《运营商数据存力指标》发布,透露了哪些重要趋势?

2023-11-22 16:50

本文主要是介绍《运营商数据存力指标》发布,透露了哪些重要趋势?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

管理学大师Charles Handy在《第二增长曲线》中认为,企业持续增长的秘密是第一增长曲线消失之前开启第二曲线,建立企业的第二增长曲线,时机尤为关键。

如今,随着数字经济蓬勃发展,产业规模持续壮大,也为运营商转型和打造第二增长曲线提供了前所未有的良机。

今年上半年,三大运营商资本开支计划公布,5G投资建设进入到平稳期、投资占比开始出现下降;与此同时,运营商不约而同地加码数据中心、物联网、政企上云等数字化转型业务的投入,摆脱传统运营商的管道角色成为战略重点。

当前,在运营商加速投入数字化转型业务、抢滩产业数字化的过程中,数据存力愈发引起运营商的密切重视。因为它肩负着为运营商各个业务场景提供源源不断的“生产资料”和数据价值最大化,是继算力之后,运营商数字化能力的下一个进阶,直接关系到其第二增长曲线能否成功。

那么,运营商数据存力发展趋势有哪些?运营商如何了解自身的数据存力水平?近日,华为与IDC联合发布《运营商数据存力指标》白皮书,通过一套综合性的数据存力评估体系帮助运营商评估的数据基础设施,为运营商构建稳定、可靠、高效的数据底座提供了重要的参考价值。

不可低估的数据存力

何为数据存力?

与算力聚焦在“算”不同,数据存力则聚焦在“数”和“存”,它是数据生产要素处理的综合能力体现,衡量数据是否存好、管好和用好的重要参考依据。

众所周知,数据作为一种新的劳动对象、新的生产资料,生生不息、越用越多,而以计算、存储为代表的数字化技术则从根本上改造和升级了生产力三要素,实现生产力的跃迁、商业模式的颠覆和运营思路的重塑。

因此,数据存力被视为是继算力之后,各行各业数字化能力建设的一种进阶,在数字经济时代中不可或缺。业界普遍认为,数据存力与算力同等重要,是数字经济稳定发展的基石,而建设强大的数据基础设施则是提升数据存力水平的关键所在。

某咨询公司的调研数据显示,1元在数据基础设施的投入能够带来30—40元的价值回报。具体体现为:

  • 直接收益:以2B场景为例,在建设数据基础设施后将其租赁给用户,通过收取使用费用达到创收;其直接收益可达到投资的4.5倍。
  • 间接收益:用户购置数据存储相关设施后,部署业务系统,通过系统的数字化提升业务运行效率,带来间接收益可达8倍。
  • 衍生收益:生产过程的数据也将服务于社会,将数字红利惠及每个人、家庭、社会。疫情期间,以数据存力为支撑的行程码项目就可以为一座800万人的中等城市节省15亿元治疗费用支出。相当于每1元的存储投资就可节约37元医疗费用,其衍生收益可以达到1:35—40倍。

众所周知,运营商拥有着丰富的数据资源,是重要的数据生产者、传输者和价值的呈现者,在数字经济社会中扮演着重要的角色。因此,无论是自身的转型,还是支撑数字经济的发展,运营商都需要更加稳定、高效、可靠的数据基础设施。

IDC也认为,数字化业务是运营商未来增长的主要方向,对于数据基础设施也提出了更高要求,而数据存力的建设将围绕运营商对于数据基础设施的需求而展开。

数据运营:运营商重要的方向

数字经济时代最大的困难,不是数字化本身,而是仍然用过去的逻辑做事情。

过去,运营商的“管道”思维助力其在信息时代获得巨大成功;如今,进入到数字经济时代,“数据”思维才是运营商能否取得第二增长曲线突破的关键。

 建立起数据思维的关键,首先需要对于数据全生命周期的需求有着充分的理解,并且基于数据全生命周期建立起数据思维,以数据驱动为导向,为业务重塑和创新提供牢固基础。华为公司副总裁、数据存储产品线总裁周跃峰博士认为,从数据生命周期的角度来看,运营商在数据的各阶段都有自己的独特的需求和要求:

数据采集阶段:5G时代,运营商将会支撑更多人与物的联接,2030年全球联接总数将达到2000亿, IOT联接近1800亿(华为GIV报告数据),这些联接是数据产生的重要源头。如何支撑各种类型的数据是运营商不同于传统企业的需求。

  • 数据存储阶段:全球数据将从 2018年的33ZB增至2025年的180ZB。如何将海量的数据存的“安全、可靠、绿色”,是该阶段的痛点。
  • 数据应用阶段:数据结合“算力”和应用系统服务为客户提供的数字化服务,新产生的数据也将重新存回存储中,在这个阶段保障用户的体验是关键点。
  • 数据管理阶段:要实现数据“流的动,管的好”。通过智能化的管理技术实现资源的统一管理和智能运维,数据能够按需流动,为业务及数据创新提供基础。
  • 数据创新阶段:如何将这些丰富的数据资源服务于政府、企业、社会,是一个新的课题。目前运营商已经将数据服务于疫情控制、交通规划、城市管理等服务,为数据挖掘新的价值。

周跃峰博士表示, 运营商依托可信的IT+CT平台,将有机会充当数据交换的“数据运营商”,就像电信运营商之于信息,这些数据资产“运营商”将充当数据存储、交换和价值挖掘的核心媒介,在数字经济发展中发挥着极为关键的作用。

《运营商数据存力指标》:构筑面向未来的数据基础设施

当前,随着5G建设步入成熟期,AI、大数据、物联网等技术开始在各种应用场景中得到深入应用,运营商再次面临着数据爆炸带来的各种挑战。周跃峰博士介绍,如何让数据的价值最大化,如何衡量数据在数据基础设施中“存得好”,“管得好”,“用得好”,是目前运营商普遍关注的问题。

据悉,华为通过与全球业界专家、客户和伙伴深入交流,和IDC联合编写了《运营商数据存力指标》白皮书,希望建立一套数据存力的评估体系帮助运营商全面评估数据基础设施,找到数据基础设施的薄弱环节,旨在帮助运营商打造稳定、可靠、高效的数据底座。

 《运营商数据存力指标》白皮书从运营商数据基础设施存力建设中,重点考虑5个核心能力指标:

  • 安全可靠:在各类风险下仍然能够保持业务不断,数据不丢;
  • 实时敏捷:实现数据的高效存储和处理,满足不同业务的客户体验需求;
  • 绿色高效:要求运用行政、经济、法治、科技等多种手段,充分发挥社会、职工、舆论监督各个方面的作用 ,抓好安全生产工作;
  • 智能管理:业务数字化水平不断提升将导致系统日益复杂,运维管理将慢慢从“以人为中心”转向“自动化的管理”,最终走向“自动驾驶”的IT系统;
  • 数据创新:IT系统正在从支撑中心变为业务的创新中心,如何支撑未来层出不穷的新业务,如何实现数据的价值最大化,是目前运营商考虑的问题。

此外,白皮书构建了“运营商区域层、数据中心层、存储设备层”三级维度评估体系,对该5个核心能力指标进行评估,以此提出了运营商数据基础设施目标架构的四大趋势:

  1. 核心业务全闪化:在数据创新和实时敏捷使用的过程中,全闪存存储以其突出的性能保障数据能够存的快、用的好;
  2. 海量数据分布化:对于海量数据的需求,分布式架构的存储模式,能够保证数据存的下,并且经济高效;
  3. 运维管理智能化:智能化的运维管理,将帮助运营商提升运维效率实现数据管的好,将更多的人力投入到业务的创新;
  4. 存储资源服务化:AI\大数据\云等新技术在运营商越来越普及,存储资源池化能够保障资源能够快速、按需发放;

总体来看,随着数字经济的快速发展,以及5G基础设施建设步入完善,运营商迎来了前所未有的转型良机,聚焦数字化等新业务更是对运营商自身的基础设施提出了更高要求。《运营商数据存力指标》白皮书的发布可谓恰如其时,为运营商建设强大的数据基础设施提供了重要参考依据,有望帮助运营商在数字经济的大潮中实现真正“蝶变”。

这篇关于《运营商数据存力指标》发布,透露了哪些重要趋势?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:https://blog.csdn.net/dobigdata/article/details/125874745
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/411553

相关文章

解决mysql插入数据锁等待超时报错:Lock wait timeout exceeded;try restarting transaction

《解决mysql插入数据锁等待超时报错:Lockwaittimeoutexceeded;tryrestartingtransaction》:本文主要介绍解决mysql插入数据锁等待超时报... 目录报错信息解决办法1、数据库中执行如下sql2、再到 INNODB_TRX 事务表中查看总结报错信息Lock

使用C#删除Excel表格中的重复行数据的代码详解

《使用C#删除Excel表格中的重复行数据的代码详解》重复行是指在Excel表格中完全相同的多行数据,删除这些重复行至关重要,因为它们不仅会干扰数据分析,还可能导致错误的决策和结论,所以本文给大家介绍... 目录简介使用工具C# 删除Excel工作表中的重复行语法工作原理实现代码C# 删除指定Excel单元

Linux lvm实例之如何创建一个专用于MySQL数据存储的LVM卷组

《Linuxlvm实例之如何创建一个专用于MySQL数据存储的LVM卷组》:本文主要介绍使用Linux创建一个专用于MySQL数据存储的LVM卷组的实例,具有很好的参考价值,希望对大家有所帮助,... 目录在Centos 7上创建卷China编程组并配置mysql数据目录1. 检查现有磁盘2. 创建物理卷3. 创

Nacos日志与Raft的数据清理指南

《Nacos日志与Raft的数据清理指南》随着运行时间的增长,Nacos的日志文件(logs/)和Raft持久化数据(data/protocol/raft/)可能会占用大量磁盘空间,影响系统稳定性,本... 目录引言1. Nacos 日志文件(logs/ 目录)清理1.1 日志文件的作用1.2 是否可以删除

使用Python获取JS加载的数据的多种实现方法

《使用Python获取JS加载的数据的多种实现方法》在当今的互联网时代,网页数据的动态加载已经成为一种常见的技术手段,许多现代网站通过JavaScript(JS)动态加载内容,这使得传统的静态网页爬取... 目录引言一、动态 网页与js加载数据的原理二、python爬取JS加载数据的方法(一)分析网络请求1

8种快速易用的Python Matplotlib数据可视化方法汇总(附源码)

《8种快速易用的PythonMatplotlib数据可视化方法汇总(附源码)》你是否曾经面对一堆复杂的数据,却不知道如何让它们变得直观易懂?别慌,Python的Matplotlib库是你数据可视化的... 目录引言1. 折线图(Line Plot)——趋势分析2. 柱状图(Bar Chart)——对比分析3

Spring Boot 整合 Redis 实现数据缓存案例详解

《SpringBoot整合Redis实现数据缓存案例详解》Springboot缓存,默认使用的是ConcurrentMap的方式来实现的,然而我们在项目中并不会这么使用,本文介绍SpringB... 目录1.添加 Maven 依赖2.配置Redis属性3.创建 redisCacheManager4.使用Sp

Python Pandas高效处理Excel数据完整指南

《PythonPandas高效处理Excel数据完整指南》在数据驱动的时代,Excel仍是大量企业存储核心数据的工具,Python的Pandas库凭借其向量化计算、内存优化和丰富的数据处理接口,成为... 目录一、环境搭建与数据读取1.1 基础环境配置1.2 数据高效载入技巧二、数据清洗核心战术2.1 缺失

Python处理超大规模数据的4大方法详解

《Python处理超大规模数据的4大方法详解》在数据的奇妙世界里,数据量就像滚雪球一样,越变越大,从最初的GB级别的小数据堆,逐渐演变成TB级别的数据大山,所以本文我们就来看看Python处理... 目录1. Mars:数据处理界的 “变形金刚”2. Dask:分布式计算的 “指挥家”3. CuPy:GPU

使用Vue-ECharts实现数据可视化图表功能

《使用Vue-ECharts实现数据可视化图表功能》在前端开发中,经常会遇到需要展示数据可视化的需求,比如柱状图、折线图、饼图等,这类需求不仅要求我们准确地将数据呈现出来,还需要兼顾美观与交互体验,所... 目录前言为什么选择 vue-ECharts?1. 基于 ECharts,功能强大2. 更符合 Vue