Gatavošanās pārcelties uz mākoni

Tagad mēs esam mākoņdatošanas ieviešanas otrajā desmitgadē. Pat 92% uzņēmumu zināmā mērā izmanto mākoņdatošanu. Pandēmija nesen ir mudinājusi organizācijas pieņemt mākoņtehnoloģijas. Papildu datu, projektu un lietojumprogrammu veiksmīga pārvietošana uz mākoni ir atkarīga no sagatavošanās, plānošanas un problēmu paredzēšanas.  

1. Sagatavošana ir par datiem un cilvēku pārvaldību datu un atbalsta infrastruktūrā.
2. Plānošana ir būtiska. Plānā jāiekļauj konkrēti galvenie elementi.
3. Problēmu vadība ir spēja paredzēt iespējamās nepatikšanas vietas un spēja orientēties tajās, ja tādas rodas.  

Četras lietas, kas uzņēmumam ir jādara, lai gūtu panākumus mākonī, plus 7 gotchas

Jūsu bizness tiks pārvietots uz mākoni. Labi, ļaujiet man pārfrāzēt: ​​ja jūsu bizness būs veiksmīgs, tas pārcelsies uz mākonis – tas ir, ja tā vēl nav. Ja jūs jau esat tur, jūs, iespējams, šo nelasītu. Jūsu uzņēmums ir tālredzīgs un plāno izmantot visas mākoņa priekšrocības, par kurām mēs runājām citā rakstā. 2020. gadā 92% uzņēmumu zināmā mērā izmanto mākoni, un 50% no visiem uzņēmuma datiem jau ir mākonī.

Covid mākoņa sudrabs: pandēmija ir likusi uzņēmumiem rūpīgāk aplūkot mākoņa iespējas, lai atbalstītu jauno attālinātā darbaspēka paradigmu. Mākonis attiecas gan uz lieliem datiem krātuve un lietojumprogrammas, kas apstrādā šos datus.  Viens no galvenajiem iemesliem, lai pārietu uz mākoni, ir konkurences priekšrocību iegūšana, esot elastīgam un gūstot jaunu ieskatu no datu daudzuma.   

Analītiķu firma Gartner regulāri publicē ziņojumu, kurā aplūkotas "tehnoloģijas un tendences, kas sola nodrošināt augstu konkurences priekšrocību nākamo piecu līdz 10 gadu laikā". Pirms desmit gadiem, Gartnera 2012. gada hype cikls Mākoņdatniecībai Mākoņdatošana un Publiskā mākoņu krātuve ierindoja vilšanās slieksni tieši tālāk par "Palielināto cerību maksimumu". Turklāt lielie dati tikai iekļuva "uzpūsto cerību virsotnē". Visi trīs ar paredzamo plato pēc 3 līdz 5 gadiem. Programmatūru kā pakalpojumu (SaaS) Gartner ievietoja "Apgaismības slīpuma" fāzē ar paredzamo plato no 2 līdz 5 gadiem.

2018. gadā, sešus gadus vēlāk, “Cloud Computing” un “Public Cloud Storage” atradās “Apgaismības slīpuma” fāzē ar prognozēto plato mazāk nekā 2 gadus. “Programmatūra kā pakalpojums” bija sasniegusi plato.  Lieta ir tāda, ka šajā periodā publiskais mākonis tika plaši izmantots.  

Šodien, 2022. gadā, mākoņdatošana ir pieņemta otrajā desmitgadē, un tagad tā ir noklusējuma tehnoloģija jaunām lietojumprogrammām.  As Gartner saka: "Ja tas nav mākonis, tas ir mantojums." Gartner turpina teikt, ka mākoņdatošanas ietekme uz organizāciju ir transformējoša. Kā tad organizācijām būtu jāpieiet šai transformācijai?

Šajā diagrammā ir sīkāk aprakstīts, ko tas nozīmē, ka tehnoloģija atrodas noteiktā fāzē. 

Kā organizācijām būtu jāpieiet organizācijas pārveidei?

Mākoņa ieviešanas procesā organizācijām bija jāpieņem lēmumi, jāizveido jaunas politikas, jāizveido jaunas procedūras un jārisina specifiski izaicinājumi. Šeit ir saraksts ar konkrētām jomām, kas jums jāatrisina, lai pārliecinātos, ka jūsu māja ir kārtībā: 

1. Apmācība, pārkvalifikācija vai jaunas lomas.  Izmantojot publisko mākoni datu glabāšanai vai lietojumprogrammu izmantošanai, jūs esat nodevis infrastruktūras atbalstu un uzturēšanu ārpakalpojumu sniedzējiem. Jums joprojām ir nepieciešamas iekšējās zināšanas, lai pārvaldītu piegādātāju un piekļūtu datiem. Turklāt jums ir jāzina, kā izmantot jaunos rīkus, kas jums ir pieejami kognitīvajai analītikai un datu zinātnei.     
2. Dati.  Tas viss ir par datiem. Dati ir jaunā valūta. Mēs runājam par lielajiem datiem — datiem, kas atbilst vismaz dažiem Definīcijas V. Pārejot uz mākoni, vismaz daži jūsu dati būs mākonī. Ja esat “viss iekšā”, jūsu dati tiks glabāti mākonī un apstrādāti mākonī.

A. Datu pieejamība. Vai jūsu esošās lokālās lietojumprogrammas var piekļūt datiem mākonī? Vai jūsu dati ir tur, kur tiem ir jābūt apstrādei? Vai mākoņa migrācijas projektā ir jāierobežo laiks, lai datus pārvietotu uz mākoni? Cik ilgi tas prasīs? Vai jums ir jāizstrādā jauni procesi, lai jūsu darījumu dati nonāktu mākonī? Ja plānojat veikt AI vai mašīnmācīšanos, ir jābūt pietiekamiem apmācības datiem, lai sasniegtu vēlamo precizitātes un precizitātes līmeni.

B. Datu lietojamība. Vai jūsu dati ir formātā, ko var patērēt cilvēki un rīki, kas piekļūs datiem? Vai varat veikt “pacelšanu un pārslēgšanu” savā datu noliktavā? Vai arī to var optimizēt veiktspējai? 

C. Datu kvalitāte. To datu kvalitāte, uz kuriem balstās jūsu lēmumi, var ietekmēt jūsu lēmumu kvalitāti. Pārvaldībai, datu pārvaldniekiem, datu pārvaldībai, iespējams, datu kuratoram var būt nozīmīga loma kognitīvās analītikas ieviešanā mākonī. Veltiet laiku, pirms migrējat datus uz mākoni, lai novērtētu savu datu kvalitāti. Nav nekā satraucošāka kā atklāt, ka esat migrējis datus, kas jums nav vajadzīgi.

D. Lielo datu mainīgums un nenoteiktība. Dati var būt nekonsekventi vai nepilnīgi. Vai, novērtējot savus datus un to, kā plānojat tos izmantot, ir nepilnības? Tagad ir pienācis laiks novērst zināmās problēmas, kas saistītas ar uzņēmuma mēroga datu standartiem. Standartizējiet pārskatu sniegšanas centrus par tādām vienkāršām lietām kā laika dimensijas, ģeogrāfiskās hierarhijas. Nosakiet šo vienīgo patiesības avotu.   

E. Lielajiem datiem raksturīgie ierobežojumi. Liela skaita potenciālo rezultātu gadījumā domēna ekspertam var būt nepieciešams novērtēt rezultātu nozīmīgumu. Citiem vārdiem sakot, ja jūsu vaicājums atgriež daudz ierakstu, kā jūs kā cilvēks to apstrādāsit? Lai to vēl vairāk filtrētu un samazinātu ierakstu skaitu, lai tos varētu patērēt parasts cilvēks, kas nav supercilvēks, jums būs jāzina, kas ir aiz šiem datiem.

     3. IT dibināšanas/infrastruktūras atbalstīšana. Apsveriet visas kustīgās daļas. Visticamāk, ne visi jūsu dati būs mākonī. Daži var būt mākonī. Dažas uz vietas. Var būt arī citi dati citu pārdevēja mākonis. Vai jums ir datu plūsmas diagramma? Vai esat gatavs pāriet no fiziskās aparatūras pārvaldības uz pārdevēju pārvaldību, kas pārvalda fizisko aparatūru? Vai jūs saprotat mākoņa vides ierobežojumus? Vai esat ņēmis vērā spēju atbalstīt nestrukturētus datus, kā arī galvenās platformas iespējojošās tehnoloģijas. Vai joprojām varēsit izmantot tās pašas SDK, API un datu utilītas, ko izmantojāt lokālajās? Visticamāk, tie būs jāpārraksta. Kā ar esošo ETL, lai ielādētu datu noliktavu no transakciju sistēmām? ETL skripti būs jāpārraksta.

     4. Lomu precizēšana. Lietotāji, iespējams, būs jāpārmāca par jaunajām lietojumprogrammām un to, kā piekļūt datiem mākonī. Bieži vien darbvirsmas vai tīkla lietojumprogrammai var būt tāds pats vai līdzīgs nosaukums kā mākonim. Tomēr tas var darboties citādi vai pat tam var būt atšķirīgs funkciju kopums.  

Ja jūsu organizācija nopietni vēlas pāriet uz mākoni un maksimāli izmantot analītikas sniegtās iespējas, nav nekādu diskusiju par to, ka šī pāreja var sniegt nozīmīgu biznesa un ekonomisko vērtību. Praktiski runājot, lai tur nokļūtu, jums būs nepieciešams: 

1. Izveidot hartu.  

A. Vai esat definējis sava projekta darbības jomu?  

B. Vai jums ir izpildvaras sponsorēšana?

C. Kas – kādas lomas – jāiekļauj projektā? Kas ir galvenais arhitekts? Kādas zināšanas jums jāpaļaujas uz mākoņa pakalpojumu sniedzēju?

D. Kāds ir gala mērķis? Starp citu, mērķis nav “pārcelties uz mākoni”. Kādu(-as) problēmu(-as) jūs mēģināt atrisināt?

E. Definējiet savus veiksmes kritērijus. Kā jūs zināt, ka esat veiksmīgs?

2. Atklājiet. Sāciet no sākuma. Veikt inventarizāciju. Uzziniet, kas jums ir. Atbildi uz jautājumiem:

A. Kādi dati mums ir?

B. Kur ir dati?

C. Kādi biznesa procesi ir jāatbalsta? Kādi dati šiem procesiem ir nepieciešami?

D. Kādus rīkus un lietojumprogrammas mēs pašlaik izmantojam, lai manipulētu ar datiem?

E. Kāds ir datu apjoms un sarežģītība?

F. Kas mums būs? Kādas lietojumprogrammas ir pieejamas mākonī no mūsu piegādātāja?

G. Kā mēs izveidosim savienojumu ar datiem? Kādiem portiem mākonī būs jābūt atvērtiem?

H. Vai ir kādi noteikumi vai prasības, kas nosaka privātuma vai drošības prasības? Vai ir SLA līgumi ar klientiem, kas ir jāuztur?  

I. Vai zināt, kā tiks aprēķinātas mākoņa izmantošanas izmaksas?

3. Novērtēt un novērtēt. 

A. Kādus datus mēs plānojam pārvietot?

B. Novērtējiet izmaksas. Tagad, kad zināt datu apjomu un apjomu, varat labāk noteikt budžetu.

C. Definējiet plaisas, kas pastāv starp to, kas jums šobrīd ir, un cerībām uz to, ko jūs sagaidāt. Kas mums pietrūkst?

D. Iekļaujiet testa migrāciju, lai atklātu to, ko esat palaidis garām teorētiski.

E. Šajā, kā arī pēdējā fāzē iekļaujiet lietotāja akceptēšanas testēšanu.

F. Kādus izaicinājumus jūs varat paredzēt, lai nākamajā fāzē varētu iekļaut neparedzētus gadījumus?

G. Kādi riski ir identificēti?

4. Plāns. Izveidot a road mape. 

A. Kādas ir prioritātes? Kas ir pirmais? Kāda ir secība?

B. Ko jūs varat izslēgt? Kā jūs varat samazināt darbības jomu?

C. Vai būs laiks paralēlai apstrādei?

D. Kāda ir pieeja? Daļēja / pakāpeniska pieeja?

E. Vai esat definējis drošības pieeju?

F. Vai esat definējis datu dublēšanas un atkopšanas plānus pēc avārijas?

G. Kāds ir komunikācijas plāns – projekta iekšējais, ieinteresētajām pusēm, galalietotājiem?

5. Veidot. Migrēt. Pārbaude. Palaist.

A. Izstrādājiet plānu. Pārskatiet to dinamiski, pamatojoties uz jaunu informāciju.

B. Balstieties uz savām vēsturiskajām stiprajām pusēm un panākumiem savu mantoto IT pamatu un sāciet izmantot lielo datu un kognitīvās analīzes priekšrocības.       

6. Atkārtot un uzlabot.  

A. Kad jūs varat atsaukt serverus, kas tagad ir dīkstāvē?

B. Kādu pārstrukturēšanu esat atklājis, kas ir jāveic?

C. Kādu optimizāciju var veikt jūsu datiem mākonī?  

D. Kādas jaunas datu lietojumprogrammas tagad varat izmantot mākonī?

E. Kāds ir nākamais līmenis? AI, mašīnmācība, uzlabota analītika?

Gotchas

Dažas avoti teikt, ka pat 70% tehnoloģiju projektu ir pilnīgas vai daļējas atteices. Acīmredzot tas ir atkarīgs no jūsu definīcijas   neveiksme. Cits avots atklāja, ka 75% domāja, ka viņu projekts jau no paša sākuma ir lemts. Tas varētu nozīmēt, ka 5% guvuši panākumus, neskatoties uz izredzēm pret viņiem. Mana pieredze rāda, ka ir ievērojama daļa tehnoloģiju projektu, kas vai nu nekad netiek īstenoti, vai arī pilnībā nerealizē solītās cerības. Šiem projektiem ir dažas kopīgas tēmas. Sākot plānot migrāciju uz mākoni, šeit ir dažas problēmas, kurām jāpievērš uzmanība. Ja jūs to nedarīsit, viņi ir kā slikta karma vai slikta kredītvēsture — agri vai vēlu viņi iekodīs jums dibenā.

1. Īpašuma tiesības. No vadības viedokļa projekts ir jāpieder vienai personai. Tajā pašā laikā visiem dalībniekiem jājūtas ieguldītiem kā ieinteresētajām pusēm.
2. Izmaksas. Vai budžets ir piešķirts? Vai zināt nākamo 12 mēnešu apmēru, kā arī pašreizējo izmaksu tāmi? Vai ir iespējamas slēptās izmaksas? Vai, gatavojoties pārvietošanai, esat noņēmis lieko flotsam un strūklu. Jūs nevēlaties migrēt datus, kas netiks izmantoti vai nav uzticami.       
3. Vadība. Vai projektu pilnībā sponsorē vadība? Vai cerības un panākumu definīcija ir reālas? Vai mērķi atbilst uzņēmuma vīzijai un stratēģijai?
4. Projektu vadība. Vai termiņi, apjoms un budžets ir reāli? Vai pastāv “spēki”, kas pieprasa īsākus piegādes termiņus, lielāku apjomu un/vai zemākas izmaksas vai mazāk cilvēku? Vai ir stingra izpratne par prasībām? Vai tie ir reālistiski un precīzi definēti?
5. Cilvēkresursi. Tehnoloģija ir vieglākā daļa. Tā ir cilvēku lieta, kas var būt izaicinājums. Migrēšana uz mākoni radīs izmaiņas. Cilvēkiem nepatīk pārmaiņas. Jums ir pareizi jāizvirza cerības. Vai iniciatīvai ir veltīts pietiekams un atbilstošs personāls? Vai arī esat mēģinājis atvēlēt laiku cilvēkiem, kuri jau ir pārāk aizņemti ar savu ikdienas darbu? Vai spēj noturēt stabilu komandu? Daudzi projekti neizdodas galveno darbinieku mainības dēļ.  
6. Risks. Vai riski ir identificēti un veiksmīgi pārvaldīti?  
7. Ārkārtas situācija. Vai esat spējis identificēt lietas, kas ir ārpus jūsu kontroles, bet kas var ietekmēt piegādi? Apsveriet vadības pārmaiņu ietekmi. Kā pasaules mēroga pandēmija ietekmētu jūsu spēju ievērot termiņus un iegūt resursus?  

Mākoņdatošanas hype cikls 2022. gadā

Tātad, kur šobrīd atrodas mākoņdatošana, publiskā mākoņkrātuve un programmatūra kā pakalpojums Gartner jaunās tehnoloģiju ažiotāžas ciklā? Viņi nav. Tās vairs nav jaunākās tehnoloģijas. Tie vairs nav pie apvāršņa. Viņi ir plaši izplatīti un gaida, kad tiks pieņemti. Tālāk skatieties izaugsmi jaunās tehnoloģijas: mākslīgā intelekta paplašinātais dizains, ģeneratīvais AI, fiziski informēts AI un neatvietojami marķieri.  

Šajā rakstā ietvertās idejas sākotnēji tika prezentētas kā noslēgums rakstam “Kognitīvā analīze: balstoties uz jūsu mantoto IT pamatu”, kas tika prezentēts TDWI Business Intelligence Journal, 22. sēj., 4. nr.