尽管数量和复杂性都有所增加

但企业仍意识到数据在制定决策中的重要性，并且他们正在投入更多的时间，工具和人员来管理数据，随着技术的进步，以满足新的数据需求，它也为业务增长和运营效率创造了新的机会领域。例如，如今，某些技术已经实现了自动查询优化，而机器学习算法则帮助实现了多种手动功能的自动化。技术的进步甚至开始让数据仓库进行自我调整。此功能加快了数据仓库为企业提供价值的速度，随着机器学习的发展以及云中近乎无限的存储和计算能力的可用性，我们正迈向一个令人兴奋的新时代：自适应数据仓库的时代。

走向自适应数据仓库

幸运的是，计算能力和内存已经发展到了机器可以处理更大，更复杂的数据集的地步。数据仓库可以大大减少公司数据的价值化时间，并使数据管理流程更高效，结果许多企业正在转向基于云的数据仓库即服务，在这种服务中，企业可以近乎实时地访问和查询其数据，而不会产生存储，管理和维护本地解决方案的成本，数据中心，这一转变还将工作量调优活动（成功的数据仓库的关键部分之一）从人工内部活动转变为服务产品的一部分，借助自适应数据仓库，调优不仅是服务产品的一部分，而且可以通过机器学习逐渐实现自动化，数据的规模和数量不是限制因素。相反，这是一个优势，可以帮助您更快地识别模式，并在正确的时间将正确的数据传递给正确的人。

数据仓库将类似于其他智能应用程序

这些应用程序将数据驱动的可操作见解整合到用户体验本身中，与移动应用程序更新一样，数据仓库即服务已发展到终用户完全看不到系统升级和补丁的地步，从更广泛的角度来看，向自适应数据仓库的迁移补充了整个行业向敏捷方法的转变，在该方法中，企业通过定期部署增量改进来更快地获取价值，在软件世界中，敏捷方法可帮助开发人员以少的可行产品更快地将产品推向市场，在数据仓库世界中，自适应系统可帮助企业以更少的人工干预更快地获得见解，随着数据量的增长和执行更多的查询，自适应数据仓库将根据其必须分析的其他输入提供指数级更好的结果。

随着自适应数据仓库时代的来临，那些做出转变的企业将面临三大关键优势

好处1：享受更快的速度和敏捷度

自适应数据仓库将以方式为每个用户加载，处理和显示数据，而无需人工干预，从而更快地提供更多业务价值。自适应数据仓库将更快地分析以前无法访问的较大数据集，而无需为原有的本地平台进行数月的准备和计划。借助自适应数据仓库，可以加载数据并立即开始对其进行分析，而无需花费时间进行调整。

好处2：更快地预测模式并优化查询

机器算法所接触的数据越多，识别模式的速度就越快，越准确。也就是说，需要大量数据才能得出具有统计意义的准确结论。数据仓库在此领域具有优势，因为它们可以查看来自数十个来源的数据以及潜在的数百万个查询。利用这些输入，自适应数据仓库将预期将来的用户查询（与自动填充完成常见搜索的方式大体相同），甚至根据过去的查询模式建议重写查询。自适应数据仓库还将自动提供智能查询重写  ，引擎确定数据的哪个视图将为每个查询向每个用户提供快的结果。

好处3：自动化的数据组织和优化的工作负载

正如任何数据库管理员所能证明的那样，确定如何索引和组织数据以实现的一致性，性能和可访问性是旧平台中的挑战。过去，从数据仓库中获取性能和价值需要花费大量时间和精力进行规划和维护。

自适应数据仓库将使数据的组织自动化从而消除了设计数据组织所需的手动工作

消除这些复杂，容易出错的手动任务，为数据库管理员和架构师提供了一个机会来专注于更广泛的战略数据管理计划。

自适应数据仓库还将优化工作负载

过去，当多个用户同时访问一个非常大的数据集时，旧数据仓库无法轻松优化所有查询和响应时间。但是具有基础机器学习算法的自适应数据仓库可以确定如何地组织各种工作负载的计算资源。这包括自动缩放计算以在使用量意外激增时支持增加的并发性，并保持一致的服务水平。自适应数据仓库将自动组织数据和计算能力，从而为每个用户提供性能，并化其可以同时执行的工作负载的数量和类型。

快速发展的规模和种类繁多的企业数据

曾经是数据仓库专家所关注的，正迅速成为减少价值实现时间的关键资产。通过利用大规模数据集和查询历史记录，自适应数据仓库将更快地识别模式，预测用户需求并优化查询，视图和工作负载，迁移到自适应数据仓库代表了数据仓库发展的下一阶段，但从根本上讲，它是对任何数据仓库真正价值的回归–帮助企业更快地从其数据中获得更多价值。