当前位置:主页 > 查看内容

2019年数据管理的现在和未来,Veritas老司机告诉你

发布时间:2021-05-17 00:00| 位朋友查看

简介:【51CTO.com原创稿件】在2018年,金融、制造、零售电商、地产、医疗、物流等行业都在发生着巨大的变化,而数据正在成为这些行业飞速发展和变革的关键驱动力量。无疑,2019年谁能够充分发挥数据带来的价值,谁就占据了数字化转型的先机。 日前,作为数据管理……

【51CTO.com原创稿件】在2018年,金融、制造、零售电商、地产、医疗、物流等行业都在发生着巨大的变化,而数据正在成为这些行业飞速发展和变革的关键驱动力量。无疑,2019年谁能够充分发挥数据带来的价值,谁就占据了数字化转型的先机。

日前,作为数据管理解决方案的老牌厂商,Veritas在全球进行了针对***大型企业1500名IT决策者和数据管理人员的“发挥企业数据力量”调研,指出他们在发挥数据价值方面存在的难题以及所取得的成果。

Veritas大中华区总裁 杨晨

当前,数据正在成为企业的核心资产,但是如何管理好数据,如何更好实现它的价值,把它变现,是所有企业面临的问题。从企业自身来讲,无外乎是希望企业IT环境越来越好,开支越来越少,规避潜在的数据损失。但从现实情况来讲并非是一件容易的事情,Veritas大中华区总裁杨晨对记者表示,一方面,企业都觉得上云好,能够帮助业务实现更好的资源动态调配,具有很多应用场景的优势。但反过来,云也会带来很多复杂性。由于企业IT环境变的越来越碎片化,很多企业都不止上一朵云,可能上两到三朵云。在中国,这种趋势变化更加明显,很多企业愿意选择三朵云,不愿意把鸡蛋放在一个篮子里。

例如,中国企业涉外的业务,“一带一路”更愿意上AWS,而本地核心的业务更愿意放在自己私有云环境中,与行业上下游打通的部分则会放到行业云中。而此时,企业原有的数据被分割的越来越碎片化,分布在传统数据中心、私有云、行业云、公有云中。碎片化的数据如何管理,这就带来了越来越多的复杂性,业务能力增强的同时,不可避免的也相应带来了IT管理成本的增长。

其次,开支也是一大问题。现在数据简单的堆砌,数据量堆砌是非常非常庞大的。数据量正在以每年49%的速度高速增长,如果这些数据全部存储、管理起来的成本是非常巨大的。在后期,检索、搜索的效率也是非常低下的。因此,减低开支,避免低效是企业非常关注的问题。

如今,数据安全、数据合规越来越重要,两年前在谈数据安全的时候,大部分企业认为备份好数据就可以了。而现在,除了欧盟的GDPR法规之外,在中国数据泄露的问题也越发凸显,最近的 “两会 ”中也在呼吁数据隐私和安全保护的立法工作,这个话题已经变得越来越热。

数据难题导致企业效率低下、造成损失

调研显示,数据管理上的难题对企业的员工的生产力、工作效率和盈利能力都会产生严重影响。38%的企业认为,企业的战略决策制定速度减缓是因为无效的数据管理流程。尤其是中国互联网公司,对数据的分析要求时效性非常高,市场化的反应速度越来越快,如何做到实时数据分析是比较大的问题。

在全球,大部分IT决策者都已经意识到,员工在公司内部查找数据的时间过长,平均需要2个小时。中国毋庸置疑是全球***的数据市场,数据主要来源于人和设备,中国无论是在人员的数量、商业行为、设备数量都是最多的。这就使得企业的IT环境非常复杂,很多大型企业从小机到x86,到虚拟化到云的环境都有,这其中有大量重复的、冗余的、错误的数据,如果没有有效的手段管理,企业在搜索数据上将会耗费巨大的精力。

因此,在中国也有42% 的受访者表示,他们每天平均搜索数据消耗1-2小时。与全球不太一样的是,中国的创新氛围很浓厚,很多企业愿意运用一些数据进行产品和服务的创新,比例超过50%,而全球只有30%多。

同时,由于数据管理的挑战,每个企业平均每年会损失200万美金,在中国更是高达240万美金。这其中损失主要包括几个方向,除了没必要存储的数据会浪费企业的资源,数据丢失也会造成很多业务的停顿,乃至管理缺失造成整个应用的宕机等各种情况,其损失量无疑是非常巨大的。

企业整合数据管理遭遇三大难题

目前,只有29%的企业已经部署全面一体化的战略性数据管理方案。然而,在中国仅有13%的人认为他们的组织已经完全集成了他们的数据,也就是数据在组织中无缝地流动。剩下的相当大比重的企业都存在很多问题,包括数据一致性,数据来源太多,各种环境有不同的拷贝,一致性很难保证,以及数据安全和风险管理,数据的可视化和调度,如何在数据中快速发掘业务洞察力等等,这些都是企业数据管理的痛点。

杨晨谈到,常见的数据管理主要有三个难题,93%的受访对象在实施数据管理计划时遭遇各种难题。过去,企业CIO把数据库管好,做到核心数据不丢失就可以,而现在很多核心数据都在一起,形成了一个 “矿” ,由于数据量太大,数据结构变的非常复杂,当前如何把矿管理好,未来如何挖都是一个问题。

46%的受访对象承认其企业关于数据管理集成度较低的后果没有太大的意识或主动性不足。主要原因在于企业尤其是高层的理念跟不上,高层可能更关注的是业务指标,很少有人真正关注背后地基应该打的多么牢靠,从市场的反应看来还是有一些延时的。

58%的受访对象表示,数据散落的复杂性,也就是 “数据足迹”限制了企业实现数据价值的能力 。IT环境的碎片化,必然会导致应用的碎片化和数据的碎片化。越来越多的企业正在面临分散的环境,分散的数据,没有有效的整合到一起,复杂性变得非常高。

成功关键在于战略思维,得到高层支持

中国的受访者还提出了企业数据管理提升需要改进的方面,一是数据安全越来越重要,例如中国的金融客户对于数据安全开始有单独的立项,很多企业会设置CDO(Chief Data Officer)这样的角色专人负责管理。二是如何检索和提高运营洞察的效率。三是IT环境过于复杂,当前数据足迹的复杂性限制了他们利用数据的能力。四是企业应该可以更好地从风险和合规角度管理数据。总之,所有企业在数据管理方面都希望做到数据合规、数据安全、降低成本、提高客户满意度、更高的生产力。

对于高效管理数据的优势,33%的受访者认为可以提高数据合规性,降低数据安全风险。25%的人认为能够减少数据孤岛,以提高数据效率。18%的人认为可以将数据用于推动新的收入,以及更多的市场机会。

那么,实现企业数据管理优势的关键成功因素又是什么?杨晨说到,首先就要培养战略思维,高层的大力支持是其中之一。所有的CIO都会碰到一个问题,如何说服企业的CEO和董事长,让他们更愿意在管理数据核心资产上多投入。有了高层的支持后才会有预算,投资数据管理技术,采取结构化、阶段性的方法来实施。

其次是应用合适的技术。在复杂的IT环境下,企业的经营环境不可能是简单的环境,一定是一个跨私有云、跨数据中心、跨公有云的复杂环境,他们需要合作伙伴帮助他们去打通。同时,随着IT环境的分散、碎片化,企业希望数据管理能够有一个集中化的战略。

人工智能和自动化成就数据管理的未来

在大企业中,几十个PB的数据是很常见的,并且增长非常快。这些海量的数据光靠人来管理肯定是不现实的。谈到数据管理的未来,在杨晨看来,“唯一手段是通过智能自动化手段去实现,所有的东西都应该能够自行优化、自动分析、自我配置,出现问题后自我诊断、自我修复,自我服务。这才是能够唯一处理一个企业天文数字大数据的方式。”

基于此,Veritas也推出了Veritas  Predictive  Insight,帮助企业实现预测性洞察。Veritas通过全球客户上报的技术支持案例进行自动化分析,能够帮助企业实现智能的硬件健康、资源优化、数据合规、应急预案等。

杨晨说,通过这种自动化的方式,企业就能够提前知道哪些硬件需要更换,哪些资源会遇到瓶颈,需要添加新的设备和资源,数据被什么人在什么时候访问了,哪些数据存在合规的隐患,以及在出现问题之前能够给出应急预案,从而帮助企业在问题发生之前就能够得到规避。这也是Veritas下一步的发展方向,通过人工智能的方式让数据管理平台变的更加智能。

Veritas只专注做好一件事:跨平台数据管理

***,杨晨说到,多年来,Veritas只关注一件事情,就是跨平台的数据管理,这其中包括包括两个层面的含义:一是跨平台,从最早的小机时代,Veritas就开始帮助客户打通异构环境。到了x86时代,帮助客户打通x86和Liunx虚拟平台。再到虚拟化,云化以及多云的数据管理,Veritas都致力于给企业提供能够打通各种异构环境跨平台的体验,基础之上专注于数据管理本身。

另一方面,Veritas延伸到数据安全、对象存储、内部数据的合规审计、数据全局调度,衍生出来了一整套的体系。随着数据成为企业的核心资产,安全环境越来越复杂,企业对安全方面的投资也将会越来越大,在整个大背景下,整个市场正在迎来高速增长。

在当前多云环境下,Veritas具有四大独特价值:***,保护无处不在的数据。第二,通过多种方法帮助企业进行数据分类、数据压缩,消除重复数据,优化数据的存储。第三,加快企业上云速度。第四,通过帮助客户建立数据管理体系,确保数据合规。

在2019年,Veritas仍然定位于一家多云数据管理的公司,以最初的数据保护为核心,延伸出来一整套的体系,包括帮助企业实现数据的集中管理,可视化,通过集成式的方式把数据更好的结合在一起,数据的合规与审计,对象存储与长期数据保护,并行数据的处理,业务灾备与恢复,应用的迁移与漂移,云快照,云迁移。如今,Veritas已经形成了一整套完整的闭环体系,帮助企业在超级碎片化的数据中,确保能够实行数据化管理的战略。

【51CTO原创稿件,合作站点转载请注明原文作者和出处为51CTO.com】

【责任编辑:Barry TEL:(010)68476606】
本文转载自网络,原文链接:
本站部分内容转载于网络,版权归原作者所有,转载之目的在于传播更多优秀技术内容,如有侵权请联系QQ/微信:153890879删除,谢谢!
上一篇:打造大规模共享闪存基础架构 下一篇:没有了

推荐图文

  • 周排行
  • 月排行
  • 总排行

随机推荐