难以找到经验丰富的数据专业人员并且价格昂贵，然而部署大多数数据集成平台都需要依赖这类专业人员。需要访问数据来制定业务决策的业务分析师通常依赖于这些专家。集成来自企业来源的数据通常需要 6 个月的时间，这会拖慢数据分析价值的实现时间。

组织正努力使高质量的数据易于发现且可用于分析。随着数据源和数据孤岛的增长，组织被迫在跨孤岛移动和复制数据之间进行权衡来实现高级分析，或被迫保持数据的分散，但这会限制敏捷性。

客户越来越需要在单一平台中实现多种交付方式，例如批量、流式传输和事件。随着越来越多的业务领域创建数字跟踪记录，组织希望利用实时数据集成和分析来推动业务取得更好的成果。 

可以用不同的方式组织或格式化表示相同内容的多个数据版本。例如，日期可以用数字形式存储为“年/月/日”，也可以用字符形式存储为“X 年 X 月 X 日”。ETL 中的“转换”元素和主数据管理工具可以解决此类问题。

在采购、部署、维护和管理企业级数据集成项目所需的基础设施时，资本和运营费用都会增加。作为一种托管式服务，基于云的数据集成直接解决了此类费用问题。

在以前，数据与特定应用紧密相连并且依赖于这些应用而存在，以至于您无法在企业的其他地方检索和使用数据。如今我们可以看到，应用和数据层已逐渐分离，这样可以更灵活地使用数据。

数据集成可提供支持机器学习模型所需的高质量整合数据，是 AI 和机器学习的基础。 

数据集成将各种来源的数据整合到一个数据仓库中进行分析，以实现业务目的。 

数据集成可将数据从孤立的本地平台转移到数据湖中，以便通过对数据执行高级分析和 AI 来轻松提取价值。

数据集成是确保顺利过渡到云的核心部分。数据传输服务、数据连接器、CDC 工具和 ETL 工具都为组织提供了迁移到云的不同选项，同时可使组织保持业务连续性。  

数据集成有助于将多个 IoT 来源的数据整合到一个地方，便于您从中获取价值。

数据集成功能（如流式传输和事件提取）可激活实时预测和建议等使用场景。