云計算提供了內部替代方案難以比擬的優(yōu)勢——更靈活、更快的開發(fā)和部署新技術，以及更大的潛在成本節(jié)約。SAP公司商業(yè)智能(BI)和混合分析產品營銷總監(jiān)Steve McHugh說：“大多數成功將業(yè)務遷移到云端的組織都有明確的愿景和戰(zhàn)略，他們希望商業(yè)智能(BI)和分析在他們的智能企業(yè)中發(fā)揮作用。這對他們來說是一種創(chuàng)新，并不一定是將他們目前的業(yè)務轉移到云端，盡管一些企業(yè)對此很感興趣。”
采用實驗思維
企業(yè)需要意識到，在云中的數據分析不僅是為了節(jié)約成本，還涉及新的可能性。云計算服務公司Candid Partners公司顧問Mitch Gibbs說：“通過訪問可擴展、穩(wěn)定的基礎設施而無需維護它們的開銷，企業(yè)可以擴展到當時所需的分析水平，同時級及將實驗的啟動成本降到最低。”
他建議分析經理將資源投入到實驗過程中，以確定提供最大回報的分析方法，并對其進行投資。Gibbs建議道，“企業(yè)不要將分析視為應用程序的一次性構建。與其相反，需要設計其系統和流程，以便隨著業(yè)務需求的變化而發(fā)展。”
下一步是為云中的數據分析設定有價值的、可實現的目標，例如降低商業(yè)智能(BI)和分析成本、加快查詢速度、提高用戶并發(fā)性、提高決策支持的質量，以及自動提供數據驅動的業(yè)務流程洞察力。SiliconAngle Media公司首席分析師James Kobielus說，“如果組織不能很好地確定想要實現的目標，就不要將其商業(yè)智能/分析工具從內部平臺遷移出去。”
有許多基于SaaS的商業(yè)智能(BI)和分析工具需要考慮，它們在功能、價格、性能、地理可用性、行業(yè)和應用程序方面都有廣泛的應用。設定目標有助于創(chuàng)建提供者的候選名單，以便在遷移計劃的早期階段實現目標。Kobielus說，“在決定哪一個將是組織的遷移目標之前，對這些提供商和產品功能進行盡職調查比較評估。組織決定是否只是在移動運營報告，或者是否也在將預測建模、數據挖掘、機器學習和其他高級分析應用程序遷移到云端，這一點很重要。”
Kobielus指出，為遷移項目做準備，這可能會花費比預期更長的時間和更高的成本。如果遷移許多數據庫和大量需要為云計算從頭開始重新構建的分析集合，其項目可能會更加復雜。
在確定遷移專業(yè)知識和選擇工具時，有以下一些重要注意事項：
•組織是在遷移每個遺留的商業(yè)智能(BI)和分析應用程序，還是計劃在遷移過程中取消許多未充分利用的應用程序?
•組織是否有必要的內部專業(yè)知識和工具來進行正確地遷移，或者組織是否需要聘請顧問?
•目標云平臺的提供商是否具有專業(yè)服務和工具來幫助組織遷移?
審核現有的數據管理實踐
人工智能數據管理平臺Immuta公司云計算業(yè)務總經理Rob Lancaster說，“評估現有數據周圍的數據管理基礎設施和安全性非常重要。我們看到的一個主要問題是，數據傳統上是由本地系統進行保護的，這些系統在云中是不存在的。很多組織意識到，一旦他們將數據遷移到云端，就不能像以前那樣保護它，需要考慮不同且更靈活的策略來實現真正的數據分析，但已經太晚了。”
日志管理和安全分析公司SumoLogic公司產品營銷總監(jiān)Ben Newton表示：“我們應該注意到以往數據庫的損壞。人們常常沉迷于收集數據而不是回答問題。”
企業(yè)在將數據遷移到云端之前，需要清楚地概述一些關鍵業(yè)務問題，并確定數據以回答這些問題。更好的是，選擇一個特定的應用程序或業(yè)務領域作為開始。“不要試圖處理整個數據湖。而是從一個數據池開始。”Newton建議說。他表示，他經常遇到企業(yè)在不反映實際情況的數據集上構建業(yè)務戰(zhàn)略。為了使云計算中的數據分析取得成功，企業(yè)需要了解非結構化、結構化和半結構化數據分析的基本細節(jié)。這將使開發(fā)一種策略更容易，以滿足傳統、運行良好的商業(yè)智能(BI)工具和機器數據分析的需求。
Zendesk公司產品戰(zhàn)略副總裁Sam Boonin說：“最好從云中可能存在的數據開始，例如數字客戶旅程數據或與現有SaaS投資相關的數據。”這將有助于獲得一些快速并熟悉基于云計算的商業(yè)智能(BI)環(huán)境。然后，將云計算轉換計劃構建到整體商業(yè)智能(BI)策略中，并隨時間的推移遷移其余數據。
通常，商業(yè)智能(BI)面臨的主要挑戰(zhàn)是訪問、清理和規(guī)范化數據。云計算使這些任務更容易，因為很多數據已經存在于AWS和Microsoft Azure等公共云中。但Boonin強調，企業(yè)的“數據管道”仍然需要一致的治理和IT工作。
控制數據和成本
越來越多的人擔心云中的數據分析，尤其是通用數據保護規(guī)范(GDPR)等新法規(guī)，在遷移過程中會保護敏感信息。需要屏蔽或標記敏感數據。
數據隱私服務商BigID公司的聯合創(chuàng)始人兼首席產品官Nimrod Vax表示，“數據的物理位置也是一個問題。由于組織無法始終了解或控制云計算提供商存儲數據的位置，因此可能會無意中違反數據駐留法規(guī)。組織不僅需要知道他們的數據存儲位置，還需要知道他們存儲的數據。”他指出，那些能夠在遷移到云之前映射數據的用戶將更好地了解正在遷移的數據類型。
云計算定價可能很有吸引力，似乎是一個簡單的切入點，但其成本可能無法預測。運營數據庫管理系統提供商MarkLogic公司產品執(zhí)行副總裁Joe Pasqua表示，“很多組織都無法準確估算成本。”
對云中的商業(yè)智能(BI)和數據分析而言，成本估算尤其具有挑戰(zhàn)性。雖然運營工作負載通常由可重復的業(yè)務流程驅動，這可以使它們更具可預測性，但商業(yè)智能(BI)和分析可能受到用戶和數據科學家的推動。Pasqua說，“總有一些分析要做，而采用云計算使得消耗更多資源變得非常容易。使用能夠有效分析使用模式并控制使用情況的平臺獲得可預測的成本，這一點非常重要。”
京公網安備 11010502049343號