信息管理行业发生了重大动荡，数据的同时也提供了一个单一的平台服务于整个组织的所有数据需求的能力，数据湖计划的目标是从企业内所有已知系统中提取数据并将其存储在此中央平台中，以满足企业范围内的分析需求，数据湖计划已经失败或将要失败- 与数据湖相比，这更多的是数据沼泽，我们如何防止这种情况？企业面临的数据挑战，导致数据湖泛滥的原因，讨论了强大的数据提取框架的特征以及它如何帮助使数据湖变得更加敏捷，在多个客户参与方面建立了这些强大的提取和转换框架，以构建其企业数据湖解决方案。

在过去的几年中，软件行业流行的一个术语是无服务器计算，通常更称为“ 无服务器 ”。那是什么意思呢？简单的形式是，无服务器体系结构是一种计算模型，其中服务提供商根据服务水平协议（SLA）动态管理计算资源的分配，仅在所需时间提供和运行资源，而无需终用户参与。

部署成功的技术解决方案（尤其是在数据管理中），不仅需要安装软件并编写工作（或多个工作，在某些情况下还需要数千个工作）并运行这些工作。如果您正在采取新的数据管理计划，使用容器和无服务器技术进行部署，从传统数据源迁移到Hadoop或从本地迁移到云，那么您可能正在陌生的环境中航行。

我们希望获得有关公司如何获得真实答案的信息。正在迁移到云，特别是随着近云数据仓库技术的兴起。例如，我们想知道迁移到云数据仓库（CDW）是否被视为数字化转型的关键驱动力。哪些用例正在推动CDW的采用？云数据仓库是否可以帮助公司变得更加数据驱动？我们听取了反馈意见，并在与TDWI的报告中将结果分为了三个关键领域，包括进展，挑战和下一步。

我看到组织在开始数据治理之旅时犯的一个大错误是忘记了数据背后的原理，因此不要只管治，无论您需要小化风险还是化收益，都可以将数据治理项目链接到清晰可衡量的结果，由于数据治理是一项非部门的计划，而是整个公司的计划，因此您需要从一开始就证明其价值，以说服确定优先级并分配一些资源。

这是讨论如何成功构建受管数据湖的一系列博客的第二部分，对于所有阅读部分的人，谢谢！如果您还没有阅读它，我们请您先阅读它，然后再继续，因为第二部分将在此基础上进一步深入，在本博客中，我们将帮助您了解如何使用元数据驱动的体系结构和框架，通过适当的治理来构建成功的数据湖。