2023年是采用生成式人工智能和基础模型的一年。然而，当组织争先恐后地将生成式人工智能引入他们的工作流程时，他们意识到整理数据事务的重要性。

虽然公司一直了解高质量数据在商业成功中的作用，但生成式人工智能的崛起加强了它的价值，确保它成为每个人关注的焦点。现在，我们正迈向2024年，预计将带来更多关于的生成式人工智能的故事，领先的行业专家和供应商分享他们对未来几个月数据生态系统不同方面演变的预测。

关系型数据库将摆脱SQL的束缚

“无论是利用现代边缘计算、物联网还是生成式人工智能应用来发展业务，企业在2024年都有着大胆的计划。所有这些计划都依赖于对企业数据的安全访问。对于许多公司而言，支撑这些应用的数据基础设施仍然停滞不前。许多组织继续依赖于过时的运营数据库，这些数据库是为了应对几十年前技术的需求而建立的。

SQL是一种缺乏对过程逻辑标准化方法的数据库语言，对于大多数应用程序来说，这些逻辑是内嵌在连接到SQL数据库的应用服务器中，并使用有状态的、持久的会话。这种SQL的设计方法在50年前是有意义的，但对现代的无连接云服务来说，它是一个痛苦的遗产。它通常要求应用代码和数据库位于同一数据中心区域，这严重阻碍了对企业至关重要的无服务器或地理分布式应用，例如物联网和边缘计算应用……

展望未来，我们将看到企业采用更敏捷的数据库基础设施，支持现代应用在物联网、边缘计算和人工智能领域的分布、一致性、可伸缩性和灵活性。随着传统数据库的局限性变得越来越沉重，对企业开发者来说将更加昂贵，这将成为商业创新步伐的一个更大的瓶颈。”

– Bob Muglia，Fauna执行主席，Snowflake前CEO

矢量数据库将成为最受追捧的技术

“到2024年，矢量数据库将成为最受追捧的技术。在数据驱动洞察力孕育创新的时代，由于其在处理高维数据和促进复杂相似性搜索方面的能力，矢量数据库迅速获得了重要性。无论是推荐系统、图像识别、自然语言处理、财务预测还是其他以人工智能为驱动的项目，了解顶级矢量数据库对跨行业的软件开发至关重要。”

“随着新应用从头开始与人工智能一起构建，矢量数据库将在技术堆栈中发挥越来越重要的作用，就像应用数据库过去所做的那样。团队将需要可伸缩、易用且操作简单的矢量数据存储，因为他们寻求创建具有新的大型语言模型（LLM）驱动功能的人工智能启用产品。”

– Ratnesh Singh Parihar，Talentica Software首席架构师，以及 Avthar Sewrathan，Timescale AI和矢量总经理

在企业数据湖中捕捞大型语言模型（LLM）的金矿

“关于平均企业储存多少信息的统计数据绝不缺乏——对于大型企业来说，这个数字可以达到数百PB。然而，许多公司报告称，他们挖掘的信息量不到一半（主要是结构化数据）用于可操作的见解。到了2024年，企业将开始使用生成型人工智能利用这些未开发的数据，通过构建和定制LLMs来发挥作用。借助人工智能超级计算能力，企业将开始开采他们的非结构化数据——包括聊天、视频和代码——以扩展他们的生成型人工智能开发，训练多模态模型。这一跃进超越了开采表格和其他结构化数据的能力，将使公司能够提供更具体的答案以及发现新机会。这包括帮助检测健康扫描中的异常情况，揭示零售中的新兴趋势，以及使商业运营更加安全。”

– Charlie Boyle，Nvidia DGX Systems副总裁

没有足够复杂自动化来支持人工智能的公司将感受到压力

“随着企业实施人工智能以保持竞争优势，许多公司将更深切地感受到他们混乱的数据基础设施的影响。当赌注从仅仅在仪表板上提供错误信息上升到可能基于那些数据自动化错误的决策和行为时，坏数据（或数据不足）的影响将加剧。那些没有强大数据基础设施和治理、将生成型人工智能用于关键任务环境的公司迟早会因精度损失而受苦。”

– Sean Knapp，Ascend.io首席执行官

Cloud FinOps团队将优化数据管道 

“面对今年云计算开销失控的现实，在2024年，真正的跨组织合作将成为确定不必要支出的必需品，财务和工程团队将发挥关键作用。在Ascend的年度研究中，48%的受访者计划优化他们的数据管道以减少云计算成本，其中89%的受访者预计在接下来的12个月中管道数量将增加。明年将是至关重要的一年，需要利用那些能够指出数据管道中额外支出发生地点的平台，并快速展示成本优化，以避免来自上方的误导性指令。”

– Sean Knapp，Ascend.io首席执行官

意向数据将成为市场团队的必备品

 “到2024年，意向数据将不再是市场团队的‘可有可无’。随着公司努力协调销售和市场营销工作，通过从意向数据中的行为数据分析来预测客户需求的能力将变得越发重要。随着人工智能每年变得更加复杂，我们预计会继续从被动转向主动的客户参与，提升转化率并培养长期的客户忠诚度。”

– Henry Schuck，ZoomInfo首席执行官

数据团队和业务团队将因引入人工智能产品而爆发冲突

“虽然业务用户对像ChatGPT这样的人工智能产品的需求已经激增，但数据团队仍将施加一大堆清单，才允许访问公司数据。这种情况可能是一个促进平衡的强制功能，而且随着人工智能证明其可靠和安全，采用可能会更早到来。

此外，企业将优先考虑清洁数据集，以赶上人工智能驱动分析的潮流。清洁数据集将作为成功实施人工智能的基石，使企业能够洞察有价值的信息并保持竞争力。”

– Arina Curtis，DataGPT首席执行官兼联合创始人

企业将受到实时和人工智能的双重冲击 

“人工智能驱动的实时数据分析将为企业带来前所未有的成本节约和竞争情报，通过自动化，使得软件工程师能够在组织内更快地移动。例如，保险公司存储了TB级别的数据在他们的数据库中。到了2024年，我们将能够实时处理这些文档，并从这些数据集中获得良好的情报，而无需编写自定义模型。

到目前为止，软件工程师需要编写代码来解析这些文档，然后写更多代码来提取关键词或值，然后将其放入数据库并查询以生成可操作的见解。由于实时人工智能的帮助，企业将获得巨大的成本节约，因为他们不必雇佣很多员工就可以从数据中获得竞争价值。”

– Dhruba Borthakur，Rockset首席技术官兼联合创始人

知识图谱将帮助用户消除数据孤岛

 “随着企业继续将更多数据移至数据云，他们在云中收集了成百上千甚至数以万计的数据孤岛。知识图谱将轻松驱动语言模型，通过利用各种数据来源之间的关系来导航云中存在的所有数据孤岛。有了这个，在新的一年里，我们将看到一系列成熟和新颖的基于知识图谱的人工智能技术出现，这些技术支持智能应用的开发。”

– Molham Aref，RelationalAI首席执行官兼创始人

人工智能将改变当前的数据管理方法

 “企业正在意识到人工智能有助于贡献他们的整体价值主张和竞争优势。为了实现这一点，人工智能需要在不同类型的数据上进行训练和处理。一些数据是公开的，但大量数据是消费者个人信息或特定于组织的知识产权。公司将发现他们需要在保护人工智能模型所使用的数据的同时，利用这些数据支持有价值的决策，找到平衡点。这些创新的数据管理解决方案将继续与监管合规和新出现的法规同步发展。”

— Osmar Olivo，Inrupt产品管理副总裁

 首席数据官的角色将是成为CIO的前提

“到2024年，对于有抱负成为CIO的人而言，将有一个新的、确凿的职业路线被开辟出来——成为并在首席数据官这个职位上表现出色。在过去几年中，首席数据官已从一个低预算的咨询角色演变成帮助企业充分利用他们数据的关键资产。随着越来越多的组织投资于人工智能和云计算，以民主化他们的数据并激发创新，首席数据官处于控制位置 - 并且比以往任何时候都更接近CIO和业务的成功。寻找优秀CIO的组织将选择那些真正了解数据如何移动、流动以及影响组织的候选人，这意味着首席数据官在追求那条职业道路上将具有天然优势，并继续在企业中发挥极大影响。”

– Heath Thompson，Quest Software总裁兼GM