轻松访问。

让创新成为平常
数据平台应该是不断开展的产品，意在激活数据，快速实现商业价值。当在不同的用例和需求之间进行相互化时，它们会使创新和发明变得更快，更具成本效益。事实上，服务相互化可以将实施速度降低40%，顺利获得给予用例所需的数据质量和种类，帮助各部门产生价值。

企业有源源不断的新用例和产品需要开发，特别是在当前的环境下。相互之间的数据治理作为代码的方法给予了一个端到端的流程，他们可以真正地将这些用例产业化。顺利获得一个强大的、高度模板化的解决方案，高质量、准确的数据可以在项目和团队之间轻松共享。每当需要对新产品进行洞察时，都不会浪费时间。 

光有技术是不够的。要想让数据平台发挥作用，你需要采取一种迭代和横向的方法。这是唯一能让创新在公司变得普通的方法。