新冠疫情以来,中国企业迅速通过拥抱和采用云计算、容器化和虚拟化基础设施等技术来助力业务发展。但是,与此同时,云和虚拟化技术的加速采用为中国企业带来了更多的IT复杂性,并由此产生了数据安全等挑战。Veritas企业IT安全脆弱性报告显示,在过去12个月里,85%的中国企业都经历过不同时长的非计划性停机。中国企业已经切身感受到了IT安全能力滞后正在不断扩大,并在未来几年给企业带来巨大的成本和运营压力。
调研中的全球81%的IT主管表示,由于疫情催化的数字和云计划造成的IT安全问题,他们需要花费巨大的资源来弥补技术差距。在中国IT主管的预期中,为了弥补差距,在未来12个月内,他们需要平均雇佣27名全职IT员工,这与全球平均水平持平。此外,他们平均需要额外花费234万美元(约合人民币1,509万元),略低于全球平均水平的247万美元(约合人民币1,596万元)。
数据存储领域报告显示,中国企业只对65%的存储数据进行了分类或标记,这意味着很大一部分可能是关键业务的数据并没有得到充分的备份和恢复。这也意味着关键业务数据(无论存储在何处)的完全可见性和保护能力之间存在令人担忧的差距。
近日,Veritas大中华区技术服务销售总监顾海巍针对近期数据安全法的颁布实施以及《Veritas企业IT安全脆弱性报告》的内容分享了自己对多云环境下数据保护的看法。
毫无疑问,《数据安全法》作为纲领性法规,为今后企业如何合理地使用数据来推动整体社会效益的发展指明了方向。
顾海巍认为《数据安全法》对企业IT建设有三点意义:第一,明确了企业对数据安全的全生命周期进行管理。第二,明确了在使用以及出现事故时企业的安全义务是什么。第三,让成本变得非常清晰。
“《数据安全法》里不仅规定了法律责任,而且在第四章里明确规定数据安全保护义务,里面有一句话:必须确保数据安全,出现安全事故必须立即进行补救。这和目前Veritas提供的数据保护业务息息相关。” 顾海巍谈到。
企业应该尽早行动,来构建面向多云的数据保护
在后疫情和混合多云的时代背景下,客户面临越来越严峻的IT环境复杂性和数据管理挑战,其中混合多云环境就是带来IT脆弱性的重要来源。企业如果能够有效地实施数据安全、合规性、治理和业务弹性战略并涵盖整个IT环境——包括物理、虚拟和云,就能在后疫情时代的商业格局中处于占领先机。
因此企业应该尽早行动来进行数据保护,企业在转型过程中,特别是混合云环境中,想要避免数据威胁如勒索软件等造成的损害,生产和保护环境必须平行发展——当新的解决方案被引入到企业技术栈时,必须同时扩展安全防护能力对其进行覆盖,还要要充分考虑技术、成本、运营等因素。最好的策略是借助统一的数据保护平台实现标准化,来全面保护任何云、数据源、工作负载及部署模式。
为了消除IT脆弱性,管理能力差距所带来的脆弱性。Veritas通过打造统一的多云数据服务平台,帮助企业客户实现业务不停,数据不丢,应用上云,管理合规,为企业数字化转型打下坚实的基础。
“Veritas通过核心平台EDSP(多云数据服务平台)产品,为客户提供超过800种数据源,100 多种操作系统, 1400多种存储设备以及60类云平台的保护支持,消除客户对混合云保护上技能的要求,消除客户运维复杂性,同时也对不同大小规模的客户提供了部署上的灵活性” 顾海巍分享到。
Veritas从部署的灵活性、从管理的简便性两方面把难度降低,通过这种方式提高客户的业务韧性。比如NetBackup 9拥有迄今为止业界最灵活的部署模式,赋能客户自由地选择,并能够在横向扩展、纵向扩展或云存储模式中为超过800个工作负载保驾护航。这就是Veritas针对混合云现状为客户所提供的价值,顾海巍最后谈到。
好文章,需要你的鼓励
OpenAI 本周为 ChatGPT 添加了 AI 图像生成功能,用户可直接在对话中创建图像。由于使用量激增,CEO Sam Altman 表示公司的 GPU "正在融化",不得不临时限制使用频率。新功能支持工作相关图像创建,如信息图表等,但在图像编辑精确度等方面仍存在限制。值得注意的是,大量用户正在使用该功能创作吉卜力动画风格的图像。
Synopsys 近期推出了一系列基于 AMD 最新芯片的硬件辅助验证和虚拟原型设计工具,包括 HAPS-200 原型系统和 ZeBu-200 仿真系统,以及面向 Arm 硬件的 Virtualizer 原生执行套件。这些创新工具显著提升了芯片设计和软件开发的效率,有助于加快产品上市速度,满足当前 AI 时代下快速迭代的需求。
人工智能正在深刻改变企业客户关系管理 (CRM) 的方方面面。从销售自动化、营销内容生成到客服智能化,AI不仅提升了运营效率,还带来了全新的服务模式。特别是自主代理AI (Agentic AI) 的出现,有望在多渠道无缝接管客户服务职能,开创CRM发展新纪元。
数据孤岛长期困扰着组织,影响着人工智能的可靠性。它们导致信息分散、模型训练不完整、洞察力不一致。解决方案包括实施强大的数据治理、促进跨部门协作、采用现代数据集成技术等。克服数据孤岛对于充分发挥AI潜力至关重要。