GoodData 是一家基于云的 BI 工具提供商，该公司正在寻找一种最佳技术来构建其 CloudConnect 平台。他们需要一种解决方案，使他们能够高效地访问数据并将其导入其平台。该公司之前使用的是基于 REST API 的平台，对于熟悉这些流程或拥有内部集成技术的开发人员来说，该平台效果很好。但是，对于较大的客户群来说，该系统并不方便用户使用。GoodData 需要一种解决方案，使任何人都可以直观地设计集成并进行数据建模工作。

由于国际数据激增，营销服务提供商 Allant Group 正在处理越来越多的不同数据格式。他们使用大量自主开发的应用程序进行数据处理，随着数据复杂性的增加，管理起来变得越来越困难。由于期望更快的周转时间、更高质量的数据以及在数据处理过程中更多的质量控制步骤，Allant 开始寻找 ETL 来支持这一点。他们需要一种可以与现有软件包和旧版软件集成且易于使用的工具，以便将数据处理工作量从程序员端转移到操作人员。

该公司通过收购竞争对手不断发展壮大，并开发了一套内部解决方案，将每日数据输入 Salesforce。然而，由于每天要处理数千万条记录，加载这些记录所需的时间越来越长，最高可达 12 小时。这意味着无法再保证必要的每日更新。此外，将数据加载到 Salesforce 时的错误有时高达 50%，导致另一天的生产力（损失）专门用于解决问题。因此，依赖这些数据的财务顾问可能正在处理长达两天的信息。该公司需要一种能够快速处理数据并将其无错误地传输到 Salesforce 的解决方案。

在迁移到 Workday 的过程中，这家咨询公司面临着遗留数据质量方面的挑战。数据质量低下拖慢了项目交付速度，并占用了公司实现更重要目标的宝贵时间。该公司需要一个能够快速识别和报告数据问题的框架。人力资源部门的数据协调对于遵守法律和监管要求至关重要。该公司正在寻找一种解决方案，以简化数据迁移过程，并让顾问们收回他们在手动工作上花费的时间。

MyPublisher 是一家领先的个性化照片应用程序在线零售商，在管理其零售和营销数据方面面临挑战。该公司希望将这些数据与网络流量和电子邮件数据紧密结合起来，以捕捉客户活动。然而，数据仓库团队面临的主要挑战是将公司中不同的数据源整合在一起。在引入数据仓库之前，MyPublisher 根本没有使用数据仓库——而是使用了临时报告和许多系统。这使得该公司很难深入了解业务活动并定期这样做。

该金融企业使用 Oracle Identity Manager (OIM) 来跟踪和监视与员工调动和重新分配相关的用户访问权限。但是，由于有超过 6,000 个不同的系统，更新用户权限会导致大量数据不断变化。系统数据格式和来源的差异使得向 OIM 提供数据成为一项挑战，因为它对所提取的数据格式要求严格。IT 安全团队必须做出选择：在内部采用类似的手动方法，或使用可自动执行该流程的专业数据集成软件。

由于客户数据质量低劣，这家出版社面临着巨大的挑战。该公司通过电话、电子邮件和直邮与客户沟通。然而，客户联系方式存储在不同的系统中，而且经常出现多次。此外，只有 30% 的地址是可接受的格式。由于数据记录不一致和重复，营销材料无法送达，一些客户无法通过电话联系到。此外，有时多个营销包裹被寄到同一个地址，或者同一个人收到的营销材料来自不同的地址。除了因这些数据错误而产生的直接成本外，该公司还遭受了间接损失，如信誉受损和错失机会。

该公司面临的挑战是处理来自供应商的三种不兼容格式的电话发票。这使得电子合并和处理变得不可能，必须手动将值输入电子表格中。电子表格每隔几个月更新一次，但这导致历史数据不一致。该公司每月要花 6 个工作日手动处理这项繁重的任务。此外，该公司的电话账单（每月 44,000 美元）每年增长 24%，但很难充分了解原因。该公司需要一种解决方案，使他们能够自动化电话账单处理，通过账单分析开发高效的通话监控系统，并监控私人和公司电话的使用情况以确定最佳通话费率。

BTC Solutions 是一家英国公司，由于数据量不断增长，客户对更快周转的期望不断提高，该公司面临着提高 autoVHC 平台性能的需求。经销商难以访问新数据，这促使 BTC 寻找能够处理快速变化数据的 ETL 工具。BTC 对数据仓库解决方案有三个主要要求：数据历史记录、稳健性和灵活性。新数据仓库需要跟踪变化并记录对数据库所做的所有修改。它还需要能够处理比其当前数据库多十倍的数据。最后，该解决方案需要易于使用，以便 BTC 可以定义和修改转换程序。

英国电信公司 EE 的数字洞察团队面临的挑战是将来自各种数据源的商业智能整合到一个地方，并将它们可视化给非技术受众。数据源包括 Adobe Analytics、VOC 数据库、点击流记录和个性化工具。团队需要将来自这些来源的数据拉入 Amazon RedShift，然后将它们全部推送到 Tableau 中，以了解数据背后的故事。挑战在于仅靠一支小团队来处理如此庞大的数字数据量，而无需将项目外包给 IT 服务，因为后者需要数月的时间来设置，而变更请求则需要数周的时间。

斯洛伐克最大的银行 Slovenska sporiteľňa 需要一个简单可靠的解决方案来协调来自多个身份和访问管理系统的数据。他们需要一个全面的“安全网”，以发现任何违规和遗漏。由于员工人数众多，用户访问要求不断变化，因此控制用户权限是一项挑战。该团队仔细考虑了所有可用的选项。他们追求的一条路线是开发“自主开发”的脚本解决方案，但很快发现这种方法存在重大缺陷。首先，它过于依赖一名团队成员创建和管理脚本。随着时间的推移，脚本也有可能变得复杂和难以处理。

Customology 是 GJI 集团的一个部门，在管理和利用大量原始交易数据和客户数据（类型和格式多种多样）方面面临挑战。随着业务的增长，如果没有全面的数据管理计划，管理数据变得越来越困难。他们处理的数据不是标准化的，这导致开发了一个具有不同表示层的单一通用数据模型，以便对传入的数据进行充分控制。他们之前自行开发的 ETL 解决方案由多种现成的堆栈组成 - MSSQL 和不断增长的存储过程池、监视热文件夹的 shell 脚本以及用 PHP 编写的微服务。虽然这种设置可以从数据中提取有意义的见解，但它速度慢、繁琐且难以扩展。

三菱汽车公司是一家总部位于日本东京的跨国汽车制造商，该公司正寻求改善其全球范围内的供应商关系。该公司希望提供一种易于使用的解决方案来与其供应商进行互动。2004 年 8 月，三菱选择了 Covisint 的平台来帮助改善与其全球供应商的信息共享和协作业务流程。目标是为供应基地提供各种机会来提高三菱及其全球附属公司的绩效并了解与供应商相关的要求。

捷豹路虎 (JLR) 于 2008 年从福特汽车公司分拆出来后，需要一个安全的解决方案来实现全球供应商的连接和协作，其范围应与其原公司类似。更新旧系统也是必要的，但更换现有基础设施既耗时又费钱。因此，JLR 在为其 3,000 家全球供应商提供对关键业务信息的安全访问方面面临着多项技术和灵活性挑战。需要专注于核心业务流程，这促使 JLR 选择了 Covisint。

密歇根蓝十字蓝盾 (BCBSM) 七年来一直依靠 Covisint 来管理 6,500 名代理商对会员登记包信息以及培训和支持材料的访问。挑战在于将 BCBSM 的业务应用程序集成到单一平台中，并根据用户的个人资料安全地管理对应用程序的访问。代理商需要登录由 Covisint 提供支持的 BCBSM 代理商安全服务门户，以注册培训服务、访问特定于 BCBSM 产品的信息并管理其整体业务。

基因组研究中心 Wellcome Trust Sanger 研究所在管理因测序技术重大进步而激增的数据量和计算分析方面面临挑战。该研究所的研究团队多元化，包括全球 2,000 多名科学家，需要具有大规模、高吞吐量性能的强大 IT 基础设施。数据增长不可预测，因此很难充分扩展存储，否则研究所现有的 10-GigE 网络基础设施将不堪重负，或超出空间受限的数据中心每地砖 1PB 的规定。该研究所出现了一个典型的“大数据”问题，每当测序技术的新进展以前所未有的速度产生更多测序数据时，这个问题就会进一步加剧。

Starz 是一家领先的优质订阅视频节目提供商，其旧式 HP Enterprise Virtual Arrays (EVAs) 8000s 为公司完整的数字媒体工作流系统提供支持，但面临挑战。该系统缺乏可扩展性、性能和可靠性。由于节目的扩展，该公司对容量和性能的要求急剧增加。旧式存储基础设施带来了管理难题，并危及整个文件系统。原始性能限制导致转码和编码过程都失败，导致大量手动重做和浪费时间。

TGen 是一家领先的基因组学研究机构，其传统 NAS 系统面临挑战，该系统功能不足，无法处理并发作业，否则性能将低于可接受水平。扩展 NAS 性能既昂贵又耗时。此外，数据增长正在加速，使现有基础设施难以为继。基因组学是从生物体基因组中提取知识的技术，是一项复杂且数据密集型的任务。基因测序仪器生成的数据量和准确性逐年提高，令人难以置信。随着这些机器的生产效率提高，基因测序、组装和分析的价格下降，从而实现了新的诊断方法和疾病治疗。然而，所有这些基因数据都导致如何将它们组装成有意义的数据以便进行分析发生了巨大变化。

南加州大学凯克医学院 Zilkha 神经遗传研究所的 James Knowles 博士实验室面临着巨大的挑战。该实验室专注于了解行为、认知和情感的遗传基础，但其传统的 SAN 存储服务器已接近容量上限，无法满足数据访问要求，这令其苦不堪言。网络和 NFS 的性能限制阻碍了存储吞吐量。上传速度缓慢导致的存储瓶颈延迟了发现时间。该实验室需要一种新的存储解决方案，该解决方案可以提供超过每秒 GB 的吞吐量，并在单个名称空间中扩展到 PB 级。Knowles 实验室存在数据存储性能问题。他们需要对 1,400 个完整的人类基因组进行测序，以支持他们正在进行的研究。这项工作每天会产生数 TB 的原始数据，需要传输、检查和与人类基因组对齐。他们的传统存储系统只能向 CPU 集群输出足够的数据，以便在 Pegasus MPI 工作流程下运行 Burrows-Wheeler Aligner (BWA) 的单个实例。此外，他们只能以 30-50 MB/秒的速度将数据上传到该系统，远不及 GbE 网络 100MB/秒的峰值理论容量。这个瓶颈不仅带来了不便，而且还减慢了他们的发现时间。

威尔康奈尔医学院的计算生物医学研究所 (ICB) 在扩展神经科学、表观基因组学、蛋白质组学成像设施并上线更多基因测序仪时面临挑战。他们有机添加自主存储池的传统方法已无法满足研究人员的计算需求。挑战在于从一次添加单个专用 RAID 阵列的传统方法过渡到可扩展且可满足未来数年存储需求的方法。随着数据采集率不断提高，该机构需要研究一种更强大、可扩展且可持续的存储方法。

迈阿密大学计算科学中心 (CCS) 是美国最大的集中式学术网络基础设施之一。它为多个学科的 2,000 多名研究人员、教职员工和学生提供支持，帮助他们完成需要高性能计算 (HPC) 资源的多元化和跨学科项目。该中心的指导原则是尽可能无缝地管理整个数据生命周期，以简化研究工作流程。然而，该中心面临着一些挑战。多元化的跨学科研究项目需要大量的计算和存储能力以及集成的数据生命周期移动和管理。下一代测序的爆炸式增长对计算和存储需求产生了重大影响，因为现在可以生成更多更大的数据集，这通常会造成处理瓶颈。在几天内从一个基因组中创建 40 亿个读取所需的繁重 I/O 只有在需要管理和分析读取数据时才会加剧。该中心需要一个强大的文件系统，该系统足够灵活，可以处理非常大的并行作业以及较小、较短的串行作业。

由于参与了一项重大全球计划并增加了科学建模的使用，英国南极调查局 (BAS) 面临着数据存储需求激增的问题。该组织收集的数据量是 10 年前的 10 倍，变化率急剧上升。这给他们的数据收集和存储系统带来了压力。此外，BAS 还参与了一项名为超级双极光雷达网络 (SuperDARN) 的重大全球计划，该计划需要大规模扩展存储。挑战在于找到一种解决方案，既能满足该组织对高容量、高性能存储的需求，又能满足其预算要求。

北德超级计算联盟 (HLRN) 为北德七个州的科学家提供最先进的存储和计算资源，以加速物理、化学、流体动力学、工程和环境领域的科学突破。这些科学家中的许多人来自北德大学和其他科研机构，他们整合了各自州和德国联邦政府的资源和资金，创建了一个强大的分布式超级计算机系统。HLRN 推动先进科学研究的能力需要最高水平的计算能力以及高带宽存储容量。鉴于该研究所支持的数据密集型应用范围广泛，HLRN 寻求一种大数据解决方案，该解决方案可以显著提高存储容量，同时根据需要扩展带宽和性能。HLRN 还需要确保可以从不同的地理位置轻松访问数据。

美国国家超级计算应用中心 (NCSA) 面临着中端研究资金不断减少的问题，这推动了对单一共享环境中公寓式校园集群的需求。这非常复杂，因为它涉及在一个统一系统中容纳多代硬件、互连技术和存储。确保平等访问所有类型和任何数量的节点非常复杂，包括确定如何处理排队和配置。该中心寻求在包括多代硬件资源的环境中融合 IOPS、带宽、性能和高效的容量管理。

普渡大学是研究、发现和创新领域的全球领导者，它面临着满足多达 1,000 名研究人员数百个项目需求的挑战。这促使该大学决定部署一个由高性能存储支持的大型集中式数据存储库。大数据的种类、速度和数量需要高度通用、可扩展的存储。不同的工作负载需要高度灵活的存储来容纳大型并行 I/O 作业和许多小型随机读取请求。该大学最初研究了几个顶级研究领域的需求，包括计算纳米技术、航空和天文工程、机械工程、基因组学、结构生物学以及生命科学学科的几个大型项目。管理各种研究需求的挑战在于既要容纳非常大的并行 I/O 作业，又要容纳数百万个小型随机读取请求，而不会对任何人造成性能损失。

林林艺术设计学院面临着数据爆炸式增长的挑战，这是由高分辨率、基于数字文件的工作流程引起的。这产生了对可按需扩展的面向未来的存储的需求。该学院希望利用技术支持艺术作为一种工具，以便学生可以发挥创造力，而无需管理技术或处理工作中断。需要一个强大、可靠和透明的存储基础设施来满足学院的愿望，即让学生无缝访问他们的所有数字资产，无论平台或位置如何。该学院希望避免孤立存储的管理、访问难度、成本和复杂性。

堪萨斯城儿童仁慈医院是一家领先的儿童医院，它运营着世界上第一个儿科全基因组测序中心。该医院的儿科基因组医学中心与各种专业人员合作，对罕见遗传疾病进行测序和分析。然而，基因测序是非常计算密集型和数据密集型的，这给中心的 IT 团队带来了越来越大的压力，需要提供充足的处理能力和高性能的数据存储，以支持基于全基因组测序和全外显子组测序的测试。该中心之前部署了 EMC Isilon 存储，最初满足了他们处理临床和研究工作流程的存储需求。然而，随着时间的推移，儿童仁慈医院传统的横向扩展 NAS 存储缺乏性能和容量的可扩展性，无法满足苛刻的数据创建和访问需求。

捷克共和国的公共电视广播公司捷克电视台正面临数字视频内容和高端视频设备的激增，这刺激了对快速、可扩展、强大且可靠的存储的需求。转向 4K 未压缩 DPX 工作流程导致存储需求大幅增加，因为原生原始文件的大小增加了四倍，存储所需的性能也增加了。尽管数据大量涌入，捷克电视台仍然必须保证并发 UHD 视频流的完美实时工作流程 - 包括采集、编辑、转码、分发和归档。他们需要让多个团队同时处理同一个大文件，以执行必要的色彩校正，并恢复许多初始状态不佳的老电影。

伦敦癌症研究所 (ICR) 是癌症基因识别、抗癌药物研发和精准放射治疗领域的全球领导者，它需要一个单一的中央存储基础设施，使用户能够收集和分析所有类型的活跃研究数据。研究数据服务 (RDS) 必须足够广泛，以支持八个研究部门和所有类型的生物、化学和物理相关数据。它需要能够从不同的科学仪器和下一代测序仪中提取大量数据，同时连接到各种研究服务，从各种笔记本电脑和台式机到具有 CPU 和 GPU 的高性能超级计算机。

Kollins Communications 是一家提供一体化零售营销解决方案的公司，该公司面临着极其紧迫的期限，需要在四周内为三星电子美国公司制作 20 多个 4K 视频。该公司需要减少在编辑站之间传输文件所需的时间，并需要同时为视频显示器传输三个未压缩的 4K 视频文件。为了满足快速项目周转的持续需求，Kollins 采用尖端技术来加快内容创建工作流程，同时跟上数字内容的爆炸式增长。该公司需要一个高性能存储中心，以加快 OS X、Windows 和 Linux 工作站之间的内容流动。需要极快的性能来支持在 Linux 上运行的高端 3D 视觉效果软件 Autodesk Flame。此外，还需要快速且可扩展的存储来支持在 OS X 和 Windows 上运行的 Autodesk 3ds Max 以及 Adobe After Effects 和 Premiere Pro 软件。