다음 AI 혁신은 백업에 숨겨져 있습니다

태평양 북서부에서 지난 10년 동안 발생한 모든 화재 관련 손해 청구를 몇 분 내에 분리할 수 있는 보험 회사의 가능성을 상상해 보거나, 판매 부서가 특정 감정으로 사용자 피드백을 수집하여 리드를 잃기 전에 기능을 프로액티브하게 개선할 수 있는 경우를 생각해 보십시오. 역사적인 데이터와 AI를 연결하여 얻을 수 있는 긍정적인 결과는 무한하지만, 백업이 더 이상 백업처럼 작동하지 않도록 해야 합니다.

수년간, 보험부터 엔터테인먼트까지 모든 수직 산업의 기업은 오래된 데이터를尘埃가 쌓인 보험 정책처럼 취급해 왔습니다. 즉, 저장해 두고 사용할 필요가 없기를 바랍니다. 이러한 기업은 거의 빛을 보지 못하는 데이터 레코드, 파일 및 비디오를 생성하고 앉아 있으며, 이는 백업 정책이나 규제 및 규정 준수를 위한 용도 외에는 거의 가치가 없습니다.

이 데이터가 디지털 옷장의 뒤에 쌓여 있는 것이 문제일까요? 대부분의 데이터는 이유가 있기 때문에 보관되어 있습니다.

이 “그럼 어떻해?”라는 마음가짐은 AI 시대가 소비자들의 모든 종류의 서비스와 경험에 대한 실시간 인사이트와 개인화된 컨텍스트 풍부한 경험을 제공하도록 기업들이 기대하는 현실을 무시합니다. 백업이 더 이상 정적 인 보험 정책으로 취급되지 않고, 비즈니스 인텔리전스, 제품 혁신, 고객 참여에 기여하는 동적 저장소로 변환되어야 합니다.

백업은 과거에 갇혀 있습니다

오늘날의 빠른 클라우드 우선 세계에서 백업은 너무 자주 정적 인 보험 정책으로 취급됩니다. 즉, 설정하고 忘れて希望을 두지 않는 것입니다.

현실은 훨씬 더 복잡하고, 훨씬 더 비용이 많이 듭니다.

가시성이 첫 번째 약점입니다. 분할된 백업 생태계에서 리소스 분산, 그림자 IT, 잘못 구성된 태그가 실제로 보호되는 것을 증명하거나 발견하기 어렵습니다. 클라우드 네이티브 백업 도구는 이 과제에 추가로 기여합니다. 즉, 검색 가능성 및 개별 항목 복원과 같은 중요한 기능이 부족할 수 있습니다. 제3자 도구는 이러한 격차를 메우려고 하지만, 자체 복잡성을 도입하여 에이전트 및 추가 기계를 고객 환경에 배포하고, 백업 정책을 복잡하게 구성하며, 라이센스에 대한 비용 외에도 저장 또는 전송된 데이터의 모든 단위에 대한 비용을 지불하는 숨겨진 가격 모델을 도입합니다.

데이터가 필요할 때 – 규정, 법률 또는 운영 필요에 따라 – 이러한 전통적인 모델의 복원 프로세스는 부족합니다. 대부분의 도구는 전체 스냅샷 복원을 요구하며, 전체 인스턴스 복원을 트리거합니다. 즉, 팀은 전체 데이터베이스를 복원해야 하며, 이는 시간, 컴퓨팅 파워 및 비용에 대한 엄청난 오버헤드를 유발합니다. 대부분의 회사의 백업 시스템은 이러한 불필요한, 낭비적인 프로세스를 피할 수 있는 세분화된 복원 기능이 부족합니다.

규정 준수 요구 사항은 또 다른 고통을 드러냅니다. 대부분의 팀은 감사 중에 실제 백업 성공을 증명하거나, 민감한 데이터 보존 정책, 암호화 및 액세스 제어가 적절하게 적용되었는지 보여줄 수 없습니다. 다중 클라우드 세계에서 이는, 최선의 경우, 블랭ケット 보존 및 대규모 저장소 부풀림, 최악의 경우, 민감한 데이터가 검사되지 않고 보안되지 않은 격차로 이어질 수 있습니다.

LTO 또는 Glacier와 같은 수동 보관과 같은 방식으로 백업을 처리하는 조직은 클라우드 속도와 백업 준비도 사이에 점점 더 큰 격차를 맞이하게 됩니다. 자동 검색 또는 분류가 없으면 데이터가 동적 환경에서도 격차를 발생시킬 수 있습니다. 백업은 불완전하거나 일관성이 없으며, 비용은 계속 증가합니다.

백업에서 데이터 레이크로: AI의 다음 전선을 잠금 해제

단순히 “최신” 저장소는 다음 데이터 전략 시대를 가져오지 않을 것입니다. 대신, 기업은 백업을 완전히 검색 가능하고 분석 준비가 된 데이터 레이크로 변환해야 합니다. 이는 규정 준수 및 복구 필요를 충족하는 것뿐만 아니라, 오늘날의 AI 모델이 효과적으로 작동하기 위해 필요한 거대한, 고품질 데이터 세트를 공급하기 위함입니다.

데이터 레이크 모델에서 백업은 정적인 스냅샷으로 존재하지 않습니다. 대신, 백업은 동적 저장소로 변환되어 컨텍스트 메타데이터로 풍부하게 구축되고, 세분화된 검색을 위해 색인이 생성되고, 분석 도구에 연결됩니다. 즉, 재해 복구 및 규정 준수 의무를 충족하는 것뿐만 아니라, 비즈니스 인텔리전스, 제품 혁신 및 고객 참여에积極적으로 기여합니다.

이 전환의 핵심은 다음과 같습니다:

• 자동화된, 컨텍스트 데이터 추출: AI 주도 태깅 및 자연어 처리를 통해 역사적인 기록, 문서, 이미지 및 비디오를 풍부한, 검색 가능한 설명자로 주석을 달 수 있습니다.
• 세분화된 복원 기능: 전체 데이터 세트를 격리하지 말고, 개별 파일, 트랜잭션, 테이블 또는 미디어 클립을 몇 초 내에 외과적으로 검색할 수 있습니다.
• 분석 파이프라인에 대한 무결한 통합: 백업이 검색 가능하고 쿼리 가능해지면, AI 훈련 데이터 세트, 실시간 대시보드 및 트렌드 분석 워크플로에 직접 공급할 수 있습니다.

이것의 영향은 변혁적입니다. 예를 들어, 은행은 10년간의 정적인 트랜잭션 데이터에서 사기 탐지 알고리즘을 훈련할 수 있으며, 더 작은 샘플에서는 보이지 않는 이상을 감지할 수 있습니다. 의료 제공자는 특정 유전적 마커와 일치하는 모든 환자 사례를 검색하여 연구를 지원하거나, 엔터테인먼트 회사에서는 역사적인 관객 감정 데이터를 검색하여 콘텐츠 생산을 안내할 수 있습니다.

이전에는 “사망한 데이터”로 간주되던 것이 이제는 점점 더 큰 전략적 자산이 됩니다. 비용 센터가 아닌, 경쟁 우위를 제공하는 백업이 됩니다. 혁신을 촉진하는 엔진이 됩니다.

사업 잠재력을 위한 “사망한 데이터” 채굴

幸い, 현状은 변화하고 있습니다. 최신 저장소 시스템은 이미 오브젝트 및 주제 기반 저장소, 자동 색인 및 컨텍스트 메타데이터 추출을 통합하여 보관을 즉시 검색 가능하고 비즈니스 준비가 가능하게 할 수 있습니다.

예를 들어, 구글 클라우드는 주요 제조업체 및 자동차 회사와 함께 역사적으로 분리된 자산을 연결하고, 프로세스 및 데이터를 표준화하며, 공장 바닥부터 클라우드까지의 가시성을 개선하기 위해 작업했습니다. 금융 기관은 수십 년 동안 트랜잭션 및 고객 상호작용 데이터를 축적하고 있으며, 이를 금융 특정 AI 모델을 훈련하기 위한 보물로 사용하고자 합니다. 이는 역사적인 데이터가 얼마나 가치 있는지 보여줍니다.

엔터테인먼트에서도 사용 사례는驚異的な 잠재력을 가지고 있습니다. 예를 들어, 넷플릭스는 오리지널 및 라이선스된 콘텐츠에 대한 지출이 올해 180억 달러에 이를 것으로 예상됩니다. 즉, 넷플릭스는 백업된 데이터, 미디어, 메타데이터, 비디오 태깅 정보 등 엄청난 양의 데이터를 가지고 있으며, 이는 지역 규정, 다양한 클라우드 제공업체 및 접근성 표준을 통해 필터링되어야 합니다. 이러한 엄청난 양의 콘텐츠를 단일 백업 복원 스냅샷에서 검색하는 것은 불가능합니다. 대신, 세분화된 복원 기능과 즉시 검색 가능성을 사용하여 데이터를 검색하는 것이 얼마나 쉬운지 상상해 보십시오.

그것이 데이터 레이크 전환을 가능하게 합니다.

증거는 출력에 있습니다. 올바른 도구와 전략적 마음가짐을 사용하면 백업 저장소가 창의적인 가치 추가 엔진이 됩니다. 즉, 단순한 보험 정책이 아닌, 비즈니스 결과를 개선하는 백업이 됩니다.

더 나은 백업은 더 나은 비즈니스 결과를 의미합니다

오늘날의 기업은 데이터와 속도로 정의됩니다. 레거시 백업 시스템은 두 가지 측면에서 팀을 저지하고 있습니다.

백업은 금고나 최악의 경우 생존 메커니즘으로 취급되어서는 안 됩니다. 대신, 성장, 창의성 및 경쟁 우위를 위한 엔진으로 작동해야 하며, 새로운 기술 솔루션이 이 전환을 가능하게 할 준비가 되어 있습니다. 오늘날 백업 아키텍처를 현대화하는 기업은 내일의 혁신을 주도할 것입니다. 즉, 금융, 의료, 미디어 및 그 이상의 분야에서 혁신을 주도할 것입니다.