为什么每yabo福彩3D个企业都应该重新考虑数据

不要(仅仅)囤积数据——让它发挥作用

商业领袖和数据经理正在竞争,以跟上当今前所未有的数据增长和数据蔓延。要在数据中心、多云平台和edge之间的网络上不断流动的数据洪流中发现并利用其价值,就需要一种更动态的方法来管理数据的移动。

数据架构和数据位置的复杂性加剧了这些挑战。

希捷的一份新报告显示,重新思考数据:将您的更多业务数据放在工作 - 从边缘到云,讨论公司必须找到从从边缘生成的多个数据中获取业务价值的新方法。该报告借鉴了IDC进行的研究,并根据来自世界各地的1,500名IT高管的调查。你可以阅读此处的完整报告

好消息是今天的数据管理困境存在解决方案:Dataops - 将数据创建者与数据消费者连接的学科。选择实施Dataops的商业领袖可以依靠更好的业务结果,例如提高客户满意度和更高的利润。

考虑数据报告强调了为什么DataOps对数据管理至关重要,为什么企业需要更好地处理“动态数据”以及支持人工智能和数据分析的流程,以及多云平台如何成为许多企业的新常态。

DataOps:数据管理的缺失链接

报告的结论是:各种规模的企业都需要一种更综合的数据管理方法。DataOps——一个旨在提高数据分析速度、质量和价值的新兴学科——是缺失的一环。例如,企业可以将DataOps模型应用于人工智能(AI)应用程序所需的迭代学习过程。这与传统的数据分析方法不同。DataOps不是搜索特定问题的答案,而是进行数据关联并搜索
以获得见解。使用DataOps理念,企业可以更全面地看待它们的数据。

IDC调查的大多数IT领导者表示,DataOps对他们的组织来说“非常”或“非常”重要。然而,只有10%的公司报告说他们的公司已经完全实现了数据操作解决方案。

实现DataOps需要数据消费者(业务所有者和业务线领导者)清楚地了解数据是如何以及从哪里获得的,以及应该从myriad收集哪些数据来源,从端点和IOT设备到生成向决策者馈送的报告和信息的人员。提高数据流和分析可以提高生产率并加快创新过程。

DataOps方法可以帮助企业更有效地管理来自企业多个部分的数据。该报告指出:“将来自不同来源的数据关联起来是一项不容易通过其他方式获得的能力。”“因为它很难,那些能够掌握它的组织有望在竞争中拥有优势。”

此外,Dataops策略将使用机器学习来自动化从核心,云和边缘设备等多个源汇总和分析数据的过程。机器学习模型可以从数据本身学习,随着时间的推移变得更加精确。使用机器学习使企业能够从人类分析师忽视可能忽视的数据中的洞察力。

例如,DataOps可以向零售商提供购物者购买不相关商品的原因。有了这些信息,零售商可以改进营销策略,瞄准更感兴趣的客户,调整商品组合,优化产品植入,以增加有需求的地方的销售。

制造商可以应用DataOps原则来收集和分析有关机器性能的数据,从而提高维护效率和正常运行时间。机器学习还使企业能够更智能地扩展从位于整个生产设施或配送中心的数千个物联网设备流入的数据。

68%的数据未使用 - 损坏的价值损失

报告显示,68%的企业可用数据未被使用,而在当今的经济环境中,如果不能分析数据,就意味着把钱白白扔在桌子上。人工智能驱动的自动化可以帮助企业访问和使用分散在边缘、云端和数据中心的数据。将人工智能作为数据分析方法的一部分的公司可以通过提高生产率和新的业务洞察来提高ROI。

企业面临着五个主要挑战,他们认为这些挑战限制了他们充分挖掘收集数据潜力的能力:

  1. 使收集的数据可用
  2. 管理收集数据的存储
  3. 确保收集所需的数据
  4. 确保收集数据的安全性
  5. 使不同的筒仓收集的数据可用

这些考虑因素对企业所有者来说很重要,因为它们直接影响企业可以发现的数据的价值,从而影响收入。更好地管理来自多个来源的竖井数据可以转化为业务增长。在Rethink Data报告中接受调查的商业领袖表示,他们只使用了32%的可用数据。这意味着大量数据被浪费了。“yabo福彩3D每一项业务都是数据业务,”奈克说。“但企业数据如果不被使用,就没有什么价值。”

数据管理解决方案应该专注于解决这些挑战,为企业所有者和客户提供最有效的体验,并开始帮助企业削减他们无法利用的数据百分比。

“这项研究的调查结果说明了超过三分之二的可用数据,在组织中休耕可能看起来像令人不安的消息,”IDC和研究调查首席分析师的研究总监Phil Goodwin说。“但在真理中,它表明了他们指尖的机会和潜在组织有多少。可以利用数据的价值的组织,无论它驻留在哪里 - 核心,云或边缘 - 都可以在市场上产生显着的竞争优势。“

希捷首席信息官兼公司战略高级副总裁拉维•奈克(Ravi Naik)表示:“你拼凑的碎片越多,解决的难题就越大。”“如果你共享数据,交叉引用各种信息流进行分析,你就可以解决更高阶的问题。”

机器学习可以帮助企业实时分析数据,以确定哪些数据是有价值的,哪些是多余的。人工智能驱动的过程,如自动修剪,可以自动归档不立即需要的数据。

最终,机器学习帮助企业从数据中获得更多价值。例如,杂货店收集产品销售数据,帮助他们确定库存组合。在医疗保健领域,医院可以跟踪患者数量以估计成本,从而更有效地预测和管理预算。

管理运动中的数据

企业必须在边缘位置,核心数据中心和云之间传播时管理的数据流。该报告解决了许多障碍,并提供了对克服它们所需的几个关键要素的分析。

存储在边缘处的数据量 - 处理更靠近源的数据并可以加速分析 - 以比存储在核心中的数据更快的速率更快;此趋势扩展了数据蔓延。企业将有不断增加的需要在任何地方管理这个分散的数据。

根据该报告,公司现在将约36%的数据从边缘位置转移到核心数据中心。但报告还强调了大多数企业未能利用散落在边缘的数据 - 无论是来自生产线,智能手机,自动车辆还是其他连接的设备。

移动的数据越多,商业领袖就越容易做出关键决策。人工智能驱动的自动化可以帮助快速处理来自多个来源的数据。“数据需要移动,以便实现数据的互联性——以及由此产生的洞察力,”奈克说。

集装店和恢复过程的编排可以帮助公司管理运动中的数据。数据编排从多个存储平台获取数据,并通过API可用应用程序。根据报告中的IDC号码,45%的中型大小已经使用了Orchestration来部署了公司的公司。

另一个简化数据管理的工具是虚拟化,它创建操作系统、服务器或存储设备的虚拟实例。这提供了一种在统一环境中聚合和管理数据的有效方法。

改进的安全性和加密协议对于改进动态数据管理也至关重要。事实上,三分之二的调查对象表示,他们的组织中没有足够的数据安全性。

该报告概述了这些元素可能在Dataops战略中播放的角色,并且路径企业必须考虑获得他们的福利。

云管理复杂性

根据考虑数据对企业用户来说,在多云环境中管理数据是最大的数据管理挑战。管理混合云是IT领导者报告的第二大问题。

多云环境由多个公共云中的数据存储或公共云和私有云的组合组成。混合云融合了两个或多个不同云的资源(无论它们都是
公共的、都是私有的、还是私有的
和公共云)。

运营混合云的企业面临的障碍之一是将传统数据中心网络与公共云连接起来。IT管理人员还需要为多个云开发一个具有凝聚力的长期集成计划。许多企业在其基础设施是专有的或为单个云设计时都会遇到数据管理问题。不同的云平台有不同的工作流程和管理工具,缺乏统一的安全管理协议。

“多罩部署更难以协调并一致地管理,因为每个云平台的基础设施工具通常被设计为在特定平台的范围内运行,”IDC的研究经理Andrew Smith说。

报告详细介绍了各种云模型带来的好处和挑战,以及为什么跨多云部署通常是有益的。它还提供了关于业务领导如何与It领导和数据管理人员合作,以创建有效的多云战略的建议。最终的关键目标是部署一种策略和架构,让业务领导者能够看到他们存储的数据——所有的数据——就像透过一块玻璃一样。

换句话说,CIO应该能够以无缝方式查看多个云生态系统。

重新思考数据的价值

数据管理既具有挑战性和奖励则。但有一件事是肯定的:企业需要更好地处理他们的数据。IDC报告说,到2025年创建的数据率将呈指数级增长到175个Zettabytes。“在Zettabyte Scale上,需要是一种简单,安全和经济的方式来捕获,存储和激活数据,”希捷首席执行官Dave Mosley说。

DataOps对于改进数据管理以及从多个来源进行利用和管理信息至关重要。有效的管理和管弦郎对于实现先前未利用数据的价值至关重要。

IDC的调查考虑数据报告发现,更好的数据分析可以带来更好的业务结果。

对于大多数组织而言,更好的业务结果的三方面是如下:

  1. 更好的收入。
  2. 更好的利润。
  3. 更好的客户满意度/忠诚度。

但由于数据管理和分析,整个企业都得到了更好的结果,包括:

  • 更好的员工生产力。
  • 更好的留住员工。
  • 降低成本。
  • 改善法规遵从性。
  • 更好的新客户收购。

其中更积极的结果是更好的新客户获取,这显然是增长收入的关键。

挑战在于如何部署DataOps来连接动态数据,支持所有数据的实时聚合视图,并解决治理和安全问题。

改善数据治理最终将产生更多可操作的见解,从而提高生产率和结果。最终,这转化为更好的投资回报率。

IDC的报告指出:“更快地获取数据意味着客户和企业主可以更快地做出决策。”

挖掘细节;下载完整报告:重新思考数据:让更多的业务数据发挥作用——从边缘到云

2020-07-23T11:23:32 + 00:00

关于作者:

约翰•保尔森的
John Paulsen是一个“长期数据”的倡导者,在数据存储行业有近20年的经验。他帮助推出了许多行业领先的产品,包括HAMR技术、10K-rpm和15K-rpm硬盘驱动器、专门为视频和游戏设计的驱动器、串行ATA驱动器、流体动力HDD电机、60TB ssd和MACH.2多驱动器技术。