बादल में जाने की तैयारी

अब हम क्लाउड अपनाने के दूसरे दशक में हैं। लगभग 92% व्यवसाय कुछ हद तक क्लाउड कंप्यूटिंग का उपयोग कर रहे हैं। संगठनों के लिए क्लाउड तकनीकों को अपनाने के लिए महामारी हाल ही में एक चालक रही है। अतिरिक्त डेटा, परियोजनाओं और अनुप्रयोगों को सफलतापूर्वक क्लाउड पर ले जाना तैयारी, योजना और समस्या की प्रत्याशा पर निर्भर करता है।  

1. तैयारी डेटा और डेटा के मानव प्रबंधन और सहायक बुनियादी ढांचे के बारे में है।
2. प्लानिंग जरूरी है। योजना में विशिष्ट प्रमुख तत्वों को शामिल करने की आवश्यकता है।
3. समस्या प्रबंधन मुसीबत के संभावित क्षेत्रों की भविष्यवाणी करने की क्षमता और सामना होने पर उन्हें नेविगेट करने की क्षमता है।  

क्लाउड में सफल होने के लिए व्यवसाय को चार चीजें अवश्य करनी चाहिए, साथ ही 7 गोचास

आपका व्यवसाय क्लाउड पर जाने वाला है। ठीक है, मैं फिर से कहना चाहता हूं कि, यदि आपका व्यवसाय सफल होने जा रहा है, तो वह आगे बढ़ने वाला है बादल - यह है, अगर यह पहले से नहीं है। यदि आप पहले से ही हैं, तो आप शायद इसे नहीं पढ़ रहे होंगे। आपकी कंपनी आगे की सोच रही है और क्लाउड के सभी लाभों का लाभ उठाने का इरादा रखती है जिसकी चर्चा हमने एक अन्य लेख में की थी। 2020 तक, 92% व्यवसाय कुछ हद तक क्लाउड का उपयोग कर रहे हैं और सभी कॉर्पोरेट डेटा का 50% पहले से ही क्लाउड में है।

COVID क्लाउड पर सिल्वर लाइनिंग: महामारी ने व्यापार को एक दूरस्थ कार्यबल के नए प्रतिमान का समर्थन करने के लिए क्लाउड क्षमताओं पर अधिक बारीकी से देखने के लिए मजबूर किया है। क्लाउड दोनों बड़े डेटा को संदर्भित करता है स्टोरेज और एप्लिकेशन जो उस डेटा को प्रोसेस करते हैं।  क्लाउड में जाने के मुख्य कारणों में से एक लचीला होने और डेटा के बोटलोड से नई अंतर्दृष्टि प्राप्त करके प्रतिस्पर्धात्मक लाभ प्राप्त करना है।   

विश्लेषक फर्म गार्टनर नियमित रूप से एक रिपोर्ट प्रकाशित करता है जो "प्रौद्योगिकियों और रुझानों पर चर्चा करता है जो अगले पांच से 10 वर्षों में उच्च स्तर की प्रतिस्पर्धात्मक लाभ प्रदान करने का वादा दिखाते हैं।" दस साल पहले, गार्टनर का 2012 प्रचार चक्र क्लाउड कंप्यूटिंग के लिए क्लाउड कंप्यूटिंग और सार्वजनिक क्लाउड स्टोरेज को "भ्रम की गर्त" में "फुलाए हुए उम्मीदों की चोटी" से परे रखें। इसके अलावा, बिग डेटा अभी "फुलाए हुए उम्मीदों के शिखर" में प्रवेश कर रहा था। 3 से 5 वर्षों में अपेक्षित पठार के साथ तीनों। एक सेवा के रूप में सॉफ्टवेयर (सास) को गार्टनर ने 2 से 5 वर्षों के अपेक्षित पठार के साथ "ज्ञान की ढलान" चरण में रखा था।

2018 में, छह साल बाद, "क्लाउड कंप्यूटिंग" और "पब्लिक क्लाउड स्टोरेज" 2 साल से कम के अनुमानित पठार के साथ "स्लोप ऑफ एनलाइटनमेंट" चरण में थे। "एक सेवा के रूप में सॉफ्टवेयर" पठार पर पहुंच गया था।  मुद्दा यह है कि इस अवधि में सार्वजनिक क्लाउड को महत्वपूर्ण रूप से अपनाया गया था।  

आज, 2022 में, क्लाउड कंप्यूटिंग अब गोद लेने के अपने दूसरे दशक में है और अब नए अनुप्रयोगों के लिए डिफ़ॉल्ट तकनीक है।  As गार्टनर इसे कहते हैं, "यदि यह बादल नहीं है, तो यह विरासत है।" गार्टनर आगे कहते हैं कि एक संगठन पर क्लाउड कंप्यूटिंग का प्रभाव परिवर्तनकारी है। तो फिर संगठनों को इस परिवर्तन के प्रति किस प्रकार दृष्टिकोण करना चाहिए?

यह चार्ट अधिक विस्तार से वर्णन करता है कि इसका क्या अर्थ है कि एक तकनीक एक विशेष चरण में है। 

संगठनों को संगठनात्मक परिवर्तन के लिए किस प्रकार जाना चाहिए?

क्लाउड को अपनाने की अपनी प्रक्रिया में, संगठनों को निर्णय लेने, नई नीतियां स्थापित करने, नई प्रक्रियाएं बनाने और विशिष्ट चुनौतियों का समाधान करने की आवश्यकता होती है। यहां उन विशिष्ट क्षेत्रों की सूची दी गई है जिन्हें आपको यह सुनिश्चित करने के लिए हल करना होगा कि आपका घर क्रम में है: 

1. प्रशिक्षण, पुन: प्रशिक्षण या नई भूमिकाएँ।  डेटा भंडारण के लिए सार्वजनिक क्लाउड को अपनाने या अनुप्रयोगों का लाभ उठाने में, आपने बुनियादी ढांचे के समर्थन और रखरखाव को आउटसोर्स किया है। विक्रेता को प्रबंधित करने और डेटा तक पहुंचने के लिए आपको अभी भी आंतरिक विशेषज्ञता की आवश्यकता है। इसके अलावा, आपको यह जानने की जरूरत है कि संज्ञानात्मक विश्लेषण और डेटा विज्ञान के लिए आपके पास उपलब्ध नए उपकरणों का लाभ कैसे उठाया जाए।     
2. डेटा।  यह सब डेटा के बारे में है। डेटा नई मुद्रा है। हम बिग डेटा के बारे में बात कर रहे हैं- डेटा जो कम से कम कुछ से मिलता है वी की परिभाषा. क्लाउड में जाने पर, आपका कम से कम कुछ डेटा क्लाउड में होगा। यदि आप "ऑल-इन" हैं, तो आपका डेटा क्लाउड में संग्रहीत किया जाएगा और क्लाउड में संसाधित किया जाएगा।

A. डेटा की उपलब्धता. क्या आपके मौजूदा ऑन-प्रिमाइसेस एप्लिकेशन क्लाउड में डेटा एक्सेस कर सकते हैं? क्या आपका डेटा प्रसंस्करण के लिए आवश्यक है? क्या आपको अपने डेटा को क्लाउड पर ले जाने के लिए अपने क्लाउड माइग्रेशन प्रोजेक्ट में बजट समय की आवश्यकता है? इसमें कितना समय लगेगा? क्या आपको अपने लेन-देन संबंधी डेटा को क्लाउड पर लाने के लिए नई प्रक्रियाओं को विकसित करने की आवश्यकता है? यदि आप एआई या मशीन लर्निंग करने का इरादा रखते हैं, तो सटीकता और सटीकता के वांछित स्तर को पूरा करने के लिए पर्याप्त प्रशिक्षण डेटा होना चाहिए।

B. डेटा की उपयोगिता. क्या आपका डेटा एक प्रारूप में है जिसका उपयोग लोग और उपकरण द्वारा किया जा सकता है जो डेटा तक पहुंचेंगे? क्या आप अपने डेटा वेयरहाउस पर "लिफ्ट-एंड-शिफ्ट" कर सकते हैं? या, क्या इसे प्रदर्शन के लिए अनुकूलित किया जा सकता है? 

C. डेटा की गुणवत्ता. डेटा की गुणवत्ता जिस पर आपके निर्णय निर्भर करते हैं, आपके निर्णयों की गुणवत्ता को प्रभावित कर सकती है। शासन, डेटा स्टीवर्ड, डेटा प्रबंधन, शायद एक डेटा क्यूरेटर क्लाउड में संज्ञानात्मक विश्लेषण को अपनाने में महत्वपूर्ण भूमिका निभा सकता है। अपने डेटा की गुणवत्ता का आकलन करने के लिए डेटा को क्लाउड पर माइग्रेट करने से पहले समय निकालें। यह पता लगाने से ज्यादा निराशा की कोई बात नहीं है कि आपने वह डेटा माइग्रेट किया है जिसकी आपको आवश्यकता नहीं है।

D. बड़े डेटा में परिवर्तनशीलता और अनिश्चितता. डेटा असंगत या अपूर्ण हो सकता है। अपने डेटा का मूल्यांकन करने में और आप इसका उपयोग कैसे करना चाहते हैं, क्या इसमें कमियां हैं? अब डेटा पर उद्यम-व्यापी मानकों से संबंधित ज्ञात समस्याओं को ठीक करने का समय है। समय आयाम, भूगोल पदानुक्रम जैसी साधारण चीज़ों पर सभी रिपोर्टिंग केंद्रों का मानकीकरण करें। सत्य के उस एकल स्रोत को पहचानें।   

ई. बड़े डेटा में ही निहित सीमाएं. महत्व के परिणामों का मूल्यांकन करने के लिए बड़ी संख्या में संभावित परिणामों के लिए एक डोमेन विशेषज्ञ की आवश्यकता हो सकती है। दूसरे शब्दों में, यदि आपकी क्वेरी बहुत सारे रिकॉर्ड लौटाती है, तो आप एक मानव के रूप में इसे कैसे प्रोसेस करेंगे? इसे और फ़िल्टर करने और रिकॉर्ड की संख्या को कम करने के लिए, ताकि इसे एक सामान्य गैर-सुपर मानव द्वारा उपभोग किया जा सके, आपको डेटा के पीछे के व्यवसाय को जानना होगा।

     3. आईटी की नींव/बुनियादी ढांचे का समर्थन करना. सभी चलती भागों पर विचार करें। यह संभावना है कि आपका सारा डेटा क्लाउड में नहीं होगा। कुछ बादल में हो सकते हैं। कुछ ऑन-प्रिमाइसेस। अभी भी अन्य डेटा में हो सकता है एक और विक्रेता का बादल। क्या आपके पास डेटा प्रवाह आरेख है? क्या आप भौतिक हार्डवेयर के प्रबंधन से भौतिक हार्डवेयर का प्रबंधन करने वाले विक्रेताओं को प्रबंधित करने के लिए तैयार हैं? क्या आप बादल पर्यावरण की सीमाओं को समझते हैं? क्या आपने असंरचित डेटा के साथ-साथ प्रमुख प्लेटफ़ॉर्म-सक्षम तकनीकों का समर्थन करने की क्षमता के लिए जिम्मेदार है। क्या आप अभी भी उसी SDK, API, डेटा उपयोगिताओं का उपयोग करने में सक्षम होंगे जिनका आप ऑन-प्रिमाइसेस उपयोग कर रहे हैं? उन्हें संभवतः फिर से लिखने की आवश्यकता होगी। ट्रांजेक्शनल सिस्टम से डेटा वेयरहाउस लोड करने के लिए आपके मौजूदा ईटीएल के बारे में क्या? ईटीएल लिपियों को फिर से लिखना होगा।

     4. परिष्कृत भूमिकाएं. उपयोगकर्ताओं को नए एप्लिकेशन और क्लाउड में डेटा एक्सेस करने के तरीके के बारे में फिर से प्रशिक्षित करने की आवश्यकता हो सकती है। अक्सर एक डेस्कटॉप या नेटवर्क एप्लिकेशन का वही या समान नाम हो सकता है जो क्लाउड को समर्पित है। हालाँकि, यह अलग तरह से काम कर सकता है, या यहाँ तक कि एक अलग फीचर सेट भी हो सकता है।  

यदि आपका संगठन क्लाउड में जाने और एनालिटिक्स का अधिकतम लाभ उठाने के बारे में गंभीर है, तो इसमें कोई बहस नहीं है कि यह कदम महत्वपूर्ण व्यावसायिक और आर्थिक मूल्य प्रदान कर सकता है। व्यावहारिक रूप से, यहाँ से वहाँ पहुँचने के लिए, आपको निम्न की आवश्यकता होगी: 

1. एक चार्टर स्थापित करें.  

उ. क्या आपने अपनी परियोजना के दायरे को परिभाषित किया है?  

B. क्या आपके पास कार्यकारी प्रायोजन है?

ग. कौन - कौन सी भूमिकाएँ - परियोजना में शामिल की जानी चाहिए? मुख्य वास्तुकार कौन है? क्लाउड विक्रेता पर भरोसा करने के लिए आपको किस विशेषज्ञता की आवश्यकता है?

डी. अंतिम लक्ष्य क्या है? वैसे, लक्ष्य "बादल की ओर बढ़ना" नहीं है। आप किस समस्या (समस्याओं) को हल करने का प्रयास कर रहे हैं?

ई. अपने सफलता मानदंड को परिभाषित करें। आपको कैसे पता चलेगा कि आप सफल हैं?

2. पता लगाएं। शुरुआत में शुरू करें। भंडार सूची लो। पता करें कि आपके पास क्या है। प्रश्नों के उत्तर दें:

उ. हमारे पास क्या डेटा है?

बी. डेटा कहां है?

C. किन व्यावसायिक प्रक्रियाओं का समर्थन करने की आवश्यकता है? उन प्रक्रियाओं को किस डेटा की आवश्यकता है?

D. डेटा में हेरफेर करने के लिए वर्तमान में हम किन उपकरणों और अनुप्रयोगों का उपयोग करते हैं?

ई. डेटा का आकार और जटिलता क्या है?

एफ. हमारे पास क्या होगा? हमारे विक्रेता से क्लाउड में कौन से एप्लिकेशन उपलब्ध हैं?

जी. हम डेटा से कैसे जुड़ेंगे? क्लाउड में किन पोर्ट को खोलने की आवश्यकता होगी?

एच. क्या कोई नियम या आवश्यकताएं हैं जो गोपनीयता या सुरक्षा आवश्यकताओं को निर्धारित करती हैं? क्या ग्राहकों के साथ एसएलए हैं जिन्हें बनाए रखने की आवश्यकता है?  

I. क्या आप जानते हैं कि क्लाउड उपयोग के लिए लागतों की गणना कैसे की जाएगी?

3. आकलन और मूल्यांकन. 

उ. हम किस डेटा को स्थानांतरित करने का इरादा रखते हैं?

बी लागत का आकलन करें। अब जब आप डेटा का दायरा और मात्रा जानते हैं, तो आप बजट को परिभाषित करने की बेहतर स्थिति में हैं।

ग. आपके पास वर्तमान में जो कुछ है और जो आप प्राप्त करने की अपेक्षा करते हैं उसकी अपेक्षाओं के बीच मौजूद अंतराल को परिभाषित करें। हम क्या खो रहे हैं?

D. सिद्धांत रूप में आपने जो खोया है उसे उजागर करने के लिए एक परीक्षण माइग्रेशन शामिल करें।

ई. इस चरण के साथ-साथ अंतिम चरण में भी उपयोगकर्ता स्वीकृति परीक्षण शामिल करें।

एफ. आप किन चुनौतियों का अनुमान लगा सकते हैं ताकि आप अगले चरण में आकस्मिकताओं का निर्माण कर सकें?

जी. किन जोखिमों की पहचान की गई है?

4। योजना. एक स्थापित करें road नक्शा। 

उ. प्राथमिकताएं क्या हैं? पहले क्या आता है? क्रम क्या है?

बी. आप क्या बहिष्कृत कर सकते हैं? आप दायरे को कैसे कम कर सकते हैं?

सी. क्या समानांतर प्रसंस्करण के लिए समय होगा?

डी. दृष्टिकोण क्या है? आंशिक/चरणबद्ध दृष्टिकोण?

ई. क्या आपने सुरक्षा दृष्टिकोण को परिभाषित किया है?

एफ. क्या आपने डेटा बैकअप और आपदा वसूली योजनाओं को परिभाषित किया है?

जी. संचार योजना क्या है - परियोजना के लिए आंतरिक, हितधारकों के लिए, अंतिम उपयोगकर्ताओं के लिए?

5. निर्माण। माइग्रेट करें। परीक्षा। प्रक्षेपण.

ए योजना पर काम करें। नई जानकारी के आधार पर इसे गतिशील रूप से संशोधित करें।

बी. अपनी ऐतिहासिक ताकत का निर्माण करें और अपनी विरासत आईटी नींव को सफल बनाएं और बिग डेटा और संज्ञानात्मक विश्लेषण लाभों का लाभ उठाना शुरू करें।       

6. पुनरावृति और परिष्कृत.  

उ. आप उन सर्वरों को कब सेवानिवृत्त कर सकते हैं जो अब बेकार बैठे हैं?

बी. आपने किस रिफैक्टरिंग की खोज की है जिसे करने की आवश्यकता है?

C. क्लाउड में आपके डेटा में क्या अनुकूलन किए जा सकते हैं?  

D. अब आप क्लाउड में कौन से नए डेटा एप्लिकेशन का उपयोग कर सकते हैं?

ई. अगला स्तर क्या है? एआई, मशीन लर्निंग, एडवांस्ड एनालिटिक्स?

gotchas

कुछ स्त्रोत कहते हैं कि 70% प्रौद्योगिकी परियोजनाएं पूर्ण या आंशिक रूप से विफल हैं। जाहिर है, यह आपकी परिभाषा पर निर्भर करता है   असफलता। एक और स्रोत पाया कि 75% ने सोचा कि उनकी परियोजना शुरू से ही बर्बाद हो गई थी। इसका मतलब यह हो सकता है कि 5% सफलता उनके विपरीत होने के बावजूद सफल हुई। मेरा अनुभव मुझे बताता है कि प्रौद्योगिकी परियोजनाओं का एक बड़ा हिस्सा है जो या तो कभी धरातल पर नहीं उतरता या वादा की गई अपेक्षाओं को पूरी तरह से पूरा करने में विफल रहता है। कुछ सामान्य विषय हैं जो उन परियोजनाओं को साझा करते हैं। जैसे ही आप क्लाउड पर अपने प्रवास की योजना बनाना शुरू करते हैं, यहां कुछ गोचा देखने के लिए हैं। यदि आप ऐसा नहीं करते हैं, तो वे बुरे कर्म या खराब क्रेडिट स्कोर की तरह हैं - देर-सबेर, वे आपको काटेंगे।

1. स्वामित्व. एक अकेले व्यक्ति को प्रबंधन के नजरिए से परियोजना का मालिक होना चाहिए। साथ ही, सभी प्रतिभागियों को हितधारकों के रूप में निवेशित महसूस करना चाहिए।
2. लागत. क्या बजट आवंटित किया गया है? क्या आप अगले 12 महीनों के लिए परिमाण के क्रम के साथ-साथ चल रही लागतों का अनुमान जानते हैं? क्या कोई संभावित छिपी हुई लागत है? क्या आपने इस कदम की तैयारी में किसी भी अतिरिक्त फ्लोटसम और जेट्सम को बंद कर दिया है। आप उस डेटा को माइग्रेट नहीं करना चाहते जिसका उपयोग नहीं किया जाएगा, या जिस पर भरोसा नहीं किया गया है।       
3. नेतृत्व. क्या परियोजना पूरी तरह से प्रबंधन द्वारा प्रायोजित है? क्या उम्मीदें और सफलता की परिभाषा यथार्थवादी है? क्या उद्देश्य कॉर्पोरेट दृष्टि और रणनीति के अनुरूप हैं?
4. परियोजना प्रबंधन. क्या समयसीमा, दायरा और बजट यथार्थवादी हैं? क्या कम डिलीवरी की समय सीमा, बढ़े हुए दायरे और/या कम लागत या कम लोगों की मांग करने वाली "बल" हैं? क्या आवश्यकताओं पर दृढ़ पकड़ है? क्या वे यथार्थवादी और अच्छी तरह से परिभाषित हैं?
5. मानव संसाधन. प्रौद्योगिकी आसान हिस्सा है। यह लोगों की बात है जो एक चुनौती हो सकती है। क्लाउड में माइग्रेट करने से बदलाव आएगा। लोगों को बदलाव पसंद नहीं है। आपको उम्मीदों को उचित रूप से निर्धारित करने की आवश्यकता है। क्या इस पहल के लिए पर्याप्त और उपयुक्त कर्मचारी समर्पित किए गए हैं? या, क्या आपने उन लोगों से समय निकालने की कोशिश की है जो पहले से ही अपने दिन के काम में बहुत व्यस्त हैं? क्या आप एक स्थिर टीम बनाए रखने में सक्षम हैं? प्रमुख कर्मियों में कारोबार के कारण कई परियोजनाएं विफल हो जाती हैं।  
6. जोखिम. क्या जोखिमों की पहचान की गई है और उन्हें सफलतापूर्वक प्रबंधित किया गया है?  
7. आकस्मिकता. क्या आप उन चीजों की पहचान करने में सक्षम हैं जो आपके नियंत्रण से बाहर हैं लेकिन जो वितरण को प्रभावित कर सकती हैं? नेतृत्व में बदलाव के प्रभाव पर विचार करें। एक विश्वव्यापी महामारी समय सीमा को पूरा करने और संसाधन प्राप्त करने की आपकी क्षमता को कैसे प्रभावित करेगी?  

2022 में क्लाउड कंप्यूटिंग प्रचार चक्र

तो आज गार्टनर के उभरते प्रौद्योगिकी प्रचार चक्र पर एक सेवा के रूप में क्लाउड कंप्यूटिंग, सार्वजनिक क्लाउड स्टोरेज और सॉफ्टवेयर कहां हैं? वे नहीं हैं। वे अब आने वाली प्रौद्योगिकियां नहीं हैं। वे अब क्षितिज पर नहीं हैं। वे मुख्यधारा में हैं, गोद लिए जाने की प्रतीक्षा कर रहे हैं। निम्नलिखित में वृद्धि के लिए देखें उभरती तकनीकी: एआई-संवर्धित डिजाइन, जनरेटिव एआई, भौतिकी-सूचित एआई और अपूरणीय टोकन।  

इस लेख के विचारों को मूल रूप से "संज्ञानात्मक विश्लेषिकी: बिल्डिंग ऑन योर लिगेसी आईटी फाउंडेशन" लेख के निष्कर्ष के रूप में प्रस्तुत किया गया था TDWI बिजनेस इंटेलिजेंस जर्नल, वॉल्यूम 22, नंबर 4।