ક્લાઉડ પર જવાની તૈયારી

હવે આપણે ક્લાઉડ અપનાવવાના બીજા દાયકામાં છીએ. 92% જેટલા વ્યવસાયો અમુક અંશે ક્લાઉડ કમ્પ્યુટિંગનો ઉપયોગ કરી રહ્યાં છે. સંગઠનો માટે ક્લાઉડ ટેક્નોલોજી અપનાવવા માટે રોગચાળો તાજેતરમાં ચાલક રહ્યો છે. વધારાના ડેટા, પ્રોજેક્ટ્સ અને એપ્લિકેશન્સને સફળતાપૂર્વક ક્લાઉડ પર ખસેડવું એ તૈયારી, આયોજન અને સમસ્યાની અપેક્ષા પર આધાર રાખે છે.  

1. તૈયારી ડેટા અને ડેટા અને સપોર્ટિંગ ઇન્ફ્રાસ્ટ્રક્ચરના માનવ વ્યવસ્થાપન વિશે છે.
2. આયોજન આવશ્યક છે. યોજનામાં ચોક્કસ મુખ્ય તત્વો હોવા જરૂરી છે.
3. સમસ્યા વ્યવસ્થાપન મુશ્કેલીના સંભવિત વિસ્તારોની આગાહી કરવાની ક્ષમતા અને જો સામનો કરવામાં આવે તો તેમને નેવિગેટ કરવાની ક્ષમતા છે.  

ક્લાઉડમાં સફળ થવા માટે વ્યવસાયે ચાર બાબતો કરવી જોઈએ, ઉપરાંત 7 ગોચા

તમારો વ્યવસાય ક્લાઉડ પર જવાનો છે. સારું, ચાલો હું ફરીથી શબ્દોમાં કહીશ કે, જો તમારો વ્યવસાય સફળ થવા જઈ રહ્યો છે, તો તે આ તરફ જશે મેઘ - આ છે, જો તે પહેલાથી ત્યાં નથી. જો તમે પહેલાથી જ ત્યાં છો, તો તમે કદાચ આ વાંચતા નથી. તમારી કંપની આગળ વિચારી રહી છે અને અમે બીજા લેખમાં ચર્ચા કરી છે તે ક્લાઉડના તમામ લાભોનો લાભ લેવા માગે છે. 2020 સુધીમાં, 92% વ્યવસાયો અમુક અંશે ક્લાઉડનો ઉપયોગ કરી રહ્યાં છે અને તમામ કોર્પોરેટ ડેટામાંથી 50% પહેલેથી જ ક્લાઉડમાં છે.

કોવિડ ક્લાઉડ પર સિલ્વર અસ્તર: રોગચાળાએ વ્યવસાયને દૂરસ્થ કર્મચારીઓના નવા દાખલાને ટેકો આપવા માટે ક્લાઉડ ક્ષમતાઓને વધુ નજીકથી જોવાની ફરજ પાડી છે. ક્લાઉડ બંને મોટા ડેટાનો સંદર્ભ આપે છે સ્ટોરેજ અને એપ્લીકેશન જે તે ડેટા પર પ્રક્રિયા કરે છે.  ક્લાઉડ પર જવા માટેનું એક મુખ્ય કારણ લવચીક બનીને અને ડેટાના બોટલોડમાંથી નવી આંતરદૃષ્ટિ મેળવીને સ્પર્ધાત્મક લાભ મેળવવો છે.   

વિશ્લેષક પેઢી ગાર્ટનર નિયમિતપણે એક અહેવાલ પ્રકાશિત કરે છે જે "ટેક્નોલોજીઓ અને વલણોની ચર્ચા કરે છે જે આગામી પાંચથી 10 વર્ષોમાં ઉચ્ચ ડિગ્રી સ્પર્ધાત્મક લાભ આપવાનું વચન દર્શાવે છે." દસ વર્ષ પહેલા, ગાર્ટનરની 2012 હાઇપ સાયકલ ક્લાઉડ કોમ્પ્યુટીંગ માટે ક્લાઉડ કોમ્પ્યુટીંગ અને પબ્લિક ક્લાઉડ સ્ટોરેજને "નિરાશાના ચાટ" માં "ફૂલાયેલી અપેક્ષાઓના શિખર"થી આગળ મૂકવામાં આવે છે. આગળ, બિગ ડેટા ફક્ત "ફૂલાયેલી અપેક્ષાઓની ટોચ" માં પ્રવેશી રહ્યો હતો. ત્રણેય 3 થી 5 વર્ષમાં અપેક્ષિત ઉચ્ચપ્રદેશ સાથે. સોફ્ટવેર એઝ એ ​​સર્વિસ (સાસ) ગાર્ટનર દ્વારા 2 થી 5 વર્ષના અપેક્ષિત પ્લેટુ સાથે "સ્લોપ ઓફ એનલાઈટનમેન્ટ" તબક્કામાં મૂકવામાં આવ્યું હતું.

2018 માં, છ વર્ષ પછી, "ક્લાઉડ કમ્પ્યુટિંગ" અને "પબ્લિક ક્લાઉડ સ્ટોરેજ" 2 વર્ષથી ઓછા સમયના અંદાજિત પ્લેટુ સાથે "સ્લોપ ઓફ એનલાઈટનમેન્ટ" તબક્કામાં હતા. "સેવા તરીકે સોફ્ટવેર" ઉચ્ચ સ્તરે પહોંચી ગયું હતું.  મુદ્દો એ છે કે આ સમયગાળામાં જાહેર વાદળને નોંધપાત્ર રીતે અપનાવવામાં આવ્યું હતું.  

આજે, 2022 માં, ક્લાઉડ કમ્પ્યુટિંગ હવે અપનાવવાના બીજા દાયકામાં છે અને હવે નવી એપ્લિકેશનો માટે ડિફોલ્ટ તકનીક છે.  As ગાર્ટનર તેને મૂકે છે, "જો તે વાદળ નથી, તો તે વારસો છે." ગાર્ટનર આગળ કહે છે કે સંસ્થા પર ક્લાઉડ કમ્પ્યુટિંગની અસર પરિવર્તનશીલ છે. તો પછી સંસ્થાઓએ આ પરિવર્તન માટે કેવી રીતે સંપર્ક કરવો જોઈએ?

આ ચાર્ટ વધુ વિગતવાર વર્ણન કરે છે કે તેનો અર્થ શું છે કે ટેક્નોલોજી ચોક્કસ તબક્કામાં છે. 

સંસ્થાઓએ સંગઠનાત્મક પરિવર્તન માટે કેવી રીતે સંપર્ક કરવો જોઈએ?

ક્લાઉડને અપનાવવાની તેમની પ્રક્રિયામાં, સંસ્થાઓએ નિર્ણયો લેવા, નવી નીતિઓ સ્થાપિત કરવી, નવી પ્રક્રિયાઓ બનાવવી અને ચોક્કસ પડકારોનો સામનો કરવો પડ્યો. તમારું ઘર વ્યવસ્થિત છે તેની ખાતરી કરવા માટે તમારે જે ચોક્કસ વિસ્તારોની જરૂર પડશે તેની અહીં યાદી છે: 

1. તાલીમ, ફરીથી તાલીમ અથવા નવી ભૂમિકાઓ.  ડેટા સ્ટોરેજ માટે સાર્વજનિક ક્લાઉડને અપનાવવા અથવા એપ્લિકેશનનો લાભ લેવા માટે, તમે ઈન્ફ્રાસ્ટ્રક્ચરના સમર્થન અને જાળવણીનું આઉટસોર્સ કર્યું છે. વિક્રેતાને મેનેજ કરવા અને ડેટાને ઍક્સેસ કરવા માટે તમારે હજુ પણ ઇનહાઉસ કુશળતાની જરૂર છે. વધુમાં, તમારે જ્ઞાનાત્મક વિશ્લેષણ અને ડેટા વિજ્ઞાન માટે તમારી પાસે ઉપલબ્ધ નવા સાધનોનો લાભ કેવી રીતે મેળવવો તે જાણવાની જરૂર છે.     
2. ડેટા.  તે બધા ડેટા વિશે છે. ડેટા એ નવું ચલણ છે. અમે બિગ ડેટા- ડેટા વિશે વાત કરી રહ્યા છીએ જે ઓછામાં ઓછા કેટલાકને પૂર્ણ કરે છે વ્યાખ્યાના વી. ક્લાઉડ પર જતી વખતે, તમારો ઓછામાં ઓછો કેટલોક ડેટા ક્લાઉડમાં હશે. જો તમે "ઓલ-ઇન" છો, તો તમારો ડેટા ક્લાઉડમાં સંગ્રહિત થશે અને ક્લાઉડમાં પ્રક્રિયા કરવામાં આવશે.

A. ડેટાની ઉપલબ્ધતા. શું તમારી હાલની ઓન-પ્રેમ એપ્લિકેશનો ક્લાઉડમાં ડેટા એક્સેસ કરી શકે છે? શું તમારો ડેટા પ્રોસેસિંગ માટે હોવો જરૂરી છે? શું તમારે તમારા ડેટાને ક્લાઉડ પર ખસેડવા માટે તમારા ક્લાઉડ સ્થળાંતર પ્રોજેક્ટમાં બજેટ સમયની જરૂર છે? તે કેટલો સમય લેશે? શું તમારે તમારા વ્યવહારિક ડેટાને ક્લાઉડ પર મેળવવા માટે નવી પ્રક્રિયાઓ વિકસાવવાની જરૂર છે? જો તમે AI અથવા મશીન લર્નિંગ કરવાનો ઇરાદો ધરાવો છો, તો ચોક્કસતા અને ચોકસાઇના ઇચ્છિત સ્તરને પહોંચી વળવા માટે પૂરતો તાલીમ ડેટા હોવો આવશ્યક છે.

B. ડેટાની ઉપયોગિતા. શું તમારો ડેટા એવા ફોર્મેટમાં છે કે જેનો ઉપયોગ લોકો અને સાધનો દ્વારા કરી શકાય જે ડેટાને ઍક્સેસ કરશે? શું તમે તમારા ડેટા વેરહાઉસ પર "લિફ્ટ-એન્ડ-શિફ્ટ" કરી શકો છો? અથવા, તે પ્રદર્શન માટે ઑપ્ટિમાઇઝ કરી શકાય છે? 

C. ડેટાની ગુણવત્તા. ડેટાની ગુણવત્તા કે જેના પર તમારા નિર્ણયો આધાર રાખે છે તે તમારા નિર્ણયોની ગુણવત્તાને અસર કરી શકે છે. ગવર્નન્સ, ડેટા સ્ટુઅર્ડ્સ, ડેટા મેનેજમેન્ટ, કદાચ ડેટા ક્યુરેટર ક્લાઉડમાં જ્ઞાનાત્મક વિશ્લેષણને અપનાવવામાં નોંધપાત્ર ભૂમિકા ભજવી શકે છે. તમારા ડેટાની ગુણવત્તાનું મૂલ્યાંકન કરવા માટે તમે ડેટાને ક્લાઉડ પર સ્થાનાંતરિત કરો તે પહેલાં સમય કાઢો. તમને જરૂર ન હોય એવો ડેટા તમે સ્થાનાંતરિત કર્યો છે તે શોધવા કરતાં વધુ નિરાશાજનક કંઈ નથી.

D. મોટા ડેટામાં પરિવર્તનશીલતા અને અનિશ્ચિતતા. ડેટા અસંગત અથવા અપૂર્ણ હોઈ શકે છે. તમારા ડેટાનું મૂલ્યાંકન કરવામાં અને તમે તેનો ઉપયોગ કેવી રીતે કરવા માંગો છો, શું ત્યાં કોઈ અંતર છે? ડેટા પર એન્ટરપ્રાઇઝ-વ્યાપી ધોરણો સંબંધિત જાણીતી સમસ્યાઓને ઠીક કરવાનો હવે સમય છે. સમયના પરિમાણો, ભૂગોળ પદાનુક્રમ જેવી સરળ બાબતો પર સમગ્ર રિપોર્ટિંગ કેન્દ્રો પર માનકીકરણ કરો. સત્યના તે એકમાત્ર સ્ત્રોતને ઓળખો.   

E. મોટા ડેટામાં જ અંતર્ગત મર્યાદાઓ. સંભવિત પરિણામોની મોટી સંખ્યાને મહત્વ માટે પરિણામોનું મૂલ્યાંકન કરવા માટે ડોમેન નિષ્ણાતની જરૂર પડી શકે છે. બીજા શબ્દોમાં કહીએ તો, જો તમારી ક્વેરી ઘણા બધા રેકોર્ડ્સ આપે છે, તો તમે માનવ તરીકે કેવી રીતે પ્રક્રિયા કરશો? તેને વધુ ફિલ્ટર કરવા અને રેકોર્ડ્સની સંખ્યા ઘટાડવા માટે, જેથી તે સામાન્ય બિન-સુપર માનવી દ્વારા ઉપયોગમાં લઈ શકાય, તમારે ડેટા પાછળના વ્યવસાયને જાણવાની જરૂર પડશે.

     3. આઇટીના પાયા/ઇન્ફ્રાસ્ટ્રક્ચરને ટેકો આપવો. બધા ફરતા ભાગોને ધ્યાનમાં લો. સંભવ છે કે તમારો તમામ ડેટા ક્લાઉડમાં નહીં હોય. કેટલાક વાદળમાં હોઈ શકે છે. કેટલાક ઓન-પ્રિમાઈસ. હજુ પણ અન્ય ડેટા હોઈ શકે છે અન્ય વિક્રેતાનો વાદળ. શું તમારી પાસે ડેટા ફ્લો ડાયાગ્રામ છે? શું તમે ભૌતિક હાર્ડવેરના સંચાલનમાંથી ભૌતિક હાર્ડવેરનું સંચાલન કરતા વિક્રેતાઓને સંચાલિત કરવા માટે તૈયાર છો? શું તમે વાદળ પર્યાવરણની મર્યાદાઓને સમજો છો? શું તમે અનસ્ટ્રક્ચર્ડ ડેટા તેમજ કી પ્લેટફોર્મ-સક્ષમ ટેક્નોલોજીઓને સપોર્ટ કરવાની ક્ષમતા માટે જવાબદાર છો. શું તમે હજી પણ એ જ SDK, API, ડેટા યુટિલિટીઝનો ઉપયોગ કરી શકશો જેનો તમે ઓન-પ્રિમિસીસમાં ઉપયોગ કરી રહ્યાં છો? તેમને કદાચ ફરીથી લખવાની જરૂર પડશે. ટ્રાન્ઝેક્શનલ સિસ્ટમ્સમાંથી ડેટા વેરહાઉસ લોડ કરવા માટે તમારા વર્તમાન ETL વિશે શું? ETL સ્ક્રિપ્ટને ફરીથી લખવાની જરૂર પડશે.

     4. રિફાઇનિંગ ભૂમિકાઓ. વપરાશકર્તાઓને નવી એપ્લિકેશનો અને ક્લાઉડમાં ડેટા કેવી રીતે ઍક્સેસ કરવો તે અંગે ફરીથી તાલીમ આપવાની જરૂર પડી શકે છે. ઘણીવાર ડેસ્કટૉપ અથવા નેટવર્ક ઍપ્લિકેશનમાં ક્લાઉડને સમર્પિત નામના સમાન અથવા સમાન નામ હોઈ શકે છે. જો કે, તે અલગ રીતે કાર્ય કરી શકે છે, અથવા તેની પાસે અલગ સુવિધા સેટ પણ હોઈ શકે છે.  

જો તમારી સંસ્થા ક્લાઉડ પર જવા અને એનાલિટિક્સનો મહત્તમ ઉપયોગ કરવા માટે ગંભીર છે, તો એવી કોઈ ચર્ચા નથી કે આ પગલું નોંધપાત્ર વ્યવસાય અને આર્થિક મૂલ્ય પ્રદાન કરી શકે છે. વ્યવહારિક રીતે કહીએ તો, અહીંથી ત્યાં જવા માટે, તમારે આની જરૂર પડશે: 

1. ચાર્ટર સ્થાપિત કરો.  

A. શું તમે તમારા પ્રોજેક્ટનો અવકાશ વ્યાખ્યાયિત કર્યો છે?  

B. શું તમારી પાસે એક્ઝિક્યુટિવ સ્પોન્સરશિપ છે?

C. પ્રોજેક્ટમાં કોને – કઈ ભૂમિકાઓ – સામેલ કરવી જોઈએ? મુખ્ય આર્કિટેક્ટ કોણ છે? ક્લાઉડ વેન્ડર પર આધાર રાખવા માટે તમારે કઈ કુશળતાની જરૂર છે?

D. અંતિમ ધ્યેય શું છે? માર્ગ દ્વારા, ધ્યેય "વાદળ તરફ આગળ વધવું" નથી. તમે કઈ સમસ્યા(ઓ)ને હલ કરવાનો પ્રયાસ કરી રહ્યાં છો?

E. તમારા સફળતાના માપદંડોને વ્યાખ્યાયિત કરો. તમે કેવી રીતે જાણશો કે તમે સફળ છો?

2. શોધો. શરૂઆતમાં શરૂ કરો. ઇન્વેન્ટરી લો. તમારી પાસે શું છે તે શોધો. સવાલોનાં જવાબ આપો:

A. અમારી પાસે કયો ડેટા છે?

B. ડેટા ક્યાં છે?

C. કઈ વ્યવસાયિક પ્રક્રિયાઓને સમર્થન આપવાની જરૂર છે? તે પ્રક્રિયાઓને કયા ડેટાની જરૂર છે?

D. ડેટાની હેરફેર કરવા માટે આપણે હાલમાં કયા સાધનો અને એપ્લિકેશનોનો ઉપયોગ કરીએ છીએ?

E. ડેટાનું કદ અને જટિલતા શું છે?

એફ. આપણી પાસે શું હશે? અમારા વિક્રેતા તરફથી ક્લાઉડમાં કઈ એપ્લિકેશન ઉપલબ્ધ છે?

જી. આપણે ડેટા સાથે કેવી રીતે કનેક્ટ થઈશું? ક્લાઉડમાં કયા બંદરો ખુલ્લા રાખવાની જરૂર પડશે?

H. શું એવા કોઈ નિયમો અથવા આવશ્યકતાઓ છે જે ગોપનીયતા અથવા સુરક્ષા જરૂરિયાતો નક્કી કરે છે? શું ગ્રાહકો સાથે એવા SLA છે કે જેને જાળવી રાખવાની જરૂર છે?  

I. શું તમે જાણો છો કે ક્લાઉડના ઉપયોગ માટે ખર્ચની ગણતરી કેવી રીતે કરવામાં આવશે?

3. આકારણી અને મૂલ્યાંકન. 

A. અમે કયો ડેટા ખસેડવા માગીએ છીએ?

B. ખર્ચનું મૂલ્યાંકન કરો. હવે જ્યારે તમે ડેટાનો અવકાશ અને વોલ્યુમ જાણો છો, તો તમે બજેટને વ્યાખ્યાયિત કરવા માટે વધુ સારી સ્થિતિમાં છો.

C. તમારી પાસે હાલમાં શું છે અને તમે જેની અપેક્ષા રાખો છો તેની અપેક્ષાઓ વચ્ચેના અંતરને વ્યાખ્યાયિત કરો. આપણે શું ખૂટે છે?

D. તમે સિદ્ધાંતમાં શું ચૂકી ગયા છો તે ઉજાગર કરવા માટે પરીક્ષણ સ્થળાંતરનો સમાવેશ કરો.

E. આ તબક્કામાં તેમજ અંતિમ તબક્કામાં વપરાશકર્તા સ્વીકૃતિ પરીક્ષણનો સમાવેશ કરો.

F. તમે કયા પડકારોની અપેક્ષા રાખી શકો છો જેથી કરીને તમે આગલા તબક્કામાં આકસ્મિક સ્થિતિ ઊભી કરી શકો?

જી. કયા જોખમો ઓળખવામાં આવ્યા છે?

4. યોજના. એ સ્થાપિત કરો road નકશો. 

A. પ્રાથમિકતાઓ શું છે? પહેલા શું આવે છે? ક્રમ શું છે?

B. તમે શું બાકાત કરી શકો? તમે અવકાશ કેવી રીતે ઘટાડી શકો?

C. શું સમાંતર પ્રક્રિયા માટે સમય હશે?

D. અભિગમ શું છે? આંશિક / તબક્કાવાર અભિગમ?

E. શું તમે સુરક્ષા અભિગમ વ્યાખ્યાયિત કર્યો છે?

F. શું તમે ડેટા બેકઅપ અને ડિઝાસ્ટર રિકવરી પ્લાન વ્યાખ્યાયિત કર્યા છે?

G. સંચાર યોજના શું છે - પ્રોજેક્ટ માટે આંતરિક, હિતધારકો માટે, અંતિમ વપરાશકર્તાઓ માટે?

5. બિલ્ડ. સ્થળાંતર. ટેસ્ટ. લોંચ કરો.

A. યોજના પર કામ કરો. નવી માહિતીના આધારે તેને ગતિશીલ રીતે સુધારો.

B. તમારી ઐતિહાસિક શક્તિઓ અને તમારા વારસાના IT ફાઉન્ડેશનની સફળતાઓ પર નિર્માણ કરો અને બિગ ડેટા અને જ્ઞાનાત્મક એનાલિટિક્સ લાભોનો લાભ લેવાનું શરૂ કરો.       

6. પુનરાવર્તન કરો અને રિફાઇન કરો.  

A. અત્યારે નિષ્ક્રિય બેઠેલા સર્વર્સને તમે ક્યારે નિવૃત્ત કરી શકો છો?

B. તમે કયું રિફેક્ટરિંગ શોધી કાઢ્યું છે જે કરવાની જરૂર છે?

C. ક્લાઉડમાં તમારા ડેટામાં કયા ઑપ્ટિમાઇઝેશન કરી શકાય છે?  

D. હવે તમે ક્લાઉડમાં કઈ નવી ડેટા એપ્લિકેશનનો ઉપયોગ કરી શકો છો?

E. આગલું સ્તર શું છે? AI, મશીન લર્નિંગ, એડવાન્સ એનાલિટિક્સ?

ગોટચાસ

કેટલાક સૂત્રો કહો કે 70% જેટલા ટેક્નોલોજી પ્રોજેક્ટ્સ સંપૂર્ણ અથવા આંશિક નિષ્ફળતા છે. દેખીતી રીતે, તે તમારી વ્યાખ્યા પર આધાર રાખે છે   નિષ્ફળતા. અન્ય સ્ત્રોત જાણવા મળ્યું કે 75% લોકોએ વિચાર્યું કે તેમનો પ્રોજેક્ટ શરૂઆતથી જ વિનાશકારી છે. તેનો અર્થ એવો થઈ શકે છે કે 5% તેમની સામે મતભેદ હોવા છતાં સફળ થયા. મારો અનુભવ મને કહે છે કે ટેક્નોલોજી પ્રોજેક્ટ્સનો નોંધપાત્ર અંશ છે જે કાં તો ક્યારેય જમીન પરથી ઉતરતો નથી અથવા વચન આપેલી અપેક્ષાઓને પૂર્ણપણે સાકાર કરવામાં નિષ્ફળ જાય છે. કેટલીક સામાન્ય થીમ્સ છે જે તે પ્રોજેક્ટ્સ શેર કરે છે. જેમ જેમ તમે ક્લાઉડ પર તમારા સ્થળાંતરનું આયોજન કરવાનું શરૂ કરો છો, ત્યારે અહીં જોવા માટે કેટલાક ગોટા છે. જો તમે નહીં કરો, તો તે ખરાબ કર્મ, અથવા ખરાબ ક્રેડિટ સ્કોર જેવા છે – વહેલા અથવા મોડા, તેઓ તમને ડંખ મારશે.:

1. માલિકી. મેનેજમેન્ટના દૃષ્ટિકોણથી એકલ વ્યક્તિએ પ્રોજેક્ટની માલિકી હોવી જોઈએ. તે જ સમયે, બધા સહભાગીઓએ હિસ્સેદારો તરીકે રોકાણ કર્યું હોવાનું અનુભવવું જોઈએ.
2. કિંમત. બજેટ ફાળવવામાં આવ્યું છે? શું તમે આગામી 12 મહિના માટે તીવ્રતાનો ક્રમ તેમજ ચાલુ ખર્ચનો અંદાજ જાણો છો? શું ત્યાં કોઈ સંભવિત છુપાયેલા ખર્ચ છે? શું તમે ચાલની તૈયારીમાં કોઈ વધારાના ફ્લોટસમ અને જેટસમને દૂર કર્યા છે. તમે એવા ડેટાને સ્થાનાંતરિત કરવા માંગતા નથી કે જેનો ઉપયોગ કરવામાં આવશે નહીં, અથવા તે વિશ્વસનીય નથી.       
3. નેતૃત્વ. શું પ્રોજેક્ટ સંપૂર્ણપણે મેનેજમેન્ટ દ્વારા પ્રાયોજિત છે? શું અપેક્ષાઓ અને સફળતાની વ્યાખ્યા વાસ્તવિક છે? શું ઉદ્દેશો કોર્પોરેટ દ્રષ્ટિ અને વ્યૂહરચના સાથે સંરેખિત છે?
4. યોજના સંચાલન. શું સમયરેખા, અવકાશ અને બજેટ વાસ્તવિક છે? શું ત્યાં "દળો" ટૂંકી ડિલિવરીની સમયમર્યાદા, વધારો અવકાશ અને/અથવા ઓછા ખર્ચ અથવા ઓછા લોકોની માંગણી કરે છે? શું જરૂરિયાતો પર મજબૂત પકડ છે? શું તેઓ વાસ્તવિક અને સારી રીતે વ્યાખ્યાયિત છે?
5. માનવ સંસાધન. ટેકનોલોજી સરળ ભાગ છે. તે લોકોની વસ્તુ છે જે એક પડકાર બની શકે છે. ક્લાઉડ પર સ્થાનાંતરિત થવાથી ફેરફારો થશે. લોકોને પરિવર્તન ગમતું નથી. તમારે યોગ્ય રીતે અપેક્ષાઓ સેટ કરવાની જરૂર છે. શું પહેલ માટે પૂરતો અને યોગ્ય સ્ટાફ સમર્પિત છે? અથવા, શું તમે એવા લોકો પાસેથી સમય કાઢવાનો પ્રયાસ કર્યો છે જેઓ તેમની રોજની નોકરીમાં પહેલેથી જ વ્યસ્ત છે? શું તમે સ્થિર ટીમ જાળવી શકશો? મુખ્ય કર્મચારીઓના ટર્નઓવરને કારણે ઘણા પ્રોજેક્ટ નિષ્ફળ જાય છે.  
6. જોખમો. શું જોખમોની ઓળખ અને સફળતાપૂર્વક વ્યવસ્થાપન કરવામાં આવ્યું છે?  
7. આકસ્મિક. શું તમે એવી વસ્તુઓને ઓળખવામાં સક્ષમ છો જે તમારા નિયંત્રણની બહાર છે પરંતુ જે ડિલિવરીને અસર કરી શકે છે? નેતૃત્વમાં પરિવર્તનની અસરને ધ્યાનમાં લો. વિશ્વવ્યાપી રોગચાળો સમયમર્યાદા પૂરી કરવાની અને સંસાધનો મેળવવાની તમારી ક્ષમતાને કેવી રીતે અસર કરશે?  

2022 માં ક્લાઉડ કમ્પ્યુટિંગ હાઇપ સાયકલ

તો આજે ગાર્ટનરની ઊભરતી ટેક્નોલોજી હાઇપ સાઇકલ પર ક્લાઉડ કમ્પ્યુટિંગ, પબ્લિક ક્લાઉડ સ્ટોરેજ અને સૉફ્ટવેર ક્યાં છે? તેઓ નથી. તેઓ હવે અપ-અને-આવતી તકનીકો નથી. તેઓ હવે ક્ષિતિજ પર નથી. તેઓ મુખ્ય પ્રવાહમાં છે, દત્તક લેવાની રાહ જોઈ રહ્યા છે. નીચેનામાં વૃદ્ધિ માટે જુઓ ઉભરતી તકનીકીઓ: AI-સંવર્ધિત ડિઝાઇન, જનરેટિવ AI, ભૌતિકશાસ્ત્ર-માહિતીકૃત AI અને નોન ફંગિબલ ટોકન્સ.  

આ લેખમાંના વિચારો મૂળરૂપે પ્રસ્તુત લેખ "કોગ્નિટિવ એનાલિટિક્સ: બિલ્ડીંગ ઓન યોર લેગસી આઈટી ફાઉન્ડેશન"ના નિષ્કર્ષ તરીકે રજૂ કરવામાં આવ્યા હતા. TDWI બિઝનેસ ઇન્ટેલિજન્સ જર્નલ, ભાગ 22, નંબર 4.