ICTna.ir – در حالی که میزان داده های تولید شده به طور مداوم در حال افزایش است، شرکت ها اذعان می کنند که تا 60 درصد از داده های آنها استفاده نمی شود. این امر بر نیاز کسب و کارها برای درک بهتر نیازهای خود و بهبود شیوه های مدیریت داده تاکید می کند.

به گزارش گروه اخبار خارجی آژانس خبری فناوری اطلاعات و ارتباطات (ایستنا)، حجم داده‌هایی که افراد و شرکت‌ها تولید می‌کنند هرگز متوقف نمی‌شود و به همراه آن مقدار انرژی مورد نیاز برای حفظ آن نیز متوقف نمی‌شود. اما از آنجایی که این روند به احتمال زیاد ادامه می یابد در حالی که آب و هوا به دلیل گرمایش جهانی ناپایدارتر می شود، کاهش اثرات زیست محیطی داده ها بسیار مهم است.

تقریباً مانند یک کمد پر از دیوار، شاید اولین قدم این باشد که آنچه را که واقعاً می‌خواهیم و باید نگه داریم، مشخص کنیم. گزارشی از Omdia که با مشارکت NTT Data و Net App ایجاد شد، بر هزینه زیست محیطی داده ها متمرکز شد و نشان داد که شرکت ها حدود 60 درصد از داده هایی را که ذخیره می کنند را بدون استفاده گزارش می دهند.

چیزی که حجم عظیمی از داده ها به جهان داده است، مسلماً نیاز به یادگیری یک پیشوند جدید برای سنجش حجم را خواهد داشت، با این مطالعه که به یک رقم Statista اشاره می کند که می گوید 7 زتابایت – یا 7 تریلیون گیگابایت، داده ها در سال 2022 در سراسر جهان تولید شد. تا سال 2025، این میزان به 180 زتابایت افزایش خواهد یافت. این شاید نشان دهد که چرا یک رویکرد کارآمد انرژی مهم است.

همانطور که قبلاً گفته شد، این مطالعه نشان می دهد که سه چهارم پاسخ دهندگان گزارش می دهند که به طور متوسط ​​​​تا 60 درصد داده های استفاده نشده را ذخیره می کنند. بنابراین شناسایی و حذف داده‌های استفاده نشده و غیرضروری یکی از راه‌های آشکاری است که شرکت‌ها می‌توانند در آن کارآمدتر باشند.

طی مصاحبه ای، Rika Nakazawa، معاون گروه صنعت متصل و رئیس پایداری آمریکا در NTT DATA، گفت که یک راه حل ممکن برچسب گذاری داده ها برای نشان دادن انقضا است که در آن مرحله می توان آنها را حذف کرد.

درک داده ها

ناکازاوا در پاسخ به این سوال که چگونه داده های استفاده نشده برای اهداف مطالعه تعریف شده است، اذعان داشت که تعریف محکمی به عنوان بخشی از نظرسنجی استفاده نشده است. با این حال، او اذعان کرد که ممکن است برخی تفاوت‌های ظریف در داده‌های موجود در آن دسته وجود داشته باشد، به نحوی که شبیه به دنیای آنالوگ است.

اما تشخیص اینکه چه چیزی را باید نگه دارید، تنها شروع است. ناکازاوا می‌گوید که وقتی صحبت از مدیریت داده‌ها می‌شود، بخشی از محدود کردن ردپای محیطی آن، درک اصول اولیه داده‌ها است، مانند اینکه برای چه چیزی استفاده می‌شود و ارزش آن کجاست.

او می‌گوید یکی دیگر از جنبه‌های مهم، اطمینان از در دسترس بودن آن است. اگر نیازی به قرار گرفتن در محل نیست، ممکن است ترجیح داده شود که آن را در فضای ابری بارگذاری کنید، جایی که می‌توان «اقتصاد مقیاس» در اطراف CO2 ایجاد کرد.

او خاطرنشان کرد که ابر مقیاس‌کننده‌ها اغلب می‌توانند داده‌ها را به روشی کارآمدتر از آنچه شرکت‌ها می‌توانند در محل به دست آورند، ذخیره کنند.

او افزود: «من فکر می‌کنم این در مورد چگونگی درک نوع داده‌هایی است که پویا هستند، که اکنون به آن‌ها نیاز دارید، یا چیزهایی که فکر می‌کنید ممکن است به آن‌ها نیاز داشته باشید، اما آیا راه کارآمدتری برای ذخیره آن‌ها وجود دارد.

ناکازاوا می‌گوید، این نوع اولویت‌بندی مستلزم آن است که یک شرکت ایده روشنی از آنچه می‌خواهد به دست آورد، داشته باشد و داده‌های مورد نیاز را بر این اساس ذخیره کند.

برای NTT، بخش دیگری از تصویر یافتن راهی پایدارتر برای انتقال داده است. ناکازاوا شبکه نوری و بی‌سیم نوآورانه شرکت (IOWN) و شبکه تمام فوتونیک k را برجسته کرد، پروژه‌ای که به دنبال استفاده از فناوری مبتنی بر فوتونیک برای افزایش بهره‌وری انرژی و ظرفیت انتقال داده‌ها، از همه جنبه‌ها، از شبکه تا پایانه‌ها است.

داده های بیشتر ورودی

اما او همچنین اذعان کرد که مصرف انرژی تنها زمینه ای نیست که پایداری داده ها را می توان بهبود بخشید. او همچنین خاطرنشان می کند که استفاده از آب برای خنک کردن در مناطقی که کمیاب است مشکل ساز می شود. این موضوع با مطالعه اخیر NGMN طنین انداز می شود، که استدلال می کند استفاده از آب صفر باید یک هدف بلند مدت برای مراکز داده باشد.

ناکازاوا خاطرنشان می کند که با توجه به اینکه “بخش هایی از جهان که هنوز هم بیشتر و بیشتر دیجیتالی می شوند”، مشکل بیشتر خواهد شد، و می گوید: “من فکر می کنم این در مورد یافتن راهی برای ایجاد این طرح رقص بین داشتن بهداشت داده های خوب است. یک طرف، و سپس از طرف دیگر با دانستن اجتناب ناپذیر بودن داده های بیشتر و بیشتر.”

در حالی که او اذعان می کند که هوش مصنوعی مولد به ترافیک داده های بیشتری نیز منجر می شود، او می افزاید: “من فکر می کنم که هوش مصنوعی در واقع به ما کمک می کند تا با انرژی خود کارآمدتر باشیم.”