2016年,当微软宣布以Dynamics 365的形式改造其CRM和ERP战略时,微软高管们开始讨论通用数据模型(CDM),这是这些服务的核心。微软公司的高管们将CDM描述为一个“用于存储和管理业务实体的业务数据库,而且是开箱即用的。”CDM并不性感,但绝对是非常必要的。
切到2018年。
在上个月举行的Ignite IT Pro会议上,微软围绕着新的开放数据计划(Open Data Initiative ,ODI)做了大量工作,这是微软与其他两个合作伙伴——Adobe和SAP合作推出的一个计划。在Ignite大会上介绍ODI的时候,微软的高管们几乎没有透露任何关于它的细节,除了一些暗示表明CDM是其中的关键。
但是,微软确实在Ignite大会上的一个名为“微软通用数据模型介绍(Introduction to the Microsoft Common Data Model)”的会议环节中分享了更多关于ODI的细节。(点击此处可以观看该会议的视频,本文中嵌入的大多数幻灯片均来自此次演讲。)在这个会议环节中,微软清楚地表明CDM绝对是微软数据集成领域计划的关键所在。
在这次会议中,微软的高管们指出CDM是Dynamics 365的一部分。他们随后通过GitHub开放了CDM和250多个实体的源代码。然而,CDM不只是关于实体的。它还包括有关这些实体的关系、层次结构和特征的元数据。CDM是微软的通用数据服务(本文稍后将详细介绍)、PowerApps和Power BI的一部分。未来某些Azure数据服务也将支持它。
官方表示,CDM将作为ODI的一部分发展,提供跨数据、应用程序等的架构和语义。 然而,他们没有具体说明它将以何种方式发展。
CDM并不是微软唯一的ODI。Azure Data Lake是另一个重要的基础部分。微软官方表示,该公司的目标是打破数据湖中的数据孤岛,这意味着实体、元数据系统和自我描述数据文件夹(被称为CDM文件夹)之间更高的兼容性。
在Ignite CDM会议期间,有一些强烈的暗示表明Informatica可能是下一个加入ODI的公司。并且讨论了Azure数据服务——Azure数据工厂(Azure Data Factory)、Azure Databricks、Azure机器学习(Azure Machine Learning)和Azure数据仓库(Azure Data Warehouse)——适用ODI框架。
CDM也是微软改进的CDS或通用数据服务(Common Data Service)的核心。微软最近推出的应用程序通用数据服务基本上是XRM(微软的“任何关系管理”平台,用于编写业务线应用程序)的重新访问,现在运行在Azure上。
在Ignite大会上的一个关于微软Project的会议中,微软的高管们展示了一张关于该公司正在构建的新Microsoft Project Service的有趣的幻灯片:
看看微软在其针对应用程序的通用数据服务上构建的所有应用程序/服务:路径图和项目管理(Roadmap and Project Management,均为新Project服务的一部分)、销售(Sales)、现场服务(Field Service)、客户服务(Customer Service)、时间和费用(Time & Expense)、和资源管理(Resource Management)。
将所有这些CDM、CDS for Apps和Azure服务放在一起,你就可以更全面地了解微软对Open Data Initiative等的期望:
微软为ODI制定的长期目标雄心勃勃。该平台旨在吸引所有人,从只具备很少编码技能的业务分析师到精通编程的数据科学家和工程师。但是现在,ODI是占位符。这是微软的一种表达方式,显示出自身对单一用户数据视图概念的认真态度。但是就可交付成果而言,到目前为止,似乎除了一些幻灯片之外就乏善可陈了。
微软的高管们对Ignite大会的与会者们表示,他们正在研究Dynamics 365 for Finance&Operations、Marketing、Talent等实体定义。并计划在其Azure数据服务中与CDM集成预览。并且,微软计划在未来几周和几个月内更多地讨论开放数据计划的内容。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。