自研并不等同于每一行代码都是自己写的，我不太认同一些国产数据库厂商所宣称的每一行代码都是自己写的，因为这种做法太浪费有限的资源。

很多同学总觉数据分析做得不深入，到底该怎么做?今天结合一个具体的例子，分享下如何做一个深入的数据分析项目。

国外商用数据库产品确实享受到了中国信息化发展的红利，也助推了中国信息化的发展。从时间线上看，国产数据库起步比Oracle进入中国整整晚了10年

当前大部分传统企业生存艰难，数字化建设也进入“低迷期”，相比早几年的蓬勃发展当前显得日常冷清，“从缩减预算到维持现状再到团队优化，我们企业的数字化经历了过山车一般的感觉”

利润率是数据库产业最为头痛的问题，低利润率会导致做一单赔一单，这种情况，只有在企业创建初期，完全靠资本支撑的时候才能够维持。

OneID主要解决用户身份的统一映射和标识问题。手机上多个app，app启动时，会根据app联网上报的设备相关信息，如何识别到在用这些app的用户是同一个人。

对于任何希望在数字时代保持竞争力和合规性的组织来说，数据治理都是必不可少的。虽然存在确保数据质量、隐私和员工参与度等挑战，但技术的进步和量身定制的治理框架的开发提供了解决方案。

Gartner 在去年预测，向量数据库的采用率即将大幅上升，预计到 2026 年，30%% 的企业将把向量数据库集成到其生成式AI模型中。

“降本增效”是数字化建设永恒的重要目标之一，在建设初期企业都会有一个想象中的美好，但实际执行下来可能出现的情况是：短时间内会带来新的管理混乱，又可能会增加额外的人力成本，为什么会如此?

进入国产数据库时代，技术堆栈发生了巨大的变化，不过高可用这个问题在国产数据库时代并不会弱化。我们依然需要为国产数据库构建类似Oracle HA/RAC/ADG/OGG等高可用架构以保障业务系统的安全运行。

企业数字化转型建设的本质是什么?是服务于企业的业务，还是服务于领导?这对软件公司来说是一个艰难的选择题。

深圳计算科学研究院首席产品官/崖山科技副总裁王南认为中国数据库市场将迎来“后战国时代”。在第15届中国数据库技术大会(DTCC2024)上，特邀嘉宾薛晓刚老师与王南进行了深度对话，讨论“后战国时代”中国数据库技术与商业化出路。

杨冰认为，单一、结构化、静态数据架构的时代已经一去不复返。当今的业务由海量复杂的并发数据、动态和静态数据、多种形式的数据以及不同质量和信任程度的数据驱动，同时对数据价值的分析挖掘能力要求愈发凸显，数据库体系的变革正在呼之欲出。

Data Fabric 利用其敏捷特性彻底改变了我们管理和利用数据的方式。它为数据集成、情境化和有意义的数据产品提供了全面的框架，确保了真实性并增强了协作。

不管数据库的技术如何先进，最终的目的是更好地解决用户应用中的问题，不为了解决用户痛点而泛泛地谈技术都是耍流氓。

每个用户对数据库的需求不同，每个企业对数据库产品的追求不同，因此对这个问题有不同的看法也很正常。我们作为外行的看客，也只能看个热闹而已，数据库企业都有自己的初衷和苦衷，对于他们的选择，多鼓励，少挖苦吧。

近日，第十五届中国数据库技术大会（DTCC 2024）在北京隆重召开。会议期间，大会特邀数据库领域专家韩锋与华为云数据库业务CTO苏光牛做客采访间，进行了一场深入的访谈，双方围绕国产数据库发展趋势、国测标准、成功实践等方面展开探讨。

一谈起企业数字化转型建设，就不得不说一下信息部门，在整个数字化建设过程中不同的企业由于对数字化认知的不同，信息部门要么被重视，要么被边缘化

在分布式数据库大行其道的那些年，在一次沙龙上，一个朋友说，分布式数据库入门门槛不高，做好极难，让用户能用好分布式数据库，需要厂商有极强的服务能力，不是小公司能干的。

9月5日，在2024 Inclusion·外滩大会上，由蚂蚁集团、上海交通大学、复旦大学联合主办的“从DATA for AI到AI for DATA”见解论坛召开，产学研代表深入探讨了在AI时代数据价值的转变，中国工程院院士、清华大学计算机科学与技术系教授郑纬民，昆仑万维 & 天工智能首席科学家、新加坡工程院院士颜水成参会，分享了数据技术的变化趋势及与AI技术的融合。