基于当前数据爆发式的增长态势，关于大数据现象的讨论甚嚣尘上。真实的情况究竟如何？我们或许能从一些分析师对2012年的预测和优先任务的分析中得到一些答案。
　　 分析师的观点主要包括以下几个方面：2012年CIO面临的首要任务就是“分析和商务智能”；大数据机会将在2012年变成现实；大数据已经出现；基于Hadoop的大数据解决方案将与传统企业数据仓库产品相交汇；2012年，大数据意味着应用。
　　 然而，实际上每一代存储管理员都在应对与日俱增的数据，处理比前一代更多的数据。在1985年，用于卷、数据集和文件大小的标准或默认衡量单位是MB和KB；在10年时间内变成了GB和MB；到2005年，它发展到GB和TB；现在，我们通常将TB作为标准衡量单位。
　　数据管理两大议题
　　 惠普亚太及日本地区存储原理技术专家 Paul Haverfield认为，无论是哪个阶段，数据管理一直面临两方面的议题：第一，数据管理生命周期的问题；第二，每一代存储管理员所面临的问题或挑战。
　　 首先，数据管理生命周期在大多数情况下要经历这样的过程：创建、访问、处理、保护、删除、创建。绝大多数符合数据增长的问题出现在“删除”环节，Paul Haverfield说：“一般情况下我们无法删除足够的数据，难以确认哪些数据应该被删除，为了以防万一而囤积数据。”
　　 其次，每一代存储管理员都面临着以下五大问题或挑战：第一，如何以较高的成本效益来访问数据；第二，如何有效组织、搜索和处理数据；第三，如何备份/保护数据；第四，希望以何种方式删除哪些数据；第五，如何适应数据中心里的电源与空间限制。
　　 绝大多数企业机构面临的头号问题就是上述挑战中的第四点，很少有企业出台规定数据删除的数据管理政策。数据因此不断积累，进而带来更多的管理问题。
　　数据环境更复杂
　　 随着数据的增长，数据处理流程发生了一些“微调”或演进。企业所面临的数据环境与五年前相比确实发生了一些改变。
　　 现在，除了拥有与日俱增的数据量，还有正在加速出现的更多的数据种类。这两个因素叠加在一起，为数据管理生命周期带来了新的复杂性。数据生成的来源更多——社交媒体、视频、音频、搜索引擎查询、位置感应等，各种数据到达的速度也更加快速。这些都增加了复杂性。
　　 在数据仓库全盛的时期，系统最好的定位是“描述分析”——“是什么”，它们为企业提供洞察业务的“后视镜”。现在的情况是，数据分析已经从描述分析“是什么”转向分析预测“那又会怎样”、“现在怎样”。现代分析系统是企业未来洞察力的所在，它们帮助企业在预测未来产品、趋势和潜在客户方面获得竞争优势。
　　创建合理的信息管理框架
　　 显然，企业和机构不可能永远持续地保存一切数据。存储技术能够支持以更高的效率更长久地保存更多东西，但这仅是数据管理的一个方面。
　　 Paul Haverfield认为，组织机构应该创建一个有效的数据与信息管理框架。在这个过程中，核心的问题就是了解自己访问老旧数据的需求：是否愿意保留所有的数据，为什么？它会重复使用吗，多久一次？必须使用所有数据吗，或只是样本就足够了？希望如何利用它？是否有监管保留的考虑因素？是否会被更新？近期需要用到还是立即会用到？
　　 一旦了解了数据的访问需求，接下来要考虑的就是“应该把它储存在哪里”的问题。需要考虑的有以下几个方面的问题：
　　 第一，硬件与软件的获取成本，电力和冷却成本；第二，管理数据所需的技术、人员和时间；第三，现场还是异地，主要和备份？多少份？第四，在私有云还是公有云中？第五，在线、近线，还是归档？
　　 可以将其归纳为：一个存储一切的地方，其中一切都各归其位。Paul Haverfield表示，当组织机构制定好这两个领域的信息管理框架时，就为应对当前的大数据爆发增长做好了准备，并将开启探索预测分析的旅程。