为了使这些数据可用，许多组 需要专家资源 织通过实施上述 及其各种建模覆盖来发展，例如 三角洲湖 或者 数据保险库，采用轻量但必要的结构，至少足以确保可审计的合规性要求（例如 ）以及在未来需要时能够在其来源和发起时间的上下文中访问数据。但是，即使应用于原始数据，额外的建模也会带来开销和成本。 构建这些复杂的模型，而包 需要专家资源 括业务主题专家在内的大型团队需要接受复杂概念的培训，因为即使将数据输入数据库，仍然需要额外的建模才能使其可用于业务，而集中式数据团队不可能理解所有领域数据，以至于使其可用。
因此，有了数据保险 需要专家资源 库（或类似）建模的数据湖（房屋），我们至少可以不丢失任何数据，尽管代价是更高的成本。然而，我们仍然面临第二个挑战，那就是静态存储在湖屋中的数据无法实现实时用例。有没有办法通过在现代数据架构中再迈出一步来解决更高的成本和无法灵活适应实时使用的问题？
抛弃单体架构，采用
答案当然是肯定的。正如不断变化的业务 摩洛哥 手机号码数据 需求要求我们找到一种方法来确保所有数据湖数据无论何时访问都是可审计和可用的，对实时数据不断增长的需求要求我们 人工智能驱动的网络安全激活 摆脱不支持实时用例的单片架构。
等等
搬走？许多组织甚至还没 达荷美铅矿 有能够建立数据湖，更不用说进入下一步了。好消息是，在这种情况下，摆脱单片架构是附加的。数据仓库数据湖数据湖屋仍然非常重要，因为需要静态数据来实现报告、、 和大数据分析。然而，进行架构更改以增加处理动态数据的能力（而不仅仅是使用流式传输进行提取），可以：