قواعد البيانات هي الأساس والعامود الفقري لكافة أنظمة الشركات والمؤسسات والأنظمة التقنية. كما تعتبر قواعد البيانات المادة الخام لتحليلات البيانات واستخلاص المعرفة. تطورت قواعد البيانات على مر السنوات من جداول بسيطة ترتبط بعلاقات فيما بينها، إلى بنى متطورة حولت خلالها كافة البيانات بأشكالها الجديدة والمتميزة. قواعد البيانات هي مجموعة من المعلومات المنظمة التي يمكن الوصول إليها وإدارتها وتحديثها بسهولة. تعد أنظمة قواعد البيانات مهمة جدًا للأعمال لأنها تنقل المعلومات المتعلقة بمعاملات المبيعات ومخزون المنتجات وملفات تعريف العملاء وأنشطة التسويق. تسمح قواعد البيانات بتخزين البيانات بسرعة وسهولة وتستخدم في العديد من جوانب الحياة اليومية. لإجراء جميع العمليات المذكورة أعلاه ، نحتاج إلى أنظمة إدارة قواعد البيانات (DBMS) خلف الكواليس. قواعد البيانات مسؤولة عن العديد من الخدمات التي نستخدمها يوميًا.
نتحدث في هذه المقالة عن أهم الاتجاهات البحثية في قواعد البيانات والتي سردت في المقالة (مع إضافات معلومات للتوضيح وكذلك إضافة عدد من الاتجاهات البحثية)
تحسين مستودعات البيانات Optimize Data Warehouses
ستظل مخازن البيانات أو قواعد البيانات الارتباطية عنصرًا أساسيًا في إدارة قواعد البيانات خلال العام المقبل. ستستمر أنظمة إدارة قواعد البيانات العلائقية (RDBMS) في تشكيل 80 بالمائة من إجمالي سوق قاعدة البيانات التشغيلية، وفقًا لمركز البيانات الدولي. كما ستستخدم التطبيقات والمشاريع الجديدة - 70 بالمائة - قواعد البيانات العلائقية.
مخازن البيانات (DW) هي عملية لجمع البيانات وإدارتها من مصادر متنوعة لتوفير رؤى هادفة. هو التخزين الإلكتروني لكمية كبيرة من المعلومات مصممة للاستعلام والتحليل بدلاً من معالجة المعاملات.
سيحتاج RDBMS إلى التكامل والعمل مع أنظمة قواعد البيانات الأقدم والأحدث الأخرى لحل مشاكل الأعمال المعقدة والاستفادة من الأدوات الرقمية مثل التعلم الآلي. سيكون هذا تحديًا لإدارة قواعد البيانات حيث تحتاج قواعد البيانات العلائقية التقليدية، التي تم تطويرها لسياق ثابت ومركزي، إلى العمل جنبًا إلى جنب مع أنظمة قواعد البيانات اللامركزية والأكثر تعقيدًا، مثل قواعد بيانات NoSQL.
لتكييف وتبسيط أنظمة إدارة قواعد البيانات (RDBMS) الخاصة بهم، سيقوم مديرو قواعد البيانات والمسؤولون بترحيل هذه الأنظمة إلى السحابة. وجد DATAVERSITY حوالي 46 بالمائة من المشاركين في خطة دراسية حول استخدام قواعد البيانات العلائقية المستندة إلى السحابة في العام أو العامين المقبلين.
من هذا التوجه البحثي، يمكن للباحثين عمل الأبحاث التي تعمل على تحسين العلاقة بين قواعد البيانات ومخازن البيانات، وأيضا أما دراسة القضية بشكل عام واستكشاف التحديات الموجودة وتقديم أفكار أو حلول لها، أو دراسة القضية على مؤسسة معينة.
قواعد البيانات متعددة الأبعاد
A multidimensional database management system (MDDBMS)
يوفر نظام إدارة قواعد البيانات متعدد الأبعاد (MDDBMS) عرضًا متعدد الأبعاد للبيانات. على سبيل المثال، في التحليل متعدد الأبعاد، تمثل الكيانات مثل المنتجات والمناطق والعملاء والتواريخ أبعادًا مختلفة. يتم إنشاء MDBMSs باستخدام مدخلات من قواعد البيانات العلائقية الموجودة. بينما تسمح قواعد البيانات العلائقية للمستخدمين بالوصول إلى البيانات في شكل استعلامات، فإن قواعد البيانات متعددة الأبعاد تسمح للمستخدمين بطرح أسئلة تحليلية متعلقة باتجاهات الأعمال أو السوق. هذا يعني أنه يمكن رؤية البيانات وفهمها من عدة أبعاد ومنظورات
من هذا التوجه البحثي، يمكن للباحثين إجراء أبحاث عن كيفية الاستفادة من قواعد البيانات متعددة الأبعاد وأيضا أما دراسة القضية بشكل عام واستكشاف التحديات الموجودة وتقديم أفكار أو حلول لها، أو دراسة القضية على مؤسسة معينة. كما يمكن البحث عن الفروق بينها وبين قواعد البيانات العلائقية بتطبيق دراسة حالة (لان دراستها بشكل عام لم يعد بالشيء الجديد).
الاستفادة من الحوسبة السحابية Leverage Cloud Computing
قواعد البيانات كخدمة (DBaaS) Database as a Service هي خدمة حوسبة سحابية تتيح للمستخدمين الوصول إلى نظام قاعدة البيانات السحابية واستخدامه دون شراء وإعداد أجهزتهم الخاصة ، أو تثبيت برامج قاعدة البيانات الخاصة بهم ، أو إدارة قاعدة البيانات بأنفسهم (ناهيك عن توظيف المواهب عالية السعر المطلوبة للقيام بذلك. بالمقارنة مع نشر نظام إدارة قواعد البيانات محليًا ، تقدم DBaaS مزايا مالية وتشغيلية واستراتيجية مهمة للمؤسسة: توفير التكلفة ، إدارة أبسط ، أقل تكلفة ، تطوير سريع ووقت أسرع في السوق ، أمان البيانات والتطبيقات ، تقليل المخاطر ، جودة البرمجيات
ستقوم الشركات بترحيل العديد من قواعد البيانات إلى السحابة، بما في ذلك استخدام قاعدة البيانات كخدمة DBaaS ومورد لإدارة قواعد البيانات بما في ذلك التخزين والتكامل، ووحدة تحكم للإدارة والأمان والوصول والتحليلات والأتمتة. يتوقع مديرو قواعد البيانات أن تقدم DBaaS خدمة أفضل بتكلفة أقل وبشكل آمن مع التشغيل الآلي وإمكانية الوصول. سيؤدي ذلك إلى تقليل الحاجز أمام التعلم الآلي والتقنيات التحويلية الأخرى. طوال عام 2020 وما بعده، تأمل 42 بالمائة من الشركات "التخلص من الأعباء الإدارية" من خلال استخدام DBaaS. سيعتمد ترحيل DBaaS ونجاح الاستخدام بنفس القدر على جودة البيانات وإدارة البيانات ومدى مطابقة إمكانيات الخدمة السحابية المشتراة مع إستراتيجية البيانات الشاملة. على الأرجح، ستؤدي الاستفادة من الحوسبة السحابية لإدارة قواعد البيانات إلى نتائج مختلطة. التعقيد في الاستعلام عن أنظمة قاعدة البيانات السحابية، و “inflexibilities in integrations, and network performance issues” "عدم المرونة في عمليات الدمج، ومشكلات أداء الشبكة" يعني اعتماد أقل للسحابة بحلول نهاية العام.
ستثير وعود الحوسبة الكمومية الناشئة المستندة إلى السحابة cloud-based quantum computing، وهي استدعاء قائم على السحابة لمحاكيات الكم أو المحاكيات أو المعالجات ) ( quantum emulators, simulators, or processors
تساؤلات حول تكاملها مع قواعد البيانات الخاصة بتقنيات السحابة القديمة. ومع ذلك، فإن ميزات DBaaS بما في ذلك المحاكاة الافتراضية للبيانات، وعرض البيانات في الوقت الفعلي في وقت واحد، ستمنح البساطة والمرونة التي تحتاجها بعض الشركات.
الحوسبة الكمومية quantum computing هي الجيل القادم من الحوسبة. على عكس أجهزة الحاسوب التقليدية، تحصل أجهزة الحاسوب الكمومية على قوة حوسبية من خلال الاستفادة من فيزياء الكم. تعتبر أجهزة الحاسوب الكمومية، من الناحية النظرية، أسرع بشكل كبير من أجهزة الحاسوب العادية التي تعمل بنظام Windows 10 وهي أسرع حتى من أقوى أجهزة الحاسوب العملاقة اليوم. عندما يتمكن المستخدمون من الوصول إلى أجهزة الحاسوب التي تعمل بالفيزياء الكمومية عبر الإنترنت، فإن ذلك يعتبر حوسبة كمومية في السحابة.
من هذا التوجه البحثي، يمكن للباحثين إجراء أبحاث عن كيفية الاستفادة من الحوسبة السحابية وأهمية (DBaaS) Database as a Service وأيضا أما دراسة القضية بشكل عام واستكشاف التحديات الموجودة وتقديم أفكار أو حلول لها، أو دراسة القضية على مؤسسة معينة. كما يمكن البحث في الحوسبة الكمومية الناشئة المستندة إلى السحابة.
تضمين قواعد بيانات الرسومية Include Graph Databases
في عام 2020، سيحتاج مديرو ومسؤولو قواعد البيانات بشدة لإضافة قواعد بيانات الرسومية إلى مجموعة أنظمة قواعد البيانات الخاصة بهم. توفر قواعد بيانات الرسومية طرق عرض سريعة لعلاقات البيانات التي يمكن تقييمها بسرعة مع تكاليف حوسبية أقل. قواعد البيانات الرسومية Graph Databases لا تعتمد على الجداول بل تعتمد على مفهوم تقني يسمى بالـ “Graph”. والـ Graph هو عبارة عن بنية بيانات تتكون من “عقد Node “و “حواف Edge”
جميع العلاقات مهمة بنفس القدر ويمكن اكتشافها بسهولة، مما يجعل من السهل تكوين ارتباطات وتشكيل نظريات حول البيانات. تقوم قاعدة بيانات الرسومية بتحويل شبكة معقدة من البيانات الديناميكية إلى علاقات ذات مغزى (ومفهومة) للمساعدة في تقديم إحصاءات وإجراءات في الوقت الفعلي.
وجدت DATAVERSITY أن 22.58 بالمائة يخططون لاعتماد قواعد بيانات رسومية في العام أو العامين المقبلين. لكن عددًا قليلاً من الشركات ستتبنى قواعد البيانات الرسومية العام المقبل، لإجراء مزيد من التحليل المعقد وتدريب الخوارزميات. قاعدة البيانات الرسومية تكتسب قوة دفع. يقول Kurt Cagle ، من Forbes ، إن قواعد البيانات الرسومية ستصبح "قاعدة بيانات go-to في عشرينيات القرن العشرين". ستكون أداة ضرورية لذكاء الأعمال في عشرينيات القرن الحالي.
من هذا التوجه البحثي، يمكن للباحثين إجراء أبحاث عن كيفية الاستفادة من قواعد البيانات الرسومية وأيضا أما دراسة القضية بشكل عام واستكشاف التحديات الموجودة وتقديم أفكار أو حلول لها، أو دراسة القضية على مؤسسة معينة. ويمكن عمل مقارنات بين قواعد البيانات العلائقية والرسومية مستخدما معايير مقارنة معتمدة من خلال البحث في الأبحاث السابقة.
استخدم أنظمة قواعد البيانات المتعددة Use Multi-Database Systems MDDBMS
سيتعامل مديرو ومسؤولو قواعد البيانات في عام 2020 مع منظومة خليط من أنظمة قواعد البيانات بمخططات مختلفة، بما في ذلك مستودعات البيانات و NoSQL. في استطلاع أجرته Scalegrid "أفادت 44.3 بالمائة من المؤسسات المستجيبة باستخدام قواعد بيانات متعددة، بما في ذلك قواعد البيانات العلائقية و NoSQL."
سيزداد عدد الشركات التي تستخدم قواعد بيانات متعددة في عام 2020 حيث أصبح هذا هو المعيار.
تحافظ أنظمة قواعد البيانات المتعددة على إدارة قواعد البيانات بشكل بسيط حيث يمكن لكل قاعدة بيانات أن تحافظ على مخططها التنظيمي أثناء الاستعلام عن المجموعة بأكملها. يمكن إضافة خوادم قواعد البيانات وإزالتها من خلال MDDBMS حسب الحاجة، مما يتيح بعض المرونة. ستستمر هذه المزايا في جعل MDDBS خيارًا جذابًا لمديري قواعد البيانات والمسؤولين في عام 2020. نظام قواعد البيانات المتعددة (MDBS) هو وسيلة تتيح للمستخدمين الوصول إلى البيانات الموجودة في العديد من أنظمة إدارة قواعد البيانات المستقلة (DBMSs). في مثل هذا النظام، يتم تنفيذ المعاملات العالمية تحت سيطرة MDBS. بشكل مستقل، يتم تنفيذ المعاملات المحلية تحت سيطرة نظم إدارة قواعد البيانات المحلية.
من هذا التوجه البحثي، يمكن للباحثين إجراء أبحاث عن كيفية الاستفادة من قواعد البيانات المتعددة وأيضا أما دراسة القضية بشكل عام واستكشاف التحديات الموجودة وتقديم أفكار أو حلول لها، أو دراسة القضية على مؤسسة معينة.
توفير البنية التحتية لتعلم الآلة
Provide Machine Learning(ML) Infrastructure
سيكون توفير البنية التحتية لقاعدة بيانات تعلم الآلة أمرًا صعبًا بالنسبة لبعض الشركات في عام 2020. ولكي تكون ناجحة، يتطلب تعلم الآلة كميات أكبر من البيانات من مصادر متعددة في إطار زمني أقصر. علاوة على ذلك، يجب أن تكون البيانات موثوقة وجديرة بالثقة بحيث تحدد الخوارزميات أنماط البيانات وتستخدمها بشكل صحيح. وهذا يعني دمج البيانات المتاحة من أنظمة متعددة بسلاسة لتغذية برامج تعلم الآلة. لتحقيق النجاح، ستحتاج إدارة قاعدة البيانات إلى القيام ببعض الأعمال الأساسية أولاً.
مع العلم تتضمن البنية التحتية لتعلم الآلة، الموارد والعمليات والأدوات اللازمة لتطوير نماذج تعلم الآلة وتدريبها وتشغيلها. يشار إليه أحيانًا بالبنية التحتية للذكاء الاصطناعي أو أحد مكونات MLOps. تدعم البنية الأساسية لتعلم الآلة كل مرحلة من مراحل سير عمل التعلم الآلي. و MLOps هو (a compound of “machine learning” and “operations” )،
مجموعة فرعية من ModelOps ، هي ممارسة للتعاون والتواصل بين علماء البيانات ومحترفي العمليات للمساعدة في إدارة دورة حياة تعلم الآلة الإنتاجية.
هناك شركات قامت بدمج منصاتها بالفعل ولديها أجزاء أخرى في مكانها ولكن مازالوا لا يعرفون ما هي البيانات التي يجب إحضارها للتعلم الآلة، ويتم تجميد مشاريع تعلم الألة بسبب التكلفة. قد يؤدي نقل قواعد البيانات إلى السحابة، للتعامل مع أحجام البيانات الأكبر بشكل أسرع والاستفادة من قواعد بيانات الرسومية المعرفي، إلى تعزيز البنية التحتية لتعلم الألة. ومع ذلك، فليس من المستغرب أن تتنبأ شركة Gartner فقط بما يلي:
"15 بالمائة من حالات الاستخدام التي تستفيد من تقنيات الذكاء الاصطناعي، مثل تعلم الآلة، ستنجح في عام 2020، حيث سيتعين حل مشكلات جودة البيانات وإدارة البيانات أولاً."
في التوجه البحثي، يكمن الفرص الكبيرة للاستكشاف ومعرفة التحديات وربط قواعد البيانات مع تعلم الآلة، يمكن للباحثين إجراء أبحاث عن كيفية الاستفادة من نماذج تعلم الآلة وأيضا أما دراسة القضية بشكل عام واستكشاف التحديات الموجودة وتقديم أفكار أو حلول لها، أو دراسة القضية على مؤسسة معينة.
تعزيز إدارة البيانات Augment Data Management
ستتطلب إدارة قواعد البيانات رفعًا ثقيلًا في المستقبل، مع وقت أقل للمهام اليدوية. لتكييف إدارة قواعد البيانات والحفاظ عليها بشكل أبسط، سيتم أتمتة مهام مثل إدارة جودة البيانات والبيانات الوصفية باستخدام إدارة البيانات المعززة. من خلال تحليل وبرمجة تعلم الآلة، ستعمل إدارة البيانات الوصفية على دعم خوارزميات الذكاء الاصطناعي وتعلم الآلة. علاوة على ذلك، ستسمح إدارة البيانات المعززة بقواعد البيانات بأن تكون ذاتية الضبط والتصحيح.
تتوقع جارتنر أنه بحلول نهاية عام 2022، سيتم تقليل المهام اليدوية لإدارة البيانات، بما في ذلك بعض مهام إدارة قواعد البيانات، بنسبة 45 بالمائة من خلال إدارة البيانات المعززة. لذلك، سيستمر مديرو قاعدة البيانات في استخدام إدارة البيانات المعززة والتوسع فيها لتبسيط إدارة قاعدة البيانات.
ستكون إدارة قواعد البيانات عبارة عن فسيفساء من التقنيات القديمة والجديدة. ستستمر العديد من الشركات في تبني ممارسات إدارة قواعد البيانات الارتباطية التقليدية. لكن في المستقبل سيتطلب المزيد من المرونة في إدارة قواعد البيانات والبساطة لتظل قادرة على المنافسة. تعد التقنيات الجديدة عند تطبيقها مع إدارة بيانات جيدة، بزيادة مساحة تخزين قاعدة البيانات، وجعل قواعد البيانات أكثر مرونة، وتقليل سرعات الاسترجاع. ينقل الكثيرون أنظمة قواعد البيانات الارتباطية الخاصة بهم إلى السحابة، لتحسين إدارة قواعد البيانات مستقبلا.
من هذا التوجه البحثي، يمكن للباحثين إجراء أبحاث عن كيفية تحسين إدارة قواعد البيانات وتوظيف التقنيات الحديثة لرفع كفاءة إدارة قواعد البيانات. وأيضا أما دراسة القضية بشكل عام واستكشاف التحديات الموجودة وتقديم أفكار أو حلول لها، أو دراسة القضية على مؤسسة معينة.
أمن قواعد البيانات Databases Security
تحضي امنية قواعد البيانات باهتمام كبير من العاملين عليها، ولذا أيضا يحرص الباحثون على دراسة كيفية رفع كفاءة أمن وسرية البيانات. ومع كافة التطورات في عالم التكنولوجيا والتي استفادت منه قواعد البيانات، ولكنه شكل أيضا تهديدات أمنية.
يحرص الباحثون على دراسة كافة نقاط الأمن في كافة التطبيقات الحديثة التي تضاف لقاعدة البيانات، إلى جانب تحسن أدوات مديرو قواعد البيانات لمراقبة وتتبع الاختراقات المحتملة. يحتل الأمن السيراني حيزا كبير في أبحاث أمن قواعد البيانات. وأمن مواقع قواعد البيانات على الانترنت وتلك التي انتقلت للسحابة وغيرها.
من هذا التوجه البحثي، يمكن للباحثين إجراء أبحاث عن كيفية تحسين أمن قواعد البيانات وتوظيف التقنيات الحديثة لرفع كفاءة أمنية قواعد البيانات. وأيضا أما دراسة القضية بشكل عام واستكشاف التحديات الموجودة وتقديم أفكار أو حلول لها، أو دراسة القضية على مؤسسة معينة والعمل على تحسن كفاءة النظام الأمني.
الخلاصة
نظام إدارة قواعد البيانات - عالم البيانات يتغير ويتطور باستمرار كل ثانية. وقد أدى هذا بدوره إلى خلق بُعد جديد تمامًا للنمو والتحديات للشركات في جميع أنحاء العالم. من خلال تسجيل البيانات بدقة وتحديثها وتتبعها على أساس فعال ومنتظم ، يمكن للشركات مواجهة تحدياتها من ناحية والاستفادة من الإمكانات الهائلة التي يوفرها هذا القطاع من ناحية أخرى. يعتبر مجال قواعد البيانات من المجالات الواعدة لارتباطه بكافة الأنظمة واستغلاله لكافة التطورات والإنجازات في عالم التكنولوجيا. قواعد البيانات هي الوعاء الأول للبيانات ومنها فكل ما يرتبط بتقنيات البيانات يرتبط تلقائيا بقواعد البيانات وبذلك فهو مجال واعد للاستكشافات والأبحاث التي تزيد من الكفاءة والفعالية وكذلك الأمنية والحفاظ على الخصوصية والسرية.
دكتورة أروى الأرياني
أستاذ مشارك - تكنولوجيا المعلومات
باحث ومستشار أكاديمي مستقل
أضغط هنا "Dr. Arwa Aleryani-Blog " لتسجيل متابعة، حتى يصلك الجديد من المدونة الأكاديمية.
コメント