從視頻、圖像、電子郵件到文檔、傳感器數(shù)據(jù)及人工智能輸出，非結(jié)構(gòu)化數(shù)據(jù)已占據(jù)企業(yè)信息總量高達(dá)90%。有效管理這類(lèi)數(shù)據(jù)已成為巨大挑戰(zhàn)，尤其當(dāng)其中大量數(shù)據(jù)鮮少被調(diào)用甚至完全閑置時(shí)，企業(yè)正為存儲(chǔ)海量低價(jià)值甚至無(wú)價(jià)值的信息支付高昂成本。

　　縱觀各行業(yè)，對(duì)此現(xiàn)象的本能反應(yīng)簡(jiǎn)單直接，增加存儲(chǔ)容量。決策者通常認(rèn)為這比刪除可能蘊(yùn)含潛在價(jià)值的數(shù)據(jù)更可取。然而這種做法正催生日益昂貴的惡性循環(huán)，成本持續(xù)攀升卻未能解決數(shù)據(jù)管理根源問(wèn)題。

　　簡(jiǎn)單的事實(shí)是，在眾多企業(yè)中，繼續(xù)以這種方式管理非結(jié)構(gòu)化數(shù)據(jù)已難以維系，尤其當(dāng)數(shù)據(jù)保留、合規(guī)及性能要求不斷提升時(shí)。要審慎前行，這些企業(yè)必須停止將非結(jié)構(gòu)化數(shù)據(jù)視為單純的存儲(chǔ)難題，而應(yīng)將其視為戰(zhàn)略性的財(cái)務(wù)與運(yùn)營(yíng)議題。

　　打破循環(huán)

　　換個(gè)角度思考：當(dāng)代企業(yè)面臨的非結(jié)構(gòu)化數(shù)據(jù)根本問(wèn)題，并非數(shù)據(jù)體量本身，而是缺乏對(duì)數(shù)據(jù)存在性、存儲(chǔ)位置、歸屬權(quán)及價(jià)值存續(xù)的可視化管理。在此背景下，企業(yè)唯一的選擇就是無(wú)限期存儲(chǔ)所有數(shù)據(jù)，包括冗余、過(guò)時(shí)或毫無(wú)業(yè)務(wù)價(jià)值的瑣碎數(shù)據(jù)。

　　關(guān)鍵問(wèn)題在于，如何實(shí)現(xiàn)數(shù)據(jù)全生命周期管理?理想的戰(zhàn)略性數(shù)據(jù)管理流程應(yīng)首先建立全企業(yè)范圍的非結(jié)構(gòu)化數(shù)據(jù)統(tǒng)一視圖，以此揭示效率低下與潛在風(fēng)險(xiǎn)。在實(shí)現(xiàn)可視化后，可引入治理框架與數(shù)據(jù)分類(lèi)機(jī)制，使信息管理與業(yè)務(wù)價(jià)值、合規(guī)要求及保留政策保持一致。

　　可視化始于對(duì)數(shù)據(jù)全貌的深度洞察。通過(guò)分析文件創(chuàng)建日期、所有權(quán)、訪問(wèn)頻率及活動(dòng)水平等元數(shù)據(jù)，企業(yè)能精準(zhǔn)定位無(wú)用孤立文件等低效環(huán)節(jié)。此類(lèi)洞察可快速識(shí)別冗余或遺忘的數(shù)據(jù)，幫助IT團(tuán)隊(duì)鎖定不必要的成本支出與合規(guī)風(fēng)險(xiǎn)點(diǎn)。

　　數(shù)據(jù)全生命周期管理在此發(fā)揮核心作用，長(zhǎng)期未訪問(wèn)的文件可遷移至低成本存儲(chǔ)，多年未活動(dòng)的數(shù)據(jù)則可歸檔或徹底刪除。多數(shù)企業(yè)發(fā)現(xiàn)其存儲(chǔ)信息中逾60%屬于此類(lèi)，這充分說(shuō)明通過(guò)策略驅(qū)動(dòng)的方法可釋放多少閑置存儲(chǔ)空間。

　　實(shí)施生命周期規(guī)則還能確保數(shù)據(jù)依據(jù)重要性進(jìn)行保留、歸檔或刪除，將非結(jié)構(gòu)化數(shù)據(jù)管理從成本黑洞轉(zhuǎn)變?yōu)橹鲃?dòng)財(cái)務(wù)控制機(jī)制，既提升運(yùn)營(yíng)效率又增強(qiáng)合規(guī)信心。這些流程對(duì)人工智能與分析項(xiàng)目的成功尤為關(guān)鍵，正如眾多企業(yè)正在發(fā)現(xiàn)的，不可靠或不一致的輸入數(shù)據(jù)將導(dǎo)致低效或偏頗的分析結(jié)果。

　　大數(shù)據(jù)應(yīng)創(chuàng)造巨大效益

　　然而，有效管理有助于形成良性循環(huán)：人工智能模型基于準(zhǔn)確、相關(guān)且合規(guī)的數(shù)據(jù)集進(jìn)行訓(xùn)練和/或增強(qiáng)，從而顯著提升性能并增強(qiáng)對(duì)結(jié)果的信任。

　　這種方法還受益于供應(yīng)商中立的數(shù)據(jù)管理平臺(tái)整合，該平臺(tái)能夠跨多樣化存儲(chǔ)環(huán)境和云端集成數(shù)據(jù)，在保持可擴(kuò)展性的同時(shí)消除供應(yīng)商鎖定。最終實(shí)現(xiàn)全企業(yè)范圍內(nèi)的成本控制優(yōu)化、合規(guī)態(tài)勢(shì)提升及決策基礎(chǔ)強(qiáng)化。

　　從成本效益角度看，有效管理非結(jié)構(gòu)化數(shù)據(jù)可帶來(lái)顯著成效。例如，建立數(shù)據(jù)可視化、治理體系及AI就緒數(shù)據(jù)基礎(chǔ)的機(jī)構(gòu)，能將IT基礎(chǔ)設(shè)施預(yù)算從冗余存儲(chǔ)轉(zhuǎn)向創(chuàng)新轉(zhuǎn)型。

　　在運(yùn)營(yíng)層面，將非結(jié)構(gòu)化數(shù)據(jù)視為可管理的金融資產(chǎn)而非運(yùn)營(yíng)負(fù)擔(dān)，不僅能創(chuàng)造可量化的回報(bào)并降低成本，更能通過(guò)優(yōu)化風(fēng)險(xiǎn)管控與加速?zèng)Q策為企業(yè)創(chuàng)造價(jià)值。這種主動(dòng)策略同時(shí)強(qiáng)化了合規(guī)性與可持續(xù)性，最大限度減少了冗余數(shù)據(jù)保留及相關(guān)基礎(chǔ)設(shè)施低效問(wèn)題。

　　實(shí)質(zhì)上，非結(jié)構(gòu)化數(shù)據(jù)管理已成為戰(zhàn)略性賦能手段，既保障人工智能的可靠性，又支撐著更宏大的數(shù)字化轉(zhuǎn)型目標(biāo)。

　　作者Steve Leeper負(fù)責(zé)Datadobi的市場(chǎng)拓展工作，是擁有30年IT行業(yè)經(jīng)驗(yàn)的資深人士。