在近十年间，特别是经历了这次金融衰退之后，企业想要做出正确的业务决策就必须需要大量的数据。然而，拥有数据但不进行整合，业务质量也会持续下降。数据集成不但可以带动销售和盈利，而且还能提供透明性、隐私与安全性。

　　信息的需求在不断增长，数据集成的道路也在延伸。在本文中，我们将介绍重要的数据集成趋势。

　　业务需要越来越多的数据

　　业务对信息的需求量正处在空前的高度。它们需要准确的实时信息才可以高效地运行、增长。数据量的增长同时也提升了整合的复杂程度。

　　一些趋势带动了呈指数增长的数据：

•     公司不断生成更多的内部数据。例如：市场部会从Web分析器等客户接触点收集越来越多的数据。而跨国公司需要将许多国家的数据收集过来进行整合、分析和管理。
• 　　合作伙伴与供应商的外部沟通越来越多。沟通多了，数据的传输也就跟着多了起来。存货级别、发货日期、产品描述等等信息，每个公司都需要最及时的信息以便他们同客户共享。
• 　　数据的结构已经发生了变化，涉及到更多的非结构化数据，比如电子表格和网页等。非结构化的数据来自于企业的各个部门。虽然生成容易但是整合起来非常困难。在过去这部分数据往往被忽略，但是现在发现它的价值非常高，同样需要进行整合。
• 　　实时数据的需求提升。随着blackberry以及iPhone等移动设备的普及，人们希望得到更多更及时的信息。

　　理解数据集成的价值

　　数据需要集成才可以变得更有价值。这个是显而易见的，企业在近几年才意识到这一点。他们走了不少的弯路：多年以来，企业一直在使用spreadmarts(Excel等桌面数据库)来充当数据集市的角色，这不仅不能交付他们需要的信息，还造成了更多的问题和麻烦。

　　这些spreadmarts并不能为企业提供准确的数据，在进行业务决策时往往会冒很大的风险。使用它们是非常昂贵的，因为创建与维护它们需要专业人士花上大把时间，而他们应该做的是分析数据而不是收集数据。

　　仅仅搞清楚了spreadmarts也不能解决业务存在的问题。你需要制定一个有条不紊的计划，以保存业务信息价值的方式来替换spreadmarts，同时还要达到最高的收益率。目前许多企业已经开始着手进行这一项目，希望在进行数据整合的同时能够真正地吧数据融入到整个业务决策过程中。

　　数据集成在不断发展

　　数据集成已经超越了数据仓库和ETL。尽管数据集成的基本任务是数据收集、转换并加入目标位置，听起来蛮像ETL，但是最新的数据集成趋势以及工具所提供的技术已经超越了基础的ETL。这些技术可以将数据转化成全面的、一致的、干净的信息。这些工具支持数据迁移、应用整合、数据分析、主数据管理以及业务处理等功能。

　　这些工具可以使企业了解源系统状态，进行数据清洗、确保一致性并管理所有过程，包括错误处理和监控。在过去，IT部门都需要手动才能将这些功能添加到数据整合过程中。往往会由于时间与经验的不足导致失败，而最新的工具都预安装了这些功能。

　　在过去，ETL被限制在夜间执行。数据集成套件现在包括了企业信息集成、企业应用集成以及面向服务的架构同ETL一起提供批量数据集成、能够与应用程序或实时BI进行交互。由于业务对实时信息的需求在增加，数据集成恰好可以解决这一问题。

　　手动编码的习惯很难打破

　　尽管数据集成工具的应用已经越来越广泛，但是在IT技术领域还有一个争议：手动编码还是使用ETL工具。企业数据仓库的标准是使用ETL工具，而像数据集市、cube等下游应用往往还是靠手动编码。结果就是IT不能像企业要求的那样响应，spreadmarts这样的工具也应运而生。

　　手动编码的应用程序往往不规范，难以更新与修改。而且现在还有一大批好用的工具帮你完成这一工作，只是会花些钱，而有的工具还是免费的。因此使用预安装的工具进行数据转换可以节省大量的IT时间与资源，好过从零开始对它们进行编码。