在新冠疫情期间，相信大家都看过这样一个段子：“在你的企业驱动数字化转型的是谁？是CEO、CTO、CIO，还是Covid-19？正确答案是Covid-19！”尽管带着些许调侃的意味，但也说明了受新冠疫情“黑天鹅”事件的影响，随着远程办公、远程运维、在线教育、在线医疗等需求的兴起与爆发，在带来人们生活与工作模式悄然改变的同时，也正在加速重构着企业的管理与运营模式。
实际上，新冠疫情加速企业数字化转型并非是个伪命题，在e-works近期对近600家制造企业进行的2019-2020年度CIO数字化转型问卷调查中也得到了印证。该调查发现，一方面疫情之下数字化转型再次被推向风口，热潮持续；有超过99%的企业领导对数字化转型持支持态度。另一方面数字化转型价值也得到企业广泛认同，内生动能强劲，投资热情不减；调查企业对2020年资金投入的预测显示，相较于2019年的总体资金投入，企业在2020全年资金投入将保持稳定并略有增加的态势。而企业战略发展、行业发展趋势、经济下行压力则是促进企业数字化转型的主要动因。
毫无疑问，数字化转型已是大势所趋。然而，企业数字化转型却是一项庞大而复杂的系统工程，不能一蹴而就，在转型过程中也会遇到各种各样的问题。尤其是作为企业核心战略资产的“数据”，随着数字化转型的不断深入，会面临着数据分散于不同业务系统难以有效整合，数据量飙升难以高效存储，多云系统数据难以有效协同管理等诸多难点问题，这都需要企业直面并解决。
难题一：企业上云过程中如何整合数据，并支持业务弹性扩展？
企业上云早已不是新鲜事。上云的目的，是为了降低信息化建设成本、优化运营管理流程、创新业务发展模式，快速获取数字化能力，以实现企业管理与运营变革。企业上云的方式多种多样，比如公有云、私有云、专属云、混合云等。对于大中型企业而言，由于其通常会受到政策监管、数据安全、自主可控以及固定资产要求等因素的制约，因此其上云之路一般选择从私有云到专属云再到公有云的路线，最终形成混合云的架构模式。
然而，大中型企业的数据中心一般部署了大量的业务系统，拥有海量的数据和承载计算的能力，以及数据存储的设备。那么，企业在上云过程中该如何有效整合并充分利用这些资源？如何建立基于业务需求的数据流转和复用机制，最终实现基于数据驱动的业务布局？如何根据业务需求，弹性调配底层资源？企业又该如何建立合规、自主可控且易管理的云架构？
难题二：如何畅通AI数据管道，确保数据管理的高性能、高可用性、经济性以及可扩展性？
经过60多年的发展，AI人工智能作为一项使能技术，已从实验室逐步走向产业化落地阶段，并应用于工业、交通、医疗、教育、金融、互联网、电商零售等各行各业，比如AI质量检测、AI医学影像识别与诊断、AI自动驾驶，AI智能安防、AI语音助手等等。
而人工智能依赖于数据的不断累积以及数据算法与模型的不断发展成熟，这其中数据是基础中的基础。随着训练量越来越大，产生的数据量也会越来越多。根据英特尔的研究，一家智能医院一天会产生3000GB的数据；一辆自动驾驶汽车一天会产生4000GB的数据；一架联上网的飞机每天会产生40000GB数据；而一个联网的智能工厂每天会产生100万GB的数据。
那么，问题也随之而来，在AI技术越来越普及，AI应用场景越来越深入的背景下，企业该如何管理和使用这些海量的数据，并确保数据管理的高性能、高可用性、经济性以及可扩展性？
难题三：企业如何根据数据的重要性与冷热程度，选择合适的存储策略？
企业数据可分为结构化数据、半结构数据和非结构化数据，其中，半结构化数据和非结构化数据占据了数据总量的绝大部分。这些数据有的价值昂贵，有的价值低廉，但不可否认的是，所有的数据都是企业至关重要的战略资产。
联系我们请点击：
数邦客
