在數(shù)據(jù)存儲和非結(jié)構(gòu)化數(shù)據(jù)管理領(lǐng)域，過去 12 個(gè)月發(fā)生了很大變化。在不確定的經(jīng)濟(jì)環(huán)境下，隨著成本上升和 IT 預(yù)算壓力增加，云存儲戰(zhàn)略受到關(guān)注，生成式 AI 正在創(chuàng)造新的數(shù)據(jù)存儲和治理要求，數(shù)據(jù)遷移越來越復(fù)雜，IT 組織面臨著控制成本和提供更大數(shù)據(jù)價(jià)值的巨大壓力。如何處理這一切？以下是針對 IT 組織和數(shù)據(jù)存儲團(tuán)隊(duì)的一些預(yù)測。首先是 AI 和非結(jié)構(gòu)化數(shù)據(jù)管理。

人工智能將會(huì)更好地利用非結(jié)構(gòu)化數(shù)據(jù)

非結(jié)構(gòu)化數(shù)據(jù)非常龐大。直到今天，由于以下幾個(gè)原因，非結(jié)構(gòu)化數(shù)據(jù)仍無法使用：搜索、分類、細(xì)分和遷移到 AI 引擎，以及分析工具既困難又昂貴。不過，人們越來越需要利用這些數(shù)據(jù)來創(chuàng)造新的業(yè)務(wù)價(jià)值，隨著人工智能的發(fā)展，這將變成可能。

挑戰(zhàn)在于：想要向 AI 發(fā)送數(shù)據(jù)的研究人員和數(shù)據(jù)科學(xué)家沒有簡單的方法來安全地做到這一點(diǎn)。它需要編寫手動(dòng)腳本，這需要數(shù)天或數(shù)周工作。另外，人工智能和機(jī)器學(xué)習(xí)技術(shù)仍然不太準(zhǔn)確，并引入了偏見和錯(cuò)誤的結(jié)果。

然而，我們預(yù)測對解決方案的需求將會(huì)增加，這些解決方案可以創(chuàng)建一個(gè)工作流程。利用這個(gè)工作流程，人工智能可以快速找到所需的數(shù)據(jù)，豐富數(shù)據(jù)并驗(yàn)證結(jié)果。工作流程可能包括首先使用人工智能工具掃描云數(shù)據(jù)湖或數(shù)據(jù)中心中的數(shù)據(jù)，以找到項(xiàng)目所需的數(shù)據(jù)類型。例如， 2022 年的所有胸部  X 線攝影圖像。然后，AI 通過掃描文件內(nèi)容和標(biāo)記文件（例如“包含用于診斷隨訪的標(biāo)記 X”）來豐富元數(shù)據(jù)，并返回一個(gè)可以由人類驗(yàn)證為正確輸出的數(shù)據(jù)集。具有可搜索全局文件索引的非結(jié)構(gòu)化數(shù)據(jù)管理可以通過 API 連接到 AI 工具，以進(jìn)一步識別和豐富數(shù)據(jù)。它為 AI 項(xiàng)目節(jié)省時(shí)間、提高效率和準(zhǔn)確性。

從云優(yōu)先到數(shù)據(jù)優(yōu)先

在全球疫情最嚴(yán)重的時(shí)候，云優(yōu)先戰(zhàn)略風(fēng)靡一時(shí)。但在今天，這些計(jì)劃已經(jīng)暴露在顯微鏡下。IT 組織使用適合不同工作負(fù)載的多種供應(yīng)商技術(shù)創(chuàng)建了靈活的混合云和多云環(huán)境。一些組織發(fā)現(xiàn)他們不僅沒有節(jié)省足夠的資金，而且有時(shí)甚至比將數(shù)據(jù)保存在內(nèi)部花費(fèi)更多。

這一現(xiàn)實(shí)背后有很多原因，但將大部分或全部工作負(fù)載放在云中以最終節(jié)省成本的想法并沒有成功。IT 組織需要根據(jù)其數(shù)據(jù)在整個(gè)生命周期中的性能、成本和安全需求，從市場上的眾多存儲選項(xiàng)（無論是在本地還是在云中）中進(jìn)行選擇。隨著需求的變化或更好地技術(shù)可用，能夠更加輕松地移動(dòng)數(shù)據(jù)，這將變得至關(guān)重要。

因此，允許大量非結(jié)構(gòu)化數(shù)據(jù)在不受供應(yīng)商鎖定的情況下，使用移動(dòng)地?cái)?shù)據(jù)管理工具，才能變得越來越有價(jià)值。

非結(jié)構(gòu)化數(shù)據(jù)遷移變得更加智能、自動(dòng)化

傳統(tǒng)上，企業(yè)數(shù)據(jù)遷移非常復(fù)雜，需要大量實(shí)際操作，并且需要大量的專業(yè)服務(wù)，尤其是在涉及大量非結(jié)構(gòu)化數(shù)據(jù)時(shí)。自動(dòng)化和人工智能將改變這種狀況，實(shí)現(xiàn)智能、高效的數(shù)據(jù)遷移，不再需要 IT 經(jīng)理時(shí)時(shí)盯緊數(shù)據(jù)遷移工作。

這些智能化地工具將知道如何即時(shí)解決問題并自我修復(fù)。隨著技術(shù)的增長，高級遷移規(guī)劃工具將針對不同的工作負(fù)載和用例推薦最佳存儲層。這是一個(gè)必然的結(jié)果，因?yàn)閿?shù)據(jù)遷移取決于客戶不斷變化的環(huán)境：他們的防火墻、網(wǎng)絡(luò)連接和安全配置。企業(yè)客戶將尋求能夠提供數(shù)量級的更快地遷移速度、更好地長期結(jié)果以及更少地?cái)?shù)據(jù)丟失、錯(cuò)誤和安全風(fēng)險(xiǎn)實(shí)例的解決方案。

存儲IT職業(yè)：所需的FinOps和跨平臺技能

鑒于上述所有趨勢，存儲 IT 團(tuán)隊(duì)將需要獲得更多的專業(yè)知識，以便更具成本效益和效率，并符合業(yè)務(wù)和部門的需求。

FinOps 一詞將成為 2024 年存儲架構(gòu)師命名方法的一部分。隨著存儲越來越以軟件和服務(wù)為中心，現(xiàn)在對硬件的管理需求也越來越少。相反，管理供應(yīng)商、合同以及向部門和用戶提供安全、經(jīng)濟(jì)高效地?cái)?shù)據(jù)服務(wù)將占用存儲專業(yè)人員的大量時(shí)間。

同樣，企業(yè)正在擺脫單一供應(yīng)商。因此，存儲管理員必須在不同的技術(shù)之間跳來跳去，而不是專注于一個(gè)平臺。這需要在網(wǎng)絡(luò)、安全、云架構(gòu)、成本建模和數(shù)據(jù)分析方面擁有更廣泛的技能和知識。

因此，特定于存儲的職位將被數(shù)據(jù)頭銜所取代，例如“數(shù)據(jù)洞察工程師”或“數(shù)據(jù)管理架構(gòu)師”。在成熟的基礎(chǔ)架構(gòu)團(tuán)隊(duì)中，負(fù)責(zé)存儲的經(jīng)理將與數(shù)據(jù)科學(xué)和 AI 團(tuán)隊(duì)更緊密地合作，采購 AI 就緒的基礎(chǔ)架構(gòu)，并制定數(shù)據(jù)分類和分析平臺數(shù)據(jù)工作流的計(jì)劃。

原文標(biāo)題：Data Management Predictions for 2024

原文作者：Kumar Goswami