这是 Solutions Review 的高级内容系列的一部分，该系列由成熟软件类别的行业专家撰写的贡献专栏集合。在这份提交的文件中，Komprise联合创始人、首席执行官兼连续创业者 Kumar Goswami 提供了他对 2023 年数据管理的最佳实践和预测。
在数据管理领域，2023 年的持续需求是灌输高效实践和智能自动化，以应对房间里的大象：世界上存在的 ZB 级非结构化数据。IDC 和 Statista 预测，到 2023 年数据量将达到 118 ZB——这个数字甚至难以估量。管理存储、保护和维护所有这些数据的成本不受控制的增长是 IT 组织面临的一个障碍。然而，非结构化数据管理流程和解决方案正在不断发展，以包含成本管理以外的目标。IT 组织必须更好地了解数据，以改进迁移并从云中获得最大的投资回报率，满足合规性要求，为部门提供数据服务，并促进从数据中产生新的价值。但这还不是全部。
数据管理最佳实践与预测
可持续发展计划取决于非结构化数据管理
谈到绿色 IT，近年来的讨论主要集中在可持续数据中心技术和设计上。IT 组织也将寻求表现出绿色承诺的云提供商。除此之外，追根溯源并减少数据足迹至关重要——数据足迹是碳足迹的一个隐藏贡献者。在企业生命周期内保留所有数据不再可行。大多数组织拥有数百 TB 的数据，这些数据可以被删除但被隐藏和/或没有被充分理解以进行适当的管理。
企业将寻求更全面地了解他们的数据——哪些数据存储在何处——以优化存储成本，同时支持关键的可持续发展计划。从流媒体设备/传感器智能提取边缘数据是减少数据存储对碳足迹影响的另一种策略。未受命实现可持续发展目标的组织可能会受到在业务往来中重视这些特征的客户的负面影响。
德勤今年早些时候的研究发现，超过 70% 的企业领导者表示，来自投资者和其他利益相关者的压力迫使他们关注气候问题。
没有数据洞察力和灵活的移动性，多云战略将失败
尽管人员和管理复杂，多云基础设施仍将继续存在，因为组织不愿意锁定一个甚至两个存储/备份/灾难恢复供应商。IT 领导者希望在成本和性能或灾难恢复策略方面实现多样化，例如将数据复制到另一个云或将敏感数据放入对象锁定存储中。然而，管理多个云将扩大对所有数据资产的全面可见性、做出明智决策的指标以及在平台和环境之间移动数据的能力而不会产生过多成本（例如云出口和再水化成本）和安全风险的需求。
这将需要对存储在云中的数据进行全面分析、与存储无关的数据管理解决方案、对数据访问异常的监控，以及存储/基础设施与安全团队和工具之间更紧密的协调和集成。
自动化工作流解决方案有助于加快大数据分析的价值实现
为了跟上业务不断变化的数据服务需求，IT 将与许多不同部门（如财务、营销、法律、研究、人力资源）的利益相关者实施协作流程。数据工作流自动化将支持从治理和合规性到成本节约再到大数据分析的各种用例。为授权用户和部门提供创建可重复的、策略驱动的工作流、由 IT 管理和执行并自动运行的工具，将节省查找数据并将数据移动到正确位置的时间。
例如，财务数据分析师可以创建一个工作流来查找与高价值客户订单相关的所有数据，执行外部函数来识别 PII 数据并将其删除，然后将匿名数据移动到云数据湖以进行数据挖掘项目关于交叉销售和向上销售趋势。想象一下，在分析之后，数据移至成本较低的存档，并且该工作流持续运行——因此总是在新数据到达时对其进行操作。
非结构化数据管理最佳实践扩展到 LOB 团队
遵循其他自助服务 IT 趋势，部门和最终用户将获得新工具的支持，从而在使用、移动、存储和保护自己的数据方面发挥更大的作用。通过了解他们的数据，例如数据的数量和年龄、正在创建的文件类型、创建文件的人员以及访问频率，团队可以与 IT 部门密切合作，为他们的部门需求设计最佳数据管理策略。
让 LOB 用户能够标记和分类他们的数据可以为以后的搜索提供更多价值。这种以业务为先的方法将加快新技术和新方法的实施，让部门和高级用户更好地管理本地和云端的数据，从而满足节约成本和创造价值的双重需求。
存储专家关注数据治理要求
根据 Komprise 2022 年非结构化数据管理状态调查中近 40% 的客户，客户有兴趣从他们的非结构化数据管理解决方案中获得更多警报，以随时了解存储容量阈值、异常、威胁和其他异常活动。
随着混合云环境中的数据量和数据孤岛逐年扩大，数据和存储资产的监控和可观察性正成为 IT 战略的核心。存储和安全团队也将加强协调，并将依赖数据管理技术中的新治理功能，例如自动策略和警报。
文章来源：https://solutionsreview.com/data-management/expert-data-management-best-practices-predictions/
