dbt Labs報告：數據系統已不堪重負

根據《2026年分析工程狀況》報告，現代數據技術棧正在快速擴張，但發展不均衡。其增長速度已超過為其提供支撐的信任與治理機制。

AI已不再是實驗性的，而是已深度嵌入工作流中。72%的團隊現已優先采用AI輔助編程，超過77%的領導者已在利用其提升生產力。曾經屬于探索性的工作如今已成為常規運營，這也加速了數據系統的構建和部署進程。

報告顯示，壓力已傳導至系統各層面。57%的組織報告數據倉庫和計算支出增加，而僅36%報告團隊預算增長，基礎設施需求與人力能力之間的缺口正在擴大。數據管道運行頻率提高，向持續執行模式轉變，與此同時，數據移動和處理的成本也隨規模同步上升。

這不僅僅是增長，還在持續加速，但缺乏相應的支撐強化。數據質量仍是最常被提及的挑戰，41%的團隊仍報告數據歸屬不明確，36%指出利益相關方存在數據素養差距。與此同時，71%的受訪者擔憂錯誤或"幻覺"數據傳遞至利益相關方，這一風險隨著AI生成輸出的擴展而日益凸顯。

模式很清晰——系統在擴張，但基礎性問題并未消失。

投入更多資源能否解決問題？dbt Labs認為，這無法解決系統層面的瓶頸。隨著管道在規模、速度和頻率上不斷擴張，分析技術棧開始呈現出分布式計算系統的特征。此時，吞吐量、可靠性和編排的重要性與數據本身同等重要。

"在快速推進與建立信任之間存在真實的張力，若不經刻意設計，無法兼顧兩者，"Okta分析工程高級經理Pooja Crahen表示，"這正是為何建模、驗證和歸屬方面的嚴謹性已成為必要要求。"

這種張力直接體現在數據系統的演進方式上。團隊正在借助AI加速開發，但投資在管道各環節并不均衡。雖然72%優先采用AI輔助編程，但僅24%優先采用AI輔助管道管理，包括測試、可觀測性和質量控制。

這種失衡是結構性的。加速的步伐已超過穩定化的進程。

"隨著規模擴大，我們的基礎必須與雄心同樣堅實，"新加坡Soap Cycling董事會成員Jeremy Chia表示，"數據質量和信任仍然是'數據即產品'的根本所在。這正是分析工程師最能發揮價值的領域。"

'數據即產品'的理念取決于這些基礎。它需要跨系統的歸屬權、一致性和清晰定義。但報告顯示，歸屬不明確的問題年度持平，保持在41%；信任作為感知雖在改善，卻正在成為戰略預期而非已解決的問題�，F在更少團隊將缺乏信任視為運營問題（同比從33%降至24%），但更多團隊被期望在規模上交付可靠輸出。這種轉變提高了失敗的代價。

"2026年是'上下文'之年，"nib數據產品與治理高級經理Pip Sidaway表示，"上下文就是信息，對分析而言，即元數據。它是賦予數據含義的描述和名稱，面向人類和AI，同時包含具體的業務上下文，包括我們行事方式的成文標準。"

上下文正在成為運營必需品。隨著管道擴張、AI系統消費更多數據，元數據成為賦予意義和強制一致性的層級。缺乏元數據，數據仍可能在系統中流轉，但可靠性會下降。輸出可能更快，卻變得更難信任和驗證。

報告指向績效定義的更廣泛轉變。信任的重要性同比從66%上升至83%，速度從50%升至71%，預示著新的期望——僅快速交付數據已不足夠，還必須在規模上可靠。若無更強的底層系統支撐，這種組合難以持續。

由此浮現的是一種不同類型的數據環境。管道持續運行，輸出日益自動化。故障更隱蔽但后果更嚴重。這意味著團隊面對的不再是損壞的儀表盤，而是系統性問題，如數據不一致和管道延遲。

報告強調，核心挑戰不再是構建數據管道，而是在持續負載下運營管道。隨著數據量增長和工作流日趨復雜，跨系統維護信任的能力成為決定性因素。更多數據、更多工具、更多計算本身并不能解決這個問題。

dbt Labs強調，分析技術棧正在演變為基礎設施。其成功將取決于能否在輸出擴展的同時擴展信任，且在壓力下不致崩潰。

本報告基于各行業363名數據從業者和管理者的調研回復。受訪者中73%為從業者，27%擔任管理或高管職務，負責數據團隊監管。