Data Ops能降低資料分析的門檻，但不會讓資料分析變得簡單。
自從2018年Gartner 把 DataOps 納入資料管理技術成熟度曲線，資料運維（Data Ops）正式被業界接納并且越來越火。
需要明确的是：Data Ops是一種資料平台、資料中台、資料湖、湖倉一體之上的資料使用政策或者說方法，而不是某種技術、産品或者平台。
維基百科對DataOps的定義是一種面向流程的自動化方法，由分析和資料團隊使用，旨在提高資料分析的品質并縮短資料分析的周期。
Data Ops即 Data+Op(eration)s，簡單來說，就是通過快速建構可運維的 data pipeline，為資料使用者提供靈活迅速的資料服務。
是以，DataOps 可以作為資料中台的核心能力，實作快速、穩定和自助式資料準備和資料服務。
但與DevOps的落地一樣，實施成功的資料項目也需要做大量的工作，比如深入了解資料和業務的關系、樹立良好的資料使用規範等。
是以Data Ops能降低資料分析的門檻，但不會讓資料分析變得簡單。
有一種說法是：資料中台+Data Ops=DaaS，大家覺得呢？
