随着企业越来越多地使用云原生数据库，企业陷入了数据复杂性的海洋。 那么，自我识别数据能解决问题吗？

这并不是说数据和数据库的获取和运营成本一直很高。 只有这一点是公共云的主要优势。 借助按需云计算基础架构的美好世界，企业可以在大约一天内从“需要数据库”过渡到“拥有数据库”。

但是，获得云的原生数据库和建立新的网络数据库的便利性会引起数据的复杂性问题，但也存在一些主要缺点

通常，对所有企业数据及其数据场景没有共识。 数据仍然是孤立的，不如10年前企业进入公有云的旅程。

现在面临着缺乏安全措施等意想不到的结果，数据管理甚至需要了解利用“单一事实来源”所需的内容。

各公司都有正在进行中的项目来解决数据复杂性问题，包括开放数据云的链接。 链接的开放数据云提供松散耦合的数据、信息和知识集合，世界各地任何能够访问互联网的人或机器都可以访问。 目的是创建Web提供的抽象层。 使用SPARQL查询语言或SQL提供基本复杂的面向搜索的访问，并提供对结构化和非结构化数据的访问，方法与网络启动后访问网页以获取图像和文本页的方法相同。

当然，各种技术提供商也提供解决方案，包括主数据管理、数据虚拟化和其他能够改进和管理复杂数据的技术。 这意味着无论是否是云，都在数据库之外提供数据语义和元数据管理。

我们现在知道，这种处理云计算、跨云或混合云数据库管理的方法无法很好地应对增长和老化。 考虑到创新的快速步伐，在当前和不久的将来或将来的需要中，数据将更加复杂，包括技术多样化。

尝试使用当前使用的方法和工具会增加复杂性，直到系统最终因重量而崩溃。 在今天的数据中心，“他们在想什么？ ”请考虑一下问的原因。 的工具数量确实，他们的想法包括寻找战术解决方案，最终不会提供他们提供的价值，有时会提供负的价值。

但是，考虑到如何解决这个问题，一个方法似乎一次又一次地出现。 这是最有可能的解决方案。 确实，它被各种学术界广泛采用。 这是自我识别数据的概念。

但这里的想法是将更多的智能与数据一起嵌入，更多地了解数据本身，从而将自主数据概念向前推进一大步。 无论数据存储在哪里，或者在哪里寻求信息，人们都拥有关于数据本身可用数据使用情况的全部知识。 如果人们以同样的方式实现这个概念，数据的复杂性就会增加20倍。

独特的价值如下。

任何企业的最终目标都是利用企业拥有的所有数据，让企业中任何需要它的人都能访问和获得洞察力，并利用这些洞察力更有效地运营业务。

随着自动化的发展，数据团队将能够处理更高级、更有价值的问题。 他们可以集中于数据而不是数据平台，从而实现数据的成功。

这是复杂的数据管理需要解决的中心问题。 自识别数据提供了解决数据复杂性问题所需的详细信息。

要实现这个目标，需要完成很多工作。 我不知道我们有那么多时间； 如果错过这些事情，就会影响今天云计算的使用效率。 是开始工作的时候了。