根據IDC預測，到2025年，非結構化資料將占全球資料的80%。這股浪潮涵蓋電子郵件、社群媒體、影片和物聯網輸出，為組織帶來重大挑戰和機會。
其中，非結構化資料儲存與AI的整合正引發深遠變革，從根本上重塑企業管理、處理及應用數據的方式。
有三大趨勢將定義非結構化資料儲存與AI的未來發展：
1.物件儲存成為大數據領域矚目的焦點
與傳統儲存方法不同，物件儲存將每個資料都視為附帶中繼資料的獨立項目，特別適合當今企業所產生的大量非結構化資料。隨著組織正在尋求有效的方法儲存及存取不斷成長的資料量，物件儲存的可擴充性與成本效益是推動此趨勢發展的關鍵因素。此外，物件儲存與AI工作負載的相容性使其成為AI驅動資料環境中的重要組成，為醫療、金融等各領域的 AI和ML框架提供管理龐大且多樣化資料集所需的基礎架構。
2. AI結合資料湖強化商業智慧
隨著AI整合變得越來越複雜。新一代AI需要全新的數據平台架構，最好是建構在現代化的開放式資料湖倉上，以安全、集中化的方式存取所有數據。在零售等業界，AI驅動的資料湖可分析如社群媒體互動和消費行為等非結構化資料，以預測趨勢和量身打造行銷策略。而在醫療領域，這些資料湖可處理大量紀錄、影像及研究文件，識別出可革新患者照護的關鍵模式。
3.邊際運算：把AI與資料儲存推向源頭
隨著物聯網裝置的急劇增加與即時數據處理需求的增長，邊際運算透過將資料儲存和AI功能部署於更靠近數據生成端以提供更高效的解決方案。邊際運算市場的增長來自於邊際非結構化數據處理與分析的需求，無論是智慧城市裡的感測器、自駕車的攝影機，抑或是工廠機械設備。在本地端處理數據，企業可降低延遲和頻寬使用量，這對於需要即時分析的AI應用至關重要。邊際運算特別適用於製造業、運輸業和能源業，在這些領域，即時處理非結構化資料可大幅提升營運與節省成本。
在當今AI驅動的世界裡，單純的數位化已不再讓企業脫穎而出，隨著資料量與複雜性增長，採用AI支援的非結構化資料管理解決方案已是企業發展的必備策略。
＜本文作者：廖仁祥現為台灣戴爾科技集團總經理＞