Ocient報告:從大資料到超大規模資料集的轉變
超大規模資料倉儲平臺供應商Ocient釋出了一份新的報告《超越大資料:超大規模資料的崛起》。該報告發現,85%的C級領導認為其組織的財務成功與更快的資料分析之間有著密切關係。
該報告詳細介紹了企業資料的變化,如何超越傳統上被歸類為大資料的海量資料,轉變為更大的超大規模資料集,其中包括數以萬億計的資料記錄,這些資料必須被快速攝取、儲存和分析來來獲得價值。該報告對500名管理150TB或更多的活躍資料工作負載的資料技術領導者進行了調查,解釋了從大資料到超大規模資料轉變的挑戰和增長機會。
Ocient強調了該報告的以下關鍵發現:
-
資料分析與財務成功息息相關。超過85%的C級受訪者表示,實施更快的資料分析與公司利潤增長之間有很大關係。
-
資料工作負荷越來越大,越來越快,越來越複雜。97%的受訪者表示,他們的組織所管理的資料量在未來1到5年內將快速增長。
-
傳統系統並不是為處理超大規模的資料分析而建立的。超過59%的受訪者計劃更換資料倉儲解決方案,46%的受訪者表示遺留系統是他們更換的動力。
-
安全性和合規性是最受關注的問題之一。63%的受訪者表示,在將資料量和分析擴充套件到超大規模工作負載時,維護安全和合規性是一個挑戰。
-
人員配置是一個挑戰。49%的受訪者指出,缺乏分析資料的人才。
專家們預測,未來幾年資料將呈指數級增長。來自IDC Global DataSphere(衡量每年建立、捕獲、複製和消費多少新資料的指標)的研究顯示,全球資料估計將大幅增長,“從2022年到2026年,全球資料球的規模預計將增加一倍多。在未來的五年裡,企業資料球的增長速度將是消費者資料球的兩倍多,這將給企業組織帶來更大的壓力,以管理和保護世界上的資料,同時創造機會啟用資料,以造福商業和社會。”IDC Global DataSphere的研究副總裁John Rydning說。
IDC的研究還顯示,僅在2020年就有64.2 ZB的資料被建立或複製,如果按照目前的速度,2025年將會建立超過180 ZB(或1800億TB)的資料。
Ocient的調查反映了這種資料增長預測,在受訪者對其組織管理的資料量在未來1至5年內的增長速度評估中,97%的受訪者回答“快”到“非常快”,72%的C級管理人員預計未來五年的資料增長將“非常快”。
Ocient說,最成功的公司不僅僅是在收集這些前所未有的資料,而且也在實際分析這些資料。隨著資料量的大幅增長,需要擴大分析能力,98%的調查物件認為在未來1到3年內增加分析資料的數量是有點或非常重要的。然而,超大規模的資料分析出現了障礙,被提到的前三個限制因素是:資料量增長太快(總數62%,C級65%),缺乏分析資料的人才(總數49%,C級47%),以及當前的解決方案不夠靈活(總數49%,C級34.8%)。
受訪者還指出了他們最大的資料分析痛點:安全和風險在C級受訪者中排名第一(68%),後設資料和治理(41%)和資料攝取緩慢(31%)是另外兩個最關注的問題。此外,傳統資料系統的不足正促使他們對當前的IT基礎設施進行現代化改造,46%的人認為遺留系統是轉向資料倉儲解決方案的原因。
報告最後指出,最成功的超大規模級別的公司正在優先升級當前的系統,建立能夠消除資料利用障礙的資料團隊,並積極準備在其資料旅程中採取下一步行動。
“資料分析不再是企業‘可有可無’的東西,超大規模的資料智慧已經成為現代企業和政府機構尋求推動更多影響和增長的一個關鍵任務組成部分。隨著增長速度的加快,企業和政府機構必須以安全和成本效益高的方式提高他們攝取、儲存和分析快速增長的資料集的能力。”Ocient公司聯合創始人兼執行長Chris Gladwin說,“從遺留系統遷移併為快速增長的工作負載購買或建立新的資料分析能力,將使企業和政府組織能夠推動新的敏捷性和增長水平,而這在以前是難以想象的。”
據Ocient稱,這項調查是由Propeller Insights於2022年5月進行。調查物件包括技術、製造、金融服務、零售和政府等許多行業的合作伙伴、業主、總裁、C級管理人員、副總裁和董事。受訪企業組織的年收入從5000萬美元到超過50億美元不等。大約50%的受訪者代表年收入超過5億美元的公司。
來自 “ https://www.datanami.com/2022/08/11/ocient-report- ”,原文連結:http://blog.itpub.net/69925873/viewspace-2910205/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 從 "垃圾 "資料到資料完整性的轉變
- 四說大資料時代“神話”:從大資料到深資料大資料
- 超大規模資料庫叢集保穩系列之一:高可用系統資料庫
- Vaex助力高效處理大規模資料集
- etcd 在超大規模資料場景下的效能優化優化
- 分散式超大規模資料的實時快速排序演算法分散式排序演算法
- 大資料如何採集資料?大資料的資料從何而來?大資料
- Gartner最新報告,分析超大規模邊緣解決方案
- 運營商大規模資料叢集治理的實踐指南
- 阿里超大規模 Flink 叢集運維實踐阿里運維
- 記憶體資料庫適合多大規模的資料集?UY記憶體資料庫
- 喜報!極限科技再獲國家發明專利:《一種超大規模分散式叢集架構的資料處理方法》,引領大資料處理技術創新分散式架構大資料
- 2022年全球主要地區超大規模雲收入(附原資料表)
- 開源分散式支援超大規模資料分析型資料倉儲Apache Kylin實踐-上分散式Apache
- 開源分散式支援超大規模資料分析型資料倉儲Apache Kylin實踐-下分散式Apache
- 新的Lakehouse,遲來的資料正規化轉變
- 阿里超大規模 Flink 叢集運維體系介紹阿里運維
- 玩轉大資料系列之一:資料採集與同步大資料
- 通過Z-Order技術加速Hudi大規模資料集分析方案
- Serverless 在大規模資料處理的實踐Server
- voc資料集轉換成coco資料集
- 每秒採集幾十萬資料的大規模分散式爬蟲是如何煉成的?分散式爬蟲
- 天府大資料:2018全球大資料發展分析報告大資料
- SRG:2022年超大規模資本支出和IT支出增長9%
- 定製化大規模網路資料採集企業級資料採集一站式解決方案
- 百分點大資料技術團隊:Elasticsearch多資料中心大規模叢集的實戰經驗大資料Elasticsearch
- 大資料藍皮書:中國大資料發展報告大資料
- 報表從資料庫中採集相關資料生成報表,資料太少怎麼辦?資料庫
- Rancher 和知乎超大規模多叢集管理聯合實踐
- python儲存超大資料excel表格——大於65532Python大資料Excel
- 杉巖資料:從資料到洞察,如何用物件儲存支撐新型資料湖物件
- 資料集轉換JSONJSON
- 抖音2018大資料分析報告大資料
- 大資料到底怎麼學:資料科學概論與大資料學習誤區大資料資料科學
- 從Gartner報告,看中國資料庫崛起資料庫
- SRG:2029年超大規模運營商將佔資料中心容量的60%以上
- 使用DataLakeAnalytics從OSS清洗資料到AnalyticDB
- mysqldump從mysql遷移資料到OceanBaseMySql