什么是核心业务系统，或者什么是核心业务系统的数据库，不同的行业甚至相同行业不同规模都会有不同的定义，但我认为“理想情况下”至少是要同时满足下面的要求中的3个……

在数据管理领域，我发现尽管技术进步了，人们对数据重要性的认识也越来越强，但仍然存在一些误解。这些误解往往会导致不理想的决策和策略，从而阻碍而不是支持有效实施数据管理的能力。

本文提供了构建数据治理框架的全面指南。它概述了制定成功治理战略的10个关键步骤，并探讨了广受认可的框架，例如DGI、DAMA-DMBOK、麦肯锡和Gartner。本文还解答了常见问题，并提供了有关有效扩展和实施数据治理框架的实用建议。

2025年企业信息部门何去何从?在经营业绩的压力下持续被减员，还是维持现状继续躺平?

中国数据库正在向深水区迈进，也走到了新的发展阶段，面对AI时代的快速变革，数据库需要更前瞻地应对变化。百尺竿头更进一步，更需要行稳致远，对于现在的中国数据库而言，在这个充满机遇与挑战的时代，践行长期主义，以确保可持续发展，显得尤为重要。

除了技术产品层面，还需要关注供应商的可持续发展以及持续提供服务的能力，以及生态工具和产品文档的丰富性。

在如今的AI时代，企业对非结构化数据处理的需求日益增多。未来，支持多云、混合云，支持AI时代的数据处理，支持按需付费，支持应用敏捷，以及简化IT架构是云原生数据库发展趋势，越来越多的云原生数据库向着这些方向努力。

92%%的CIO认为，到2025年，AI技术将在他们的企业中广泛应用，其普及程度将超过任何其他技术。同时，首席信息官面临着来自首席执行官和董事会的压力，他们对AI赋能业务的期望日益高涨。

10月，IDC发布《中国云原生事务型数据库厂商技术能力评估报告》指出，尽管云原生数据库市场展现出巨大的发展潜力，但其商业化进程仍处于初级阶段……

首先就是要有批判性思维，我将告诉大家：不优化或许是最好的优化！故事从L老师的一次优化经历说起，希望给大家带来新的启发。

试想当你系统的数据库缩减到几套的时候，架构就会很简单。用数学的思维看，当只有一套时候。那就没什么架构了。大道至简！

从各种经过验证的企业数字化案例来看一个系统不可能解决企业所有的管理问题，因为每个软件公司侧重的领域不同、行业深度不同、侧重解决的场景也不同，最关键的是每个企业的管理场景也是不尽相同

这些年的技术发展可以看出，在数据库可观察性能力以及自治数据库方面，O记是一步一个脚印的走出来的，每上一个台阶都是踏着前面坚实的基础的。

在高喊"数据驱动"之前,我们还有很长的路要走。认清现实,夯实基础,找准切入点,持续改进 —— 这才是我们通向真正数据驱动的必经之路。

AI与AI的对抗，往往是道高一尺魔高一丈。像Jumio公司拥有海量的数据和先进的模型，能够让我们有机会第一个发现新出现的欺诈模式或方法，可以第一个做出反应，阻止破坏范围扩大。

在一些对响应要求比较极端的系统中，会将一些操作制定到固定的NUMA节点中，以避免内存的远程访问，这需要对CPU逻辑核心、物理核心、内存控制器配置以及自身软件设计、负载和操作系统有深入了解。

对于历史数据可以执行一次数据清洗。最好不要带着各种不同格式，在查询时候去转换。所有的工作做在前面的工序中。而不是最后一道工序撑起所有的漏洞。

我相信所有人都听说过流传的一句话——“数据是新石油”。如果真是这样，那么数据治理就是将原始数据转化为业务高辛烷值燃料的炼油厂。

建立模型的过程，远比模型本身更有价值。在建立模型过程中，会暴漏数据采集的问题，会暴漏目标混乱，思路不清的问题，会发现业务规律性，这些都能极大辅助决策，帮我们把决策拉回到客观、理性的道路上。

10月28日，OSI(Open Source Initiative)发布了首个(OSAID)开源人工智能定义，这标志着开源人工智能运动取得了进展。虽然OSAID向前迈出了一步，但由于缺乏对训练数据开放性的要求，因此留下了一个最终需要填补的空白。