4 年前開始研究 DataOps, 當時覺得沒什麼人討論。現在發現百家爭鳴！

Digital Transformation 數位轉型的理想是轉變為 Data-Driven 資料驅動的企業。然而，這一切都沒有想像中簡單，就像軟體開發一樣，大家都事倍功半。所以，DataOps 出現了！

DataOps Organization（workflow 參考就好）

實際上在開發與運帷中 DataOps Team 不會跟 DevOps Team 相隔太遠的，以下這張圖是不包含 DevOps Team 的。
在我們的經驗裡，Data Project 資料專案是涵蓋 IT Project 的，因為資料(產品)依賴 IT Infra 運作，ML Model 就是一例。

圖片來源：https://www.megatrend.com/en/dataops-paradigm-for-better-data-insights/

DataOps Tools（workflow 參考就好）

這張圖或許太偏雲端架構，缺漏一些工具，流程也不盡完整，但是很適合概覽。

圖片來源：https://www.devopsschool.com/blog/top-20-dataops-tools-and-its-ranking/

「資料基礎建設」是「資料驅動型企業」的支柱

DataOps 的反覆施行，將構築可靠的 Data Infra 資料基礎建設，支持組織活動。Data Infra 包含各種 raw data 原始資料與 metadata 詮釋資料、reference data 參照資料。

Data Infra 與 IT Infra 有何不同呢？如果要提出最關鍵的差異，應該就是 sharing 分享。Data Infra 必須以共享為本！既然我們基於人類知識(Knowledge)必須共享，而對於著作權有保障年數的限制，那麼 Data 與 Information 應該共享就不奇怪了。（延伸閱讀：(DIKW & 資料的層次 Data, Information, Intelligence) ）

因為資料必須經過疊加才能增益價值，跨部門、跨企業、跨產業、跨國家，疊加結果如同煉金。

DataOps 是為了實現資料驅動的企業

資料領域從業人員借用 DevOps 的理念與部分框架，倡議 DataOps，讓資料生產者與資料消費者協作，通過實施可重用的流程結構，通過更好的資料品質加速價值創造，以推進資料驅動的實踐。

這個實踐過程，會使得 Data Infra 越來越 mission critical，不會像今天還可以 5*8。（我個人是把 OLTP 歸入 IT Infra, OLAP 歸 Data Infra）

當 OLTP 與 OLAP 相互依賴、不分前後台時，AI 就真正走入日常了。（希望那一天我已經退休了 XD ）