解锁被困数据：推动从边缘到云端的洞察

我们来谈谈数据孤岛。当然，现实世界中的筒仓是农场上用来储存谷物以供将来使用或出售的塔。它们是高耸的建筑，通常只包含一种原材料。筒仓概念通常用作描述与其他原始数据分开存储的大量原始数据集合的隐喻。

服务器和设备通常会隔离数据。不同的机器存储数据，但不一定与其他设备共享所有数据。应用程序生成并存储数据，但只有某些应用程序可能……可能…如果使用编写良好的 API（应用程序编程接口），则可以共享。随着时间的推移，组织发现自己拥有大量数据，但其中大部分都是孤立的，存储在单独的隐喻孤岛中，永远不会成为更大整体的一部分。

边缘计算如何为数据孤岛创造完美风暴

当谈到企业网络时，尤其是边缘到云，数据孤岛自然会出现。边缘的每个设备都会产生数据，但大部分数据可能保留在该设备上，或者至少保留在该边缘位置的设备集群上。云运营也是如此。数据是在许多不同的云提供商处创建和存储的，虽然他们有时会交换数据，但其中大部分数据与企业的其他部分隔离。

除此之外： 边缘到云如何推动数字化转型的下一阶段

但是，当适当的用户和系统可以访问整个企业的所有数据时，就会产生洞察力和可行的策略。让我们看一下我们之前讨论过的一个可能发生在虚构的家居用品零售商 Home-by-Home 中的例子。

Home-by-Home 销售一种壁挂式照明灯具，使用塑料支架将其固定在墙上。通常，这是一个很好的卖家。但每年三月和四月，该公司都会因为括号破裂而获得大量回报。回报来自全国各地，从迈阿密到西雅图。这是我们的第一个数据集，商店本身也知道它。

支架由合作伙伴公司在工厂制造。通常情况下，工厂的运营温度高于 62 华氏度，但在一月和二月，工厂的环境温度平均降至 57 度。这是我们的第二组数据，工厂的温度。

两个数据集都没有相互连接。但正如我们前一段时间深入探索的那样，一些塑料生产工艺在 59 度左右的温度下开始失效。如果无法将工厂的数据集与商店的退货统计数据关联起来，该公司就无法知道一家稍冷的工厂正在生产不合格的支架，而这些支架在全国各地都出现问题。

但通过捕获所有数据并使数据集可用于分析（以及基于人工智能的关联和大数据处理），洞察就成为可能。在这种情况下，由于 Home-by-Home 将数字化转型作为其 DNA 的一部分，该公司能够将工厂温度和退货联系起来，现在购买这些照明灯具的客户遇到的故障要少得多。 

您的数据无处不在，但它具有可操作性吗？

这只是从边缘到云端收集数据的潜力的一个例子。这里有一些相互关联的关键想法。 

您的数据无处不在： 几乎每台计算机、服务器、物联网设备、电话、工厂系统、分支机构系统、收银机、车辆、软件即服务应用程序和网络管理系统都在不断生成数据。当新数据生成时，其中一些会被清除。其中一些会累积起来，直到存储设备因过度使用而堵塞。其中一些位于您拥有的每个登录帐户的云服务中。

您的数据是隔离的： 大多数这些系统不互相通信。事实上，数据管理通常采取的形式是确定可以删除哪些数据，以便为收集更多数据腾出空间。虽然某些系统具有用于数据交换的 API，但大多数都未使用（有些系统被过度使用）。我爸爸在抱怨当地的一些企业时，总爱用“左手不知道右手在做什么”这句话。当数据被隔离时，组织就是这样。

关联多个输入时会产生见解： 虽然可以对单个数据集进行全面分析并得出见解，但当您可以将一个来源的数据与其他来源的数据关联起来时，您更有可能看到趋势。我们之前展示了工厂车间的温度如何与全国商店的退货量有着遥远但可测量的联系。 

为此，所有数据都需要能够在整个企业内访问： 但只有当分析师（人类和人工智能）能够访问许多数据源以了解其讲述的故事时，这些相关性和观察才有可能实现。

让数据可用并将其转化为智能

接下来的挑战是使所有数据可用，收集数据，然后将其处理成可操作的情报。为此，需要考虑四件事。

第一个是 旅行。数据必须有一种机制可以从所有这些边缘设备、云服务、服务器等移动到可以对其采取行动的地方，或者 汇总。 “数据湖”和“数据仓库”等术语描述了数据聚合的概念，尽管数据的实际存储可能相当分散。 

除此之外： 由边缘到云支持的数字化转型在大型零售商的场景中得以实现

数据的存储和数据的移动这两个问题都需要考虑 保安 和 治理。需要保护动态数据和静态数据免遭未经授权的访问，同时使所有这些数据可供分析师和可以挖掘数据机会的工具使用。同样，数据治理可能是一个问题，因为在一个地理位置生成的数据如果转移到新的地点可能会遇到政府或税收问题。

最后，要考虑的第四个因素是 分析。它必须以易于分析的方式存储、经常更新、正确编目并精心策划。

数据现代化的简要介绍

人类是好奇的生物。我们在现实生活中创造的东西，经常会在数字世界中重现。我们中的许多人的家庭和工作场所都很混乱，因为我们从未为每件物品找到完美的存储位置。遗憾的是，我们管理数据的方式通常也是如此。 

正如我们之前讨论的，我们已经隔离了很多内容。但即使我们将所有数据放入中央数据湖，我们也没有最好的方法来搜索、排序和筛选所有数据。数据现代化就是更新我们存储和检索数据的方式，以利用大数据、机器学习、人工智能甚至内存数据库等现代进步。

数据现代化和数字化转型这两个 IT 流行语是相辅相成的。这是因为除非存储和检索数据的方法是顶级的（通常是 此 顶部）组织 IT 优先级。这称为数据优先策略，它可以为您的业务带来丰厚的回报。

看，事情是这样的。如果您的数据被束缚和束缚，您就无法有效地使用它。如果您和您的团队总是试图找到所需的数据，或者一开始就没有看到它，那么创新就会受到压制。但释放这些数据，就会带来新的机遇。

不仅如此，管理不善的数据可能会浪费专业 IT 员工的时间。他们没有努力通过创新推动组织向前发展，而是花时间管理所有这些不同的系统、数据库和界面，并对所有可能出现问题的不同方式进行故障排除。

数据现代化不仅意味着您可以创新，还意味着您可以腾出时间来思考而不是做出反应。这还为您提供了部署更多应用程序和功能的时间，从而为您的业务打开新的视野。

发现数据中隐藏的价值和可行的见解

数据现代化和采用数据优先策略的过程可能具有挑战性。云服务和人工智能等技术可以提供帮助。云服务可以通过提供按需、按需扩展的基础设施来提供帮助，该基础设施可以随着收集的数据越来越多而增长。人工智能可以提供可以筛选所有数据并进行连贯组织的工具，以便您的专家和业务线经理可以采取行动。

但这对于大多数 IT 团队来说仍然是一个很大的要求。通常，IT 不会打算隔离所有这些数据。随着越来越多的系统被安装，越来越多的待办事项被列入人们的清单，这种情况就会自然发生。

这就是 HPE GreenLake 及其竞争对手等管理和基础设施服务可以提供帮助的地方。 GreenLake 提供按使用付费的模式，因此您不必提前“猜测”容量使用情况。凭借跨应用程序和跨服务仪表板以及广泛的专业支持，HPE GreenLake 可以帮助您将无处不在的数据挑战转变为数据优先策略。