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
在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26