
大数据价值堪比石油 何以玩转数据管理
大数据时代的到来,使得数据成为企业业务的一项重要战略资产。对于企业而言,成为数据驱动型企业已经成为一种必然的趋势。
日前,Commvault联合IDC针对数据管理进行了一次调研,该调查主要分析亚太地区企业内部的数据孤岛如何制约企业做出明智决策,从而导致成本攀升的问题,以便能够更好地了解企业如何将数据用作战略资产,同时降低相关成本和风险。IDC的调查数据显示:74%的企业认为,数据对于企业来说具有战略意义,企业可以充分利用数据做出更优的决策;只有5%的企业表示,数据对它们来说不具有战略意义。
Commvault中国区技术总监蔡报永在解读此次调研时表示:“绝大部分CIO认为数据对他们企业将来长期发展具有战略性意义。以数据来驱动企业的生产发展,通常这样的企业比其它的企业在市场上具有更大的竞争力,其能够更快的做出决策,能够拥有更多地核心的竞争力而领先于竞争对手,其利润也相对更丰厚。”
一体化平台或成新引擎?
如今,越来越多的数据被收集,但却并没有得到足够的分析。特别是在中国,所收集数据的分析率甚至不足50%。“整个数据的收集和被分析利用趋势是比较弱的,还有很大的增长空间。”蔡报永说道。而在对数据管理策略及流程的成熟度方面,63%的中国企业(亚太地区为40%)称他们的数据管理策略 ,特别是数据的备份、恢复、数据保护和分析等仍是在部门级别完成,对于整个业务单元或企业的整体策略也因此缺失。蔡报永表示:对于企业来说,做好数据管理的驱动力,通过管理数据去做公司规划,甚至数据更多的留住客户、赢得客户、产生更多的业务成为企业对数据管理的需求。
然而在这一过程中,数据孤岛所带来的安全风险成为部门级数据管理信息孤岛带来的首要风险。“很多亚太区CIO已经意识到了这个问题。现在他们也正在致力于做一体化整体的数据管理模式,就是想把原来分散的、部门管理模式进行统一。”蔡报永说道。
而随着云的不断兴起于落地,在企业谈及第三方平台或是将数据迁移到云中时,绝大部分客户都认为安全访问数据对他们而言时最大的挑战。蔡报永表示,用户在选择备份及恢复解决方案时,所考虑的关键因素包括:管理和保护所有类别数据的能力;能够通过单一平台保护、管理和访问所有数据的端到端解决方案;可扩展性;易用性;以及不影响性能等方面。
其中,端到端的一体化平台成为重要的候选目标。这样一体化的平台究竟为何受客户青睐?蔡报永认为:一是因为一体化的平台能够非常有效快速地做电子查找;二是是其能够对于本身数据起到保护作用,防止其丢失;第三,一体化的平台还可以降低它的总体拥有成本。此外,优化部门间协作、为决策提供更完备可靠的信息、更加高效和可靠的灾难恢复机制也是一体化平台的主要优势所在。
对此蔡报永表示:“我们认为,灾数据管理是提供灾难恢复机制最基本的部分,因为一旦所有的物理故障出现的时候,你可能可以通过复制和镜像来完成数据管理。但是当出现逻辑故障的时候,一定通过数据恢复或者是数据灾难恢复这种机制来实现的。所以要充分的利用一体化平台保护好数据,为你的灾备体系来服务。”
而归结到最终,在数据管理领域中,用户选择第三方平台的意义究竟何在?据本次调查的结果显示:亚太区的CIO认为利用第三方平台主要是为了提高运营效率、节约成本和拓展市场。“IT本来就是支持业务部门驱动他来拓展市场。对于整个数据管理趋势而言,将来一个企业是否把数据看成战略资产、是否充分利用了战略资产,就必须做到节约公司成本、提高生产率,并且在进行大数据分析之后能够拓展出新的市场。这也是我们所认为的将来一体化的数据管理软件能够为这个企业所提供的三大优势。”蔡报永说道。
如何破解“数据孤岛”难题?
与此同时,我们也看到,在向IDC提出的“第三平台”转型期间,数据孤岛问题尤为突出。信息孤岛的问题由来以久。以前,IT的部署方式是为每个应用单独部署一套IT系统,包括计算、存储、网络等。随着应用不断增加,不同应用系统之间难以进行沟通,数据也无法共享,一个个的信息孤岛就此产生。信息孤岛的弊端十分明显:第一,产生安全风险,IDC的调查数据显示,安全风险被企业视为信息孤岛带来的首要风险;第二,成本的增加;第三,降低生产效率,不易实现分工协作。
为了做出明智的商业决策,第三平台上的企业更加注重数据的整体观。第三平台为企业带来了巨大机遇,让他们能够推动未来的业务增长和创新,并降低部门级数据管理的风险。
据蔡报永介绍,针对当前企业在数据管理方面的情况,Commvault也推出了相关的产品及服务。目前在中国Commvault专业服务部提供了“数据管理成熟度评估”的服务;在大数据分析方面,Commvault的引擎可以做到对机器上面的日志做运维分析;而目前,用于IT运维的自动化分析的Simpana R2版本也已经推出。此外,在今年上半年,Commvault还推出了几个产品,利用云帮助用户建立容灾系统。“Commvault会向企业提供统一的一体化平台及专业的容灾服务,从而将企业的数据和云有机地结合起来,在这方面Commvault都可以做到很好的支持。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10