刚才很多友商谈到这个话题的时候，我们可以看到，一些大量非结构化数据的产生，这是毋庸置疑的现实，我们每个人发很多微博，我们的影视，我们的视频，很多网站的非结构性数据也是大量增长，感应器的使用也会自动产生很多的数据，这些数据有些是结构化的，有些是半结构化的。
另外，第二个方面，新技术的涌现，大量新的存储技术涌现，使得我们存储的性价比越来越低，导致我们数据成倍增加，比如我们万兆以太网的普及，虚拟化大量的使用，以及云计算的推广，使得我们的存储感觉更加复杂，过程我们在前面友商也有讲，我们在存储管理方面投入非常巨大。另一方面这些大量数据的产生，使得我们在数据分析的方面，需求在不断增加。我们从这个柱状图里面可以看到，未来数据的增长，结构化和非结构化和重复数据都会有很大幅度的增长。
这时候给我们带来一个大数据时代的数据访问挑战，第一个就是时长，刚才有一位友商形象地说我们这是婚后数据的分析，我们得到这个数据跟分析的时长会增加，从一个数据业务事件，到业务存储，到信息的发布，到我们这个点做数据分析这个时间会有加长。
第二个方面我们产生的数据飞速增加，但是可用数据却无法同比增加，这也是一个矛盾。
第三个方面数据的种类也是非常多，不同行业对这个数据种类的要求不一样。带来种种的挑战，使得我们在大数据时代，我们数据访问的挑战越来越大。
与此同时我们存储的基础设施数量也是在增长，同时变得更加的复杂，灵活性也受到影响，效率也比较低下。具体数字来看17%硬件预算用带存储基础架构上，20%到75%的存储空间，没有能够得到高效利用，最后一个方面我们可以看到，48%的年复合增个增长，就是存储需求的增长，在大数据时代这是存储对我们的挑战。
面临这些挑战，我们戴尔提出了我们是一个流动数据的解决方案，来成就我们智能数据管理，面对我们上面所说的一些大数据时代所面临的数据挑战。
从这个图里面我们可以看到，戴尔流动的数据解决方案，是我们云大数据时代最佳的结构。我们可以看到，今天我们所能给用户提供的比如虚拟化水平扩展的解决方案，可以提供虚拟化集成的存储解决方案，另外我们也同样可以提供一些基于对象的一些存储管理，我们也可以提供完整的备份解决方案，使得我们备份能够直接到我们磁盘来提高我们这个备份和恢复的效率。除此之外，我们还可以提供可扩展的统一存储的架构，来集成我们文档服务和我们集群的文档系统。同时我们还会提供通用的优化基础架构，比如说我们可以提供内容感知压缩，内容流动化等等这些特点。
当然我们还可以提供我们的跨越文档，对项目数据统一存储。还要强调一点，除了提供这样的存储的解决方案之外，我们还可以跟我们服务器的集成，提供无缝连接。我们可以在这个服务器一端，来进行源头的压缩，我们还提供基于服务器的解决方案，使得我们在源头就可以使得整个数据得到更有效的压缩，提高我们存储的效率。
所有我们存储解决方案，都是可以跟云计算方面，云环境集成是一个无缝的衔接。