随着人工智能的日益普及，企业在追踪自身存储的数据、数据存储原因以及如何高效管理数据方面面临诸多挑战，导致云存储成本不断攀升。为了帮助解决这一问题，Datadog 推出了存储管理解决方案，该方案现已正式上线 Amazon S3，并已开始预览 Google Cloud Storage 和 Azure Blob Storage 版本。
该工具基于 Datadog 现有的云成本管理功能，提供对对象存储（大多数 AI 和分析数据积累的层）更深入的可见性。
将可见性转化为行动
Datadog 的平台将成本、使用情况和元数据整合到一个统一的控制面板中，帮助团队了解其存储习惯与支出之间的关联。这种级别的可视性使用户更容易发现冗余、临时或很少访问的数据，并据此应用生命周期或保留策略。自动化建议可以引导用户采取下一步行动——无论是归档旧日志、删除未使用的数据，还是将不活跃的文件移动到成本更低的存储类别。
该系统还能监控数十亿个对象的行为，标记出异常增长或异常访问活动。这对于运行多云环境的大型企业尤为重要，因为在这些环境中，跨账户和区域的支出异常很容易被忽视。通过及早发现这些趋势，团队可以在问题演变成预算问题之前加以解决。
然而，仅仅具备可视性是不够的。要将洞察转化为实际节省，企业需要跨部门的一致数据治理和协作。财务和IT团队必须携手合作，协调政策，明确责任归属，并将成本意识融入日常工作流程。将洞察与现有工具（例如AWS Cost Explorer、Azure AI Foundry或Google Vertex AI）集成，有助于保持对绩效和成本的统一视图。
规范存储管理的商业价值
据Datadog的数据显示，存储和处理成本如今已成为企业构建人工智能产品的第三大成本——甚至超过了模型训练和推理成本。这无疑给那些试图在创新与财务纪律之间寻求平衡的首席信息官、首席财务官和运营领导者敲响了警钟。
将存储管理视为一项持续性实践而非一次性活动，能够帮助企业在不影响发展速度的前提下控制成本。其目标不仅是削减开支，更是确保数据存储能够同时支持效率和治理。
将自动化、共同责任和清晰的数据可见性相结合的企业，将更有能力应对人工智能应用带来的快速增长。
