組織需要重新考慮其存儲架構，以實現數據驅動型經濟。組織如何捕獲、存儲和分析數據的方式可以決定在這種新的經濟模式中數據驅動組織的成功程度。

數據驅動的經濟不僅限于使用人工智能(AI)和深度學習(DL)做出更好的決策。盡管這些應用無疑至關重要，但其他關鍵驅動因素還包括5G的可用性，這提高了移動性并創建了新的邊緣/核心關系以及用于培訓和獲利。數據驅動型經濟的用例包括自動駕駛汽車、互聯城市、個性化醫療、定制媒體和娛樂、新的金融模式和市場，以及“一切皆服務”現象。

數據驅動的經濟要求新的存儲和數據管理架構。這些體系結構需要超越僅提供分布式容量的傳統橫向擴展存儲解決方案。數據驅動型經濟的存儲體系結構需要利用橫向擴展來分發所有數據管理服務，例如元數據存儲、數據索引和搜索以及安全性和分析處理。另外，支持數據驅動型經濟的存儲基礎設施不會位于單個位置或數據中心。它的分布式特性需要一個全局全局名稱空間，該名稱空間可以從任何地方存儲和訪問數據和應用程序。

來自傳感器和設備等來源的非結構化數據是數據驅動型經濟的基礎。與過去幾年不同，該數據是大小文件的混合。文件的數量可以達到數十億個，并且它們可能消耗數PB的容量。支持數據驅動型經濟的存儲基礎設施需要為深度學習工作負載提供圖形處理單元(GPU)計算場。這些用例需要能夠支持大量非結構化數據的存儲基礎設施。在許多情況下，組織只能捕獲一次數據，因此數據需要長期保留并需要保證數據不會更改。

對存儲基礎架構的要求組合似乎相互矛盾。例如，自動駕駛汽車超越了二級自主性，就意味著每年每輛汽車產生超過2PB的數據。這些容量要求意味著，用于數據驅動型經濟的存儲基礎設施不能只是一個全閃存陣列。閃存和硬盤驅動器之間的成本差異仍然很高。數據驅動型經濟的存儲基礎設施很有可能在其核心具有橫向擴展、高度并行、基于硬盤的存儲系統，在邊緣計算具有高速閃存。

數據驅動型經濟的存儲基礎設施看起來與高性能計算基礎架構相似，因為它需要提供高帶寬和高度并行的輸入和輸出(IO)，但還需要以經濟高效的方式存儲PB級數據。