
IBM当时正在尝试进行深刻的角色转型——从一个提供数据中心服务为主、外包业务为辅的公司,转型成为更注重云计算 的 IT 行业领头羊。
尽管他们仍在对云计算进行投资,但是公司的营收并没有提升。非但如此,他们还被迫放弃了两项独立的硬件业务:将 x86 构架的服务器业务出售给了联想;将生产企业级 p 系统和 z 系统的芯片制造工艺出售给了 GlobalFoundries。虽然几乎可以肯定,IBM 必将出现反弹,但是不得不承受巨大的损失。公司预计将在第三季度出现 47 亿美元的亏损。同时,这家在全球拥有超过 40 万员工的科技巨头肯定会进行更大规模的裁员。
首席体验官应该如何在 Capex vs. Opex(译者注:IT 行业中,数据存储在自己的数据中心需要的一次性资本投入是 Capex,而如果使用云存储所需要的持续性运营成本是 Opex)中做出明智的决策以保持竞争力。如果你是一个决策者或者对你们的组织有着一定影响力,并且你至今并未考虑云存储的问题。
另一个首席体验官们必须考虑的问题是企业数据中心中的旧数据系统升级。这要归咎 于,现在离微软停止提供 Windows Server 2003 的支持还有不到一年时间了。那么,需要做的决定很简单:现在,公共云服务提供商(如 Azura 和 AWS)或私用云服务提供商仅仅按照计算时间、数据存储量、上下行流量收取费用,如果你现有数据中心仍在使用 Windows Server 2003,到底是否还有必要对其进行进行升级(如升级成 Windows 2012 R2 或者 Linux)呢?
在过去的一年里,有竞争力的公共或私人云计算提供商都通过降低使用成本和增加服务种类来提升自己产品的吸引力。与此同时,敏锐的首席体验官们发现了触手可及的云服务,开始享受其带来的巨大便利。
在 2013 年,企业使用云服务的目的是利用其自助服务配置的优势,减轻开发和测试的负担。而在 2014 年,首席体验官们要做的就是投资、试行并积极将工作负荷转移到云端上。
丰富多样的云服务
然而仍有一些关键问题妨碍着从数据中心到云端的转移,那就是消息传送和电子邮件的问题。当然,现在有一些公司可能依旧有充足的理由维持自己邮件基础服务的独立性,但是对任何规模较大的组织来说,这个系统的管理和运营实在是让人头疼不断,并且十分烧钱。
微软的 Office 365 和众多基于 Exchange 的拥有自己增值服务的提供商,则可以提供包括全方位技术支持以及日常管理在内的服务,帮你一劳永逸地解决这些问题。现在如果选用 Office 365 还可以得到使用新功能的机会,比如企业 Skype。这项业务过去名为 Lync,用途是 IP 电话、视频协作和即时通信。
毫无疑问,Office 365 并不是唯一一种基于云服务的通信服务产品。谷歌 App ,还有其他尤其是第三方托管的私用云也是这类产品。但是你一定要认真审视哪些功能是必要的,哪些服务是最符合你的需求的。
云服务的另外一个好处是,使用公共云将没有(或者减少了许多)软件使用许可证的支出,无论你使用的是什么操作系统。服务提供商将支付那些费用,并且提供 给你服务。你只需要按照使用次数或时间付费。某些情况下,特定行业的上层云服务提供商能够保证 ISV 软件的使用,并提供软件使用许可证。
上述这些都是使用基础设施即服务(IaaS)转移方案的情况。如果使用平台即服务(PaaS)方案,成本还将显著降低,并且完全无须管理虚拟机和底层操 作系统。如果你的业务应用的任何部分都可以使用数据库即服务(DBaaS)比如 Azura SQL,那么你就会知道什么叫真正的节省开支。你的应用通常需要很高的计算与存储的混合成本,通过数据库即服务,这将转变成更为单纯的传输和存储成本。
当然,除了企业通信和应用数据的转移以外,还有其他可以简单实现的目标。云集成存储被越来越多地用以解决困扰商家的存储低效问题。在价格竞争不断的服务提供商中,你很容易找到一个乐于为你提供服务的,使你能够更好地利用存储空间。
是否使用云计算,并不需要一个绝对的答案。采取混合云方案,例如只将那些不常使用的文件交给上述云集成存储服务提供商,可以给你两全其美的选择。再比 如,假设存在监管或数据所有权问题,你不能将数据库直接放在公共云中,你可以选择将应用的外层和中间层放在公共云存储中,并使用点对点 VPN 连接你的本地数据库机房和云存储服务提供商。
在一些特定情况(比如分配给各分支机构)下,使用公共云服务提供商(比如 AWS 和 Azure)的 VPN 软件(如在 Windows Server 和 Linux 下使用的)十分有效。相比之下,使用像 AT&T、Verizon 和 Equinix 这样的电信运营商和主机托管服务提供商的加密 MPLS 连接,可能会有更低的延迟和更快的连接速度。对此,AWS 的解决方案叫「Direct Connect」,而 Azura 的则叫「Expressroute」。
以上粗浅地介绍了一些公共云和私用云的情况,以及其如何解决使用本地数据中心时存在的问题。毋庸置疑的是,2014 年是使用数据中心和云计算的分水岭。2015 年,毫无疑问,将会有更多的数据中心行将就木。
今年,你是否将大量的工作转移到了云端?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30