数据虚拟化是一种业务可行性技术，将不同的数据库连接起来，使它们的业务运营与数据集成流程变得更加灵敏。

    一般情况下，企业主要运用提取、转换和加载（即ETL）工具等数据集成技术，从交易系统中获取数据，将其移植于数据仓库中以作BI和分析用途。然而，对于需要实时或接近实时决策制定的应用程序，从ETL数据仓库中获得关键业务信息的效率很高，看起来就像将驾驶着Alfa Romeo系列一Spider赛车的Lewis Hamilton送上国际汽车大奖赛。上世纪六十年代的招牌赛车看起来非常时髦，但有可能因为其速度跟不上时代发展，而失意于一级方程式赛车的赛场上。

    ETL流程所面临的另一项挑战是企业日益构建的更多的数据源。比如，制药业中就普遍存在着这样的压力。每年都有上亿吨的药物投入到研究开发中，企业争先恐后地求新求变，以获得更高的市场份额。数据就是制药商的命脉，而且永远都有分析不完的数据。

    瑞士诺华制药公司的信息工程咨询师Fatma Oezdemir-Zaech解释，她的IT团队是研发部门的坚强后盾。研发部门有着难以计数的不同数据源，其中包括大量的医药出版商、商业数据源以及国际系统数据，需要依靠她们进行提取。“我们的团队在ETL运用方面有着丰富的经验技术，我们还有半自治化的方式来对数据进行处理，但涉及的数据源越多，所花费的时间也就越多。”

    英国数据虚拟化公司Denodo的区域总监Gary Baverstock提到，传统数据仓库还没有过时，只不过随着日益增长的实时处理与业务灵敏性需求，企业越来越重视外部数据源的优化，IT高管们都在寻求更好的方式将数据传送给业务用户。

    数据虚拟化使数据各得其所

    此时，数据虚拟化出现了。它拥有一个可置于企业应用程序、数据仓库、交易数据库、门户网站及其他数据源之上的提取层，能使企业在无需创建存储信息备份的环境下，对来自不同系统中的数据进行整合。这样一来就省去了从源系统中复制数据或移除数据的麻烦，减少了IT人员的工作量，也降低了数据出错的几率。

    数据虚拟化还支持在源系统中交易数据更新的写入，这也是拥护者们看中这项技术的优势之一。正因为如此，数据虚拟化才会从数据联合与企业信息集成（EII）技术中脱颖而出。后两项为更早推出的类似技术，同样为了简化不同源阵列的数据分析流程。

    美国Forrester研究所的分析师Brian Hopkins认为，尽管三种技术在性能方面都有相似之处，甚至有时被视为“换汤不换药”,但是EII技术提供的是一种数据阵列与报表的只读处理方法。

    其实，早在十年前就有数据联合了，其产生的用意本在于取代ETL工具和数据暂存区，不用再建立新的数据市场。可惜评论家认为数据联合从一开始就带有重大缺陷，它只能与巨型数据套件匹配，且其运行环境需要极为复杂的数据转换。更有甚者，很多人都认为数据联合与面向服务架构（SOA）的粘附性很强。

    Baverstock说：“SOA提供的好处有很多，比如避免企业IT架构中的信息孤岛。但随着经济走向的变化，企业更加注重快捷的成效，于是这些极度复杂的IT程序逐渐‘失宠'.”

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。