
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
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04