對一套安防監控系統而言，數以萬計的相機接入，數據洪流源源不斷的流入后端云存儲系統中，如下幾個數據訴求是不能回避的：海量的多媒體數據內容組織及檢索
具體來講，對圖像的調度時間要求保持在1秒以內；
對編解碼以及整網傳輸延時不能超過300ms；
監控系統安裝規模再大也不能影響這個指標；
多維度的內容組織及挖掘，前端及后端智能結合，內容大數據索引化；數據保存的安全可靠性
圖像數據需要專業存儲設備存儲并用RAID甚至多節點糾刪卷進行保護；
讀寫分離體系數據存儲永遠放在第一位保證，無論錄像還是圖片；
優化的數據組織方式，更懂存儲特質的數據業務設計，最大化挖掘不同存儲介質性能；
端到端接入授權、全鏈路數據加密保障的安全保障，無論是中間網絡截獲還是存儲介質暴露，均無法直接恢復m有效數據；人工智能帶來的數據存儲挑戰
一方面，存儲對象由最早單純的原始視頻變到了視頻、圖片以及A1分析后的結構化半結構化數據。對象的改變，使得存儲系統要更多的考慮，如何更好的去適配多樣化的存儲對象?如何最高效的去存儲各類數據，并提供可靠的保護?海量小文件混合存儲的時候，如何避免傳統存儲中性能的大打折扣?
另一方面，存儲的寫讀模型也發生了大變化。原先的原始視頻存入存儲后基本不會被調閱，寫讀模型基本為10：1，但AI技術的出現徹底激活了這些數據，存入的視頻可以被高性能分析服務器提取進行人臉分析、車型分析、結構化分析，寫讀模型也變成了1：1甚至是l：N。在這樣的寫讀模型下，對存儲設備也提出了更高的要求，存儲不再是單單考慮如何存的更快存的更多，而是要考慮如何與AI業務融合，進行最優的結合。
而當AI技術對數據價值進行提煉后，提煉出來的數據價值就發生了變化。例如原始視頻可能我們只需要保留30天，但是經過結構化分析后的涉案嫌疑人圖片的重要性就不言而喻了，需要永久保存。那么當一套存儲系統中存在這樣那樣不同重要程度的數據時，完善的生命周期管理體系就顯得尤為重要了。何來區分數據的重要性，并提供有層次的保護技術變得尤為重要。
安防監控公司表示當上面的種種挑戰出現后，我們還將直面一個現實問題：在爆炸量的數據、超高的性能要求和翻倍的成本面前，我們如何去追求性能容量的最優配比，找到最低TCO的方案，實現最優解。
這一系列的變化，促使了安防數據已經演變成了一個新的數據湖，必須借助一系列的數據治理手段，才能推動數據的有效利用。
