ღრუბელში გადასასვლელად მზადება

ჩვენ ახლა ღრუბლის მიღების მეორე ათწლეულში ვართ. ბიზნესის 92% იყენებს ღრუბლოვან გამოთვლებს გარკვეულწილად. პანდემია იყო ბოლოდროინდელი მამოძრავებელი ორგანიზაციებისთვის, რომ მიიღონ ღრუბლოვანი ტექნოლოგიები. დამატებითი მონაცემების, პროექტებისა და აპლიკაციების ღრუბელში წარმატებით გადატანა დამოკიდებულია მომზადებაზე, დაგეგმვასა და პრობლემის მოლოდინზე.  

1. მომზადება ეხება მონაცემებს და მონაცემთა ადამიანურ მართვას და დამხმარე ინფრასტრუქტურას.
2. დაგეგმვა აუცილებელია. გეგმა უნდა შეიცავდეს კონკრეტულ ძირითად ელემენტებს.
3. პრობლემის მართვა არის უბედურების პოტენციური უბნების განჭვრეტის უნარი და მათთან ნავიგაციის შესაძლებლობა, თუ შეგხვდებათ.  

ოთხი რამ, რაც ბიზნესმა უნდა გააკეთოს ღრუბელში წარმატების მისაღწევად, პლუს 7 გოჩა

თქვენი ბიზნესი ღრუბელზე გადადის. კარგი, ნება მომეცით განვმარტო, რომ თუ თქვენი ბიზნესი წარმატებული იქნება, ის გადავა ღრუბელი - ეს არის, თუ ის უკვე არ არის. თუ უკვე იქ ხარ, ალბათ ამას არ წაიკითხავდი. თქვენი კომპანია მოაზროვნეა და აპირებს ისარგებლოს ღრუბლის ყველა უპირატესობით, რომელიც განვიხილეთ სხვა სტატიაში. 2020 წლის მონაცემებით, ბიზნესების 92% იყენებს ღრუბელს გარკვეულწილად და ყველა კორპორატიული მონაცემების 50% უკვე ღრუბელშია.

ვერცხლის უგულებელყოფა COVID ღრუბელზე: პანდემიამ აიძულა ბიზნესი უფრო ყურადღებით დაეთვალიერებინა ღრუბლების შესაძლებლობები დისტანციური სამუშაო ძალის ახალი პარადიგმის მხარდასაჭერად. ღრუბელი ეხება ორივე დიდ მონაცემს შენახვა და აპლიკაციები, რომლებიც ამუშავებენ ამ მონაცემებს.  ღრუბელზე გადასვლის ერთ-ერთი მთავარი მიზეზი არის კონკურენტული უპირატესობის მოპოვება მოქნილობისა და მონაცემების დიდი რაოდენობით ახალი ინფორმაციის მოპოვებით.   

ანალიტიკოსი ფირმა Gartner რეგულარულად აქვეყნებს ანგარიშს, რომელიც განიხილავს „ტექნოლოგიებს და ტენდენციებს, რომლებიც გვპირდებიან კონკურენტული უპირატესობის მაღალი ხარისხის მიწოდებას მომდევნო ხუთიდან 10 წლის განმავლობაში“. Ათი წლის წინ, Gartner's 2012 Hype Cycle Cloud Computing-ისთვის Cloud Computing და Public Cloud Storage ჩააყენა „იმედგაცრუების ზღვარზე“ „გაბერილი მოლოდინების პიკის“ მიღმა. გარდა ამისა, დიდი მონაცემები ახლახან შედიოდა „გაბერილი მოლოდინების პიკში“. სამივეს მოსალოდნელი პლატო 3-დან 5 წლამდე. პროგრამული უზრუნველყოფა როგორც სერვისი (SaaS) განთავსდა Gartner-ის მიერ „განმანათლებლობის ფერდობის“ ფაზაში, რომლის მოსალოდნელი პლატოა 2-დან 5 წლამდე.

2018 წელს, ექვსი წლის შემდეგ, „Cloud Computing“ და „Public Cloud Storage“ იმყოფებოდნენ „განმანათლებლობის ფერდობის“ ფაზაში 2 წელზე ნაკლები დაგეგმილი პლატოთი. „პროგრამული უზრუნველყოფა, როგორც სერვისი“ მიაღწია პლატოს.  საქმე იმაშია, რომ ამ პერიოდში ადგილი ჰქონდა საჯარო ღრუბლის მნიშვნელოვანი მიღებას.  

დღეს, 2022 წელს, ღრუბლოვანი გამოთვლა უკვე მეორე ათწლეულშია დანერგვის მეორე ათწლეულის განმავლობაში და ახლა არის ნაგულისხმევი ტექნოლოგია ახალი აპლიკაციებისთვის.  As Gartner ამბობს: „თუ ღრუბელი არ არის, ეს მემკვიდრეობაა“. Gartner განაგრძობს იმას, რომ ღრუბლოვანი გამოთვლის გავლენა ორგანიზაციაზე ტრანსფორმაციულია. მაშინ როგორ უნდა მიუდგეს ორგანიზაციები ამ ტრანსფორმაციას?

ეს სქემა უფრო დეტალურად აღწერს რას ნიშნავს, რომ ტექნოლოგია კონკრეტულ ფაზაშია. 

როგორ უნდა მიუდგეს ორგანიზაციები ორგანიზაციულ ტრანსფორმაციას?

ღრუბლის მიღების პროცესში, ორგანიზაციებს მოუწიათ გადაწყვეტილებების მიღება, ახალი პოლიტიკის ჩამოყალიბება, ახალი პროცედურების შექმნა და კონკრეტული გამოწვევების მოგვარება. აქ მოცემულია კონკრეტული უბნების სია, რომლებიც უნდა გადაწყვიტოთ, რომ დარწმუნდეთ, რომ თქვენი სახლი წესრიგშია: 

1. ტრენინგი, გადამზადება ან ახალი როლები.  საჯარო ღრუბლის გამოყენებისას მონაცემთა შესანახად ან აპლიკაციების გამოყენებისას, თქვენ აუთსორსს გაუწიეთ ინფრასტრუქტურის მხარდაჭერა და შენარჩუნება. თქვენ ჯერ კიდევ გჭირდებათ შიდა ექსპერტიზა გამყიდველის სამართავად და მონაცემებზე წვდომისთვის. გარდა ამისა, თქვენ უნდა იცოდეთ როგორ გამოიყენოთ ახალი ინსტრუმენტები, რომლებიც ხელმისაწვდომია კოგნიტური ანალიტიკისა და მონაცემთა მეცნიერებისთვის.     
2. მონაცემები  ეს ყველაფერი მონაცემებზეა. მონაცემები ახალი ვალუტაა. ჩვენ ვსაუბრობთ Big Data-ზე – მონაცემებზე, რომლებიც აკმაყოფილებს ზოგიერთს მაინც განმარტების V-ები. ღრუბელში გადასვლისას, თქვენი მონაცემების ნაწილი მაინც ღრუბელში იქნება. თუ „all-in“ ხართ, თქვენი მონაცემები შეინახება ღრუბელში და დამუშავდება ღრუბელში.

A. მონაცემთა ხელმისაწვდომობა. შეუძლია თუ არა თქვენს არსებულ on-prem აპლიკაციებს ღრუბელში არსებული მონაცემების წვდომა? არის თქვენი მონაცემები იქ, სადაც უნდა იყოს დასამუშავებლად? გჭირდებათ დრო დახარჯოთ ღრუბლოვანი მიგრაციის პროექტში თქვენი მონაცემების ღრუბელში გადასატანად? რამდენი ხანი დასჭირდება ამას? გჭირდებათ ახალი პროცესების შემუშავება თქვენი ტრანზაქციის მონაცემების ღრუბელში გადასატანად? თუ თქვენ აპირებთ ხელოვნური ინტელექტის ან მანქანათმცოდნეობის განხორციელებას, უნდა იყოს საკმარისი ტრენინგის მონაცემები სიზუსტისა და სიზუსტის სასურველ დონეზე.

B. მონაცემთა გამოყენებადობა. არის თქვენი მონაცემები ისეთ ფორმატში, რომელიც შეიძლება მოიხმაროს ადამიანებს და ინსტრუმენტებს, რომლებიც წვდომას მიიღებენ მონაცემებზე? შეგიძლიათ განახორციელოთ "აწევა და გადატანა" თქვენს მონაცემთა საწყობში? ან, შეიძლება თუ არა მისი ოპტიმიზაცია შესრულებისთვის? 

C. მონაცემთა ხარისხი. მონაცემების ხარისხს, რომელსაც ეყრდნობა თქვენი გადაწყვეტილებები, შეიძლება გავლენა იქონიოს თქვენი გადაწყვეტილებების ხარისხზე. მმართველობამ, მონაცემთა ხელმძღვანელებმა, მონაცემთა მენეჯმენტმა, შესაძლოა მონაცემთა კურატორმა შეიძლება მნიშვნელოვანი როლი ითამაშოს ღრუბელში შემეცნებითი ანალიტიკის მიღებაში. დაუთმეთ დრო მონაცემების ღრუბელში გადატანას, რათა შეაფასოთ თქვენი მონაცემების ხარისხი. არაფერია იმაზე მეტი სამწუხარო, ვიდრე იმის აღმოჩენა, რომ თქვენ გადაიტანეთ მონაცემები, რომლებიც არ გჭირდებათ.

D. ცვალებადობა და გაურკვევლობა დიდ მონაცემებში. მონაცემები შეიძლება იყოს არათანმიმდევრული ან არასრული. თქვენი მონაცემების შეფასებისას და როგორ აპირებთ მათ გამოყენებას, არის ხარვეზები? ახლა დროა მოვაგვაროთ ცნობილი საკითხები, რომლებიც დაკავშირებულია საწარმოს სტანდარტებთან მონაცემთა შესახებ. სტანდარტიზება საანგარიშო ცენტრებში მარტივ საკითხებზე, როგორიცაა დროის ზომები, გეოგრაფიული იერარქია. დაადგინეთ ჭეშმარიტების ერთი წყარო.   

E. შეზღუდვები, რომლებიც თან ახლავს დიდ მონაცემებს. პოტენციური შედეგების დიდმა რაოდენობამ შეიძლება მოითხოვოს დომენის ექსპერტის შედეგების მნიშვნელოვნების შეფასება. სხვა სიტყვებით რომ ვთქვათ, თუ თქვენი შეკითხვა უამრავ ჩანაწერს აბრუნებს, როგორ დაამუშავებთ მას? მისი შემდგომი გაფილტვრისთვის და ჩანაწერების რაოდენობის შესამცირებლად, რათა ის ჩვეულებრივი არასუპერ ადამიანმა მოიხმაროს, თქვენ უნდა იცოდეთ ბიზნესი ამ მონაცემების უკან.

     3. IT-ის ფონდის/ინფრასტრუქტურის მხარდაჭერა. განვიხილოთ ყველა მოძრავი ნაწილი. სავარაუდოა, რომ თქვენი ყველა მონაცემი ღრუბელში არ იქნება. ზოგი შეიძლება ღრუბელში იყოს. ზოგიერთი შიდა შენობაში. შესაძლოა სხვა მონაცემებიც იყოს სხვა გამყიდველის ღრუბელი. გაქვთ მონაცემთა ნაკადის დიაგრამა? მზად ხართ გადახვიდეთ ფიზიკური ტექნიკის მენეჯმენტიდან მომწოდებლებზე, რომლებიც მართავენ ფიზიკურ აპარატურას? გესმით ღრუბლოვანი გარემოს შეზღუდვები? გაითვალისწინეთ არასტრუქტურირებული მონაცემების მხარდაჭერის შესაძლებლობა, ისევე როგორც ძირითადი პლატფორმის გამაძლიერებელი ტექნოლოგიები. კვლავ შეძლებთ გამოიყენოთ იგივე SDK, API, მონაცემთა უტილიტები, რომლებსაც თქვენ იყენებდით შიდა შენობაში? სავარაუდოდ, მათ გადაწერა დასჭირდებათ. რაც შეეხება თქვენს არსებულ ETL-ს, რათა ჩატვირთოთ მონაცემთა საწყობი ტრანზაქციის სისტემებიდან? ETL სკრიპტები უნდა გადაიწეროს.

     4. როლების დახვეწა. მომხმარებლებს შეიძლება დასჭირდეთ გადამზადება ახალ აპლიკაციებზე და როგორ მიიღონ მონაცემები ღრუბელში. ხშირად დესკტოპის ან ქსელის აპლიკაციას შეიძლება ჰქონდეს იგივე ან მსგავსი სახელი, როგორც ღრუბელისთვის მიძღვნილი. თუმცა, ის შეიძლება განსხვავებულად ფუნქციონირებდეს, ან თუნდაც ჰქონდეს განსხვავებული ფუნქციების ნაკრები.  

თუ თქვენი ორგანიზაცია სერიოზულად ცდილობს ღრუბელზე გადასვლას და ანალიტიკის მაქსიმალურ გამოყენებას, არ არსებობს კამათი იმის შესახებ, რომ ეს ნაბიჯი შეიძლება უზრუნველყოს მნიშვნელოვანი ბიზნეს და ეკონომიკური ღირებულება. პრაქტიკულად რომ ვთქვათ, აქედან მისასვლელად დაგჭირდებათ: 

1. ჩამოაყალიბეთ წესდება.  

ა. განსაზღვრეთ თქვენი პროექტის ფარგლები?  

ბ. გაქვთ აღმასრულებელი სპონსორობა?

C. ვინ - რა როლები - უნდა იყოს ჩართული პროექტში? ვინ არის მთავარი არქიტექტორი? რა ექსპერტიზა გჭირდებათ, რომ დაეყრდნოთ ღრუბლის გამყიდველს?

დ. რა არის საბოლოო მიზანი? სხვათა შორის, მიზანი არ არის "ღრუბელზე გადასვლა". რა პრობლემის გადაჭრას ცდილობთ?

E. განსაზღვრეთ თქვენი წარმატების კრიტერიუმები. როგორ გაიგებთ, რომ წარმატებული ხართ?

2. აღმოაჩინეთ. დაიწყეთ თავიდან. აიღეთ ინვენტარი. გაარკვიე რა გაქვს. Უპასუხე კითხვებს:

ა რა მონაცემები გვაქვს?

ბ. სად არის მონაცემები?

C. რა ბიზნეს პროცესებს სჭირდება მხარდაჭერა? რა მონაცემები სჭირდება ამ პროცესებს?

D. რა ინსტრუმენტებსა და აპლიკაციებს ვიყენებთ ამჟამად მონაცემების მანიპულირებისთვის?

E. რა არის მონაცემთა ზომა და სირთულე?

F. რა გვექნება? რა აპლიკაციებია ხელმისაწვდომი ღრუბელში ჩვენი გამყიდველისგან?

G. როგორ დავუკავშირდებით მონაცემებს? რა პორტები უნდა იყოს ღია ღრუბელში?

H. არსებობს რაიმე რეგულაციები ან მოთხოვნები, რომლებიც კარნახობს კონფიდენციალურობის ან უსაფრთხოების მოთხოვნებს? არის თუ არა SLA მომხმარებლებთან, რომელთა შენარჩუნებაც საჭიროა?  

I. იცით როგორ გამოითვლება ხარჯები ღრუბლის გამოყენებისთვის?

3. შეაფასეთ და შეაფასეთ. 

ა. რა მონაცემების გადატანას ვაპირებთ?

B. შეაფასეთ ხარჯები. ახლა, როდესაც იცით მონაცემთა ფარგლები და მოცულობა, უკეთეს მდგომარეობაში ხართ ბიუჯეტის განსაზღვრისთვის.

გ. განსაზღვრეთ ხარვეზები, რომლებიც არსებობს იმ მოლოდინებს შორის, რასაც ახლა გაქვთ და იმის მოლოდინებს შორის, რასაც ელით. რა გვაკლია?

D. ჩართეთ სატესტო მიგრაცია, რათა გამოაშკარავოთ ის, რაც გამოგრჩეთ თეორიულად.

E. ჩართეთ მომხმარებლის მიღების ტესტირება როგორც ამ ფაზაში, ასევე ფინალურ ფაზაში.

F. რა გამოწვევების მოლოდინი შეგიძლიათ, რათა შეგეძლოთ გაუთვალისწინებელი სიტუაციები შემდეგ ფაზაში?

G. რა რისკები იქნა გამოვლენილი?

4. გეგმა. დააწესეთ ა road რუკა 

ა. რა არის პრიორიტეტები? რა მოდის პირველ რიგში? რა არის თანმიმდევრობა?

ბ.რას გამორიცხავთ? როგორ შეგიძლიათ შეამციროთ ფარგლები?

გ. იქნება თუ არა პარალელური დამუშავების დრო?

დ. როგორია მიდგომა? ნაწილობრივი / ეტაპობრივი მიდგომა?

E. განსაზღვრული გაქვთ უსაფრთხოების მიდგომა?

F. გაქვთ განსაზღვრული მონაცემთა სარეზერვო და კატასტროფის აღდგენის გეგმები?

G. რა არის კომუნიკაციის გეგმა – შიდა პროექტისთვის, დაინტერესებული მხარეებისთვის, საბოლოო მომხმარებლებისთვის?

5. აშენება. მიგრაცია. ტესტი. გაშვება.

ა. გეგმის მუშაობა. გადახედეთ მას დინამიურად ახალი ინფორმაციის საფუძველზე.

B. დაეყრდენით თქვენს ისტორიულ სიძლიერესა და წარმატებებს თქვენი მემკვიდრეობითი IT ფონდი და დაიწყეთ დიდი მონაცემებისა და შემეცნებითი ანალიტიკის უპირატესობების გამოყენება.       

6. გამეორება და დახვეწა.  

A. როდის შეგიძლიათ გადააყენოთ სერვერები, რომლებიც ახლა უმოქმედოდ არიან?

ბ. რა რეფაქტორირება აღმოაჩინეთ, რაც უნდა გაკეთდეს?

C. რა ოპტიმიზაცია შეიძლება გაკეთდეს თქვენს მონაცემებზე ღრუბელში?  

D. რა ახალი მონაცემთა აპლიკაციების გამოყენება შეგიძლიათ ახლა ღრუბელში?

E. რა არის შემდეგი დონე? AI, მანქანათმცოდნეობა, მოწინავე ანალიტიკა?

გოჩასები

ზოგიერთი წყაროები ამბობენ, რომ ტექნოლოგიური პროექტების 70% არის სრული ან ნაწილობრივი ჩავარდნა. როგორც ჩანს, ეს დამოკიდებულია თქვენს განმარტებაზე   წარუმატებლობა. სხვა წყარო აღმოაჩინა, რომ 75% ფიქრობდა, რომ მათი პროექტი თავიდანვე განწირული იყო. ეს შეიძლება ნიშნავდეს, რომ 5%-მა მიაღწია წარმატებას, მიუხედავად იმისა, რომ მათ წინააღმდეგი იყო. ჩემი გამოცდილება მეუბნება, რომ არსებობს ტექნოლოგიური პროექტების მნიშვნელოვანი ნაწილი, რომელიც ან არასდროს დგება, ან ვერ ახორციელებს დაპირებულ მოლოდინებს. არსებობს რამდენიმე საერთო თემა, რომელსაც ეს პროექტები იზიარებენ. როდესაც იწყებთ ღრუბელში თქვენი მიგრაციის დაგეგმვას, აქ არის რამდენიმე ჭურჭელი, რომელსაც ყურადღება უნდა მიაქციოთ. თუ არა, ისინი ჰგვანან ცუდ კარმას, ან ცუდი საკრედიტო ქულას - ადრე თუ გვიან, ისინი კბენენ თქვენს უკანალში.:

1. საკუთრების. ერთი ადამიანი უნდა ფლობდეს პროექტს მენეჯმენტის თვალსაზრისით. ამავდროულად, ყველა მონაწილემ უნდა იგრძნოს ინვესტიცია, როგორც დაინტერესებული მხარე.
2. ღირებულება. ბიუჯეტი გამოყოფილია? იცით თუ არა სიდიდის თანმიმდევრობა მომდევნო 12 თვისთვის და ასევე მიმდინარე ხარჯების შეფასება? არსებობს რაიმე შესაძლო ფარული ხარჯები? გადაადგილებისთვის მოსამზადებლად ხომ არ ჩამოაგდეთ ზედმეტი ფლოცამი და ჯეტსამი. თქვენ არ გსურთ გადაიტანოთ მონაცემები, რომლებიც არ იქნება გამოყენებული ან არ არის სანდო.       
3. ლიდერობა. არის თუ არა პროექტი სრულად დაფინანსებული მენეჯმენტის მიერ? არის თუ არა მოლოდინი და წარმატების განსაზღვრება რეალური? შეესაბამება თუ არა მიზნები კორპორატიულ ხედვასა და სტრატეგიას?
4. პროექტის მენეჯმენტი. არის თუ არა რეალისტური ვადები, მოცულობა და ბიუჯეტი? არსებობენ თუ არა „ძალები“, რომლებიც ითხოვენ მიწოდების მოკლე ვადებს, გაზრდილ ფარგლებს და/ან დაბალ ხარჯებს ან ნაკლებ ადამიანს? არის თუ არა მყარად გააზრებული მოთხოვნები? არიან ისინი რეალისტური და კარგად განსაზღვრული?
5. ადამიანური რესურსების. ტექნოლოგია მარტივი ნაწილია. ეს არის ხალხი, რაც შეიძლება იყოს გამოწვევა. ღრუბელში მიგრაცია ცვლილებებს მოიტანს. ადამიანებს არ უყვართ ცვლილება. მოლოდინები სათანადოდ უნდა ჩამოაყალიბოთ. იყო თუ არა საკმარისი და შესაბამისი პერსონალი ინიციატივისთვის? ან, გიცდიათ თუ არა დროის გამოყოფა იმ ადამიანებისგან, რომლებიც უკვე ზედმეტად არიან დაკავებული თავიანთი ყოველდღიური საქმით? შეგიძლია სტაბილური გუნდის შენარჩუნება? ბევრი პროექტი მარცხდება ძირითადი პერსონალის ბრუნვის გამო.  
6. რისკები. იყო თუ არა რისკების იდენტიფიცირება და წარმატებით მართვა?  
7. პირობითი. შეძელით თუ არა იმის დადგენა, რაც თქვენს კონტროლს არ ექვემდებარება, მაგრამ რამაც შეიძლება გავლენა მოახდინოს მიწოდებაზე? განვიხილოთ ლიდერობის ცვლილების ეფექტი. როგორ იმოქმედებს მსოფლიო პანდემია თქვენს უნარზე, დააკმაყოფილოთ ვადები და მიიღოთ რესურსები?  

Cloud Computing Hype Cycle 2022 წელს

მაშ, სად არის დღეს Cloud Computing, Public Cloud Storage და პროგრამული უზრუნველყოფა, როგორც სერვისი Gartner-ის განვითარებადი ტექნოლოგიების აჟიოტაჟის ციკლში? Ისინი არ არიან. ისინი აღარ არიან თანამედროვე ტექნოლოგიები. ისინი აღარ არიან ჰორიზონტზე. ისინი მეინსტრიმში არიან, ელოდება მიღებას. დააკვირდით ზრდას შემდეგში განვითარებადი ტექნოლოგიები: AI-გაძლიერებული დიზაინი, გენერაციული AI, ფიზიკაზე ინფორმირებული AI და არა Fungible ჟეტონები.  

ამ სტატიაში იდეები თავდაპირველად წარმოდგენილი იყო, როგორც დასკვნა სტატიის „შემეცნებითი ანალიტიკა: შენს მემკვიდრეობით IT ფონდზე დაყრდნობით“, წარმოდგენილი TDWI Business Intelligence Journal, ტომი 22, No4.