云当初曾经证实是企业的最佳抉择之一，企业有信念将要害工作负载迁徙到云。这将咱们带到了非结构化数据的云数据管理主题，以及客户如何通过战略性地将云资源混合到他们的经营中来进行翻新。
尽管云数据管理 (CDM) 能够涵盖很多方面——从老本治理到架构、治理和平安——但在本文中，咱们将次要关注 CDM 的存储方面。
尽管传统或严格的本地数据管理受到以后基础架构和简短的洽购和部署周期的限度，但云计算为性能、耐用性、可用性提供了无穷无尽的抉择。当然，每种抉择都有不同的定价。
因为存储在云中的应用和交付形式存在微小差别，企业须要新的办法来治理这所有。同样，随着许多企业采纳多云架构并在边缘存储数据，复杂性正在加剧。
1、云计算将数据管理带入下一个成熟阶段
在企业数据存储的背景下，非结构化数据管理已成为一种实际多年，只管它起源于存储供应商平台。当初企业正在应用许多不同的存储技术，包含用于数据库和虚拟化的块存储、用于用户和应用程序工作负载的 NAS、数据中心或云中的备份解决方案——以存储为核心的数据管理办法不再符合要求。
这是因为，除其余起因外，存储供应商数据管理解决方案无奈解决治理存储在不同平台上的数据孤岛的问题。孤岛妨碍了可见性和治理，导致成本增加和利用率低下。随着越来越多的工作负载和数据迁徙到云端以节俭资金并实现灵活性和翻新，云数据管理已成为一种日益增长的实际。
云数据管理 (CDM) 超过了存储，满足了对数据移动性和拜访、老本治理、安全性以及日益增长的数据货币化的一直变动的需要。云数据管理实际能够帮忙 IT 和存储管理人员利用最新的云技术，而不会就义管制和测量，也不会超支。
他们能够在云之间平安地挪动数据，并在须要时将数据移回本地，并利用策略，这样所有数据都能够流畅地挪动到满足企业和部门要求的最佳地位。
2、获取数据价值
传统的数据管理存储办法侧重于数据保护。当初通过云数据管理，重点正在扩充到蕴含价值。这意味着企业存储团队须要理解他们的文件和对象数据。
要做到这一点，最好的办法是与创立它的团队单干，并从物联网和应用程序等机器中收集它。云数据管理正在拆除的不仅是存储孤岛，还有团队孤岛。
3、入门框架
理解数据和业务： 在确定非结构化数据的最佳云资源之前，须要理解要害利益相关者的业务需要。过来，许多 IT 团队对他们的非结构化数据简直没有可见性——就像卡车司机并不总是晓得他们的货物是什么，但他们失去的报酬是将货物从 A 点运送到 B 点而不会损坏或失落。然而，云数据管理不仅仅是放弃企业数据的平安和牢靠。
当初必须理解不同数据集的价值，以告知其治理： 应用频率、业务优先级以及须要什么级别的爱护。古代非结构化数据管理平台容许客户索引他们的数据——从而取得对不同数据集做出决策的可见性。例如，剖析能够通过向利益相关者展现将一年未拜访的文件挪动到云中更便宜的存储的起因，从而为合作决策带来独特根底。
数据移动性： 将常识转化为口头。有了精确的数据洞察，是时候采取行动并开始将数据迁徙到云端了。次要的云提供商当初为所有协定提供存储资源：具备不同性能、老本和持久性特色的块、文件和对象。企业以后的工作负载可能规定了协定——但企业依然心愿在将来对其的数据进行拜访并放弃其可移植性。
云进口费用是升高云存储老本的次要阻碍。确保 CDM 实际思考到这一点，精确预测数据召回的需要，同时理解保障云原生拜访的非结构化数据管理解决方案如何帮忙避免过高的费用。前瞻性的云数据管理策略不会将企业锁定在繁多的云或存储资源中。企业将可能在数据的生命周期内治理本人的数据。
为价值治理数据： 这就是 CDM 与传统非结构化数据管理的不同之处：意识到企业的数据具备超出创立它的原始应用程序的价值，并且云剖析服务能够解锁这些数据。以下是企业存储团队寻求扩大其角色以成为数据管理专业人士以提供此价值主张的首要思考因素：
- 通过反对对象存储 API 确保云原生拜访。
- 与风行的数据仓库剖析平台（如 Snowflake 和 Databricks）以及云原生服务（如 Amazon Sagemaker、AWS Athena 和 Azure Data Lake Analytics）的凋谢 / 轻松集成。
- 通过在整个生命周期中标记和丰盛文件元数据来反对非结构化数据分析，以便以新的形式继续利用数据。
- 从存储技术即服务（STaaS）倒退到数据即服务（DaaS）；明天的重点是向各部门提供整体数据服务，而不仅仅是升高存储老本。
- 与业务 / 部门利益相关者单干，理解数据需要，以实现适当的打算和长期指标。
云数据管理尽管依然是一种新兴实际，但随着数据管理、传统存储和云供应商提供的独特工具和服务以及平安和收入治理解决方案的呈现，它必会逐步成熟。
尽管云数据管理是整个非结构化数据管理实际的一个方面，但它应该严密集成，以便 IT 管理者能够在一个中央查看他们的所有数据、策略和收入。