本文為您介紹資料分析的技術發展趨勢和市場趨勢。
技術發展趨勢
商務資料庫起步於二十世紀八十年代，主要代表為Oracle，SQL Server，DB2等結構化資料線上處理的關係型資料庫，而以MySQL，PostgreSQL為代表的開源關係型資料庫也在二十世紀九十年代得到了發展。
近些年來，隨著業務資料量的增多，企業需要能夠對資料進行分析，助力商業決策，更好地發揮資料價值，而傳統開源及商業關係型資料庫通常為單機版，在海量資料分析情境下擴充能力有限，效能無法滿足需求。以Teradata，Oracle Exadata為代表的數倉技術陸續出現，具備了較好的分布式橫向擴充能力。
Teradata、Exadata都是以一體機形態輸出，對硬體有特定要求，整體價格昂貴，通常面向傳統金融，交通，能源等大企業。隨著Google等互連網企業崛起，以Hadoop為代表的基於傳統x86伺服器叢集的巨量資料技術迅速發展，同時開源分散式資料庫如Greenplum等也成為相應替代方案，為廣大中小企業，尤其是互連網行業大大降低了資料分析的技術和成本門檻，還有分布式技術也得到進一步發展和普及。Hadoop也在早期的MapReduce介面基礎上增加了SQL介面，SQL文法逐漸成為巨量資料分析系統的標準配置。
隨著AWS，Azure，Alibaba，Google等雲廠商的出現，雲原生分布式資料倉儲成為目前資料分析技術的主要解決方案，代表性雲端服務包括Amazon Redshift，Snowflake，Alibaba Cloud AnalyticDB，Google BigQuery等。這些雲原生資料倉儲技術分別起源於資料庫和巨量資料，提供標準SQL介面和ACID保證，底層儲存通過Share Everything或Share Nothing實現資源集區化和橫向擴充能力。資源隔離，資料共用是目前業務應用對雲原生資料倉儲的普遍需求。
綜上所述，資料分析技術趨勢主要包括：
- 雲原生分布式：無論是OLTP還是OLAP，如今單機資料已無法滿足企業業務和資料快速增長的需求，分散式資料庫成為主流，同時資料庫市場未來主要在雲上（"Gartner: The Future of the DBMS Market Is Cloud")，雲原生架構與特性成為雲資料庫的必要條件。
- 儲存計算分離：雲端運算的本質是資源高效池化，而資料庫的兩大核心組件是儲存和計算。通過儲存計算分離，做到兩者解耦，資源集區化，獨立擴充，滿足業務上資源隔離，資料共用的需求，是當下的架構趨勢。
- 計算分析一體化：傳統資料分析方案是定期從OLTP系統抽取資料同步到OLAP系統，有些可以做到准即時同步。該方案帶來的問題是部署複雜，即時性低，資料冗餘和高成本。理想情況是一套HTAP系統同時提供計算和分析。
- 巨量資料與資料庫一體化：早期巨量資料技術以犧牲一定程度一致性為基礎提供分布式能力，解決了傳統單機資料庫的擴充性不足問題，在MapReduce基礎上提供了標準SQL介面，架構上也逐步採用了部分MPP資料庫技術；另一方面，分散式資料庫也快速發展，融合了部分巨量資料技術和儲存格式，在擴充性層面獲得了很好提升。在資料分析情境，兩者解決的都是相同問題。
市場趨勢
資料規模高速增長（全球2010-2025年複合增長達到27%，中國則大於30%）帶來了強勁的資料分析需求。據Gartner統計，到2025年即時資料佔比達30%，其中非結構資料佔比達80%，同時資料存放區雲上規模達45%，而雲上資料庫規模可達75%。
從數倉分析市場增長來看，據Global Market Insights分析，2019-2025全球年複合增長超過12%，中國則大於15%，其中主要市場需求來自金融，互連網，製造業，政府，新零售等行業。
阿里雲資料庫
阿里雲從成立之初就對資料庫和資料分析進行技術投入，一方面很好地服務了阿里巴巴經濟體內各個業務情境，另一方面也通過阿里雲平台對外輸出服務各個行業。通過持續投入和積累，阿里雲從2020年開始，連續三年榮獲Gartner雲資料庫管理系統魔力象限全球領導者稱號。
在資料分析關鍵能力層面，下圖為雲原生資料倉儲AnalyticDB PostgreSQL版在《2020 Gartner Critical Capabilities for Cloud Database Management Systems for Analytical Use Cases》中的得分排名。
