클라우드로의 이전 준비
이제 클라우드 도입의 두 번째 92년에 접어들었습니다. XNUMX%의 기업이 어느 정도 클라우드 컴퓨팅을 사용하고 있습니다. 팬데믹은 최근 조직이 클라우드 기술을 채택하는 동인이었습니다. 추가 데이터, 프로젝트 및 애플리케이션을 클라우드로 성공적으로 이동하는 것은 준비, 계획 및 문제 예측에 달려 있습니다.
- 예비 데이터와 데이터 및 지원 인프라의 인적 관리에 관한 것입니다.
- 계획 필수적이다. 계획에는 특정 핵심 요소가 포함되어야 합니다.
- 문제 관리 잠재적인 문제 영역을 예측하는 능력과 문제가 발생할 경우 이를 탐색하는 능력입니다.
클라우드에서 비즈니스가 성공하기 위해 해야 할 7가지 및 XNUMX가지 문제
귀하의 비즈니스는 클라우드로 이전됩니다. 귀하의 비즈니스가 성공하려면 
클라우드 – 이미 존재하지 않는 경우입니다. 당신이 이미 거기에 있었다면 아마 이 글을 읽지 않았을 것입니다. 귀사는 미래 지향적인 사고를 하고 있으며 다른 기사에서 논의한 클라우드의 모든 이점을 활용할 계획입니다. 2020년 기준으로 기업의 92%가 어느 정도 클라우드를 사용하고 있으며 전체 기업 데이터의 50%가 이미 클라우드에 있습니다.
COVID 클라우드의 은빛 안감: 팬데믹으로 인해 기업은 원격 인력의 새로운 패러다임을 지원하기 위해 클라우드 기능을 더 자세히 살펴봐야 합니다. 클라우드는 두 가지 큰 데이터를 모두 의미합니다. 해당 데이터를 처리하는 스토리지 및 애플리케이션. 클라우드로 전환해야 하는 주요 이유 중 하나는 유연하게 대처하고 대량의 데이터에서 새로운 통찰력을 얻어 경쟁 우위를 확보하는 것입니다.
애널리스트 회사 가트너 "향후 10~XNUMX년 동안 높은 수준의 경쟁 우위를 제공할 가능성이 있는 기술 및 동향"에 대해 논의하는 보고서를 정기적으로 발행합니다. XNUMX년 전, Gartner의 2012년 하이프 사이클 for Cloud Computing은 클라우드 컴퓨팅과 퍼블릭 클라우드 스토리지를 "기대 부풀려진 최고점"을 넘어 "환멸의 저점"에 놓았습니다. 더구나 빅데이터는 이제 막 '기대치 부풀려진 최고점'에 접어들고 있었다. 3개 모두 5~2년 안에 정체기가 예상됩니다. Gartner는 SaaS(Software as a Service)를 5~XNUMX년의 정체기를 가진 "계몽의 기울기" 단계에 배치했습니다.
2018년 후인 2년, "클라우드 컴퓨팅"과 "공용 클라우드 스토리지"는 XNUMX년 미만의 안정기를 예상한 "계몽의 기울기" 단계에 있었습니다. "Software as a Service"는 정체기에 이르렀습니다. 요점은 이 기간에 퍼블릭 클라우드가 많이 채택되었다는 것입니다.
2022년 현재, 클라우드 컴퓨팅은 도입 XNUMX년 차에 접어들었으며 이제 새로운 애플리케이션의 기본 기술이 되었습니다. 
As 가트너 "클라우드가 아니면 레거시"라고 말합니다. Gartner는 계속해서 클라우드 컴퓨팅이 조직에 미치는 영향은 혁신적이라고 말합니다. 그렇다면 조직은 이러한 변화에 어떻게 접근해야 합니까?
이 차트는 기술이 특정 단계에 있다는 의미를 더 자세히 설명합니다.
조직은 조직 혁신에 어떻게 접근해야 합니까?
클라우드를 채택하는 과정에서 조직은 결정을 내리고, 새로운 정책을 수립하고, 새로운 절차를 만들고, 특정 문제를 해결해야 했습니다. 다음은 집이 정상인지 확인하기 위해 해결해야 하는 특정 영역의 목록입니다.
- 교육, 재교육 또는 새로운 역할. 데이터 저장을 위해 퍼블릭 클라우드를 채택하거나 애플리케이션을 활용할 때 인프라 지원 및 유지 관리를 아웃소싱했습니다. 공급업체를 관리하고 데이터에 액세스하려면 여전히 사내 전문 지식이 필요합니다. 또한 인지 분석 및 데이터 과학에 사용할 수 있는 새로운 도구를 활용하는 방법을 알아야 합니다.
- 데이터. 데이터에 관한 모든 것입니다. 데이터는 새로운 통화입니다. 우리는 빅 데이터에 대해 이야기하고 있습니다. 정의의 V. 클라우드로 이동할 때 데이터의 적어도 일부는 클라우드에 있을 것입니다. "올인"인 경우 데이터가 클라우드에 저장되고 클라우드에서 처리됩니다.
A. 데이터 가용성. 기존 온프레미스 애플리케이션이 클라우드의 데이터에 액세스할 수 있습니까? 데이터가 처리를 위해 필요한 위치에 있습니까? 데이터를 클라우드로 이동하기 위해 클라우드 마이그레이션 프로젝트에 시간을 투자해야 합니까? 얼마나 걸릴까요? 트랜잭션 데이터를 클라우드로 가져오기 위해 새로운 프로세스를 개발해야 합니까? AI 또는 머신 러닝을 수행하려는 경우 원하는 수준의 정확도와 정밀도를 충족할 수 있는 충분한 교육 데이터가 있어야 합니다.
B. 데이터의 유용성. 데이터에 액세스할 사람과 도구가 사용할 수 있는 형식입니까? 데이터 웨어하우스에서 "리프트 앤 시프트"를 수행할 수 있습니까? 아니면 성능에 최적화될 수 있습니까?
C. 데이터 품질. 의사 결정이 의존하는 데이터의 품질은 의사 결정의 품질에 영향을 미칠 수 있습니다. 거버넌스, 데이터 관리자, 데이터 관리, 아마도 데이터 큐레이터는 클라우드에서 인지 분석을 채택하는 데 중요한 역할을 할 수 있습니다. 데이터를 클라우드로 마이그레이션하기 전에 시간을 내어 데이터 품질을 평가하십시오. 필요하지 않은 데이터를 마이그레이션했다는 사실을 알게 되는 것보다 더 실망스러운 일은 없습니다.
D. 빅데이터의 변동성과 불확실성. 데이터가 일치하지 않거나 불완전할 수 있습니다. 데이터를 평가하고 데이터를 사용하려는 방식에 차이가 있습니까? 이제 데이터에 대한 전사적 표준과 관련된 알려진 문제를 해결할 때입니다. 시간 차원, 지리 계층 구조와 같은 간단한 사항에 대해 보고 센터 전반에 걸쳐 표준화합니다. 그 단일한 진실의 근원을 확인하십시오.
E. 빅데이터 자체에 내재된 한계. 많은 수의 잠재적 결과는 도메인 전문가가 결과를 중요하게 평가해야 할 수 있습니다. 즉, 쿼리가 많은 레코드를 반환하는 경우 인간으로서 어떻게 처리하시겠습니까? 그것을 더 필터링하고 레코드 수를 줄여서 슈퍼맨이 아닌 평범한 사람이 사용할 수 있도록 하려면 데이터 이면의 비즈니스를 알아야 합니다.
3. IT 기반/인프라 지원. 모든 움직이는 부분을 고려하십시오. 모든 데이터가 클라우드에 있는 것은 아닙니다. 일부는 클라우드에 있을 수 있습니다. 일부 온프레미스. 아직 다른 데이터가 있을 수 있습니다. 다른 공급업체의 클라우드. 데이터 흐름도가 있습니까? 물리적 하드웨어 관리에서 물리적 하드웨어를 관리하는 공급업체 관리로 전환할 준비가 되셨습니까? 클라우드 환경의 한계를 이해하고 계십니까? 비정형 데이터와 주요 플랫폼 구현 기술을 지원하는 기능을 고려했습니까? 온프레미스에서 사용하던 것과 동일한 SDK, API, 데이터 유틸리티를 계속 사용할 수 있습니까? 그들은 아마 다시 작성해야 할 것입니다. 트랜잭션 시스템에서 데이터 웨어하우스를 로드하기 위한 기존 ETL은 어떻습니까? ETL 스크립트를 다시 작성해야 합니다.
4. 역할 개선. 사용자는 새로운 애플리케이션과 클라우드의 데이터에 액세스하는 방법에 대해 다시 교육을 받아야 할 수 있습니다. 종종 데스크탑 또는 네트워크 애플리케이션은 클라우드 전용 애플리케이션과 동일하거나 유사한 이름을 가질 수 있습니다. 그러나 다르게 작동하거나 다른 기능 세트를 가질 수도 있습니다.
조직이 클라우드로 전환하고 분석을 최대한 활용하는 것에 대해 진지하게 생각하고 있다면 그 전환이 상당한 비즈니스 및 경제적 가치를 제공할 수 있다는 점에 대해서는 논쟁의 여지가 없습니다. 실제로 여기에서 여기로 이동하려면 다음을 수행해야 합니다.
- 헌장을 수립하다.
A. 프로젝트의 범위를 정의했습니까?
B. 경영진 후원이 있습니까?
C. 누가 어떤 역할을 프로젝트에 포함해야 합니까? 수석 건축가는 누구입니까? 클라우드 공급업체에 의존하려면 어떤 전문 지식이 필요합니까?
D. 최종 목표는 무엇입니까? 그건 그렇고, 목표는 "클라우드로의 이동"이 아닙니다. 어떤 문제를 해결하려고 합니까?
E. 성공 기준을 정의하십시오. 당신이 성공했다는 것을 어떻게 알 수 있습니까?
2. 발견. 처음부터 시작하세요. 인벤토리를 가져 가라. 당신이 무엇을 가지고 있는지 알아보십시오. 질문에 답하기:
A. 어떤 데이터가 있습니까?
B. 데이터는 어디에 있습니까?
C. 지원해야 하는 비즈니스 프로세스는 무엇입니까? 이러한 프로세스에는 어떤 데이터가 필요합니까?
D. 현재 데이터를 조작하기 위해 어떤 도구와 응용 프로그램을 사용하고 있습니까?
E. 데이터의 크기와 복잡성은 얼마입니까?
F. 우리는 무엇을 가질 것인가? 공급업체에서 클라우드에서 사용할 수 있는 애플리케이션은 무엇입니까?
G. 데이터에 어떻게 연결할 것인가? 클라우드에서 어떤 포트를 열어야 합니까?
H. 개인 정보 보호 또는 보안 요구 사항을 규정하는 규정이나 요구 사항이 있습니까? 유지해야 하는 고객과의 SLA가 있습니까?
I. 클라우드 사용 비용이 어떻게 계산되는지 알고 있습니까?
3. 평가 및 평가.
A. 이동하려는 데이터는 무엇입니까?
B. 비용을 평가합니다. 이제 데이터의 범위와 양을 알았으므로 예산을 더 잘 정의할 수 있습니다.
C. 현재 가지고 있는 것과 가질 것으로 기대하는 것 사이에 존재하는 격차를 정의하십시오. 우리는 무엇을 놓치고 있습니까?
D. 이론상 놓친 부분을 노출하기 위해 테스트 마이그레이션을 포함합니다.
E. 이 단계와 마지막 단계에 사용자 승인 테스트를 포함합니다.
F. 다음 단계로 비상 상황을 구축할 수 있도록 어떤 어려움을 예상할 수 있습니까?
G. 어떤 위험이 확인되었습니까?
4. 계획. 설립 road 지도.
A. 우선순위는 무엇입니까? 무엇이 먼저 옵니까? 순서는 무엇입니까?
B. 무엇을 제외할 수 있습니까? 어떻게 범위를 줄일 수 있습니까?
C. 병렬 처리를 위한 시간이 있습니까?
D. 접근 방식은 무엇입니까? 부분적/단계적 접근?
E. 보안 접근 방식을 정의했습니까?
F. 데이터 백업 및 재해 복구 계획을 정의했습니까?
G. 프로젝트 내부, 이해 관계자, 최종 사용자에 대한 커뮤니케이션 계획은 무엇입니까?
5. 빌드. 마이그레이션 테스트. 시작하다.
A. 계획을 실행하십시오. 새로운 정보를 기반으로 동적으로 수정합니다.
B. 과거의 강점과 성공을 기반으로 레거시 IT 기반을 구축하고 빅 데이터 및 인지 분석의 이점을 활용하십시오.
6. 반복 및 수정.
A. 현재 유휴 상태인 서버를 언제 폐기할 수 있습니까?
B. 수행해야 하는 어떤 리팩토링을 발견했습니까?
C. 클라우드에서 데이터를 최적화할 수 있는 방법은 무엇입니까?
D. 이제 클라우드에서 어떤 새로운 데이터 애플리케이션을 사용할 수 있습니까?
E. 다음 단계는 무엇입니까? AI, 머신 러닝, 고급 분석?
잡았다
일부 소스 기술 프로젝트의 70%가 전체 또는 부분 실패라고 합니다. 분명히, 그것은 당신의 정의에 달려 있습니다 
실패. 또 다른 75%는 프로젝트가 처음부터 실패했다고 생각했습니다. 그것은 5%가 반대의 확률에도 불구하고 성공했음을 의미할 수 있습니다. 내 경험에 따르면 기술 프로젝트의 상당 부분은 제대로 시작되지 않거나 약속된 기대치를 완전히 실현하지 못하는 경우가 많습니다. 이러한 프로젝트가 공유하는 몇 가지 공통 주제가 있습니다. 클라우드로의 마이그레이션 계획을 시작할 때 주의해야 할 몇 가지 문제가 있습니다. 그렇지 않으면 나쁜 업보나 나쁜 신용 점수와 같습니다. 조만간 당신의 엉덩이를 물게 될 것입니다.:
- 소유권. 한 사람이 관리 관점에서 프로젝트를 소유해야 합니다. 동시에 모든 참가자는 이해 관계자로 투자되었다고 느껴야 합니다.
- 비용. 예산이 할당되었습니까? 향후 12개월 동안의 규모와 예상 비용을 알고 계십니까? 잠재적인 숨겨진 비용이 있습니까? 이동을 준비하기 위해 여분의 표류물과 제트기를 처분했습니까? 사용하지 않거나 신뢰할 수 없는 데이터는 마이그레이션하고 싶지 않습니다.
- Leadership. 이 프로젝트는 경영진이 전적으로 후원합니까? 기대치와 성공의 정의가 현실적입니까? 목표가 기업의 비전 및 전략과 일치합니까?
- 프로젝트 관리. 일정, 범위 및 예산이 현실적입니까? 더 짧은 배송 기한, 확장된 범위 및/또는 더 낮은 비용 또는 더 적은 수의 인력을 요구하는 "힘"이 있습니까? 요구 사항에 대한 확고한 이해가 있습니까? 현실적이고 잘 정의되어 있습니까?
- 인사부. 기술은 쉬운 부분입니다. 도전할 수 있는 것은 사람입니다. 클라우드로의 마이그레이션은 변화를 가져올 것입니다. 사람들은 변화를 좋아하지 않습니다. 기대치를 적절하게 설정해야 합니다. 충분하고 적절한 직원이 이니셔티브에 전념했습니까? 아니면, 이미 하루 일과에 너무 바쁜 사람들에게서 시간을 쪼개려고 노력한 적이 있습니까? 안정적인 팀을 유지할 수 있습니까? 많은 프로젝트가 핵심 인력의 이직으로 인해 실패합니다.
- 위험. 위험이 식별되고 성공적으로 관리되었습니까?
- 우연성. 통제할 수 없지만 전달에 영향을 미칠 수 있는 사항을 식별할 수 있었습니까? 리더십 변화의 효과를 고려하십시오. 세계적 대유행은 마감일을 지키고 자원을 확보하는 능력에 어떤 영향을 미칩니까?
2022년 클라우드 컴퓨팅 하이프 사이클
그렇다면 오늘날 Gartner의 새로운 기술 과대 광고 사이클에서 클라우드 컴퓨팅, 퍼블릭 클라우드 스토리지 및 서비스로서의 소프트웨어는 어디에 있습니까? 그들은 아니야. 그들은 더 이상 떠오르는 기술이 아닙니다. 그들은 더 이상 지평선 위에 있지 않습니다. 그들은 주류이며 채택되기를 기다리고 있습니다. 다음 성장을 지켜보십시오. 신흥 기술: AI 증강 설계, 제너레이티브 AI, 물리학 정보 AI 및 대체 불가능한 토큰.
이 기사의 아이디어는 원래 "Cognitive Analytics: 귀하의 레거시 IT 기반 구축" 기사의 결론으로 제시되었습니다. TDWI 비즈니스 인텔리전스 저널, 22권 4호.
