如果告诉一家企业,你将损失三分之二的消费者,企业管理者会不会大惊失色?这可不是耸人听闻。事实就是如此,当企业储存了大量无用数据而没有及时、恰当进行删除和管理,这种情况就可能会噩梦成真。那么有多少企业正面对这种噩梦呢?
一个大家忽略的事实是,其实有很多企业和组织仍在通过存储他们不需要的数据而不是他们认为有用的数据来造成更多污染——平均而言,这里面只有15%的数据对业务至关重要。对此,消费者持有明确的观点。Veritas近期发布的《消费者对企业数据可持续性看法报告》表明,在中国有超过三分之二的消费者(68.3%)认为,当不再需要信息时,在线存储信息的组织则有责任将其删除。同时也有超过三分之二(67.7%)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。
企业管理者可能不由得问,为什么消费者会产生如此强烈的反应?
众所周知,大部分储存着无用数据的数据中心是用化石能源供能的,它们是二氧化碳的重要排放源。事实上,数据中心产生的碳排放占全球碳排放的2%,相当于整个航空业的排放量。
或许很多企业并没有意识到这一点,或者还不够重视,但要知道,根据《消费者对企业数据可持续性看法报告》,63%的中国消费者对此深感忧虑。有超过四分之三(77.8%)的中国消费者表示,希望看到企业采取能够控制其数据储存对环境产生的负面影响的解决方案。
因此,为了保护环境,进而维护企业利益,以下是三项可以考虑的最佳数据管理措施:
1.及时分类整理企业数据
如果企业不了解数据的内容和存放位置,比如存在暗数据,就无法正确地管理数据,更无法控制数据对环境的影响。因而企业应创建一个最适合自身的系统,对数据进行识别、标记和分组。
2.经常归档并删除过时和琐碎的数据
如上所述,很多企业都囤积了海量数据(即使他们了解这些数据是无用的)。清理此类数据不仅能保护环境,还能削减企业数据存储的开销,提升数据安全性以应对勒索软件等威胁,并降低与数据治理与合规性相关的监管风险。
3.定期删除重复数据,避免数据冗余
删除重复数据是清除现有数据的不必要副本。当数据冗余被正确利用时是有益的(例如在进行3-2-1-1备份时),但大多数企业的普遍问题是,太多非战略性的数据冗余对企业的预算和环境都有害。这些冗余(Redundant)、过时(Obsolete)、琐碎(Trivial)的ROT数据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。
从很多角度,特别是从减少企业碳足迹的角度来说,这些举措都是十分必要的,但这三项措施可能会很复杂,特别是在每天产生和存储数百万兆(TB)新数据的大型企业中。而解决这些问题的正解即构建一个统一的数据管理平台,使流程自动化。现在一些企业甚至运用人工智能实现了从流程自动化到流程自治化的转型。否则企业则面临着手动审计数据并开展后续工作的困境。这不是一项能一劳永逸的工作,而是一个需要持续精进的过程。
另外,Veritas建议企业谨慎选择云存储服务供应商。美国数据中心能耗报告显示,1PB未经优化的备份数据在云中备份一年,所需的用电量可以为1000个10瓦的LED点亮整整一年,同时还会产生高达3.5公吨的二氧化碳废物,它大约相当于将一辆普通的家用汽车从北极开到南极所产生的排放量。为了减少企业数据碳足迹,企业应选择与自身一样具有高环境可持续性标准的云供应商,以将企业数据管理平台扩展到多云基础设施,从而进一步优化基于云的数据。
正如Veritas公司首席可持续发展官Rags Srinivasan所说,如果不识别和消除不必要数据,对企业和环境的风险将会太大,大到无法再坐视不管了。Veritas建议企业采取以上实践,从而防止企业成为环境的破坏者。
关于 Veritas
Veritas Technologies是多云数据管理领域的领导者。超过八万家企业级客户, 包括95%的全球财富100强企业,均依靠Veritas确保其数据的保护、可恢复性和合规性。Veritas在规模化的可靠性方面享有盛誉,可为企业提供抵御勒索软件等网络攻击威胁所需的弹性。Veritas通过统一的平台,支持超过800种数据源,100多种操作系统,1400多种存储设备以及60多类云平台。在云级技术的支持下,Veritas现正在实践其数据自治战略,在提供更大价值的同时,降低运营成本。
Veritas中国官方网站 https://www.veritas.com/zh/cn/
Veritas官方微信平台:VERITAS_CHINA(VERITAS中文社区)
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。