不同的保险公司数据量的差异比较大，如何能够选取正确非结构化解决方案的方法？

不同的保险公司数据量的差异较大，是一个客观事实，即使是一家保险公司不同业务条线的数据也会存在不小区别。
对于非结构化解决方案的选择，个人认为还是要根据企业自身情况出发，因地制宜，并没有一种万能的方案能够彻底非结构化数据的存储问题。
各保险公司非结构化数据常见的一个情况是，DC刚筹建那会儿体量不大，单证类非结构化数据一般简单的采用传统NAS来存储，随着业务的发展，受制于NAS机头的性能限制，各业务系统对单证的存、取、备均不同程度出现效率低下的问题，系统出现瓶颈。
对于传统NAS向对象存储的切换，无非是一个长痛短痛的问题，但有一点是确定的，一切不结合业务的技术更新都是耍流氓。众所周知保险核心系统提供商就那么几家，各应用接口、核心版本几乎都是基于各司业务的定制，想一刀切不现实。因此，个人建议从传统NAS向对象存储切换过程中加入一个过渡方案，可以是分布式NAS，可以是存储资源池，亦或是其他方案，重点是平滑过渡，给业务一个缓冲时间，解决传统NAS的性能效率问题，尝试对象存储的建设……

总体而言，建设思路需要根据业务发展的需求、企业内部的人员知识储备、架构发展方向等综合来看。目前我看到比较多的企业采用的做法是资源池化，在基础架构层面尽量通过池化、标准化来构建存储资源池，来降低运维的难度和复杂度。

其实，就算是同一公司，非结构化数据也是十分复杂的，有效的数据存储、治理、共享、访问都需要在统一的架构下解决，这也是数据湖方案的重要作用，通过与后端存储架构与前端存储访问的解耦，数据湖平台对用户屏蔽了数据的复杂性。

数据量本身也是建设中的难点，但数据湖方案通过前后一致的扩展方式，以及不停机的容量、功能扩展，确保能够实现“按需购买，即扩即用”，让系统建设“只顾目前的需求”就好了！