虽然数据处理、数据存储、数据治理和数据安全都属于数据管理的一部分，但其中任何部分的成功都取决于公司的数据架构或技术堆栈。 公司的数据基础架构搭建了一条用于获取、处理、存储和访问数据的管道，这一步要通过将这些系统集成在一起来完成。 数据服务和 API 将来自原有系统、数据湖、数据仓库、sql 数据库和应用程序的数据整合在一起，提供了业务绩效的整体视图。
数据管理领域中的各个部分都在经历巨大的变化。 例如，从本地系统到云平台的转移是目前该领域最具颠覆性的技术之一。 与本地部署不同，云存储提供商允许用户根据需要启动大型集群，且只需要为指定的存储付费。 这意味着，如果您需要额外的计算能力以在几小时而不是几天内运行作业，那么可以通过购买额外的计算节点在云平台上轻松完成此操作。
向云数据平台的这种转移也促进了流式数据处理的采用。 诸如 Apache Kafka 等工具可提高数据处理的实时性，支持消费者订阅主题以在几秒钟内接收数据。 但是，批处理仍然独具优势，它在处理大量数据时效率更高。 虽然批处理遵循设定的时间表，例如每天、每周或每月执行，但它非常适合通常不需要实时数据的业务绩效仪表板。
该领域中的变革只会持续加速。 最近，逐步兴起的数据架构可帮助应对这些数据系统的复杂管理。 数据架构 利用智能和自动化系统促进各种数据管道和云环境的端到端集成。 随着此类新技术的发展，我们预计业务领导者将获得更全面的业务绩效视图，因为此类技术支持跨职能部门集成数据。 人力资源、营销、销售、供应链等数据的统一能让领导者更好地了解他们的客户。