多云时代帷幕的拉开为企业提供了更大的发展舞台,众多企业将应用部署在云,其数据也自然在云上“滋生繁衍”。但有个问题企业不得不直视——并不是所有的数据都是金子,有些数据,也是会腐烂的。
这些“腐烂”的数据,其实就是常提到的ROT数据,即冗余(Redundant)、过时(Obsolete)、琐碎(Trivial)的数据。ROT数据会对企业的成本、复杂性和合规方面都造成负担。例如,会导致数据安全风险增加、增加数据合规性和治理风险、增加责任风险、降低生产力、增加存储成本等。
不仅如此,近期Veritas《消费者对企业数据可持续性看法报告》发现,这些腐烂数据还会影响消费者的购买决定。报告发现,65%的中国消费者担心在线数据存储会浪费能源,并造成环境污染。如果企业不减少与数据相关的污染,他们准备不再购买——超过三分之二的中国受访者表示,如果他们知道某家公司因未能控制其存储的不必要或不需要的数据而故意造成环境破坏,他们将停止从该公司购买产品。事实上,在中国有超过三分之二的消费者都认为,当不再需要信息时,在线存储信息的组织有责任将其删除。
既然已经预想到如此无法承担的后果,不如提前做好准备。那么对于盘踞在企业内部的ROT数据,企业该如何处置?Veritas建议企业可以采取以下措施来清除ROT数据:
· 创建一个数据分类法或分类系统。通过一套定义、标签和组别,整理企业的云端数据。这将帮助识别ROT数据。
· 为企业云数据的每个类别建立一个可信单一数据源(SSOT)位置。这是每个数据资产的 “正确”版本被保存的地方,可以减少云中其他地方存在“腐烂”版本的可能。
· 明确管理企业所识别的ROT数据的政策。这些是企业为清除云中的ROT数据而设定的规则和程序。
· 定期、重复执行。持续更新企业的数据分类法,管理企业的可信单一数据源位置,以确保它能正常使用,并定期执行企业的ROT数据政策和程序来清除它。
这个过程可能很复杂,如果企业没时间或资源从内部执行,另一个选择是将现有的企业数据管理平台扩展到企业的云环境,自动地对基于云的数据进行分类,删除云中不需要的冗余数据,并存档或删除过时和零碎的云数据。
“腐烂”数据对于企业有弊无利,它在企业数据中心引起的问题在云中也可能存在。其中一些问题在云中甚至会有过之而无不及,因为云中的控制成本更高。但利用合适的工具和方法,企业可以降低与“腐烂”数据相关的云成本,同时也可以简化整体数据管理,增加企业的数据保护效率。
好文章,需要你的鼓励
生成式AI在电商领域发展迅速,但真正的客户信任来自可靠的购物体验。数据显示近70%的在线购物者会放弃购物车,主要因为结账缓慢、隐藏费用等问题。AI基础设施工具正在解决这些信任危机,通过实时库存监控、动态结账优化和智能物流配送,帮助商家在售前、售中、售后各环节提升可靠性,最终将一次性买家转化为忠实客户。
泰国SCBX金融集团开发的DoTA-RAG系统通过动态路由和混合检索技术,成功解决了大规模知识库检索中速度与准确性难以兼得的难题。系统将1500万文档的搜索空间缩小92%,响应时间从100秒降至35秒,正确性评分提升96%,为企业级智能问答系统提供了实用的技术方案。
存储供应商Qumulo发布多租户架构Stratus,为每个租户提供独立的虚拟环境,通过加密技术和租户专用密钥管理系统实现隔离。该统一文件和对象存储软件支持本地、边缘、数据中心及AWS、Azure等云环境部署。Stratus采用加密隔离技术确保敏感数据安全,同时提供任务关键操作所需的灵活性和效率,帮助联邦和企业客户满足合规要求。
中科院和字节跳动联合开发了VGR视觉锚定推理系统,突破了传统AI只能粗略"看图"的局限。该系统能在推理过程中主动关注图片关键区域,像人类一样仔细观察细节后再得出结论。实验显示VGR在图表理解等任务上性能大幅提升,同时计算效率更高,代表了多模态AI"可视化推理"的重要进展。