Commvault大中华区技术总监蔡报永
很多公司未曾经历系统中断带来的资金损失,也没有受到最近爆发的大规模恶意软件的攻击。因此,许多企业高管认为其数据管理系统基本运行正常,对公司的数据管理系统相当满意,没有必要改变现状。
然而,系统除了能满足基本需求外,是否也应该更“好用”呢?
如果企业真正想将其数据全面应用到业务的各个领域,数据管理系统就不能只是执行组织、搜索和分类应用,而需要执行更多的操作。数据管理系统需要根据领导团队制定统一的策略对数据进行管理、保护和部署,并通过单一的综合性平台推动实现。如果没有这种战略而非战术性的框架,企业在利用数据资产并从中汲取最大价值方面将举步维艰。在这个数据复杂的时代,只是勉强满足基本需求还远远不够。
企业应该首先意识到为何其数据管理系统只能满足基本需求。
即使在最具前瞻性和创新性的金融机构中,其后台环境仍然依赖于陈旧系统。这些陈旧系统未考虑当今敏捷的工作环境,并且更新和维护成本高昂,难以与当今构建的新型且高度灵活的系统集成,无法满足未来的业务需求。此外,许多系统只是为了解决某些具体的问题。因此,要构建一个全面综合的解决方案,需要将许多由不同供应商提供的孤立解决方案结合在一起,而这样会使得原本已经复杂的环境变得更为复杂。
由于数据管理部门的负责人极力维持拼凑式解决方案,加上日益紧张的预算,导致了持续的资金拉锯战。系统缺乏灵活性也会导致数据访问和合规性问题,特别是在企业规模扩大和需求变化时更是如此。
为何会有如此之多的供应商?通常,这些过时而分散的系统往往也与企业的流程密切相关,想要摆脱这种现状似乎毫无可能。企业高管常常认为,要完全改变这种现状,过程将非常缓慢、复杂且费用高昂,同时新的系统也未必能保证会带来更好的实施效果。
这就是为何许多企业对那些仅仅可满足预期,而非超越其预期的数据管理系统感到满意,不愿改变现状的原因所在。
现有供应商的销售人员训练有素,让人深信只能沿着他们预先确定的路线共同前行。这些现有应用对企业至关重要,因此决策者们坚信供应商的说法。
如果有一种更好的方法——能够在单一的强大平台上执行管理、保护和监管数据的整体方法,通过大幅简化环境来获得巨大回报,使企业从其战略数据资产中获得最大价值,您是否愿意让陈旧的数据管理系统重获生机?
没有人比企业管理者更了解企业的未来发展方向。企业拥有自己专属的数据。灵活的模块化解决方案可让企业根据其自身需求,设计出自己独有的数据管理系统。企业无需将自己锁定在一成不变的陈旧解决方案中——这些陈旧的解决方案无法随着技术的更新进行升级或演进。企业也无需再忍受不够好用的系统。
想像一下使用重获生机的数据管理系统的状况:
您可以同时拥有多种模式,这些模式不仅仅是在设想的未来环境中真实存在的模式,还包括在设想的未来环境以后可能存在的各种模式。
为了应对未来挑战,您必须使数据安全工作,避免合规或安全问题;必须能够在适宜的时间访问适宜的数据,并综合各种数据来源,提供有关业务所需的洞见。简言之,您需要更多的灵活性。
无论现在还是未来,您都要掌控这些属于您的数据、信息以及策略。当前技术发展日新月异,您的企业需求也将不断变化,陈旧的数据管理系统更需要重获生机。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。