数据新视界:从边缘到云,激活更多业务数据

|1|数据新视界从边缘到云,激活更多业务数据IDC提供调研与数据分析希捷科技报告数据新视界:从边缘到云,激活更多业务数据|2|关于本报告03调研结果摘要04调研结论重点05第一部分:全球调研结果第1章:数据的增长与扩张07第2章:数据宝藏13第3章:多云架构.
19第4章:数据管理挑战和多云生态系统24第5章:数据运营:数据管理的缺失一环29第6章:更佳业务成果33第7章:数据安全和数据管理36第二部分:区域调研结果第1章:亚太区和日本40第2章:中国44第3章:欧洲48第4章:北美52目录数据新视界:从边缘到云,激活更多业务数据|3|关于本报告本报告是基于希捷赞助、独立研究机构国际数据公司(IDC)于2019年12月到2020年1月开展的一项全球调研.
希捷以此次调研结果以及IDC的分析为基础撰写了本报告,分享相关预测和观点.
本报告中不直接归属于IDC或IDC分析师的任何内容、数据、分析或观点,均属希捷独有.
此次定量网络调研共覆盖加拿大、美国、英国、法国、德国、俄罗斯、澳大利亚、日本、印度、韩国、中国、中国台湾地区等大中型企业的1500名受访者,其中北美375人、欧洲475人、亚太地区和日本500人,以及中国150人.
受访者的职务涵盖首席信息官、首席技术官、IT副总裁、总监、主管、首席运营官/业务负责人、存储架构师和解决方案架构师.
过去40多年来,希捷科技一直是全球领先的数据存储和管理解决方案提供商.
公司致力于以独创科技打造数据圈,不断创新,提供世界一流、精密设计的数据管理解决方案,并专注于可持续发展的合作伙伴关系,从而最大限度地发挥人类的潜力.
数据新视界:从边缘到云,激活更多业务数据|4|调研结果摘要今天,数据空前地增长和扩张,并在复杂多变的生态系统(包括多云和边缘)中以各种方式流动.
数据位置的复杂性加剧了企业数据管理的挑战.
对企业来说,大多数可用的数据并未得到利用.
本次调研旨在寻找解决目前数据管理难题的解决方案:DataOps(数据运营)——将数据创建者与使用者进行连接的重要环节.
采用DataOps(数据运营)的企业领导者有望获得更好的业绩.
数据新视界:从边缘到云,激活更多业务数据|5|调研结论重点未来两年,企业数据预计将以每年42.
2%的速度增长.
在可用的企业数据中,仅32%投入使用,剩余的68%并未得到利用.
平均而言,企业目前定期将大约36%的数据从边缘传输到核心.
两年后,这一比例将增至57%.
从边缘立即传输到核心的数据量将翻倍,从8%增长到16%.
这意味着企业将管理更多的动态数据.
预计未来两年,管理多云生态系统中的数据是最大的数据管理挑战,其次是管理混合云中的数据.
将数据投入使用的五大阻力来自:1)将采集的数据变为可用;2)已采集数据的存储管理;3)确保需要的数据得到采集;4)确保采集数据的安全;5)将采集的数据孤岛变为可用.
应对大量数据管理挑战的解决方案是数据运营(DataOps).
通过数据运营,将数据创建者与使用者联系起来.
平均只有10%的企业全面实施了数据运营.
但大多数受访者表示,数据运营"非常"或"极其"重要.
数据运营结合其它数据管理解决方案使用能够显著改善业务效果,包括提高客户忠诚度、收入、利润以及其他许多裨益.
改善数据安全是企业将数据进行中央存储管理的最重要驱动因素.
三分之二受访者表示自己企业数据安全存在不足,因此数据安全成为有效数据管理讨论的基本话题.
数据新视界:从边缘到云,激活更多业务数据|6|全球调研结果第一部分数据新视界:从边缘到云,激活更多业务数据|7|第1章数据诉说历史,描绘当下,勾勒未来.
数据的增长与扩张希捷观点2020年:企业数据总量达到1PB其他位置存储160TB边缘和远程位置存储390TB第三方数据中心存储407TB云端(公有云、私有云、行业云)存储498TB内部数据中心存储570TB其他位置存储89TB边缘和远程位置存储193TB第三方数据中心存储201TB云端(公有云、私有云、行业云)存储221TB内部数据中心存储297TB2022年:企业数据总量约为2.
02PB2年中年均增长率+42.
2%预计数据年增长率数据来源:希捷《数据新视界》调研报告1,IDC,2020年1希捷《数据新视界》调研报告基于IDC调研数据,IDC调研结果在本报告中进行了相关讨论.
地球人口已达78亿,而且还在继续增长.
居家办公成为新的趋势.
物联网(IoT)、边缘计算、边缘数据中心、人工智能(AI)等技术不断普及.
消费终端设备的需求不断增长.
所有这些因素都导致企业数据激增.
为了更好地管理不断增长的信息量,企业领导必须了解:大量数据是如何产生,在哪里产生的.
有两个概念可以帮助我们说明这种趋势:增长和扩张.
数据增长是指数据圈随时间增加的百分比.
数据圈是指不断扩张的人类数据维度,无限映射并放大人类生活.
数据扩张描述的是这些不断增长的数据在不同配置位置的传输,从终端到边缘再到云端.
图1数据新视界:从边缘到云,激活更多业务数据|8|100%90%80%70%60%50%40%30%20%10%0%内部管理的企业数据中心第三方管理的企业数据中心边缘数据中心或远程位置(数据集中存储)云端(公有云、私有云、行业云)其他位置全部北美中国欧洲亚太和日本电信媒体制造业其他交通/智能驾驶数据增长的速度可谓史无前例,并将继续下去.
本次调研发现,从2020年初到2022年初的两年时间里,企业创建的数据量将每年增加42.
2%.
为预测企业数据量,IDC采用了企业存储容量作为指标(图1).
此次调研的数据显示:拉动存储数据增长的最重要因素有三个:1.
数据分析不断增加.
2.
物联网设备逐渐普及.
3.
云迁移活动.
数据扩张反映的是企业数据的扩散情况.
企业数据并非存储在一个位置,这增加了数据管理的复杂性.
本次调研的受访者表示,大约30%的数据存储在内部数据中心,20%存储在第三方数据中心,19%存储在边缘数据中心或远程位置,22%存储在云端,还有9%存储在其它位置.
未来两年,这种分散状况不会发生显著改变,意味着在可以预见的未来,企业存储环境仍将保持这种分散和复杂的状况.
企业越来越需要管理分散的数据,无论它们所处何地.
调研结果2年后数据的存储位置(平均数量)图2IDC数据数据来源:希捷《数据新视界》调研报告,IDC,2020年数据新视界:从边缘到云,激活更多业务数据|9|驱动创新的不是发展趋势,而是创造更多价值的需求.
需要突破的极限无处不在,实现数据的全部价值便是其中之一.
看看我们这个数据驱动的世界.
数据在不断增长,并且增速不断加剧.
到2025年,数据创建总量将大幅增长至175ZB.
现在每小时创建的数据要比20年前一整年创建的数据还多.
数据是人类的潜能,最敏锐的头脑会尝试去驾驭数据的力量.
限制我们挖掘数据全部潜能的因素既有系统层面的,也有操作层面的.
当数据达到ZB规模时,我们需要一种简单、安全、经济有效的方式来获取、存储和激活数据.
数据的使用者不想操心这些事情.
那么,我们如何解决这个普遍存在的数据管理难题,赋能创新,从而改变我们的生活、工作、通勤方式,保护我们的地球呢如果我们在突破极限的同时能够把握住机会,实现最大价值,那么创新是否契合最新发展趋势还重要吗趋势可能会吸引我们的注意力,但如果最初的兴奋并没有转化为对企业和人类的价值,那么这样的创新就没有任何意义.
要解决这个普遍存在的问题,我们需要凝心聚力,和力共生.
"DAVEMOSLEY希捷科技首席执行官数据新视界:从边缘到云,激活更多业务数据|10|深入研究IDC的另一项研究"全球数据圈"1揭示了为什么企业会面临如此迅猛的数据增长.
2015-2025年,新创建数据的复合年均增长率约为26%.
2025年,新创建的数据总量将高达175.
8ZB(2015年为18.
2ZB).
2025年,企业存储数据总量将达9ZB,而2015年为0.
8ZB.
"数据新视界"调研验证了这个趋势:受访者一致表示,他们获取和存储的企业数据都在不断扩张.
主要有三个要素在影响他们存储数据的增长:数据分析的使用不断增加、物联网设备逐渐普及和云迁移活动.
通过"全球存储圈"2和"全球数据圈"研究,我们可以更好地了解数据的扩张.
"全球数据圈"研究表明,2015年的新数据中,65%在终端创建,其余35%在核心和边缘创建.
2025年,44%的数据将在核心和边缘创建,其驱动因素包括分析、人工智能和深度学习,越来越多的物联网设备向企业边缘输送数据.
数据同时向核心和边缘转移:到2025年,全球将近80%的数据将存储于核心和边缘,较2015年的35%有大幅度攀升.
IDC预测,到2025年,总安装容量(HDD、闪存、磁带、光盘)中的12.
6ZB将由企业管理,而其中的51%将通过云服务提供商管理.
终端-创建终端-存储边缘-创建边缘-存储核心-创建核心-存储80%70%60%50%40%30%20%10%0%2011201020122013201420152016201720182019202020212022202320242025数据在哪里被创建与存储图3IDC数据1《数据时代2025》,希捷赞助,数据源于IDC"全球数据圈",2020年5月2"全球存储圈",IDC,2020年数据来源:《数据时代2025》,希捷科技赞助,数据源于IDC"全球数据圈"和"存储圈",2020年5月数据新视界:从边缘到云,激活更多业务数据|11|边缘无处不在,随处可见,包括:生产企业车间建筑物楼顶户外手机基站农场的粮仓自动驾驶汽车油气田的作业平台边缘是一个位置,而不是一个物体.
它是网络的外围边界:有时可能距最近的企业或云数据中心有数百或数千英里,但却尽可能靠近数据源.
边缘是进行实时决策的地方.
边缘是什么越来越多的数据需要在边缘进行分析和处理.
技术和经济手段的独特结合使我们能够在边缘汇集、存储和处理更多的数据.
下列四种技术驱动着数据的重心向边缘转移:1.
人工智能变得经济实用.
2.
部署的物联网设备多达数十亿台.
3.
无线运营商将网络升级至第五代蜂窝移动通信技术(5G).
4.
边缘数据中心的创新解决了分布式设施的复杂性和单位成本问题.
除了这些技术之外,还有一些重要因素也推动着边缘计算的需求:延迟、海量数据造成带宽不足、成本,以及数据主权和合规性.
由于海量数据是在传统的数据中心之外创建,因此云将延伸至边缘.
未来不是云与边缘的对抗,而是云和边缘的共生.
在边缘赋予数据优势希捷观点数据新视界:从边缘到云,激活更多业务数据|12|边缘存储数据的增速比核心存储数据的增速快.
边缘存储数据的增速比核心存储数据的增速快.
本次调研发现,平均而言,企业定期从边缘向核心传输的数据约占36%.
两年后,这一比例将增至57%.
同时,立即从边缘传输到核心的数据将从8%增长到16%.
为适应这种增长,数据管理必须支持更重要的数据流动——从终端到边缘,再到公有云、私有云或者行业云.
这对企业来说意味着什么这意味着数据扩张的范围更大,企业的数据管理责任也更重.
数据扩张会造成数据孤岛,需要数据的人无法进行访问.
若没有自动化方法,管理数据扩张则需要大量的人力,同时需要购买很多的工具.
越来越多的存储设备将要求兼具计算能力,否则最终还是要提供计算功能.
边缘将要求能够存储关键数据并进行分析,以应对终端交易和服务聚焦:边缘数据IDC分析定期传输到核心2020立即传输到核心混合模式2022在边缘采集和存储2022202020222020202220202022202014%8%38%15%36%57%8%16%现在和两年后在边缘采集数据的方法对比图4数据来源:希捷《数据新视界》调研报告,IDC,2020年的时延敏感型请求.
与此同时,边缘将使分布式计算成为可能,从而对数据流进行分析.
直到服务器完成数据分析前,数据流都有可能缓存在存储介质中.
这样一来,边缘的数据存储和缓存之间的界限有可能变模糊,特别是人们预期,在将相关数据迁移至核心之前,数据仅存储很短时间就要进行分析或处理.
数据新视界:从边缘到云,激活更多业务数据|13|第2章优秀的企业明白,他们处理数据的方式将直接转化为业务的增长.
对于与数据打交道的企业而言,例如:云提供商、智能设备制造商、医院、流媒体网络、连锁商店等等,数据意味着他们投资来采集、分析数据并将其存储于不同位置.
人们对于数据的使用越多,从中收益就越多.
数据圈是不断丰富的人类智慧的万花筒,涵盖生命攸关的紧急信息、历史知识、操作说明、制造流程、情感纪事等等.
数据的确是一座价值宝藏.
数据宝藏希捷观点数据新视界:从边缘到云,激活更多业务数据|14|数据流失"数据新视界"调研发现,很多组织表示,它们的许多业务数据没有被使用或激活.
尽管数据具备价值,但这个价值却常常流失掉.
受访者估判,他们的企业仅采集了56%的可用数据,也就是说,几乎一半的数据流失掉了.
而在这56%的捕获数据中,企业也只是利用了其中的57%.
被获取的数据中,43%没有得到利用.
这意味着只有32%的企业数据被激活,而高达68%的企业数据没有得到利用.
的采集数据被利用57%43%的数据未被采集44%的数据在运营中被采集56%的采集数据未被利用实际有多少数据被激活图5IDC数据资料来源:希捷《数据新视界》调研,IDC,2020年数据新视界:从边缘到云,激活更多业务数据|15|总体而言,对于许多企业来说,即使数据越来越多地被用于开发新的运营收入,改善客户体验和提高运营效率,数据仍然是一种被低估的无形资产,不会体现在资产负债表里.
简言之,虽然财务报告里没有体现,但是数据的确可以提升企业价值.
然而,要实现数据价值,首先必须激活数据.
本次调研发现,只有32%的企业可用数据被激活.
激活数据并释放其价值,首先需要有一种方法来评估数据本身的价值.
IDC在20181年由希捷主导的一项调研发现,全球只有25%的企业为员工提供了主动量化企业数据价值的系统和流程,至少在某些情况下是如此.
企业有很多机会可以更好地利用数据,获得竞争优势.
上述调研还发现,只有11%的企业认为自己在挖掘企业数据价值方面优于同行,处于行业领先地位.
在医疗和运输行业,这一比例甚至更低,只有不到10%的企业认为自己是行业领导者.
有一点可以肯定:企业希望拥有一个充满活力的数据湖,不断吸收新的数据,同时把旧数据、过时的数据的价值IDC分析1全球"DATCON"调研和"VOB"调研,IDC,2018年9月数据转移到低成本的存储设备上.
没有企业希望自己的数据湖变成一个数据沼泽,让可能有用但未被利用的数据在存储设备上沉睡.
对于任何企业来说,数据的价值都涉及到许多变量,包括:创建数据的行业、数据的用途、数据最终是否得到利用以及如何利用.
以医院为例,医院创建和管理的各类数据包括:患者信息、预约信息、保险和账单、核磁共振(MRI)、癌症治疗、运营和财务数据,以及广告数据.
法规要求医院在患者死亡后还要将这些数据保存数年时间(属于休眠数据,未来可能被激活).
每个数据集的价值都有所不同,涉及隐私和合规要求的属于需要高度保护的数据.
未来,由于各种原因,我们还需要记录和保存远程诊疗的视频内容、外科医生的手术动作,甚至机器人手术过程——这些数据有的也许只是为了满足教学需求或法律要求.
我们真的能够给这些数据设定一个价值吗IDC尚未完全量化全球数据圈的价值.
不过,在对某医院(员工人数为1000-2500、营收超过10亿美元)创建的数据价值做出一般性假设之后,IDC认为,该医院创建的数据价值可能接近数亿美元.
数据新视界:从边缘到云,激活更多业务数据|16|每一家企业都是数据企业,但如果不加以利用,那么这些企业数据就无法体现价值.
为了更好地理解数据,我们可以把数据湖视为奔腾的数据之河汇集的数据水库,那么我们的任务是整合汇入的数据之流.
为此,我们有必要与其它数据湖共享数据,以便对迥然不同的数据流进行交叉参考和分析.
以智能驾驶为例.
首先,分析一家公司、一辆汽车的数据是有价值的.
然后,将该辆汽车的数据与所有智能驾驶汽车公司的其它数据进行交叉分析,可以获得另一层面的洞察.
若要获得更深层次认识,可以扩大范围,将源于该辆汽车的数据与构成智慧城市的数十亿传感器提供的数据进行整合.
这样可以获得比较完整的认知,从而帮助地方政府和城市规划者提升公共安全标准,并改善交通管理.
整合的数据越多,解决的问题就越大.
如果我们共享数据,交叉参考各种信息流进行分析,那么我们就能够解决更为高阶的问题.
正因为如此,实现数据流动非常重要.
数据流动起来才能互连,才能提供洞察.
"RAVINAIK希捷科技高级副总裁兼首席信息官数据新视界:从边缘到云,激活更多业务数据|17|企业必须能够采集正确的数据,进而予以识别,存储在需要的地方,并以适当的方式提供给决策者.
激活数据,或者说发挥数据的作用,必须从采集数据开始.
物联网应用的发展带来数据的指数级增长,企业当前无法采集所有可用的数据,否则IT基础设施负担将会过重,并有可能发生不必要的成本.
没有可靠的数据管理解决方案,企业需要利用数据提取软件在数据生命周期的最初阶段就进行识别和分类.
经过适当的数据识别和分类,应用自动化策略在数据有用的周期进行保留,在不再需要时对数据进行删除或将其存档.
这种数据管理方式能够降低成本,同时理顺数据管理工作.
但是,随着数据管理解决方案技术的演进,企业可以考虑采集更多的数据用于优化人工智能或者机器学习.
然后,采集的数据进入数据分析环节.
通常来说,这个环节在数据湖完成,在这里,我们利用专业的数据分析软件基于行业或其他标准对数据进行评估.
数据管理员和科学家利用这些工具从数据中挖掘信息,并提供给决策者.
数据汇聚于数据湖可以消除数据孤岛,还可以将看似无关的数据元素联系起来,从而打造竞争优势.
存储是企业数据策略不可或缺的一部分,它在信息分类和分析过程中发挥着积极作用.
我们必须准确、实时地报告存储的数据,改善工作流程、提升安全和完善资源管理.
这些将持续驱动先进的数据管理和分析解决方案.
激活数据"无论是结构化、半结构化还是非结构化数据,无论是人还是机器采集的数据,无论数据存储在数据中心还是云端,它们都是打造竞争优势的新基础.
"在边缘边缘设备对数据采集提出了特殊的挑战.
通常,只有边缘应用才知道需要采集什么数据,需要对数据进行什么操作,哪些数据可以暂时忽略,因此很多决策工作必须在靠近数据创建的位置进行.
但是新型的集中式数据管理提取应用可以利用人工智能(AI)和机器学习(ML)对上述情况做出判断.
这些程序通常可以识别敏感数据(例如:个人身份信息、个人健康信息、信用卡号等等),并自动屏蔽以防未经授权的人员查看,从而降低数据侵权或意外泄露的几率.
IDC分析PHILGOODWINIDC研究总监数据新视界:从边缘到云,激活更多业务数据|18|存储创新与数据价值数据的存储方式和位置对企业从数据中获取价值至关重要.
下列领域的存储创新会直接影响数据价值.
1.
大容量有助于实现规模效益.
数据分析功能随着访问数据集的增长而改进.
完善的数据管理确保任何新的人工智能(AI)或机器学习(ML)突破都可以尽可能多得在物理层面访问所有数据.
正因为如此,希捷等数据存储公司一直致力于提升面密度,以便设备能够在相应的装置上存储更多数据.
面密度创新主要针对全球大规模云数据中心的数据.
企业数据分布大体上遵循90/10原则:90%的数据存储于HDD,而10%的数据存储于SSD.
2.
存储创新的另一个重点是提供更高的带宽,以促进存储、网络和计算功能之间的数据流动.
这对于数据分析非常重要.
目前数据分析的支柱是GPU(图形处理单元),它需要高带宽来获取信息.
举例来说,企业可以在大型AI应用中使用可组合分解架构,从而提高带宽.
3.
另一个创新领域是安全.
在设备的完整性方面,通过对开放式安全区不断投资,使固件和计算能够承载、容纳适当的协议,以便对设备进行数字验证.
系统解决方案可从组件和设备级别的安全中获益.
网络安全从系统安全中受益.
最终,因为有了更安全的网络,计算也会变得更安全.
4.
从长远来看,数据流动架构需要在适当的场景下,通过存储系统来完成硬件加速或硬件卸载.
具体来说,数据集的压缩、加密和排重目前是通过计算来完成的.
因此,大型架构必须进行扩展,因为这些任务将在更高层面上完成.
如果通过创新,将硬件加速和卸载推进到存储或网络层,就不必通过计算层了.
希捷观点数据新视界:从边缘到云,激活更多业务数据|19|第3章企业通常难以访问其存放在公有云中的某些数据,他们也很难将数据转移出公有云,更不用说数据检索产生的费用了.
这让他们很难从公有云中的数据获取最大价值——因为要想有价值,数据就必须流动起来.
因此,企业越来越多地采用混合存储方案,通过多云生态系统来管理数据.
多云架构意味着不仅使用一个公有云,还可能使用私有云.
所有架构间通过数据管理予以协调统一.
实际上,多云架构意味着企业在公有云中存储一部分数据,同时也在自建私有云中存储一部分数据.
通过将部分数据回撤到私有云,企业可以从私有云和多云生态系统中获得极大利益.
1.
可预测的规模效益,企业更加可控.
2.
拥有IP所有权,能够保护数据,并控制数据的物理存储位置.
例如,当需要对数据进行审计跟踪或者要求数据必须合规时,这一点非常重要.

3.
可以频繁访问大型数据集.
私有云在这方面非常有优势,当企业需要频繁读取和分析数据时,存储费用将会迅速攀升.
4.
敏感数据集合规性.
例如,性命攸关的数据需要某医疗机构和患者的所在位置,以及满足诸如HIPAA和GDPR等法律法规要求.
公有云催生了无数企业的成长.
但是,当企业发展到一定规模时,他们发现仅使用公有云,就会缺乏一定的灵活性.
多云架构私有云具有下列优势:希捷观点数据新视界:从边缘到云,激活更多业务数据|20|1.
快速增长和规模化.
在多云生态下,团队可以在通用环境中构建和部署应用或服务,无需在全球范围内进行投入CapEx即可获得新的收入来源.
2.
获得更多服务选择,包括应用、计算和监控资源.
多云架构能够激发高性能计算,而在大多数私有云架构下获得这项能力的费用是无法承受的.
GPU的价格高达50-500万美元.
使用公有云意味着企业可以租用资源来解决自己的问题,并且不会让它们闲置.
使用公有云计算还意味着企业可以获得最强的计算能力,从而提高效率并避免资源浪费.
扩展到多云生态系统后,公有云具有以下优势:混合云可以无缝融合私有云和公有云资源,提供综合性IaaS(基础设施即服务).
混合化可以确保云之间的互通和互操作,并有助于跨资源工作.
混合云是什么形式呢举例来说,一家公司购买了OEM企业服务,将其置于共享建筑物的托管环境中,并在后端连接到云服务提供商协议.
混合云往往位于一个软件管理门户下,由该门户承担繁重的连接工作;应用知道如何与主软件层进行对话.
在多云架构下,应用往往以云原生的方式构建,它知道如何调用和管理资源.
混合云通常必须弄清楚如何利用传统系统,并将它们与公有云的优势联系起来.
数据新视界:从边缘到云,激活更多业务数据|21|50%公有云51%企业私有云36%托管私有云37%多云37%混合云17%行业云1%其他IDC分析师将多云描述为"一种设计复杂、数字化服务的企业策略或架构方法,涉及从多个云服务提供商那里消费云服务.
"多云可能包含存在竞争关系的云服务,例如:来自于多个公有云服务商的公共对象存储,或者来自于一个或多个云服务商的IaaS(基础设施即服务)和SaaS(软件即服务).
IDC认为,在这两种情况下,多云所包含的范围比混合云要大得多,并且限制它的只有统一管理和治理各种不同云方案的成本和复杂性.
将多云架构作为企业战略企业IT基础设施使用了哪类云服务图6管理多个云中的数据受访者提出了各种各样的云部署情况,包括使用多个云服务商:研究显示,多云和混合云的采用率相等(均为37%).
混合云的使用通常由应用驱动.
多云的使用随时间有机发展,不同业务部门采购不同云提供商的服务来满足特定的工作需求.
使用多云的企业表示,他们并不一定有长期的整合计划.
多云和混合云环境解决了许多不同的问题.
它们让数据访问和分析变得更加简便,降低了成本,为管理员提供了更好的控制能力,并提高了数据安全性.
但是,在数据管理方面,多云和混合云生态系统也带来了一些挑战.
IDC数据IDC分析资料来源:希捷《数据新视界》调研,IDC,2020年数据新视界:从边缘到云,激活更多业务数据|22|在多云环境中管理数据将是受访者未来两年面临的最大数据管理挑战.
受访者认为,在混合云中管理数据,是次重要的数据管理难题.
重点"多云部署越来越难以协调和统一管理,因为每个云平台原生的基础设施工具通常都是为了在这个特定的平台范围内运行.
此外,由公有云提供商提供的相关数据管理或分析服务也通常是为了与该公有云基础设施一起运行,并且可能无法整合或在其他公有云平台上提供完整的功能.
"在多云环境中管理数据25%36%25%13%在混合云环境中管理数据24%33%28%14%管理边缘和核心环境之间的数据连接22%34%30%13%决定在什么环境(云、自建、边缘等)中存放什么数据22%34%29%14%赢得支持,获取资源,以成功管理企业数据中心之外的数据21%34%30%14%构建或寻求必要的专业技术知识,以成功管理企业数据中心之外的数据22%34%30%13%具有挑战性极具挑战性稍有挑战性毫无挑战未来两年在多种云中管理数据图7IDC数据资料来源:希捷《数据新视界》调研,IDC,2020年ANDREWSMITHIDC研究经理数据新视界:从边缘到云,激活更多业务数据|23|IDC的IaaSView研究1发现,多云最常见的用例是一个公有云IaaS上的应用与另一公有云IaaS上的应用定期进行交互.
这种安排从应用层面来说是可行的,但是在数据管理层面,则存在着严峻挑战:深入研究公有云IaaS上的应用与其他公有云IaaS上的应用定期进行交互公有云IaaS上的应用与专用基础设施上的应用定期进行交互应用从公有云IaaS迁移和/或至其他公有云IaaS拥有一套配置、管理和监控工具,可跨所有提供商使用拥有跨大多数提供商的类似配置和批准流程相互独立,针对每一个提供商有不同的团队、配置、批准、管理和应用48%46%26%25%21%15%多家公有云IaaS提供商的整合水平图8IDC分析资料来源:《2019年IaaSView调研》,IDC1"IaaSView调研",IDC,2019年独立的工作流程迥异的管理工具缺乏统一的安全管理难以在多个云提供商间共享和移动大量数据这些挑战使得哪怕最简单的数据任务也变得复杂和耗时,例如:在多云环境中创建可视化数据表格和相关报告.
数据新视界:从边缘到云,激活更多业务数据|24|第4章到目前为止,本报告已经确定:业务数据蕴含大量价值.
大部分价值尚未被开发,导致企业所有者错失了潜在收入.
从数据中获取最大价值的障碍是企业没有采集太多数据.
但是,数据管理存在挑战还有其他原因,而这些原因正是多云生态系统固有的问题.
本章将对这些挑战进行说明.
数据管理挑战和多云生态系统管理数据本次调研发现,在管理数据这个最具价值的资源方面,企业表示单靠自己无法驾驭日益复杂的数据管理难题.
在数据管理这个问题上,他们需要帮助.
一个关键原因是:数据广泛且相对均匀地分布于边缘和云端.
但也存在一些特例:交通和电动汽车行业的大部分数据位于边缘,而制造业则将较多的数据存储于内部管理的数据中心.
IDC数据内部管理的企业数据中心第三方管理的企业数据中心202030%其他位置9%20%云端22%边缘数据中心或数据集中存储的远程位置19%(公共云、私有云、行业云)数据当前存储的位置图9希捷观点资料来源:希捷《数据新视界》调研,IDC,2020年数据新视界:从边缘到云,激活更多业务数据|25|当被问及促使企业改变管理中央存储需求的最重要因素是什么时:17%的受访者认为是提高数据安全14%的受访者认为是方便获取数据分析和管理服务(人工智能/机器学习、物联网等)14%的受访者认为是提高IT基础设施运营的可视性和可管理性11%的受访者认为是降低基础设施的成本/总体拥有成本10%的受访者认为是便于应用和业务部门更快地访问数据第三方管理的企业数据中心内部管理的企业数据中心20202022边缘数据中心或数据集中存储的远程位置云端其他位置20222020202220202022202020222020202220209%8%22%25%19%19%30%28%20%20%(公共云、私有云、行业云)现在和两年后的数据存储位置对比图10推动数据管理变革提高数据安全17%14%14%11%10%9%9%8%8%提高IT基础设施运营的可视性和可管理性降低基础设施的成本/总体拥有成本便于应用和业务部门更快地访问数据满足数据容量需求的增长提升易用性提高可用性和正常运行时间整合第三方服务以配合现代基础设施使用方便获取数据分析和管理服务(人工智能/机器学习、物联网等)推动数据存储方式变革的因素图11资料来源:希捷《数据新视界》调研,IDC,2020年资料来源:希捷《数据新视界》调研,IDC,2020年数据新视界:从边缘到云,激活更多业务数据|26|企业主在采取措施更好地管理数据之前,必须先了解自己的数据.
遗憾的是,大多数企业往往只是收集数据,然后悉数抛进大型存储库.
但当他们仅仅大量收集数据时,他们将很难理解数据.
而如果不了解自己公司的数据,他们就不知道需要收集什么数据,以及从中获取哪些智能信息.
企业领导者的首要任务就是明确他们为什么要收集数据,以及他们期待获得哪些洞察.
只有弄清楚了这些,他们才会有明确的目标,而不是一股脑全都收集下来.
收集数据很容易,获取数据智能却很难.
要想聪明地收集和分类数据,企业就必须解决好各种挑战,例如:重合工具,数据复杂性,数据整合,确保数据"干净",确保适当的数据相关性等等.
收集数据的工作必须围绕企业目标(企业主希望了解什么信息)开展.
这一点必须搞清楚,否则积累再多的数据也无法提供预期的价值.
以制造业为例.
许多企业引入了大量物联网设备和平台、带有传感器的终端设备,以及机器学习和人工智能,以管理其制造生态系统.
数据收集的规模空前庞大.
企业主可以收集大量数据.
但是如果不了解自己想要从中获取什么,就很难实现基本的目标.
举例来说,如果工厂充斥着成千上万的物联网设备,而这些部署在不同平台上的设备并没有得到协调统一,那么工厂最终也难以提高生产能力.
企业主,不要只是积累数据成功实现数据管理的另一个手段是采用智能数据存储解决方案.
数据管理挑战源于各种因素的影响:非标准架构不同存储技术的普及与共存管理存储技术路线存在各种困难存储数据的管理缺乏可视性,缺乏单一管理平台(对象存储和文件存储显然不同)决定哪些数据存放在哪里高昂成本在选择存储解决方案的决策中有一定的影响无法将自建数据中心和云整体作为多云存储池应对这些数据存储管理挑战的关键解决方案涉及到企业主如何访问存储的数据.
该解决方案的目的就是通过单一管理平台查看所有数据.
它超越数据民主化,进入存储统一化的范畴.
首席信息官应该能够顺利查看多云生态系统.
数据存储,通过单一平台进行管理希捷观点数据新视界:从边缘到云,激活更多业务数据|27|这一挑战因数据迁移至多云生态系统而完整地呈现出来,而它的解决方式是将数据存储于云端,并允许企业对自己的数据进行控制(内部、私有云或不将数据锁定的罕见公共云).
另一个即将出现的解决方案是目前很多企业正在为之努力创新的存储虚拟化.
在存储虚拟化场景中,数据存储管理软件层将会成为单一管理平台.
企业主的底线是拥有数据的所有权,无阻碍地、便捷地访问数据,清晰透明、洞若观火.
数据管理挑战企业面临着五大关键挑战,他们认为,正是这些挑战导致他们无法充分利用自己采集的数据:1.
使采集的数据变得可用2.
管理采集数据的存储3.
确保所需数据均被采集4.
确保采集数据的安全5.
使各个孤立的已采集数据变得可用IDC数据这些因素虽以IT语言表达,但实际上它们对于企业主非常重要,因为它们直接影响到企业能够发掘的数据价值,从而影响到收入(见第6章).
现代数据管理解决方案应着重解决这些挑战,以便为企业主和客户提供最有效的体验,同时帮助企业降低无法利用的数据所占的比例.
39%37%36%35%30%28%26%25%22%7%使收集采集的数据变得可用管理采集数据的存储确保所需数据均被采集确保采集数据的安全使各个孤立的被采集数据变得可用获取所需资源以管理采集的数据掌握相关技术分析数据建立数据管理体系和流程创建分析数据所需的人才库将整理的数据与数据用户联系起来激活数据的障碍图12资料来源:希捷《数据新视界》调研,IDC,2020年在下一章中,我们将了解数据管理中的缺失环节,正是它可以帮助我们实现更好的数据管理目标.
数据新视界:从边缘到云,激活更多业务数据|28|我们的调研数据显示,制造业在数据管理方面稍微落后.
可能与我们的直觉相反,制造业在数据管理方面的任务自动化水平最低,数据管理功能全面整合到单一平台的程度也最低.
制造业在多云和混合云的使用方面比较滞后.
与电信及CDN/媒体行业一样,制造业在数据管理方法的满意度方面低于平均水平.
与电信行业一样,制造业的受访者对数据管理工具的满意度比较低.
制造业最大的数据管理挑战是存储管理.
此外,制造业还是所有行业中数据增长率最低的行业之一(增长率为37%,而所有行业平均增长率为42.
2%).
然而,制造业也是所有调研过的行业中企业内部数据中心面积最大的一个行业.
这也许可以解释为什么制造业的数据增长率比较低:内部基础设施难以扩容(尤其是与可扩展的云基础设施相比),拉低了数据增长率.
还有一种观点认为,虽然制造业通过传感器和设备生成了大量的数据,但其中许多数据在边缘生成后即被丢弃,没有传输到核心环境进行长期存储.
制造业数据管理功能的自动化水平最低,数据管理功能在单一平台上的全面整合程度也最低(仅为9%,而其他所有行业均超过了19%).
这两个数据可能都是由涌入现代制造企业的大量联网资产所导致的.
IDC的"2018年制造业洞察:IT和OT整合情况调研"显示,近80%的仪器化生产资产以某种形式进行了数字化联网.
问题是,制造业为什么会存在数字化资产和数据管理之间的这种脱节在此次调研分析的同时,IDC研究还发现,有两大挑战应予以考虑:1.
制造业面临着重大的技能缺口.
如果说技能娴熟的人员代表着发达经济体未来工厂的终极机遇,那么缺乏足够的技能则是企业必须解决的一个最严峻的挑战.
企业面临着劳动力老龄化的问题,同时也不容易找到愿意在车间工作的新技术工人.
2.
大多数制造工厂如果能将一半的资产联网就非常不错了.
这不仅涉及到应用、数据中心和网络,而且还涉及到核心企业架构和基础设施方面的决策,例如:IT/OT的整合与安全.
很多时候,传统的基础设施根本无法应对涌入工厂的大量联网资产.
因此,许多工厂可能会部署临时流程来连接和管理资产,但无法依赖底层基础设施进行综合管理.
制造业:特例IDC分析数据新视界:从边缘到云,激活更多业务数据|29|第5章在这个数据以前所未有的增速爆发的时代,企业如何管理所有数据,才能够充分挖掘其价值,同时满足所有利益相关方和用户的需求此次调研确定了数据管理难题的重要解决方案:数据运营.
在全球业务环境中,数据运营既是数据管理的缺失一环,也是解决企业主所面临的数据难题的重要解决方案.
根据IDC的定义,数据运营是将数据创建者与数据使用者进行连接的重要环节,数据运营应该是每一个成功的数据管理策略的重要组成部分.
数据运营是数据管理的一部分.
除了数据运营之外,数据管理还包括从终端到核心的数据编排统一、数据架构和数据安全.
数据管理的目的是促进对数据的整体认知,使用户能够访问数据并从中获取最大的价值,包括动态数据和静态数据.
基于此前章节的讨论,数据管理中的一个难题浮现出来.
数据运营:数据管理的缺失一环数据运营在各个地区和行业中,平均只有10%的企业表示全面实施了数据运营.
数据运营的机会有待发掘.
数据运营不单纯是技术或者流程,而是将数据创建者与数据使用者联系起来,以实现协作和加速创新的一种新方法.
已经在整个企业范围内完全实现数据运营能力已经部分实现数据运营能力已经着手打造数据运营能力考虑过并计划打造数据运营能力完全没有单独考虑过全部33%30%7%21%10%交通/电动汽车39%28%7%17%9%电信31%35%8%17%9%媒体28%32%9%18%12%制造39%32%5%19%5%其他32%27%6%25%10%数据运营的现状图13IDC数据希捷观点资料来源:希捷《数据新视界》调研,IDC,2020年数据新视界:从边缘到云,激活更多业务数据|30|数据使用者是指业务部门中负责推动组织决策的人员,这里的决策包括产品开发、产品分销和营销、成本控制、运营等方面.
常见的数据使用者包括总经理、副总裁、CXO以及为他们提供支持的人员.
数据使用者需要的其实不是数据,而是可执行的决策信息.
数据创建者既可以是机器,例如:终端和物联网设备,也可以是生成报告和信息并提供给决策者的人.
数据创建者面临的挑战通常是确定必须收集哪些数据进行快速激活,以及应该收集哪些数据进行保存.
例如,设备的运行状况(如设备是否正在运行)数据可能不一定需要立即处理,因此可以长期归档;而设备的操作数据(如温度、容量、速度等)可能需要立即进行分析或协调,这类数据可以改善预测性分析、建立事件关联等等.
数据运营可以利用技术(尤其是人工智能和机器学习)将源于核心、云和边缘的数据建立关联.
数据运营还可以利用ELT(提取、加载、转换)数据摄取功能从多种数据源中抽取数据,并加载至通用基础设施(通常为数据湖).
在将数据转换为决策者所需信息的过程中,人工智能发挥关键作用.
能够将不同来源的数据建立关联是一项难以获得的能力.
正因为很难,所以那些能够掌握这项能力的企业有望获得竞争优势.
本次调研显示,大多数企业使用多种工具来执行一项类似的功能,这也为企业数据管理带来挑战.
实际上,只有大约三分之一的企业表示,他们使用一种解决方案来执行一种功能.
其原因多种多样:企业内部有不同的采购人员,跨平台的解决方案不兼容,或者仅仅是系统的历史演变.
备份/恢复容器编排政策管理数据发现数据分类元数据管理恢复编排存储数据的数据安全移动数据的数据安全数据迁移、分层或存放34%47%16%3%33%41%20%6%38%41%18%3%33%46%19%3%33%47%17%3%33%44%19%4%32%45%18%5%34%45%18%3%34%45%18%3%34%46%17%3%不清楚在某些位置或针对某些用途部署应用多种应用在企业各处部署一种应用在企业各处部署实现数据管理功能所采用的工具或应用的方法图14资料来源:希捷《数据新视界》调研,IDC,2020年数据新视界:从边缘到云,激活更多业务数据|31|企业或许有必要在某些系统层面使用特定产品,但它们必须具备统一的数据管理能力.
数据运营是将不同的数据系统引入一个易于理解的实体.
数据运营所需的核心功能包括元数据管理、数据分类和政策管理.
摄取数据时,元数据管理功能根据数据的特征对数据进行关联和管理.
元数据加上数据分类功能有助于识别具体的数据类型,例如:个人身份信息(PII)和《健康保险可移植性和责任法案》(HIPAA)等特定法规所约束的数据.
数据分类之后,我们可以开发人工智能算法以自动识别数据并建立关联.
数据运营特别适合于人工智能应用所需的迭代学习方法.
这种方法与传统的数据分析方法刚好相反.
传统的数据分析是提出问题然后寻求答案,而数据运营则是进行数据关联然后寻求洞察.
举例来说,数据运营的阻力与障碍并非总是技术.
企业主还必须认识到来自于文化和人员方面的挑战.
如果企业以孤岛式运作,不同的工作小组朝着自己的目标努力.
他们希望获得并保持对数据的控制.
他们认为,一旦失去了对数据的控制,就会失去权力,因为数据代表着权力.
因此,数据在不同的孤岛中被存储、管理和分析.
如果企业中的不同团队访问相同的原始数据,并各自进行分析,那么他们最终得出的报告通常存在矛盾,这是因为他们没有站在全局视角利用数据库.
解决这种人为问题的方法需要从企业主的策略着手.
这个策略必须是建立全局性的标准、全局性的数据架构和全局性的数据管理,并且允许全局性的团队以相同的方式访问相同的分析工具.
企业可以将报告功能放回到IT部门,由IT团队为每个小组提供全局性的工具、功能和解决方案.
企业内的各个小组应放弃对数据的孤岛式管理,而使用IT部门提供的工具来开展全局性的管理.
这样,团队就可以从原有工作中解放出来,根据可靠的、全局性的、可访问的数据池中的洞察,来做出决策.
数据运营:人的因素希捷观点数据显示消费者同时购买了看似无关的产品,因此可以改善商品促销或产品陈列方式;或者,数据揭示了某些人群的消费趋势,可以依此开展有针对性的微营销活动.
数据新视界:从边缘到云,激活更多业务数据|32|大多数受访者表示,数据运营"非常"或"极其"重要.
数据运营在北美和中国最受重视(区域分析请参见第二部分).
所有行业都认为数据运营很重要,尤其交通运输业对它的需求略高于其他行业.
此次调研是在新冠肺炎病毒疫情全球企业领导者都对数据运营的重要性表示认可.
资料来源:希捷《数据新视界》调研,IDC,2020年爆发之前完成的.
随着越来越多的人开始居家办公,向云服务的迁移加速,数据运营的需求将会进一步增长.
不是很重要稍重要重要非常重要极其重要全部北美中国欧洲亚太地区和日本42%24%23%10%1%40%17%34%9%1%0%52%15%29%44%28%15%11%3%37%29%21%12%1%3%数据运营的重要性图15数据新视界:从边缘到云,激活更多业务数据|33|第6章调研结果清楚地表明,应对数据管理难题的解决方案很大程度上蕴含在实施数据运营中——将数据使用者与数据创建者联系起来的环节,以及与之相关的流程.
我们如何判断数据运营是否有效呢调研结果揭示了这个重要的结论.
结合其他数据管理解决方案(分析技术支持的数据编排和搭建完善的数据架构),数据运营可以显著在本章节,此次调研给企业主带来了一些真正的利好消息.
更佳业务成果希捷观点改善业务成果,包括:提升客户忠诚度和满意度、提高利润、增加收入,以及增强员工稳定性和生产率.
因此,数据运营与企业的竞争优势息息相关.
数据新视界:从边缘到云,激活更多业务数据|34|竞争优势高效的数据运营是快速构建和训练人工智能模型以及大规模部署分析技术的基础.
高水平的分析结果能够带来强大的竞争优势.
调研发现,更好的数据分析将显著改善业务成果.
下图显示了企业改进数据分析后在哪些领域获得了改善.
请注意,大多数企业都会表示他们逐步看到改善效果,但不同企业的改善速度有巨大差异.
与同行相比,改善最快的公司有望获得更好的业务成果.
虽然图16给出的结果并不能单独反映数据运营的影响,但数据运营是改善数据管理的最新、最先进的方法.
大多数企业在以下三个方面改善了业务成果:1.
增加收入.
2.
提高利润.
3.
提升客户满意度/忠诚度.
不过,数据管理和分析给整个企业带来的业务成果远不止于此,还包括:提高员工生产率.
稳定员工队伍.
降低成本.
改善合规.
赢得新客户.
除了这些积极的业务成果之外,企业还赢得更多新客户,这一点显然对于增加收入至关重要.
IDC数据员工生产率收入利润客户满意度/忠诚度客户稳定性员工稳定性满足合规要求运营成本加快新产品和服务上市赢得新客户新产品和服务的数量降低资本支出需求73%72%71%70%70%69%68%66%66%65%61%57%衡量数据管理和数据分析投资在改善企业绩效方面成功与否的指标图16资料来源:希捷《数据新视界》调研,IDC,2020年数据新视界:从边缘到云,激活更多业务数据|35|数据运营:通过数据提高客户满意度和利润本次调研表明,平稳推进的数据运营是数据管理的关键,它使企业能够从数据中获取更多的价值,并改善各项业务成果,例如:提高利润和客户满意度.
企业如何才能通过数据运营改善业务成果如前一章所述,人的因素不能忽视.
正是人将数据置于孤岛.
因此,建立有效的数据运营不仅关乎拥有适当的工具.
当然,适当的工具是关键.
虚拟化工具极其有用,因为它们能够实现数据的检索和处理.
无论是软件虚拟化平台(例如:Kubernetes——"一种可移植的、可扩展的开源平台,用于管理容器化工作负载和服务,可促进声明式配置和自动化"),还是应用部署抽象化机制的虚拟机,虚拟化层都可以简化数据管理.
但是在数据运营利用虚拟化之前,它必须先从关于数据的决策着手.
使用工具比较容易.
对于企业领导来说,棘手的是通过数据治理及相关流程做出关于数据的决策.
企业主必须从他们的目标出发,这些目标通常包括提高客户满意度和利润.
为此,他们需要查询自己可以支配的数据;他们需要协调各种来源的数据并解决治理问题,例如:谁可以访问哪些数据如何对数据进行分类在哪里存放哪些数据分析之后如何处理数据如何使数据可用如何将数据互连要回答这些问题,企业主、数据管理员或首席信息官必须咨询主题专家(SME).
他们需要与主题专家一起识别、评估、清理(检测和纠正不准确的记录)和验证数据.
主题专家必须参与这些工作,因为只有他们才深入了解某些类型的数据.
在主题专家的参与下,在企业主的指导下,并在数据管理员的协助下,我们需要解决一个关键问题:你希望从哪些数据中获取哪些智能洞察你希望它告诉你什么你希望如何使用它公司生产一个产品可能需要收集大约10000个入口点参数.
如果公司仅仅为了一个产品就保留这么多信息,而没有一个清晰的数据架构来定义所有信息的存储位置以及它们在不同环境间的流动方式,这些数据就有可能被淹没在数据沼泽中.
决策者必须与产品设计工程师及质量工程师协商,并提出问题:在这10000个参数中,哪些参数最为关键然后,通过查询和跟踪所选的数据,他们就能够更加有效地构建组件和解决方案.
数据治理的前期工作包括协调、讨论、分析、语言协议和数据分类(下一章将对此进行详解),随后由虚拟化工具所驱动的高度自动化下游流程完成工作.
数据运营的这种双重流程可以提升客户满意度,因为优化数据的治理和流动可以提高产品质量,从而直接影响到客户的采购体验.
正如IDC分析师在上一章中指出的那样,交付速度也很重要.
越快得到结果,客户的满意度就越高,因为更快地获得数据意味着客户和企业主可以更快地做出决策.
企业主从着手提高客户满意度和利润开始,通过数据运营来优化数据,最终实现目标,这就是完整流程.
这一切都是源于对数据的充分认知和充分利用.
希捷观点数据新视界:从边缘到云,激活更多业务数据|36|三分之二受访者表示他们的数据安全存在不足,因此任何有效的数据管理讨论都必须将数据安全作为基本话题.
数据安全始终是IT领导者和企业领导者最关注和最优先解决的问题.
数据泄露会带来直接的经济损失、巨额监管罚款、声誉损失、客户流失等问题.
恶意软件攻击可能会导致企业机密泄露、员工工作效率下降、数据不可恢复.
如果是勒索软件,那么还会造成经济损失.
然而,许多接受调研的企业尚未在整个企业范围内部署常规的数据安全措施(图17).
图17中的调研结果显示,企业的数据安全措施不是"全部拥有或一无所有".
受访者可能对"静态数据加密"问题回答"是",而对所有其他问题回答"否".
因此,绝大多数企业有可能在其环境中至少存在某些重大的漏洞.
第7章除数据运营外,数据管理还有一个独特的部分需要我们特别重视,那就是数据安全.
数据安全和数据管理IDC数据动态数据加密数据存储设施的物理安全员工接受处理敏感信息的培训静态数据加密数据屏蔽数据位置和流动限制36%34%34%32%32%32%全面实施关键安全措施的企业占比图17资料来源:希捷《数据新视界》调研,IDC,2020年数据新视界:从边缘到云,激活更多业务数据|37|企业数据安全的最大难题是技术,这是最大的误解.
企业数据安全的挑战在于如何根据风险对数据进行分类,以及如何存储和保护数据.
与数据运营一样,属于人为因素.
技术问题归根结底取决于企业主的购买决策.
你希望保护静态数据吗购买自加密硬盘即可解决问题.
培训数据用户(公司内部负责创建、接触、分析和移动数据的人员)是另一个挑战.
企业领导者应记住,企业内部对数据创建者和使用者的培训越充分,对于企业就越有利.
企业主自己的数据安全培训是成功的关键,因为通过数据安全培训可以确保企业主对安全的认可.
数据安全培训应该全员参与.
保护数据(及与之相关的培训)应该涉及企业各个部门,而不仅仅是CISO首席信息安全官、CIO、IT管理员、安全和法律团队.
数据所有者也应该参与其中.
总结:如果你是企业领导者,请不要等到数据泄露或丢失之后,才认识到数据安全是企业获取数据价值的基础.
数据安全:人的问题1.
数据分类.
对数据进行分类是一项艰巨的任务,需要在整个企业范围内进行大量沟通.
数据分类势在必行.
企业内部的数据创建者、所有者和用户必须就数据分类标准达成一致,并将按照类型对数据分门别类.
没有这个定义和协调的步骤,任何数据保护计划都必将失败.
就是这么简单.
例如,在希捷科技,团队成员就广泛的标准达成了一致.
希捷科技在内部划定了四类数据:限制级数据、机密数据、内部数据和公开数据.
2.
数据流动.
企业主必须了解企业的数据流向何处——无论数据是按照设计意愿流动还是与计划相违背.
判断什么合适或什么有效是定义控制措施的重要步骤.
了解数据流向有助于识别最大的风险领域.
3.
访问控制.
基于角色的访问控制(RBAC)可能是最基本的访问控制形式,但一般都不全面.
需要访问的人才可以进行访问,这种想法很容易理解,但是实施和维护起来却比较困难.
数据的敏感性(按数据分类判断)越高,实施起来就越严格.
除RBAC之外,还可以考虑的其他控制措施包括:通过精细访问控制措施,限制某些功能,如:特定资产的打印、编辑、复制/粘贴等,实施文件级加密的信息权限管理(IRM)控制其他访问机制,如:仅限浏览器访问(禁止下载)和水印,可避免屏幕截图/获取数据保护的关键步骤希捷观点数据新视界:从边缘到云,激活更多业务数据|38|全面有效实施的数据安全计划似乎让人望而生畏,所以最好不要让完美成为优秀的敌人.
如果你是一个在数据安全方面不堪重负的企业主,暂时还做不到尽善尽美,但又希望至少先采取最必要的措施,以后再考虑不怎么急迫的保护措施,那么你该怎么做呢以下是防范最大风险的必备数据安全措施:1.
加密动态数据.
至少对所有远程访问仅采用安全协议和服务,例如:HTTPSoverHTTP、SFTPoverFTP、IPSec和SSLVPN.
做到这一点并不难:仅采用使用安全通信的工具对它们进行正确配置,使其成为标准,并强制要求合规.
2.
加密静态数据.
笔记本电脑和移动设备是最大的数据风险.
存储阵列和服务器通常位于访问受控的数据中心,几乎不会发生放在汽车中被盗或坐出租车时从口袋里掉出来这种意外.
那么我们首先解决最大的风险就是,给笔记本电脑进行全盘加密;对移动设备管理策略中的移动设备强制执行文件系统加密.
3.
培训用户.
本报告反复强调,用户要么是你最强的控制点,要么是你最弱的控制点.
企业主必须对所有员工进行最佳实践和风险方面的培训.