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
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。