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
在传统零售行业同质化竞争激烈、大众营销转化率持续走低的背景下,依托经验与直觉的粗放式营销逐渐失效。美国塔吉特百货(Target ...
2026-10-10随着智能客服、数字化服务、用户精细化运营的快速普及,传统零散、非标准化的客户服务数据与业务体系逐渐难以支撑高效服务治理。 ...
2026-10-10 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-10-10CDA数据分析师 出品 作者:李诗怡 定义区别 · 场景举例 · 指标分类 · 计算方法 知识体系总览 模块 包含内容 一、核 ...
2026-10-09在数据分析工作流中,业务数据大多存储在各类关系型数据库内,例如MySQL、PostgreSQL、SQLite等。Pandas是Python生态中主流的数 ...
2026-10-09在数字化精细化运营时代,海量用户存在需求差异、行为差异、价值差异与偏好差异。如果企业采用“一刀切”的统一营销、统一服务、 ...
2026-10-09 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-10-09指标体系是企业数字化分析、业务监控、经营决策的核心基础框架,是将零散数据转化为可衡量、可对比、可落地业务价值的关键体系。 ...
2026-10-08随着市场竞争日趋饱和,同质化低价竞争逐渐陷入内卷僵局,传统以价格、渠道、促销为核心的营销模式边际效益持续递减。在此背景下 ...
2026-10-08 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 ...
2026-10-08你有没有想过,手机里点外卖、刷社交软件、转一笔账,背后到底是谁在替你"记着账"? 答案其实很简单:数据库,以及跟它对话的那 ...
2026-10-07CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 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 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29