数据已经是“负担”了吗？

别灰心，其实距离未来场景的实现，就在“明天”。从个性化购物和娱乐推荐，到具有空间感知能力的机器人，基于AI和算法的全新技术，已经让我们具备了实现未来场景的雏形。而种种这些，都要归功于云以及随之而来的大量数据。

戴尔科技集团董事长兼首席执行官迈克尔·戴尔曾表示：

未来十年，数字化浪潮席卷世界每个角落，进入数据驱动时代，需要很多技术来连接未来。而一切的技术，都建立在数据的基础上。

对各行各业来说，未来新十年的崭新机会就在眼前，我们迫切需要了解数据将会如何影响业务并发掘更多机会，但只有了解数据的过去和现在，才能真正理解和把握未来。

十年前，"大数据"一词才刚刚出现在商业杂志，智能手机的普及，让越来越多消费者开始使用智能手机上面的应用。当时，数据往往只被技术公司和专家迫切关注。

随后，企业意识到了数据更广泛的潜力，并建立自己的数据策略，但这种转变很快就被洪流般的数据所淹没，他们没有准备好或者没有能力利用数据做出可操作的决策，来提高业绩。

总的来说，在过去十年中，数据在很大程度上是一个流行语。企业对数据的体验并不总是积极的，糟糕的数据管理不仅错失商业机会，甚至数据泄露导致了监管部门的罚款。许多传统企业因为没有为未来做好准备，而被淘汰。

今天，数据的产生和应用比以往任何时候都更广泛，绝大多数企业领导都意识到，有效的数据管理对他们的成功至关重要。然而，尽管今天对数据的认知发生了重大变化，但许多组织仍在为数据管理的基本知识而苦恼。例如，当本地IT基础设施与云计算相结合，往往导致了企业在数据管理方面遇到关键挑战。

幸运的是，艰难的探索与实践，并没有阻挡企业拥抱数据价值的脚步。专注于AI的初创公司比比皆是，各行各业的领先公司都已将基于数据的见解纳入日常决策当中，从会计到人力资源再到客户服务和销售等，进而转变业务运营和节省公司的时间和资源。

未来十年数据的增长只会持续而不会缩减，但这些数据的性质将会改变。据估计，到2025年，全球将有30％的数据是实时的，是2017年15％的两倍。从人工智能到5G再到边缘计算的开发，将推动这一发展。

2030年，6G网络将使下载速度达到每秒1TB。通过卫星传送的互联网将在不久的将来扮演类似的角色，以加速数据移动并减少延迟。

当度量、测量和遥测数据这些从位于边缘的服务器、机器人和人造卫星等所有事物发出，汇聚在一起，并通过人工智能形成非凡业务洞察的时候，数据将继续改变工作世界，改变许多工作岗位，并重塑我们的生活。数据的潜能将真正释放。

但是在此之前，企业依然需要克服他们今天仍然面临的数据管理挑战，完善未来的数据技能。

要为未来做好准备，企业将需要制定雄心勃勃的数据战略。这意味着将时间和资源投入到数据管理中，以确保信息的可访问性、准确性，以及采取行动。这也意味着需要投资于技术以收集、分析和使用数据。为此，企业需要做好如下准备▼

未来十年，企业将加快从专注于管理（收集、存储和分析）内部数据的方向转变为将大部分IT资源投入到管理（收集、存储和分析）外部数据中，其中大部分是“非结构化”的，这些数据的很大一部分来自新的音频和视频源。 

戴尔易安信PowerScale综合其横向扩展NAS存储和OneFS系统，能够通过单一数据湖构建，线性扩展性能和容量，满足边缘计算对大量非结构化数据存储和分析的需求。同时重复删除和压缩计算，提高边缘端存储资源使用效率，此外还能够直接对所存储的数据进行大数据分析，从而加快数据变现。

过去几年，云和云之间的复杂性，已经严重拖慢了企业从数据中汲取价值的步伐，因为要想有价值，数据就必须流动起来。企业常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去，更不用说数据检索产生的费用了。

因此，企业势必要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，所有架构通过数据管理予以协调统一。 

并且，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。

随着越来越多数据在边际环境被创造，越来越多的企业需要将数据管理基础架构移至数据被产生的地方。

不同于数据中心环境拥有稳定的温度和湿度，当IT设备部署在数据中心之外，面对各式各样的气候环境，如在偏远地区、海上航行的船舶、或飞机上等环境。企业需要坚固稳定的IT设备，帮助他们抵御如在偏远地区、海上航行的船舶、或飞机上等极端环境。

坚固耐用型VxRail D系列外观长度为50.8 厘米，是迄今为止体积最小的VxRail。具备VxRail的简洁易用特性和生命周期管理功能，专门耐受于偏远且严苛的环境。可承受极端的温度、高达40G的运行冲击，并可在高达15,000英尺高度（海拔4,572米）的地方运行。

展望下一个十年，我们需要确保从过去和现在失败的数据实践中吸取教训，从而让数据为我们做出贡献。在此之上，承载数据的技术架构，依然至关重要。