當談到未來的云數據管理策略時，精確性是需要關注的一個詞。Komprise公司首席運營官、總裁兼聯合創始人Krishna Subramanian分析了當今云計算的增長狀況，并分享了云數據管理企業需要注意并將其納入增長戰略的預測。

云浪費非常猖獗。如果沒有對云中的非結構化數據特征和存儲架構的詳細了解，您還不如將所有內容都保存在數據中心。你必須在游戲的每一個階段都進行分析，以獲得所需的投資回報率——不僅僅是從設備和管理上的節省——而是利用云中新的、強大的數據服務。這里有一些新的方法來評估云計算的下一步，為長期價值保存和管理文件和對象數據。

云NAS將需要更多智能數據遷移

根據Komprise2022年非結構化數據管理報告，云文件存儲是企業存儲支出的首要任務。由于具有比對象存儲更好的性能和更低的延遲，以及大量基于文件的企業應用程序，文件存儲是企業的熱門選擇。然而，數據生命周期管理策略將隨著企業在云計算方面的成熟而獲得更多的關注，并希望控制整體支出。

與其將所有數據遷移到云文件存儲(最昂貴的層)，組織應該以一種利用云存儲類別的多樣性來顯著降低成本的方式遷移數據。一種方法是在將更多活動數據遷移到云NAS之前，將很少訪問或冷文件識別并分層到低成本的對象類，如AWSGlacierInstant Retrieval和AzureBlob Cool。此外，組織應該考慮使用文件-對象二元性遷移數據，這樣用戶就可以利用作用于分析、索引、搜索和數據工作流等對象的完整云數據服務目錄，同時仍然能夠以文件的形式訪問遷移的數據，從而無需重寫現有應用程序或改變用戶行為。

隨著技能差距的持續存在，更簡單的云數據管理工具將受到需求

有了云基礎設施，IT專業人員仍然在管理技術:而不是物理硬件。學習曲線可能會很陡峭，因為云提供商正在不斷改進他們的產品。與此同時，沒有云是相同的，在這個混合、多云部署的時代，復雜性在不斷增長。

云管理工具通過自動化關鍵流程提供幫助，如性能監控、配置、供應、策略執行、支出分析、優化和報告。對于IT通才來說，這些工具越來越容易使用，使他們能夠自動評估數據、網絡和基礎設施足跡，并建議下一步采取哪些行動。

云分析成為非結構化數據管理的核心組件

根據高德納公司的數據，到2025年，全球人工智能軟件市場預計將達到1350億美元，其增長速度將超過整個軟件市場。Technavio預測，到2022年，云人工智能市場將增長20%以上。隨著企業對這些新工具的需求加速增長，數據管理策略也必須跟上。非結構化數據至少占所有生成數據的80%，是驅動現代機器學習引擎所需的燃料。Komprise調查中的大多數(65%)組織表示，他們計劃或已經在向其大數據分析平臺交付非結構化數據。

這一趨勢表明，數據管理正在從推動存儲成本效率發展到幫助企業從企業數據資產中發現新價值的更廣泛使命。為了滿足這些新需求，IT組織將需要有效地分割和分類數據，通過元數據標記豐富數據，并促進自動化工作流，以發現并將正確的數據集轉移到云數據湖和分析工具中。

非結構化數據管理的數據洞察將獲得更高的優先級

根據Komprise的調查，高級分析和報告將是非結構化數據管理解決方案中最重要的功能(53%)。數據分析對于做出數據應該放在哪里以及何時應該轉移到其他地方的最佳決策至關重要。它可以回答一些問題，比如我有多少數據，存儲在哪里，我的文件有多大，是什么類型，我的數據有多長時間了，在不同地方存儲數據的成本是多少，誰最后訪問了它，哪些數據是“活動的”，哪些數據是“冷的”。

非結構化數據管理軟件的其他主要需求包括對關鍵事件(如容量耗盡、數據服務失去響應、異常活動)的監控和主動警報，以及自動數據標記和全局搜索。

非結構化數據管理的用例將擴展到成本節約之外

IT組織通常開始使用非結構化數據管理解決方案，通過分析和自動化來降低存儲和備份成本。除了節約成本，63%的企業對通過安全的場外備份(如云中的不可變對象鎖存儲)來保護數據最感興趣，根據Komprise調查，該調查還發現了對非結構化數據的搜索和運行分析的偏好(41%)，為并購交易準備數據(36%)和管理數據刪除策略(35%)。

漸進的數據管理策略應該包含以下三個支柱:通過透明地將舊數據從昂貴的Tier1存儲中轉移出來，戰略性地削減成本;遵守規章制度;通過使特定數據集易于標記、搜索和移動到云分析平臺以供本地訪問，從而產生長期價值。