京公网安备 11010802034615号
经营许可证编号:京B2-20210330
企业该如何保护并创造数据价值
如今,人们越来越痴迷于数据,确保数据安全成为了企业必须承担的责任。确保数据安全的应用、海量存储、备份流程、培训等工作,占据了IT部门的大部分精力,导致他们几乎没有时间来梳理数据,评估需要通过什么方式备份什么内容。对于许多企业而言,默认的方法就是简单地备份所有数据。
然而,随着数据的来源不断增多,人们开始思考如何将数据保护的作用从确保业务正常运转转变为革新现有业务模式,以及如何提高数据保护的效率和效果。
信息是企业最重要的资产,但是保护这些信息却代价不菲,且流程十分复杂。我们注意到,企业每花费 1 美元保存客户信息,就必须花费至少4-6美元去保护它。对于企业和机构而言,数据保护是一种昂贵,但又不可或缺的保障,防止数据丢失可以有效避免品牌声誉受损或卷入诉讼纠纷。
过去五年中,科技进步催生了众多企业必备的解决方案,包括: 服务器 虚拟化 、物联网 、数据分析和 软件 定义数据中心;而每一种解决方案都带来了新的备份需求和挑战。最终,大多数企业至少拥有三种备份解决方案以满足数据保护需求。
企业并没有将更多预算用于IT部门,而数据处理和分析成本却水涨船高。因此,许多企业希望能够降低数据保护成本的同时优化数据保护流程。那么从哪里着手呢?建议可以考虑以下几点:
数据保护要创造价值
保护的成本应与信息的业务价值相称。在明确了哪些是关键数据、哪些是重要数据以及哪些是标准数据之后,企业便可按照业务需求来调整流程。
首先弄清为什么要保护数据?
在线恢复——数据损坏等影响有限的灾难
灾难恢复——洪水、火灾等大规模的灾难
长期保存——满足合规要求
我们先来了解一下各种不同的恢复类型和不同重要性级别的数据,如下图所示:
举例来说,当 银行 核心系统运行出现问题时,必须通过硬件快照实现在线恢复。虽然这种方法成本较高,但是它能够迅速恢复,从而保持业务的连续性,同时减少数据丢失,降低对用户造成的影响。所以,这种情况属于关键型需求。
而像患者数据这样的信息,虽然并不是经常使用,但必须在患者的有生之年甚至更长时间保存,那么我们可以按照管理部门的要求,通过上图右边的私有云或公共云保存,以降低成本。
企业只需要花点时间评估一下自己的数据属于上图中的哪一种情况,便可着手制定一款系统的,更经济的数据保护方案。
充分利用云
利用云保存备份数据看起来更有吸引力,但IT部门面临的挑战也相对较大。云可以最快速地降低成本,但它也最容易带来风险,从而影响安全性、灵活性和实际成本等。
加密可以降低企业的数据安全隐患,确保保管数据的“钥匙”始终掌握在企业手中。同时,企业要弄清云服务所需的成本,虽然这需要基于可预见的用户需求进行提前规划,但这可以保证企业在遇到额外收费或系统出现局限性时,不至于十分意外。
确保灵活性则更为困难。云提供商变动频繁,IT部门经常被迫采用新的系统,频繁迁移数据不仅复杂,还具备很大的风险,所以企业需要一个“云保镖”,当企业希望充分利用最新的云技术时,它能够帮助其顺利实现云之间的数据迁移,同时避免引发各种问题。
改造和整合流程
过去,客户被迫采用同类最佳的方法以便更好地支持新的业务需求。然而,其结果是复杂性大增——解决方案多种多样,维护和培训成本也急剧上升。如今,随着解决方案逐渐适应了技术发展趋势,企业可以采用单一解决方案,在同一地点支持多种应用。例如,全球最大的电信公司之一采用了HDS HPP和Veritas NetBackup联合解决方案,通过一个多租户系统,满足全球客户的各种数据保护需求。
自己创建还是购买定制化解决方案?
如今的企业必须足够灵活,才能够及时响应不断变化的客户需求。因此,IT部门不再仅仅被视为服务提供方,而是能够指导最佳实践,实现业务转型的有力支撑。
企业自己创建解决方案可实现全局管理,对于某些企业来说似乎是理想的选择。但是,这将使存储解决方案和应用的成本大幅上升,且需要专门的管理团队来运行。相反,通过购买基于需求的定制化解决方案,IT部门能够节省此前用于维护、升级和检修系统的时间,从而将精力投入在高附加值的工作中,比如为企业探索新的业务增长点,同时确保成本和维护的可预测性。
各行业客户的实际用例足以说明问题。某全球领先的饮料公司的数据年增长量高达30%,通过使用HDS解决方案,其数据保护需求降低了70%。此外,某跨国零售商将备份时间减少了50%,现在能够做到一夜之间备份好所有数据。
在可以预见的将来,数据仍将继续占据大部分IT流程,所以如何降低成本和提高流程效率是必须被纳入考量的问题。在数据保护方面,企业不再仅仅持“备份一切”的心态,而是能够极其灵活地控制成本,获取洞察,并最终通过保存的数据获取价值。在通过数据保护获取价值的竞争中,一款综合所有这些功能的解决方案可谓制胜关键。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12