CNET科技资讯网 12月2日 北京消息(文/齐丰润): 对于现代职场人士来说,每天的工作中都会产生大量的数据和文件,而且对于其中的一部分还会做许多备份,比如电脑、U盘、移动设备,甚至在云盘中都会备份一份出来。但其实在大多数情况下,这些数据和文件在用过之后,就会很少再被触及和使用,那么随之而来的财务、安全和数据管理风险也就随之而来了。
对此,Veritas Technologies发布了《数据囤积报告》,该报告是继数据及因项目之后,Veritas发起的另一项数据行为研究,旨在分析全球办公人员和IT决策者的数据存储习惯。
此次研究共对全球10,022名办公人员和IT决策者展开调研,深入了解企业员工的数据管理方式。结果显示,企业中的数据囤积现象严重,86%的中国IT决策者承认他们是数据和数字文件囤积者。88%的受访者表示,他们所存储的数据可能会对企业造成不利影响。这些数据包括:未加密的个人记录、申请其他公司职位的求职申请、未加密的企业机密信息以及令人尴尬的员工通信。
数据显示,中国的办公人群对于数据囤积者的不信任程度尤为明显,66%的中国办公人员承认,他们对数据囤积者能够及时提交项目,持有怀疑态度。这一结果远远超过49%的全球平均比例。受访者宁愿扔掉衣服或周末加班,也不愿删除他们所存储的文件。
虽然数据囤积带来了种种问题,但对于绝大多数的IT决策者来说,囤积数据的规模和数量已经远远超出了他们的承受能力。而造成这一问题的原因就是,大多数的办公人员由于旧文件的规模过大,而选择了放弃管理和删除这些文件,而这一比例在中国的办公人群中高达77%。
除了对工作和效率造成的影响,数据的囤积对于企业信息的安全也有着不小的威胁。93%的IT决策者表示,企业存储的数据量会增加企业响应数据泄露的时间。此外,所保留的数据本身也可能存在对企业造成潜在危害的风险。92%的IT决策者和83%的中国办公人员承认,自身所保留的内容可能会对企业及自身的事业前途造成不利影响。而且在所保存的“垃圾”数据中,个人文件占据了相当高的比例,99%的IT决策者承认在企业中保存了不必要的个人文件。
Veritas公司大中华区总裁萧建生表示:“在当今数字时代下,企业数据分布在不同平台,并呈现爆炸性增长。越来越多的企业正在面临数据激增所造成的复杂挑战。如果对这些数据置之不理,将对业务造成无法预估的不利影响。Veritas的调查表明,由于无法找到存储在企业系统中的文件,54%的中国中国办公人员承认曾经错过工作交期。95%的中国IT决策者认为企业计算机中存有对企业造成‘有害’影响的内容。随着企业纷纷开始数字化转型,企业对数据的有效管理和对信息的洞察能力,将有助于减少时间成本,提高企业的竞争优势。”
对于企业面临的如此严峻的问题,Veritas意识到,是时候该去帮助用户发现并解决数据囤积问题了。对此,Veritas推出了全新产品和解决方案战略,即为企业客户打造“企业数据管理平台”。
Veritas公司大中华区技术销售与服务总监郑欣蕾介绍说:“首先,企业数据管理平台能够为企业提供一个全新数据可见性、控制和访问的平台;第二,能够为企业控制数据;第三,企业能够设置访问权限;第四,该平台能够提供很好的数据保护。Veritas已经从传统提供数据保护、高可用技术产品的公司转型为提供企业数据管理平台的公司。”
“《数据囤积报告》体现了中国人习惯囤积数据的事实,以及囤积数据的习惯对企业、对个人所造成的影响。Veritas企业数据管理平台的概念,主要针对所谓企业数据管理的理念和想法,而跨平台整合是最重要的。所以,这些就是Veritas对数据的理念。”萧建生总结道。
好文章,需要你的鼓励
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。
谷歌DeepMind团队开发的GraphCast是一个革命性的AI天气预测模型,能够在不到一分钟内完成10天全球天气预报,准确性超越传统方法90%的指标。该模型采用图神经网络技术,通过学习40年历史数据掌握天气变化规律,在极端天气预测方面表现卓越,能耗仅为传统方法的千分之一,为气象学领域带来了效率和精度的双重突破。