雖然云數據管理 (CDM) 可以涵蓋很多方面——從成本管理到架構、治理和安全——但在本文中，我們將主要關注 CDM 的存儲方面。

雖然傳統或嚴格的本地數據管理受到當前基礎架構和冗長的采購和部署周期的限制，但云計算為性能、耐用性、可用性提供了無窮無盡的選擇。當然，每種選擇都有不同的定價。

由于存儲在云中的使用和交付方式存在巨大差異，企業需要新的方法來管理這一切。同樣，隨著許多企業采用多云架構并在邊緣存儲數據，復雜性正在加劇。

1、云計算將數據管理帶入下一個成熟階段

在企業數據存儲的背景下，非結構化數據管理已成為一種實踐多年，盡管它起源于存儲供應商平臺。現在企業正在使用許多不同的存儲技術，包括用于數據庫和虛擬化的塊存儲、用于用戶和應用程序工作負載的 NAS、數據中心或云中的備份解決方案——以存儲為中心的數據管理方法不再符合要求。

這是因為，除其他原因外，存儲供應商數據管理解決方案無法解決管理存儲在不同平臺上的數據孤島的問題。孤島阻礙了可見性和治理，導致成本增加和利用率低下。隨著越來越多的工作負載和數據遷移到云端以節省資金并實現靈活性和創新，云數據管理已成為一種日益增長的實踐。

云數據管理 (CDM) 超越了存儲，滿足了對數據移動性和訪問、成本管理、安全性以及日益增長的數據貨幣化的不斷變化的需求。云數據管理實踐可以幫助 IT 和存儲管理人員利用最新的云技術，而不會犧牲控制和測量，也不會超支。

他們可以在云之間安全地移動數據，并在需要時將數據移回本地，并應用策略，這樣所有數據都可以流暢地移動到滿足企業和部門要求的最佳位置。

2、獲取數據價值

傳統的數據管理存儲方法側重于數據保護。現在通過云數據管理，重點正在擴大到包含價值。這意味著企業存儲團隊需要了解他們的文件和對象數據。

要做到這一點，最好的方法是與創建它的團隊合作，并從物聯網和應用程序等機器中收集它。云數據管理正在拆除的不僅是存儲孤島，還有團隊孤島。

3、入門框架

了解數據和業務：在確定非結構化數據的最佳云資源之前，需要了解關鍵利益相關者的業務需求。過去，許多 IT 團隊對他們的非結構化數據幾乎沒有可見性——就像卡車司機并不總是知道他們的貨物是什么，但他們得到的報酬是將貨物從 A 點運送到 B 點而不會損壞或丟失。然而，云數據管理不僅僅是保持企業數據的安全和可靠。

現在必須了解不同數據集的價值，以告知其管理：使用頻率、業務優先級以及需要什么級別的保護。現代非結構化數據管理平臺允許客戶索引他們的數據——從而獲得對不同數據集做出決策的可見性。例如，分析可以通過向利益相關者展示將一年未訪問的文件移動到云中更便宜的存儲的原因，從而為協作決策帶來共同基礎。

數據移動性：將知識轉化為行動。有了準確的數據洞察，是時候采取行動并開始將數據遷移到云端了。主要的云提供商現在為所有協議提供存儲資源：具有不同性能、成本和持久性特征的塊、文件和對象。企業當前的工作負載可能規定了協議——但企業仍然希望在未來對其的數據進行訪問并保持其可移植性。

云出口費用是降低云存儲成本的主要障礙。確保 CDM 實踐考慮到這一點，準確預測數據召回的需求，同時了解保證云原生訪問的非結構化數據管理解決方案如何幫助防止過高的費用。前瞻性的云數據管理策略不會將企業鎖定在單一的云或存儲資源中。企業將能夠在數據的生命周期內管理自己的數據。

為價值管理數據：這就是 CDM 與傳統非結構化數據管理的不同之處：意識到企業的數據具有超出創建它的原始應用程序的價值，并且云分析服務可以解鎖這些數據。以下是企業存儲團隊尋求擴展其角色以成為數據管理專業人士以提供此價值主張的首要考慮因素：

• 通過支持對象存儲 API 確保云原生訪問。
• 與流行的數據倉庫分析平臺(如 Snowflake 和 Databricks)以及云原生服務(如 Amazon Sagemaker、AWS Athena 和 Azure Data Lake Analytics)的開放/輕松集成。
• 通過在整個生命周期中標記和豐富文件元數據來支持非結構化數據分析，以便以新的方式持續利用數據。
• 從存儲技術即服務(STaaS)發展到數據即服務(DaaS);今天的重點是向各部門提供整體數據服務，而不僅僅是降低存儲成本。
• 與業務/部門利益相關者合作，了解數據需求，以實現適當的計劃和長期目標。

云數據管理雖然仍然是一種新興實踐，但隨著數據管理、傳統存儲和云供應商提供的獨特工具和服務以及安全和支出管理解決方案的出現，它必會逐漸成熟。

雖然云數據管理是整個非結構化數據管理實踐的一個方面，但它應該緊密集成，以便 IT 管理者可以在一個地方查看他們的所有數據、策略和支出。