戴尔科技如何助力企业释数据价值

在过去的两年里，智能平台成为企业新的香饽饽。

有人采购


GPU


集群，有人建设数据湖，有人部署大模型，还有人搭建企业知识库。

最开始的时候，大家都相信一件事：只要把智能平台搭起来，效率自然会提升。于是预算批了、设备买了、项目上线了。

一年之后，很多企业却发现现实与想象完全不同。

GPU利用率不高、知识库回答经常出错、部门之间的数据依旧互不相通，新的智能平台非但没有成为降本增效的工具，反而造成了新的数据孤岛。

令人困惑的是，明明企业拥有大量高价值的数据，等真到了需要释放价值的时候却犯了难。

企业的数据世界

其实是一地碎片

在智能时代，人们已经普遍接受一个共识：数据是智能发展的燃料。

但当企业真正需要利用这些数据时，数据引力便开始显现。简单来说就是：数据越大，就越难移动。

当企业积累了数百TB甚至PB级数据之后，人们开始意识到：与其不断搬运数据，不如让计算靠近数据。

于是各种分析平台、计算平台以及智能化应用开始向数据所在位置靠拢。

然而，过去二十年的数字化建设过程中，企业早已形成了一张极其复杂的IT版图：

● RP系统保存着业务数据；

● CRM系统保存着客户数据；

●


NAS


存储着海量文件；

●对象存储保存图片和视频；

数据湖、仓库、SaaS平台各自维护着自己的数据副本。这就导致同一份信息可能存在多个版本、同一个客户可能出现在多个系统、同一个文件可能被复制无数次。

企业的数据世界，早已被历史架构撕裂得支离破碎，造成无数的数据孤岛。

智能化变革

需要的不止是“数据”

过去十年里，企业并非没有尝试解决这些问题，从数据仓库到数据湖，再到数据中台，许多架构都在试图打通分散的数据资产。

这些方法在传统业务场景下卓有成效，因为它们解决的是“如何获取数据”的问题。

而当智能化应用开始大规模进入企业之后，人们逐渐发现过去的方法正在失效。

企业需要的不再只是把数据集中起来，而是让系统能够理解数据、发现数据并利用数据，而这，则需要对以往的“数据”进行重新解读。

在智能时代，真正能够被其理解的数据至少包括三种不同的存在：

数据（Data）

文件、图片、视频、数据库记录等原始内容。

元数据（Met


ad


ata）

关于数据的数据，例如作者、创建时间、权限归属、业务


标签


、所属部门等信息。

向量（Vector）

这是智能体理解数据之后形成的语义表示。

问题在于，大多数企业依然沿用传统架构思维，把数据、元数据和向量视为同一种东西，笼统的概括为“数据”。

于是产生两种极端，一种是将所有东西都试图迁移，结果数据复制越来越多，成本越来越高。

另一种是什么都不动，所有系统维持原状，结果孤岛越来越严重。

归根结底，并不是企业的数据不够好，而是过去为传统应用设计的数据架构，已经无法满足智能时代的需求。

从“拥有数据”

到“读懂数据”

精明的数据管理者不会试图对抗数据引力，因为数据引力本身就是客观规律，问题在于如何利用它。

目前行业中大致存在两种思路，第一种是构建统一的数据平台，将数据、元数据和向量统一纳入一个命名空间。

当足够多的数据聚集到同一个平台后，这个平台本身就会形成新的引力


中心


。分析平台会靠近它、智能工作负载会靠近它、生态系统也会围绕它建立。

但这种方式却需要企业来赌未来会有多少数据会留存在该平台上，三年后我需要改变公司战略，重新迁移会不会影响到业务？

而另一种思路则更加贴近现实企业环境。

既然企业的数据已经分布在不同系统之中，而且未来很长时间内仍将如此，那么平台就应该主动适应数据的位置，这正是戴尔科技集团智能数据平台的设计逻辑。

戴尔科技集团的智能数据平台以Powe


rS


cale为核心基础设施，设计用于访问和处理跨文件系统、对象存储、数据仓库、SaaS平台以及公共云中的数据，而无需首先将所有数据集中复制到同一个位置。

这意味着企业无需为了适应智能架构而重新规划全部数据架构，智能平台可以主动靠近数据，而不是要求数据迁移到智能平台。

更重要的是，PowerScale对于元数据拥有天然优势。

它支持将任意键值元数据直接嵌入文件信息之中，并允许业务系统利用这些元数据驱动自动化管理和智能决策。

企业可以根据文件的业务状态、价值等级或访问频率自动完成数据分层，将高价值文件保留在高性能存储层，而将归档数据迁移到成本更低的存储层。

同时，PowerScale还能够与Diskover Data等元数据管理工具深度集成，对已有元数据重新


索引


、分析和扩展，为文件持续补充新的业务上下文信息，从而提升数据发现和智能分析能力。

对于智能应用而言，这意味着系统不仅知道文件在哪里，更知道文件是什么、属于谁、为什么重要，以及应该在什么场景下被使用。

顺应引力，而非对抗

释放数据的价值

无论是统一数据平台的路线，还是戴尔科技集团所倡导的数据原生路线，其实都在回答同一个问题：如何顺应数据引力，而不是对抗数据引力。

因为企业最重要的资产从来不只是存储在某个系统里的文件，而是隐藏在这些文件背后的知识、关联和价值。

未来的数据基础设施竞争，也许不再是谁拥有更多的数据，而是谁能够更好地理解数据、连接数据，并释放数据的价值。