在接下来的十年中，电信领域将通过解锁和利用数据的全部潜力，在空前的规模、速度和智能上得到塑造。作为一个值得信赖的合作伙伴，我们观察到，在电信行业中，庞大的Hadoop架构和本地平台如何随着数据量的扩大和新用例的出现而快速变得脆弱o
除了数据量的扩大，跨领域、平台和模式的数据碎片化也是不可避免的结果。独立网络领域元素、服务保证引擎、客户体验代理以及其他类似系统产生了特定于领域的孤岛，这可能会延迟通信服务提供商(CSP)所寻求实现的高度多代理操作。
在数据管理层中，挑战在于管理来自不同来源的高容量数据流的集成，安全完整地治理数据的移动和转化，并使这些数据处于一种为多种消费者准备好的状态，特别是那些将应用各种人工智能(AI)技术的人。
因此，需要对CSP数据管理架构进行战略性增强——一种从设计上就能原生预测领域碎片化的架构，强制无缝和安全的数据交换，并确保从第一天开始就为多代理系统做好准备。
本文件捕捉了思想领导力和一个真正未来-proof的数据管理参考架构，该架构具有弹性缩放、支持无缝数据集成、可以以混合方式部署，并专为AI原生智能和自主网络及操作而设计。
行业趋势
随着网络的不断增长，数据量的增长继续超过预测。
电信运营商已有数据管理架构，但成本较高，因为大型数据集通常在不必要的数据传输和存储中操作。
电信行业当前不断增长的数据需求带来了两个问题。
管理大量数据将继续是重要且不可避免的，但这是一个众所周知的工程问题。然而，一个不常见的问题是从多样化的来源策划数据的能力，以确保其高效和适当的使用。
技术趋势
在技术趋势方面，最明显的推动力是人工智能的使用增加，包括代理人工智能、机器人技术和与人工智能相关的自动化。人工智能的使用要求更高的数据质量和数量，这意味着更好的数据治理、集成的数据集以及关系的表达。人工智能还进一步推动了使数据更易于访问的需求，这是建立数据架构的重要驱动因素，使得通过集成目录和其他联合服务实现统一的数据访问方法成为可能。
本文来自知之小站
报告已上传百度网盘群，限时15元即可入群及获得1年期更新
（如无法加入或其他事宜可联系zzxz_88@163.com）
