京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据泄露事件警示:需注意数据损坏和面临更大风险的可能性
如今,在新闻报道中从来不缺乏让人充满数据恐慌的故事。Facebook公司也正在引领这种潮流,由于该公司将个人信息提交给分析引擎剑桥分析导致数据泄露,而遭遇组织和用户的强烈的指责和批评。而雅虎公司最近公布的一份报告称,2013年其全部30亿用户的数据受到网络攻击而对外泄露,使其成为有史以来最大的数据泄露事件。
尽管这些故事不可避免地引起了人们的愤慨和警惕,但大多数人都认为,下一次重大违规事件是不可避免的,而受到影响的人数只会增加。虽然欧盟发布实施的《通用数据保护条例》(GDPR)将有助于减少人们的一些担忧,但对于大数据应用以及私有公司对个人数据的商业使用有着更加强烈的安全意识。
当然,数据安全性很糟糕,并且还有很长的路要走。而数据是当今创新的核心,这将在消费电子产品和临床医学等现代生活的各个领域都取得重大进展。即使人们不知道,它也会让人们的生活变得更好——为客户提供改进的服务、有针对性的消费者交易和复杂的忠诚度计划。
那么,人们如何才能最好地利用数据的好处并减轻不良影响?要做到这一点并非易事。
数据中心是组织业务的核心。人们可能会认为IT部门不像以前那样是创新和业务领导力的家园,但是大数据革命只能从专门构建的高效数据中心高效地提供。正确实施数据中心战略意味着企业拥有一个智能且可扩展的资产,能够更好地成长。但是如果没有正确实施,组织业务都将面临风险。而数据中心是大数据成功的基石。
据IBM公司称,目前全球90%的数据都是在过去两年中创建的。这些数据无处不在:传感器用于收集购物者信息,发布到社交媒体网站的帖子、数字、图片、视频、交易记录,以及手机GPS信号等。
而大数据应用的关键特征之一是它们需要实时或接近实时的响应。而这意味着任何组织的安全、服务器、存储和网络都承受着巨大的压力,而这些需求的影响在整个技术供应链中都会被感受到。IT部门需要部署更具前瞻性的容量管理功能,以便主动满足处理、存储和分析机器生成数据的需求。
关于数据中心构建与租赁的最终说法
对于即使是规模最大的组织来说,拥有和维护全资拥有的数据中心的成本也会非常高,因此在长期的构建与购买租赁的争论中,购买租赁这一做法占据上风。组织外包给第三方可以提供最好的保护,防止数据中心复杂性、成本和风险的增加,并且无需担心正常运行时间。运营商中立性连接意味着数据中心环境中的用户可以选择最适合其需求的运营商服务提供商,租赁数据中心设施为组织提供了大幅降低的前期成本。此外,数据中心提供商可以无缝地让组织的资源进行扩展,可以快速轻松地处理不断增长的存储需求。
高性能计算(HPC)曾经被看作是大型和超大型组织的技术储备,现在正被视为解决大数据所带来挑战的有效方式。高密度创新策略还可以最大限度地提高生产力和效率,增加数据中心的可用功率密度和计算能力。
对于很多人来说,采用云计算是那些希望采用高性能计算(HPC)用户的梦想。云计算可以提供几乎无限的存储空间和即时可用且可扩展的计算资源,这非常诱人,为企业用户提供非常现实的机会,可以租用他们无法承担的基础设施,并使他们能够运行大数据查询,从而对其组织的日常战略和盈利能力产生巨大的积极影响。
面临巨大的安全挑战
也许最重要的是,当谈到数据中心战略时,购买和租赁选项解决了组织担心的可靠性和安全问题,而这是涉及到公众对数据信任的最大问题。但对于很多人来说,这些担忧意味着大规模迁移到标准云(其安全性可能不那么先进)不是一种很好的选择。相反,精明的组织正在迅速认识到,在共享环境中部署混合云策略意味着IT可以更轻松地扩展和增长,而不会影响安全性或性能。
另外,托管数据中心或托管服务可以帮助组织处理灾难恢复需求,这得到越来越多的组织认识和接受,无论其数据驻留在何处,迟早都会受到影响,因此重要的是知道如何解决不可避免的问题,而不是试图解决无法解决的问题。当组织从专家那里购买服务时,他们的职责就是让组织的业务快速地重新运转。
通过选择托管服务,组织可以有效地实现两全其美的选择,而可以购买和租赁不间断电源、电网供应、备用发电机、空调冷却、全天候安全、弹性路径多光纤连接,也可以直接采用公共云平台以提供全套IT基础设施——所有这些都是组织构建和运营自身成本的一小部分。
所以,数据并不是恶魔,但人们需要注意数据损坏和面临更大风险的可能性,以及重大利益。适当的基础设施和良好的数据管理只能帮助控制不良情况并使产品更好。
从根本上说,大数据的成功始于数据中心。如果实施的不正确,即使是最具创新性的应用程序也会失败。虽然人们将继续看到大数据泄露事件层出不穷,而明智的公司只会关注数据中心的内容,而不是媒体关注的焦点。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12