遗留数据迁移不再适用，变革的关键在哪里？

在许多现代组织中，数据迁移通常被视为一项行政性的IT任务。这是可以理解的，因为从根本上讲，这涉及将数据从一个位置移动到另一个位置。

无论基础任务是升级基础设施、改善系统性能、促进云采用、确保合规性，还是其他一系列选项，迁移只是实现目标的一种手段，而不是具有更战略性影响的事情。

这种思维方式的问题在于，IT环境整体上变得更加复杂，大多数企业现在以某种形式使用云基础设施。

更具挑战性的是，超过80%的企业数据是非结构化的，分散在各种格式、应用程序和存储技术中。这使得了解存在哪些数据、它们存储在哪里，以及它们的价值或风险有多大变得困难。

因此，将传统的数据迁移方法应用于这些场景是有问题的，尤其是因为大多数遗留工具缺乏解释非结构化数据集的智能。

它们对所有文件一视同仁，缺乏评估内容或上下文的能力，这可能导致企业将冗余或敏感信息转移到错误的存储环境，进而产生新的低效，给组织带来不必要的风险。

思维方式的改变

在这种情况下，数据迁移需要重新定义为一个在组织甚至考虑移动任何东西之前就开始的过程。

起点应该是清晰地了解现有的数据环境：存储了什么，如何使用，谁拥有它，以及它是否仍然有用。

这一洞察为更好的决策奠定了基础，决定哪些数据应该保留、迁移、重新分类或删除，以符合使用复杂混合技术的企业的要求 IT基础设施。

当然，最大的问题是，如何做到？简单来说，当前一代智能数据管理工具通过使用元数据分析，快速且有针对性地对非结构化数据进行分类，使这一过程具备可扩展性。

这使得组织能够采取战略行动，而不是进行盲目的迁移，将所有信息视为相同，无论它是五分钟前创建的，还是十五年前创建的，或者它是否具有实际的商业价值。

比如说，自动化，它利用分析来最小化IT团队的手动工作量，并确保在不同存储环境中的一致性。

因此，迁移成为现代化基础设施和改善治理的主动机制，而不是被动的工作。

战略性的方法来进行迁移使组织能够充分利用现代存储系统提供的灵活性。

这使得数据价值与存储投资之间的对齐更加合理，确保支持活跃工作流的热数据在高性能环境中得到优先处理，而冷数据或休眠数据则根据政策安全归档或删除。

这种转变有助于解决传统迁移中存在的成本效率问题，并将迁移重新视为变革的催化剂，创造一个更清晰、更易管理的数据环境。

现代迁移的实际应用

那么，一个组织重新定义数据迁移方法后，会是什么样子呢？

将这种现代方法落实到日常活动中，需要有效的执行。这首先需要明确角色定义，IT、合规和业务团队围绕共同目标进行协作。

迁移决策应考虑技术可行性和组织的优先事项，包括合规要求和商业成果。

这些组织对其数据环境有清晰的理解，并积极监控其演变。他们已经超越了基本的文件清单，现在使用智能系统来识别哪些数据最重要，哪些数据存在风险，以及哪些数据不再具有任何操作目的。

从实际的角度来看，数据发现和分类还必须在满足更广泛业务需求的规模上落地。这最好通过能够一致执行政策、自动化任务并跟踪进展的平台来实现。

迁移不应该被当作一个独立的项目，而是应该融入更大的计划中，比如基础设施更新、云服务采用或治理改进。

虽然这些活动通常与持续的数据管理工作相关，但在迁移过程中也是至关重要的。

自动化诸如分配数据所有权和应用保留计划等流程，有助于确保迁移决策与更全面的治理策略一致，而不是手动处理或稍后重新审视。

通过这样做，组织不仅提高了当前迁移的成功率，还为未来的迁移打下更高效、干扰更小的基础。

衡量同样重要。虽然目前很少有组织能够持续监测迁移性能，但那些成功的组织通过明确的关键绩效指标（KPI）跟踪迁移活动的有效性，这些指标包括存储成本降低、政策合规、可访问性、准确性和用户体验。

建立这些指标不仅有助于展示价值，还能推动持续改进，并使迁移与不断变化的业务需求保持一致。

最终，采取这种方法的组织报告存储超支更少，运营成本更低，访问可信信息的速度更快。

更重要的是，他们能够调整数据基础设施，以满足不断变化的业务需求，而不会遭遇与传统数据迁移方法相关的那些常见陷阱。