洞察企業(yè)非結構化數(shù)據(jù)

劉貴浙

在當今數(shù)字化時代，幾乎所有企業(yè)都需要應對數(shù)據(jù)激增帶來的巨大挑戰(zhàn)。

日前，全球信息管理解決方案廠商Veritas Technologies發(fā)布《數(shù)據(jù)基因指數(shù)》（Data GenomicsIndex）報告，首次在業(yè)界公開由企業(yè)數(shù)據(jù)組成的精確視圖。

為了進一步了解客戶數(shù)據(jù)環(huán)境的真正結構，Veritas在2015年分析了來自眾多客戶非結構化數(shù)據(jù)環(huán)境的數(shù)百億份文件及其屬性。本次分析涵蓋了8，000多種最常見的文件類型擴展名。因此，報告中的數(shù)據(jù)基本能夠代表客戶文件系統(tǒng)環(huán)境的數(shù)據(jù)構成。

根據(jù)實時的企業(yè)數(shù)據(jù)視圖表明，40%以上的企業(yè)文件在3年內處于無人問津的狀態(tài)，這一調研發(fā)現(xiàn)將為企業(yè)降低運營成本創(chuàng)造新的機會?！稊?shù)據(jù)基因指數(shù)》報告是評估且建立企業(yè)數(shù)據(jù)環(huán)境標桿的第一步，旨在提高企業(yè)應對數(shù)據(jù)量激增挑戰(zhàn)的關注度和行動力。

《數(shù)據(jù)基因指數(shù)》報告首次公開當今企業(yè)數(shù)據(jù)環(huán)境的精確洞察，同時企業(yè)可以將其作為對比標準。該調研所得出的洞察能夠大力推動企業(yè)智能化運轉，實現(xiàn)最大修復能力，從而獲得最佳的商業(yè)回報。本次報告的重要發(fā)現(xiàn)包括：

開發(fā)者文件主導，演示文稿文件已成為過去時

《數(shù)據(jù)基因指數(shù)》報告揭示，過去七年中，數(shù)據(jù)的實際增長速度為每年平均增長39.2%，而相應的存儲空間需求增長比創(chuàng)建單個文件增長快9%。

圖片、開發(fā)者文件和壓縮文件大約占企業(yè)環(huán)境總容量的三分之一。從文件數(shù)量上來看，開發(fā)者文件占總量的20%?；仡欉^去10年的IT發(fā)展趨勢，與其他文件類型相比，演示文稿文件的數(shù)量下降500%?？梢哉f，演示文稿當?shù)赖臅r代已經過去。

秋季成為存儲旺季

秋天是文件創(chuàng)建的旺季。文本文件的增長率尤為突出，高達91%；其次是地理和信息系統(tǒng)文件，增長率為89%；電子表格的增長率為48%。通過本次調研可以總結出，企業(yè)通常在夏季和秋季錄制視頻，并將錄制內容保存在公司的磁盤中。在秋季，視頻量會迅速增長68%。

只有備份和文檔文件會在秋冬季激增。在企業(yè)完成年度備份后，備份文件將激增756%。但圖像文件的創(chuàng)建量明顯減少，降幅達63%。此外，68%的視頻都創(chuàng)建于夏秋兩季，電子郵件（pst）的情況可預測性高，各季節(jié)間只有0.7%的標準偏差。

在數(shù)據(jù)環(huán)境中，41%的數(shù)據(jù)長期無人問津

根據(jù)規(guī)定或合規(guī)要求，數(shù)據(jù)通常在3年后會從“可能相關”變?yōu)椤斑^期”狀態(tài)。令人難以置信的是，在企業(yè)中，平均41%的企業(yè)數(shù)據(jù)已經過期，或者是連續(xù)3年沒有任何用戶對其進行過修改操作。

面對海量的陳舊數(shù)據(jù)，以及在可以執(zhí)行多個可行處理決策時，為信息管理“決策預算”的重點劃分優(yōu)先級，無疑能夠幫助企業(yè)選擇文件管理的入手點。陳舊數(shù)據(jù)和總數(shù)據(jù)中數(shù)量最多的文件類型中，傳統(tǒng)“office”文件是企業(yè)巨大的負擔。

如果企業(yè)希望最大限度地節(jié)約存儲空間成本，但又無法確定優(yōu)先處理哪些文件類型，那么企業(yè)可以重點對以下五大類型文件進行處理，每一類型都能夠幫助企業(yè)找回GB級的存儲空間：虛擬機文件、安全文件、游戲文件、科技文件、地理位置信息系統(tǒng)文件。

孤立數(shù)據(jù)成為企業(yè)的巨大負擔

由于職位變更或員工離職，數(shù)據(jù)將失去其所有者，成為孤立數(shù)據(jù)。由于職位變更、員工離職以及常用活動目錄混亂等原因，企業(yè)很難追蹤數(shù)居環(huán)境的傳承關系；此外，追蹤數(shù)據(jù)傳承需要巨大的資金支持。企業(yè)對這類數(shù)據(jù)通常選擇忽略，但它們卻不斷花銷企業(yè)的成本。根據(jù)《數(shù)據(jù)基因指數(shù)》報告，孤立數(shù)據(jù)多為內容豐富的文件類型，例如視頻、圖片和演示文稿等。如果企業(yè)選擇忽略這類數(shù)據(jù)，將會造成一定的潛在安全風險。孤立數(shù)據(jù)也占據(jù)大量的磁盤空間，超出所應占空間的200%。

孤立數(shù)據(jù)會占據(jù)企業(yè)高額成本，一方面是因為其占據(jù)了過量的存儲空間。即便孤立數(shù)據(jù)僅占文件總量的1.6%，但它占據(jù)的存儲空間卻達到了5.1%。不僅如此，大多數(shù)孤立數(shù)據(jù)是內容豐富的數(shù)據(jù)類型，這類數(shù)據(jù)所占據(jù)的空間都遠遠超正常比例，如圖像文件超出正常存儲空間的88%，而視頻和演示文稿分別超出165%和229%。

報告調查發(fā)現(xiàn)，企業(yè)人員流動趨勢對存儲環(huán)境具有一定的影響。孤立文件的大小是平均文件的222%。數(shù)據(jù)管理人員可能認為，文件越大，其內容越重要，因此在員工離職后傾向于繼續(xù)保留這類密集文件。如果企業(yè)希望恢復更多存儲空間，從孤立數(shù)據(jù)下手無疑是首選。

小變動或極大影響企業(yè)存儲成本

如果能夠洞察自身數(shù)據(jù)，企業(yè)可以明確劃分優(yōu)先區(qū)域，從而實現(xiàn)最大的回報。演示文稿、電子表格和文檔等傳統(tǒng)Office格式文件所占據(jù)的空間遠遠超出合理數(shù)值，這為企業(yè)造成不必要的成本負擔。同時，視頻和圖片等視覺格式文件也是企業(yè)的另一負擔。企業(yè)應該對此類文件實施歸檔、刪除和遷移工作。以10PB為普通環(huán)境舉例，開展一項專門處理過期演示文稿、文檔、電子表格和文本文件的歸檔項目就能為企業(yè)每年節(jié)省大約200萬美元的存儲成本。

Veritas公司首席技術官SteveVranyes表示：“客戶一直向我們訴說困擾他們的兩大挑戰(zhàn)：數(shù)據(jù)的爆炸式增長，以及在新服務器和應用程序上所投入的有限的配置資源及預算。借助Veritas對關鍵元數(shù)據(jù)特征的獨特洞察，我們可以精確地呈現(xiàn)一般數(shù)據(jù)環(huán)境的真實情況。這些洞察分析會幫助企業(yè)從容應對當今嚴峻增長態(tài)勢下所發(fā)生的巨大變化?！?/p>

《數(shù)據(jù)基因指數(shù)》是首個精確評估實際數(shù)據(jù)環(huán)境組成的研究報告，調研包括文件類型組成、平均使用期限，以及單個文件的大小等多方面。Veritas公司還啟動了數(shù)據(jù)基因項目（Data GenomicsProject），為本次研究創(chuàng)造一個共同的討論區(qū)和平臺。該首創(chuàng)研究計劃旨在幫助企業(yè)深入了解日常創(chuàng)建、存儲和管理的非結構化數(shù)據(jù)的本質。首份《數(shù)據(jù)基因指數(shù)》報告便是此項計劃的首個研究成果。數(shù)據(jù)基因項目（Data Genomics Project）將成為數(shù)據(jù)科學家、行業(yè)專家以及思想領導者的討論社區(qū)，不斷為信息管理提供豐富的數(shù)據(jù)基因圖譜，同時將研究和討論結果分享給全球的企業(yè)用戶，幫助他們從容應對數(shù)據(jù)增長的難題。