非结构化数据：行业隐形成本——如何转化为价值

在各行各业，数据工程师和数据科学家都在寻求更好地利用隐藏在文件共享中、锁定在不同系统内的数据。他们需要这些数据为 AI 和分析工具创建工作流，以便更多地了解市场、创造新产品和服务，或改进业务运营和客户关系。

方程式的另一面是，企业数据带来大量业务不理解、甚至 IT 内部也不了解的风险。例如：

• 数据存储和备份占大多数 IT 预算至少 30%，而资金本应用于创新、网络安全和卓越客户体验；
• 大多数非结构化数据未被用于业务价值；
• 高达 80% 的非结构化数据极少使用，占用昂贵存储空间；
• 许多组织没有明确的保留和删除策略，也不定期清理数据，担心部门反弹。仅重复数据就能轻松占平均企业数据占用的 30-40%；
• 跨混合 IT 孤岛的非托管、未知非结构化数据资产产生额外安全和合规风险。

以下是我们多年协助客户制定非结构化数据管理策略时，提炼的几个行业及其数据管理需求和挑战。

医疗保健：在不切断关键数据访问的前提下削减成本

医疗保健是数据巨兽。据估计，医疗机构是全球最大数据生产者，主要由各类临床图像和机器数据量驱动。成本控制一直是医疗保健的严峻命令，随着 Medicare 报销变更更甚。医疗组织还面临严格数据保留法规，因法律和研究要求难以删除数据。

一家管理超过 16PB NAS 存储的领先医疗系统转向非结构化数据管理，分析并将冷数据归档到 Azure Blob，减轻主存储系统压力。在不中断用户的前提下，IT 组织移动了 2PB 以上数据，帮助推迟昂贵的硬件刷新。

对于有保管链要求的组织（医疗等受监管行业常见），文件位置和元数据的可见性至关重要。最后，鉴于患者数据高度敏感，合规是永恒需求，完整的非结构化数据可见性、搜索和审计赋予健康 IT 总监更大控制权以降低风险。

生命科学：将数据混乱转化为研究加速

生命科学组织也是最大数据生产部门之一。它们常处理数百万个小而高价值的文件、不可预测的数据爆发、以及无明确删除策略的长期保留需求。这些因素增加 IT 基础设施规划复杂性。

在生物制药和生物技术实验室，科学仪器产生的 TIF 图像文件爆炸式增长带来额外挑战。一例中，公司从本地存储研究数据过渡到中心化 NAS 阵列。为跟上快速增长，IT 团队部署云分层到 Azure，并用数据分析定位并移动陈旧数据。这防止了过度配置，帮助 IT 支持研究管道无瓶颈。

企业 IT 团队通常无法在一处看到其存储数据的信息，AWS 存储解决方案专家 Anthony Fiore 表示。数据管理软件提供的详细可见性令生命科学等领域的 IT 人员兴奋：“我们有客户 NAS 共享包含单个共享中许多孤岛数据，难知如何按业务线拆分，甚至不确定是否关心这些数据。但一旦看到所有元数据，他们就能更好理解一切如何运作，随后可标记并稍后搜索。”

金融服务：用干净、受治理的数据消除风险并赋能 AI

金融机构在严格监管约束下运营（如 SEC、FINRA、GDPR），常被数十年文件共享增长负担。数据蔓延、分散的 IT 控制和合规使基于文件的数据管理极其复杂。此外，金融机构必须确保用于信用风险、欺诈检测或交易的 AI 模型得到适当治理，且无偏见和过时数据。系统性地理解、清洗、分类数据并创建安全监控的 AI 数据工作流是不断增长的需求。

对一家跨国保险公司而言，迁移到 Azure 不仅关乎成本节约，还关乎现代化、分析和 AI 就绪。他们用非结构化数据管理减少数据中心昂贵主存储的容量需求，将 600TB 以上分层到低成本对象云存储。他们还使用基于云的工具开发 AI 增强保险产品，非结构化数据构成那些预测模型的关键部分。在 AI 摄入前分类和细分非结构化数据的能力对管理成本和交付准确结果至关重要。

另请参阅： 逃离实时视觉智能的数据存储陷阱

州和地方政府：延长基础设施寿命并强化数据监管

公共部门 IT 组织倾向于拥有老化基础设施和比私营部门更高比例的遗留应用。它们想现代化，但预算通常紧张，因安全策略极少采用云，加上法律要求数据保留且无明确删除路径。IT 领导者需在严格合规要求下平衡服务交付。

对州机构而言，将文件归档到云有助于减少对老化硬件的依赖。对最后修改/访问日期的可见性让 IT 仅移动极少访问的数据离开高性能存储。同时，将存储和数据管理系统与安全合规工具集成至关重要，以确保安全可审计的访问。尽管数据分层采用仍谨慎，许多机构正用报告构建非结构化数据生命周期策略的论据，特别是针对停滞的部门数据。

工程与建筑：通过释放隐藏数据价值赢得更多项目

工程和设计公司大规模生成非结构化数据，特别是来自 CAD、GIS 和 3D 建模文件。这些文件大且难管理，尤其跨分布式团队和 M&A 继承的遗留系统。这些公司需保留历史项目数据供参考、责任和复用。一家管理 6PB 以上的全球公司用非结构化数据管理识别并将三年以上项目文件移至 Cloudian 归档，并在 Azure 备份。这在保持可访问性的同时保留了活跃 HPE 阵列的性能。一例中，跨文件数据存储的查询帮助他们快速定位地震多发区项目的土壤测试数据，节省时间并支持关键基础设施设计。

随着持续整合收购，该公司用分析评估新继承的文件服务器。这种可见性让他们优先决定保留、迁移或归档什么。目标最终为所有非结构化数据建立索引，实现基于 AI 的建模并减少跨业务单元的知识孤岛。

能源：用中心化数据提升现场效率和合规

这些公司面临远程站点限制、可变带宽、遵守国际安全运营法规、以及日益增长的支持数据驱动远程诊断和数字孪生的需求。

一家公司采用非结构化数据管理的决定源于需在数百个远程位置退役边缘存储。随着视频日志、图纸和离岸维护记录堆积，他们开始将冷数据归档到 Azure 以中心化和控制非结构化数据。

实施回充模型后，文件数据洞察成为部门问责的关键。长期目标是支持勘测和检查数据工作流，如水下 ROV 图像，纳入 AI 就绪环境用于预测性维护和合规。

半导体/制造：保护 IP 同时削减昂贵存储占用

半导体公司必须保护高价值 IP、管理全球分布式数据、遵守严格出口管制和安全要求，同时确保工程师高性能访问活跃数据集。

一家全球半导体制造商使用高度专业化的扫描设备生成大量专有图像数据。97% 数据仍存储在本地，他们需要高效方法归档旧扫描数据而不妥协 IP 保护或检索性能。通过将非结构化数据管理与 Cloudian S3 存储配对，他们实施冷数据策略，将 12 个月未访问的任何文件从主服务器移出。借助符号链接保留和元数据跟踪，公司确保符合内部 IP 处理协议，减少对昂贵主 NAS 的依赖。

结论：将非结构化数据转化为战略业务资产

跨行业，非结构化数据管理不再仅是节省成本的战术，而是战略赋能者。无论支持保险 AI 工作流、维持医疗合规、还是精简制造基础设施，组织都认识到需将数据治理与灵活数据访问和移动结合。