2010 年，时任通用电气工程师的 Dave McCrory 首次提 什么是数据引 出了这个概念，数据引力描述了随着数据的积累，吸引更多服务和应用程序的可能性会更高，这基本上与重力对行星周围物体的影响相同。随着质量或密度的增加，引力的强度也会增加。然后数据变得难以处理，如果数据变得足够大，几乎不可能移动。
当今持续的数据创建
生命周期支撑着数据引力。例如，企业现在正在为越来越多的创建和交 手机号码数据 换数据的用户和终端提供服务。用户和机器之间的交互和交易量不断增长，需要增加结构化和非结构化的数据处理和存储。虽然分析、机器学习和人工智能使企业能够嵌入工作流智能，但它们 尝试清晰地考虑自己的声音以 也助长了额外的数据丰富、聚合和交换需求。这种复合效应产生了复杂性，阻碍了数字化转型并带来了当前回程架构无法完全解决的挑战。数据引力要求企业、连接、云和内容提供商在数据交换中心之间建立互联社区方法，以消除障碍并释放新功能。
数据引力与人工智能
以人工智能模型为例。如果主数据集仅位于云端，而不是靠 全 澳大利亚电话号码 开源 近模型，那么训练人工智能模型可能是一项极其缓慢的工作，更不用说成本高昂了。