在數(shù)據(jù)存儲和非結構化數(shù)據(jù)管理領域，過去 12 個月發(fā)生了很大變化。在不確定的經(jīng)濟時期，隨著成本上升和 IT 預算壓力增加，云存儲戰(zhàn)略受到關注，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)遷移越來越復雜。但是，在數(shù)據(jù)中心整合時代，IT 組織面臨著控制成本和提供更大數(shù)據(jù)價值的巨大壓力。如何處理這一切？以下是針對 IT 組織和數(shù)據(jù)存儲團隊的一些預測，首先是 AI 和非結構化數(shù)據(jù)管理。

人工智能將使非結構化數(shù)據(jù)發(fā)揮更大的價值

非結構化數(shù)據(jù)非常龐大，直到今天，由于搜索、分類、細分和遷移到 AI 引擎和分析工具既困難又昂貴，非結構化數(shù)據(jù)仍無法完全使用。隨著人工智能工具和服務的發(fā)展，讓許多用戶（而不僅僅是財力雄厚的大型組織）能夠更好地使用非結構化數(shù)據(jù)，且人們越來越需要利用這些數(shù)據(jù)來創(chuàng)造新的業(yè)務價值。

但挑戰(zhàn)在于：想要向 AI 發(fā)送數(shù)據(jù)的研究人員和數(shù)據(jù)科學家沒有簡單的方法來安全地做到這一點。它需要編寫手動腳本，這需要數(shù)天或數(shù)周的工作。另外，人工智能和機器學習技術仍然不太準確，并引入了偏見和錯誤的結果。

然而，我們?nèi)匀活A測對解決方案的需求將會增加，這些解決方案可以創(chuàng)建一個工作流程，人工智能可以快速找到所需的數(shù)據(jù)，豐富數(shù)據(jù)并驗證結果。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)，以找到項目所需的數(shù)據(jù)類型。

然后，AI 通過掃描文件內(nèi)容和標記文件（例如“包含用于診斷隨訪的標記 X”）來豐富元數(shù)據(jù)，并返回一個可以由人類驗證為正確輸出的數(shù)據(jù)集。具有可搜索全局文件索引的非結構化數(shù)據(jù)管理可以通過 API 連接到 AI 工具，以進一步識別和豐富數(shù)據(jù)。它為 AI 項目節(jié)省時間、提高效率和準確性。

從云優(yōu)先到數(shù)據(jù)優(yōu)先

在全球疫情最嚴重的時候，云優(yōu)先戰(zhàn)略風靡一時。但今天，這些計劃已經(jīng)暴露在顯微鏡下。IT 組織使用適合不同工作負載的多種供應商技術創(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，而且有時甚至比將數(shù)據(jù)保存在內(nèi)部花費更多。

這一現(xiàn)實背后有很多原因，但將大部分或全部工作負載放在云中以最終節(jié)省成本的想法并沒有成功。IT 組織將根據(jù)其數(shù)據(jù)在整個生命周期中的性能、成本和安全需求，從市場上的眾多存儲選項（無論是在本地還是在云中）中進行選擇。

隨著需求的變化或更好的技術可用，能夠輕松移動數(shù)據(jù)至關重要。因此，允許大量非結構化數(shù)據(jù)在不受供應商鎖定的情況下移動的數(shù)據(jù)管理工具將越來越有價值。

非結構化數(shù)據(jù)遷移變得更加智能、自動化

傳統(tǒng)上，企業(yè)數(shù)據(jù)遷移非常復雜，需要大量實際操作，并且需要大量的專業(yè)服務，尤其是在涉及大量非結構化數(shù)據(jù)時。自動化和人工智能將改變這種狀況，實現(xiàn)智能、高效的數(shù)據(jù)遷移，不再需要 IT 經(jīng)理照看他們，而且它們也將具有適應性。

這些工具將知道如何即時解決問題并自我修復。隨著技術的增長，高級遷移規(guī)劃工具將針對不同的工作負載和應用案例推薦最佳存儲層。因為，數(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)絡連接和安全配置。企業(yè)客戶將尋求能夠提供數(shù)量級更快的遷移速度、更好地長期結果以及更少的數(shù)據(jù)丟失、錯誤和安全風險實例的解決方案。

存儲 IT 職業(yè)：需要 FinOps 和跨孤島技能

鑒于上述所有趨勢，存儲 IT 團隊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)務和部門的需求。FinOps 一詞將成為 2024 年存儲架構師命名法的一部分。隨著存儲越來越以軟件和服務為中心，現(xiàn)在對硬件的管理需求也越來越少。相反，管理供應商、合同以及向部門和用戶提供安全、經(jīng)濟高效的數(shù)據(jù)服務將占用存儲專業(yè)人員的大量時間。

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

為此，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)管理架構師”。在成熟的基礎架構團隊中，負責存儲的經(jīng)理將與數(shù)據(jù)科學和 AI 團隊更緊密地合作，采購 AI 就緒的基礎架構，并制定數(shù)據(jù)分類和分析平臺數(shù)據(jù)工作流的計劃。

原文標題：Data Management Predictions for 2024

原文作者：Kumar Goswami