資料保存許多企業的承諾。資料所衍生的價值能推動企業成長、促進創新、改善客戶體驗。
資料的數量和速度都在成長,當今的世界是由資料的力量驅動,但許多企業無法善加運用。這類企業不但只使用到自身產生資料的一小部分,資料管理策略方面也窒礙難行。這等同於企業錯過了全新的機會和潛在的營收。
管理上的一大挑戰,源自於分散資料的儲存和管理工作相當複雜。座落於許多位置的資料通常會蔓延擴張,散佈在許多端點、邊緣和多個雲端上。
Seagate 最近的《資料新思維》報告指出,雖有些例外情況,但目前企業相對平均地將資料儲存在邊緣和公共、私人及產業專用雲端上。而且根據最近 Gartner 的報導,81% 使用公共雲端的企業會搭配至少兩家供應商,更是提高了複雜度。
Seagate 以 IDC 的調查為基礎提出報告,發現企業預計會將更多資料移往雲端儲存庫。促進這類變化的五大因素如下:
轉向多重雲端生態系統的情形,並非僅是給 IT 部門出了一道難題。伴隨著不斷向外蔓延的資料,這種挑戰會影響到企業主發揮資料完整價值的能力,進而影響營收成長。
Seagate 報告指出,下列幾點是資料管理上最大的障礙:
接下來要深入探討在資料生命週期內,有哪些因素會導致各項難題出現。
資料不再只是從資料中心誕生。在雲端中產生的資料量,還有物聯網和邊緣運算等新興技術所產生的資料,都在持續成長。但報告指出,這類或許能透過營運取得的資料,組織僅收集到 56%。
然而如果嘗試擷取所有可用資料,會導致既有的 IT 架構負荷過重,而且也會增加成本。這也是企業必須重新思考資料管理方式的諸多原因之一。舉例而言,若在資料生命週期的一開始就識別和分類資料,便能加快刪減資料的速度,進而降低成本。
資料蔓延會延伸成資料孤島,導致資料科學家和分析師難以將資料轉換為洞悉,以供決策者使用。公司文化也可能會促進資料孤島出現,因為彼此競爭的團體有各自的目標,因此想要能夠保留並控制專屬的特定資料。
若要讓資料孤島上的資料可供存取,企業主必須同時處理技術和人為層面的阻礙。統合政策機制這類自動化工具可解決技術層面的問題,而全域資料管理和全域標準的做法則有助於整合團隊。
資料安全性一直是 IT 和企業領導階層難以擺脫的一大憂慮。尤其是多重雲端的安全性有其獨特的問題,包括不同雲端上的可見度不一致,以及不同安全組件之間缺乏協調。
脆弱的環境會產生資料洩漏的風險,帶來的後果包括財務損失和罰鍰,甚至是名譽損害和隱私外洩。但安全的重要性不僅於此。必須要有強大的安全防護,才能發揮出資料的所有價值。因為不受干擾的資料存取和資料完整性,都需要由資料安全性來保障。
成功的資料管理方式,需要能全方位檢視內部部署和雲端架構上的資料儲存空間。這不光意味著讓人人都能自由使用資料,而是要透過單一平台來統整儲存空間和管理資料,無論資料本身位於何處。
但企業的儲存技術的佔地通常是一大挑戰,包括不同儲存技術的蔓延擴張和並存都是問題所在。除此之外,許多組織缺乏一貫的資料儲存策略。
《資料新思維》報告發現,組織大約只會用到可用資料的三分之一。所收集到的資料通常會一股腦放置到儲存庫中,然後便留在原地生灰塵。企業經常將資料儲存起來後就此遺忘,而未從資料的寶庫中擷取洞悉。
智慧資料收集的做法,則會先瞭解業務目標,以及企業希望從資料中淘選出何種洞悉。訂定目標有助於釐清需要收集何種類型的資料。
大量資料的分類排序也是可用性問題的一環。組織需要處理許多會影響到珍貴商業情報擷取能力的因素,像是複雜度、工具重疊、資料整合等。
邁向成功的演進
企業主必須專注應對多重雲端資料管理的難題,如此才能善加發揮所收集資料的完整潛能。這個目標需要公司目前的策略邁向成熟。從端點到核心,再到雲端之上,想要改善成果,更優秀的資料協調能力和 DataOps 模式的採用是兩大途徑。
DataOps 是新興專業之一,目標在於改善資料分析的品質、速度和價值。根據 IDC 的定義,DataOps 會連結資料建立者與資料取用者,也就是將產生報告和資訊的機器或人員連結到決策者。
DataOps 是促進協同合作的流程。可以涵蓋人工智慧技術,有助於提供業務程序全體概觀,或是將來自雲端、核心和邊緣的資料彼此建立關聯。運用這類先進的資料管理工具,企業便能開始解決多重雲端複雜性所帶來的重重難題。若有得以運用更多資料的能力,便能獲得更好的商務洞悉。
所謂善加運用資料的完整潛能,就是將資料轉換為資訊。IDC 研究主任 Phil Goodwin 在《資料新思維》報告中提到:「無論是結構化、半結構化還是非結構化資料,無論是由人類還是機器所產生,無論是儲存在資料中心還是雲端上,資料都是競爭優勢的全新基礎。」
歡迎深入閱讀 Seagate 的《資料新思維》報告,瞭解企業如何實際將商業資料投入運用。
Bloomberg 和 CNBC 評論員 Bob O'Donnell 探討民主化資料分析和儲存影響
硬碟機和 SSD 會與 GPU、CPU、HBM 和 DRAM 一起成為人工智慧應用環境的重要一員。
有資料才有 AI,而有大容量硬碟機才有資料。研究公司 Recon Analytics 的 2025 年的調查,讓這些深度分析資訊躍然紙上。