作者：Pure Storage 亞太日本地區 FlashBlade 副總裁 Sunil Chavan
在現今的世界下，數據周圍都有，取之不盡、用之不竭，在互聯網的普及下扮演著重要的角色。現時，數據量正持續以幾何速度增長，根據 IDC 的預測，全球儲存容量在 2018 至 2023 年間將增加一倍，並在 2023 年達到 11.7 ZB（Zettabyte）的規模。
現代企業從客戶資訊、物聯網連接的感應器與電子設備等累積大量數據。儘管數據量如此龐大，在運用上似乎不是那麼容易，除了透過有系統地管理客戶的文字資料及數據，許多包含影像、搜尋結果、影片，以及從感應器獲得的數據，都難以進行搜尋或分析。
事實上，據許多專家估計，這類非結構性數據大約佔了整體數碼數據的 80% 至 90%，甚至更多。此外，這類數據變得難以運用在於很多數據存放在數據湖泊、數據倉存儲、儲存區域網絡（SNA），以及無數的備份系統等複雜的基礎架構與數據孤島內部。
提升儲存設備效能
這些原本表現出色的數據孤島，現在反而成了企業進步的阻力。分散各處的數據孤島為終端使用者帶來不少問題，包含分析工具無法取得原始數據並進一步利用，使用者也更難以從企業的所有數據中分析並發掘見解。
然而，隨著愈來愈多資金投入機器學習以研發自然語言處理與影像辨識技術，昔日的「冷數據」逐漸變得重要，讓企業機構變得更以數據為導向、也更靈活。數據分析的進步正以嶄新模式協助企業解答問題，並發掘趨勢、預測未來。
在有效利用數據之前，企業應仔細審視內部現有的數據儲存基礎，才能建構真正的現代化數據體驗。為了產生準確的預測，數據分析的人工智慧（AI）運算需要透過密集、快速且大量的數據來加以訓練，經常會讓傳統的儲存系統與設備因效能不足而中斷運行。除此之外，數據分析亦因為目前的雲端風潮而更加複雜，愈來愈多企業開始將業務轉成服務，將應用程式與運算與儲存分開。
採用數據中樞解決非結構性數據問題
一套成功的儲存基礎架構，需要能夠打破數據孤島之間的距離，滿足嚴格的效能、靈活性與簡易性的要求，並且消除複雜元素。同時，對於在競爭激烈的環境中生存的企業來說，具備高度擴充性與大規模平行數據中樞的儲存基礎架構亦非常重要。
數據中樞的核心是一種以數據為中心的架構，能在數據倉儲存、數據湖泊、串流分析以及 AI 叢集等四大數據孤島之間分享數據而設計。這方法集結上述四大數據孤島的優點，整合而成為單一整合的平台，讓各種需要數據的應用程式都能分享數據、消除瓶頸，獲得更準確的分析。而且簡單又具彈性，讓應用程式得以視乎需求而隨時啟動或關閉任何資源。
採用現代化數據中樞架構使企業能跟上現代化的腳步來即時發掘見解，又能享有雲端擴充性與營運簡化的效益，卻沒有不必要的複雜性。無疑讓企業能夠更快速而適切回應業務所需，甚至能大規模提供高度個人化體驗。