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
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。