当谈到未来的云数据管理策略时，精确性是需要关注的术语。Komprise公司首席运营官、总裁兼联合创始人Krishna Subramanian分析了当今云计算的增长状况，并分享了云数据管理企业需要注意并将其纳入增长战略的预测。

云计算浪费非常猖獗。如果没有对云中的非结构化数据特征和存储架构的详细了解，还不如将所有内容都保存在数据中心。必须在游戏的每一个阶段都进行分析，以获得所需的投资回报率，不仅仅是从设备和管理上的节省，而是利用云中新的、强大的数据服务。这里有一些新的方法来评估云计算的下一步，为长期价值保存和管理文件和对象数据。

云NAS将需要更多智能数据迁移

根据Komprise2022年非结构化数据管理报告，云文件存储是企业存储支出的首要任务。由于具有比对象存储更好的性能和更低的延迟，以及大量基于文件的企业应用程序，文件存储是企业的热门选择。然而，数据生命周期管理策略将随着企业在云计算方面的成熟而获得更多的关注，并希望控制整体支出。

与其将所有数据迁移到云文件存储(最昂贵的层)，组织应该以一种利用云存储类别的多样性来显著降低成本的方式迁移数据。一种方法是在将更多活动数据迁移到云NAS之前，将很少访问或冷文件识别并分层到低成本的对象类，如AWSGlacierInstantRetrieval和AzureBlobCool。此外，组织应该考虑使用文件-对象二元性迁移数据，这样用户就可以利用作用于分析、索引、搜索和数据工作流等对象的完整云数据服务目录，同时仍然能够以文件的形式访问迁移的数据，从而无需重写现有应用程序或改变用户行为。

随着技能差距的持续存在，更简单的云数据管理工具将受到需求

有了云基础设施，IT专业人员仍然在管理技术:而不是物理硬件。学习曲线可能会很陡峭，因为云提供商正在不断改进他们的产品。与此同时，没有云是相同的，在这个混合、多云部署的时代，复杂性在不断增长。

云管理工具通过自动化关键流程提供帮助，如性能监控、配置、供应、策略执行、支出分析、优化和报告。对于IT通才来说，这些工具越来越容易使用，使他们能够自动评估数据、网络和基础设施足迹，并建议下一步采取哪些行动。

云分析成为非结构化数据管理的核心组件

根据高德纳公司的数据，到2025年，全球人工智能软件市场预计将达到1350亿美元，其增长速度将超过整个软件市场。Technavio预测，到2022年，云人工智能市场将增长20%以上。随着企业对这些新工具的需求加速增长，数据管理策略也必须跟上。非结构化数据至少占所有生成数据的80%，是驱动现代机器学习引擎所需的燃料。Komprise调查中的大多数(65%)组织表示，他们计划或已经在向其大数据分析平台交付非结构化数据。

这一趋势表明，数据管理正在从推动存储成本效率发展到帮助企业从企业数据资产中发现新价值的更广泛使命。为了满足这些新需求，IT组织将需要有效地分割和分类数据，通过元数据标记丰富数据，并促进自动化工作流，以发现并将正确的数据集转移到云数据湖和分析工具中。

非结构化数据管理的数据洞察将获得更高的优先级

根据Komprise的调查，高级分析和报告将是非结构化数据管理解决方案中最重要的功能(53%)。数据分析对于做出数据应该放在哪里以及何时应该转移到其他地方的最佳决策至关重要。它可以回答一些问题，比如我有多少数据，存储在哪里，我的文件有多大，是什么类型，我的数据有多长时间了，在不同地方存储数据的成本是多少，谁最后访问了它，哪些数据是“活动的”，哪些数据是“冷的”。

非结构化数据管理软件的其他主要需求包括对关键事件(如容量耗尽、数据服务失去响应、异常活动)的监控和主动警报，以及自动数据标记和全局搜索。

非结构化数据管理的用例将扩展到成本节约之外

IT组织通常开始使用非结构化数据管理解决方案，通过分析和自动化来降低存储和备份成本。除了节约成本，63%的企业对通过安全的场外备份(如云中的不可变对象锁存储)来保护数据最感兴趣，根据Komprise调查，该调查还发现了对非结构化数据的搜索和运行分析的偏好(41%)，为并购交易准备数据(36%)和管理数据删除策略(35%)。

渐进的数据管理策略应该包含以下三个支柱:通过透明地将旧数据从昂贵的Tier1存储中转移出来，战略性地削减成本;遵守规章制度;通过使特定数据集易于标记、搜索和移动到云分析平台以供本地访问，从而产生长期价值。