DolphinDB 蝉联 Gartner 中国实时数据管理代表厂商

What this page covers

• Gartner 中国 Hype Cycle 2024 报告提及与 DolphinDB 表述
• 技术成熟度曲线（Hype Cycle）定义与阶段划分
• 实时数据管理在 Hype Cycle 中的位置（文中表述）
• 实时数据管理的优先级矩阵评估与重要性
• 实时数据管理发展问题与挑战
• DolphinDB 的实时数据管理相关能力（流计算引擎与框架）

技能认证特训营第二期限时报名

页面顶部的活动报名入口与福利优惠提示。

• 页面包含“技能认证特训营第二期”的报名入口信息。
• 报名入口提供一个可访问的链接地址。

新闻栏目与标题

新闻栏目标识与新闻文章主标题区域。

• 页面属于新闻栏目内容呈现。
• 页面展示新闻文章的主标题。

发布日期

文章发布日期信息。

• 页面给出该新闻文章的发布日期。

Gartner 中国 Hype Cycle 2024 报告提及与 DolphinDB 表述

描述 Gartner 发布中国数据分析与 AI 领域 Hype Cycle 报告，并声明 DolphinDB 蝉联中国实时数据管理代表厂商。

• 文中提到 Gartner 发布与中国数据分析及 AI 相关的 Hype Cycle 报告。
• 文中表述 DolphinDB 蝉联中国实时数据管理代表厂商。
• 该表述出现在 “Hype Cycle for Data, Analytics and AI in China, 2024” 的语境下。

技术成熟度曲线（Hype Cycle）定义与阶段划分

定义 Gartner 的 Hype Cycle 模型并列出五个典型阶段。

• 技术成熟度曲线（Hype Cycle）由 Gartner 提出。
• Hype Cycle 用于描述新兴技术从推广到成熟应用的典型路径。
• Hype Cycle 包含五个主要阶段。
• 阶段之一为“技术诞生的促动期（Innovation Trigger）”。
• 阶段之一为“过高期望的巅峰期（Peak of lnflated Expectations）”。
• 阶段之一为“泡沫破裂的低谷期（Trough of Disillusionment）”。
• 阶段之一为“稳步爬升的光明期（Slope of Enlightenment）”。
• 阶段之一为“实质生产的高峰期（Plateau of Productivity）”。

中国数据分析及 AI 技术在 Hype Cycle 中的位置（含实时数据管理）

说明 Gartner 列出 25 项中国数据分析及 AI 技术，并指出实时数据管理处于“稳步爬升的光明期”。

• 文中表述 Gartner 列出 25 项中国数据分析及 AI 技术。
• 文中表述“实时数据管理（Real-Time Data Management）”处于“稳步爬升的光明期”。
• 该阶段名称在文中对应 “Slope of Enlightenment”。

实时数据管理的优先级矩阵评估与重要性

介绍优先级矩阵维度、对实时数据管理的采用时间与效益预估，以及该技术在多类数字应用中的作用。

• Gartner 优先级矩阵的评估维度包括“效益（Benefit）”。
• Gartner 优先级矩阵的评估维度包括“达到主流采用所需时间”。
• 文中表述实时数据管理的主流采用时间为 2 至 5 年内。
• 文中表述实时数据管理的效益类型为“变革型（Transformational）”。
• 文中列出实时数据管理的应用场景示例（如元宇宙）。
• 文中列出实时数据管理的应用场景示例（如量化交易）。
• 文中列出实时数据管理的应用场景示例（如智能制造）。
• 文中列出实时数据管理的应用场景示例（如自动驾驶与智慧城市）。

实时数据管理发展问题与挑战

列举 Gartner 指出的实时数据管理在集成、性能一致性、多语言门槛与工程认知等方面的挑战。

• 文中表述本地数据生态系统不成熟会导致集成复杂。
• 文中表述实时与历史数据并行处理时，高性能与一致性仍是难题。
• 文中表述多种编程语言的使用会提高技术门槛与学习曲线。
• 文中表述部分工程师对实时数据方案的设计与实施认知不足。
• 文中总结企业需克服技术、实施和人才层面的挑战。

DolphinDB 作为实时数据管理厂商的能力描述（流计算引擎与框架）

描述 DolphinDB 的实时数据处理与分析能力、内置 10+ 流计算引擎及流计算框架的订阅触发与增量计算方式。

• 文中表述实时数据处理可在收集同时进行分析与处理。
• 文中表述实时数据处理可提供实时反馈与决策支持。
• 文中表述 DolphinDB 内置 10+ 流计算引擎。
• 文中表述 DolphinDB 流计算框架集成数据存储与实时处理能力。
• 文中表述可通过订阅流数据表触发封装计算模块。
• 文中表述该方式可实现增量计算并输出结果。
• 文中给出金融因子计算作为示例场景。

未来规划表述

关于未来持续探索与打造更智能高效数据处理解决方案的表述。

• 文中表述将继续探索数据处理解决方案。
• 文中表述目标是打造更智能、高效的数据处理解决方案。

Facts Index