क्लाउडवर जाण्याची तयारी करत आहे
आम्ही आता क्लाउड दत्तक घेण्याच्या दुसऱ्या दशकात आहोत. 92% व्यवसाय काही प्रमाणात क्लाउड कंप्युटिंग वापरत आहेत. संघटनांनी क्लाउड तंत्रज्ञानाचा अवलंब करणे हा साथीचा रोग अलीकडचा चालक आहे. क्लाउडवर अतिरिक्त डेटा, प्रकल्प आणि अनुप्रयोग यशस्वीरित्या हलवणे तयारी, नियोजन आणि समस्या अपेक्षेवर अवलंबून असते.
- तयारी डेटा आणि डेटाचे मानवी व्यवस्थापन आणि आधारभूत पायाभूत सुविधांबद्दल आहे.
- नियोजन आवश्यक आहे. योजनेमध्ये विशिष्ट मुख्य घटक असणे आवश्यक आहे.
- समस्या व्यवस्थापन अडचणीच्या संभाव्य क्षेत्रांचा अंदाज घेण्याची क्षमता आणि समोर आल्यास त्यांना नेव्हिगेट करण्याची क्षमता आहे.
क्लाउडमध्ये यशस्वी होण्यासाठी व्यवसायाने चार गोष्टी केल्या पाहिजेत, प्लस 7 गोचा
तुमचा व्यवसाय क्लाउडवर जाणार आहे. बरं, मला पुन्हा सांगू द्या, जर तुमचा व्यवसाय यशस्वी होत असेल, तर तो वर जाईल 
ढग - हे आहे, जर ते आधीपासून नसेल. जर तुम्ही आधीच तिथे असाल, तर तुम्ही कदाचित हे वाचत नसाल. तुमची कंपनी पुढे विचार करत आहे आणि आम्ही दुसर्‍या लेखात चर्चा केलेल्या क्लाउडच्या सर्व फायद्यांचा लाभ घेण्याचा त्यांचा हेतू आहे. 2020 पर्यंत, 92% व्यवसाय काही प्रमाणात क्लाउड वापरत आहेत आणि सर्व कॉर्पोरेट डेटापैकी 50% आधीच क्लाउडमध्ये आहे.
कोविड क्लाउडवरील चांदीचे अस्तर: साथीच्या रोगाने व्यवसायाला दूरस्थ कर्मचार्‍यांच्या नवीन प्रतिमानाचे समर्थन करण्यासाठी क्लाउड क्षमतेकडे अधिक बारकाईने पाहण्यास भाग पाडले आहे. मेघ दोन्ही मोठ्या डेटाचा संदर्भ देतो स्टोरेज आणि अनुप्रयोग जे त्या डेटावर प्रक्रिया करतात. क्लाउडवर जाण्याचे मुख्य कारण म्हणजे लवचिक राहून आणि डेटाच्या बोटलोड्समधून नवीन अंतर्दृष्टी मिळवून स्पर्धात्मक फायदा मिळवणे.
विश्लेषक फर्म गार्टनर नियमितपणे एक अहवाल प्रकाशित करते ज्यात "पुढील पाच ते 10 वर्षांमध्ये उच्च दर्जाचे स्पर्धात्मक लाभ देण्याचे वचन दर्शविणारे तंत्रज्ञान आणि ट्रेंड" यावर चर्चा केली जाते. दहा वर्षा पूर्वी, गार्टनरची 2012 हाइप सायकल क्लाउड कॉम्प्युटिंगसाठी क्लाउड कॉम्प्युटिंग आणि सार्वजनिक क्लाउड स्टोरेजला "निराशाच्या कुंडात" "फुगलेल्या अपेक्षांच्या शिखराच्या" पलीकडे ठेवले. पुढे, बिग डेटा नुकताच "फुगलेल्या अपेक्षांच्या शिखरावर" प्रवेश करत होता. 3 ते 5 वर्षांत अपेक्षित पठार असलेले तिघेही. सेवा म्हणून सॉफ्टवेअर (सास) गार्टनरने 2 ते 5 वर्षांच्या अपेक्षित पठारासह "स्लोप ऑफ एनलाइटनमेंट" टप्प्यात ठेवले होते.
2018 मध्ये, सहा वर्षांनंतर, "क्लाउड कॉम्प्युटिंग" आणि "पब्लिक क्लाउड स्टोरेज" हे "स्लोप ऑफ एनलाइटनमेंट" टप्प्यात 2 वर्षांपेक्षा कमी कालावधीच्या अंदाजित पठारावर होते. “सेवा म्हणून सॉफ्टवेअर” पठारावर पोहोचले होते. मुद्दा असा आहे की या काळात सार्वजनिक मेघाचा लक्षणीय अवलंब झाला होता.
आज, 2022 मध्ये, क्लाउड संगणन आता स्वीकारण्याच्या दुसऱ्या दशकात आहे आणि आता नवीन अनुप्रयोगांसाठी डीफॉल्ट तंत्रज्ञान आहे. 
As गार्टनर ते ठेवते, "जर तो ढग नसेल तर तो वारसा आहे." गार्टनर पुढे म्हणतात की क्लाउड कंप्युटिंगचा संस्थेवर होणारा परिणाम परिवर्तनीय आहे. मग संस्थांनी या परिवर्तनाकडे कसे जायचे?
हा तक्ता अधिक तपशीलवार वर्णन करतो की तंत्रज्ञान विशिष्ट टप्प्यात आहे याचा अर्थ काय आहे.
संघटनांनी संघटनात्मक परिवर्तन कसे करावे?
क्लाउडचा अवलंब करण्याच्या त्यांच्या प्रक्रियेत, संस्थांना निर्णय घेणे, नवीन धोरणे स्थापित करणे, नवीन कार्यपद्धती तयार करणे आणि विशिष्ट आव्हानांना सामोरे जावे लागले. तुमचे घर व्यवस्थित आहे याची खात्री करण्यासाठी तुम्हाला ज्या विशिष्ट क्षेत्रांचे निराकरण करावे लागेल त्यांची यादी येथे आहे:
- प्रशिक्षण, पुन्हा प्रशिक्षण किंवा नवीन भूमिका. डेटा स्टोरेजसाठी सार्वजनिक क्लाउडचा अवलंब करताना किंवा अॅप्लिकेशन्सचा फायदा घेताना, तुम्ही पायाभूत सुविधांचे समर्थन आणि देखभाल आउटसोर्स केले आहे. विक्रेता व्यवस्थापित करण्यासाठी आणि डेटामध्ये प्रवेश करण्यासाठी तुम्हाला अजूनही इनहाऊस कौशल्याची आवश्यकता आहे. शिवाय, संज्ञानात्मक विश्लेषणे आणि डेटा सायन्ससाठी तुमच्याकडे उपलब्ध असलेल्या नवीन साधनांचा फायदा कसा घ्यायचा हे तुम्हाला माहित असणे आवश्यक आहे.
- डेटा हे सर्व डेटाबद्दल आहे. डेटा हे नवीन चलन आहे. आम्ही बिग डेटा- डेटाबद्दल बोलत आहोत जो कमीतकमी काही गोष्टी पूर्ण करतो व्याख्येचे व्ही. क्लाउडवर जाताना, तुमचा किमान काही डेटा क्लाउडमध्ये असेल. तुम्ही “ऑल-इन” असल्यास, तुमचा डेटा क्लाउडमध्ये संग्रहित केला जाईल आणि क्लाउडमध्ये प्रक्रिया केली जाईल.
A. डेटाची उपलब्धता. तुमचे विद्यमान ऑन-प्रीम अॅप्लिकेशन्स क्लाउडमधील डेटामध्ये प्रवेश करू शकतात का? तुमचा डेटा प्रक्रिया करण्यासाठी आवश्यक आहे तिथे आहे का? तुमचा डेटा क्लाउडवर हलवण्यासाठी तुम्हाला तुमच्या क्लाउड मायग्रेशन प्रोजेक्टमध्ये बजेट वेळ द्यावा लागेल का? किती वेळ लागेल? तुमचा व्यवहार डेटा क्लाउडवर मिळवण्यासाठी तुम्हाला नवीन प्रक्रिया विकसित करण्याची आवश्यकता आहे का? तुमचा AI किंवा मशीन लर्निंग करायचा असेल तर, अचूकता आणि अचूकतेची इच्छित पातळी पूर्ण करण्यासाठी पुरेसा प्रशिक्षण डेटा असणे आवश्यक आहे.
B. डेटाची उपयोगिता. तुमचा डेटा अशा फॉरमॅटमध्ये आहे ज्याचा वापर लोक आणि टूल्सद्वारे केला जाऊ शकतो जो डेटामध्ये प्रवेश करेल? तुम्ही तुमच्या डेटा वेअरहाऊसवर “लिफ्ट-अँड-शिफ्ट” करू शकता का? किंवा, ते कार्यक्षमतेसाठी ऑप्टिमाइझ केले जाऊ शकते?
C. डेटाची गुणवत्ता. तुमचे निर्णय ज्या डेटावर अवलंबून असतात त्याची गुणवत्ता तुमच्या निर्णयांच्या गुणवत्तेवर परिणाम करू शकते. क्लाउडमध्ये संज्ञानात्मक विश्लेषणाचा अवलंब करण्यात प्रशासन, डेटा स्टीवर्ड्स, डेटा व्यवस्थापन, कदाचित डेटा क्युरेटर महत्त्वपूर्ण भूमिका बजावू शकतात. तुमच्या डेटाच्या गुणवत्तेचे मूल्यांकन करण्यासाठी तुम्ही डेटा क्लाउडवर स्थलांतरित करण्यापूर्वी वेळ घ्या. आपल्याला आवश्यक नसलेला डेटा आपण स्थलांतरित केला आहे हे शोधण्यापेक्षा निराशाजनक काहीही नाही.
D. बिग डेटामधील परिवर्तनशीलता आणि अनिश्चितता. डेटा विसंगत किंवा अपूर्ण असू शकतो. तुमच्या डेटाचे मूल्यमापन करताना आणि तो कसा वापरायचा तुमचा हेतू आहे, त्यात काही अंतर आहे का? डेटावरील एंटरप्राइझ-व्यापी मानकांशी संबंधित ज्ञात समस्यांचे निराकरण करण्याची हीच वेळ आहे. वेळ परिमाणे, भूगोल पदानुक्रम यासारख्या साध्या गोष्टींवर अहवाल केंद्रांवर मानकीकरण करा. सत्याचा एकमेव स्त्रोत ओळखा.
E. मोठ्या डेटामध्येच अंतर्निहित मर्यादा. मोठ्या संख्येने संभाव्य परिणामांना महत्त्वासाठी परिणामांचे मूल्यांकन करण्यासाठी डोमेन तज्ञाची आवश्यकता असू शकते. दुसऱ्या शब्दांत, जर तुमची क्वेरी खूप रेकॉर्ड परत करत असेल, तर तुम्ही मानवी म्हणून त्यावर प्रक्रिया कशी कराल? ते आणखी फिल्टर करण्यासाठी आणि रेकॉर्डची संख्या कमी करण्यासाठी, जेणेकरुन ते सामान्य नॉन-सुपर मानवाद्वारे वापरता येईल, तुम्हाला डेटामागील व्यवसाय माहित असणे आवश्यक आहे.
3. IT च्या पाया/पायाभूत सुविधांना आधार देणे. सर्व हलणारे भाग विचारात घ्या. तुमचा सर्व डेटा क्लाउडमध्ये नसण्याची शक्यता आहे. काही ढगात असू शकतात. काही जागेवर. अद्याप इतर डेटा असू शकतो आणखी एक विक्रेत्याचा मेघ. तुमच्याकडे डेटा फ्लो डायग्राम आहे का? तुम्ही भौतिक हार्डवेअर व्यवस्थापित करण्यापासून भौतिक हार्डवेअर व्यवस्थापित करणाऱ्या विक्रेत्यांचे व्यवस्थापन करण्यास तयार आहात का? मेघ वातावरणाच्या मर्यादा तुम्हाला समजतात का? तुम्ही असंरचित डेटा तसेच प्रमुख प्लॅटफॉर्म-सक्षम तंत्रज्ञानाला समर्थन देण्याची क्षमता लक्षात घेतली आहे का? तुम्ही ऑन-प्रिमाइसेस वापरत असलेल्या SDK, API, डेटा युटिलिटीज वापरण्यास तुम्ही सक्षम असाल का? ते कदाचित पुन्हा लिहिण्याची आवश्यकता असेल. व्यवहार प्रणालींमधून डेटा वेअरहाऊस लोड करण्यासाठी तुमच्या विद्यमान ETL बद्दल काय? ETL स्क्रिप्ट पुन्हा लिहिणे आवश्यक आहे.
4. परिष्कृत भूमिका. वापरकर्त्यांना नवीन ऍप्लिकेशन्स आणि क्लाउडमध्ये डेटा ऍक्सेस कसा करायचा याचे प्रशिक्षण देण्याची आवश्यकता असू शकते. बर्‍याचदा डेस्कटॉप किंवा नेटवर्क ऍप्लिकेशनला क्लाउडला समर्पित केलेले नाव समान किंवा समान असू शकते. तथापि, ते वेगळ्या पद्धतीने कार्य करू शकते किंवा भिन्न वैशिष्ट्य सेट देखील असू शकते.
जर तुमची संस्था क्लाउडवर जाण्याबद्दल आणि विश्लेषणाचा जास्तीत जास्त फायदा घेण्याबद्दल गंभीर असेल तर, या हालचालीमुळे महत्त्वपूर्ण व्यवसाय आणि आर्थिक मूल्य मिळू शकते यात वाद नाही. व्यावहारिकदृष्ट्या, इथून तिथे जाण्यासाठी, तुम्हाला याची आवश्यकता असेल:
- सनद स्थापन करा.
A. तुम्ही तुमच्या प्रकल्पाची व्याप्ती परिभाषित केली आहे का?
B. तुमच्याकडे कार्यकारी प्रायोजकत्व आहे का?
C. प्रकल्पात कोण-कोणत्या भूमिकांचा समावेश करावा? मुख्य वास्तुविशारद कोण आहे? क्लाउड विक्रेत्यावर अवलंबून राहण्यासाठी तुम्हाला कोणत्या कौशल्याची आवश्यकता आहे?
D. अंतिम ध्येय काय आहे? तसे, ध्येय "ढगाकडे जाणे" नाही. तुम्ही कोणती समस्या सोडवण्याचा प्रयत्न करत आहात?
E. तुमचे यशाचे निकष परिभाषित करा. तुम्ही यशस्वी आहात हे तुम्हाला कसे कळेल?
2. शोधा. सुरवातीला सुरुवात करा. यादी घ्या. तुमच्याकडे काय आहे ते शोधा. प्रश्नांची उत्तरे द्या:
A. आमच्याकडे कोणता डेटा आहे?
B. डेटा कुठे आहे?
C. कोणत्या व्यवसाय प्रक्रियांना समर्थन देणे आवश्यक आहे? त्या प्रक्रियांना कोणता डेटा आवश्यक आहे?
D. डेटा हाताळण्यासाठी आम्ही सध्या कोणती साधने आणि अनुप्रयोग वापरतो?
E. डेटाचा आकार आणि जटिलता काय आहे?
F. आमच्याकडे काय असेल? आमच्या विक्रेत्याकडून क्लाउडमध्ये कोणते अनुप्रयोग उपलब्ध आहेत?
G. आम्ही डेटाशी कसे कनेक्ट करू? मेघमध्‍ये कोणती पोर्ट उघडावी लागतील?
H. गोपनीयता किंवा सुरक्षितता आवश्यकता ठरवणारे काही नियम किंवा आवश्यकता आहेत का? ग्राहकांसोबत एसएलए आहेत ज्यांची देखभाल करणे आवश्यक आहे?
I. क्लाउड वापरासाठी खर्चाची गणना कशी केली जाईल हे तुम्हाला माहिती आहे का?
3. मूल्यांकन आणि मूल्यमापन.
A. आम्हाला कोणता डेटा हलवायचा आहे?
B. खर्चाचे मूल्यांकन करा. आता तुम्हाला डेटाची व्याप्ती आणि व्हॉल्यूम माहित असल्याने, तुम्ही बजेट परिभाषित करण्यासाठी अधिक चांगल्या स्थितीत आहात.
C. तुमच्याकडे सध्या काय आहे आणि तुमच्या अपेक्षेची अपेक्षा यामधील अंतर परिभाषित करा. आपण काय गमावत आहोत?
D. तुम्ही सिद्धांतात काय चुकले आहे ते उघड करण्यासाठी चाचणी स्थलांतर समाविष्ट करा.
E. या टप्प्यात तसेच अंतिम टप्प्यात वापरकर्ता स्वीकृती चाचणी समाविष्ट करा.
F. पुढील टप्प्यात आकस्मिकता निर्माण करण्यासाठी तुम्ही कोणत्या आव्हानांचा अंदाज लावू शकता?
G. कोणते धोके ओळखले गेले आहेत?
4. योजना. ए स्थापन करा road नकाशा.
A. प्राधान्यक्रम काय आहेत? प्रथम काय येते? क्रम काय आहे?
B. तुम्ही काय वगळू शकता? आपण व्याप्ती कशी कमी करू शकता?
C. समांतर प्रक्रियेसाठी वेळ असेल का?
D. दृष्टीकोन काय आहे? आंशिक / टप्प्याटप्प्याने दृष्टीकोन?
E. तुम्ही सुरक्षा दृष्टिकोन परिभाषित केला आहे का?
F. तुम्ही डेटा बॅकअप आणि आपत्ती पुनर्प्राप्ती योजना परिभाषित केल्या आहेत?
G. संप्रेषण योजना काय आहे - प्रकल्पासाठी अंतर्गत, भागधारकांसाठी, अंतिम वापरकर्त्यांसाठी?
5. बांधा. स्थलांतर. चाचणी. लाँच करा.
A. योजनेवर काम करा. नवीन माहितीच्या आधारे डायनॅमिकली त्याची उजळणी करा.
B. तुमची ऐतिहासिक सामर्थ्ये आणि तुमचा वारसा IT फाउंडेशन यशस्वी करा आणि बिग डेटा आणि संज्ञानात्मक विश्लेषण फायद्यांचा लाभ घेण्यास सुरुवात करा.
6. पुनरावृत्ती करा आणि परिष्कृत करा.
A. आता निष्क्रिय बसलेले सर्व्हर तुम्ही कधी निवृत्त करू शकता?
B. तुम्ही कोणते रिफॅक्टरिंग शोधले आहे जे करणे आवश्यक आहे?
C. क्लाउडमधील तुमच्या डेटासाठी कोणते ऑप्टिमायझेशन केले जाऊ शकते?
D. आता तुम्ही क्लाउडमध्ये कोणते नवीन डेटा अॅप्लिकेशन वापरू शकता?
E. पुढील स्तर कोणता आहे? एआय, मशीन लर्निंग, प्रगत विश्लेषण?
गोचास
काही स्त्रोत असे म्हणा की सुमारे 70% तंत्रज्ञान प्रकल्प पूर्ण किंवा आंशिक अपयशी आहेत. वरवर पाहता, ते आपल्या व्याख्येवर अवलंबून आहे 
अपयश दुसरा स्रोत असे आढळले की 75% लोकांना वाटले की त्यांचा प्रकल्प सुरुवातीपासूनच नशिबात आहे. याचा अर्थ असा होऊ शकतो की 5% त्यांच्या विरोधात शक्यता असूनही यशस्वी झाले. माझा अनुभव मला सांगतो की तंत्रज्ञान प्रकल्पांमध्ये एक महत्त्वपूर्ण अंश आहे जे एकतर कधीही जमिनीवर उतरत नाहीत किंवा वचन दिलेल्या अपेक्षा पूर्ण करण्यात अपयशी ठरतात. काही सामान्य थीम आहेत ज्या त्या प्रकल्पांमध्ये सामायिक आहेत. तुम्ही क्लाउडमध्ये तुमच्या स्थलांतराची योजना सुरू करताच, येथे काही गॉटचा शोध घ्या. जर तुम्ही तसे केले नाही, तर ते वाईट कर्मासारखे आहेत, किंवा वाईट क्रेडिट स्कोअर आहेत – लवकरच किंवा नंतर, ते तुम्हाला बुटके मारतील.:
- मालकी. व्यवस्थापनाच्या दृष्टिकोनातून प्रकल्पाची मालकी एकट्या व्यक्तीकडे असणे आवश्यक आहे. त्याच वेळी, सर्व सहभागींना भागधारक म्हणून गुंतवणूक केलेली वाटली पाहिजे.
- खर्च. अर्थसंकल्पात तरतूद केली आहे का? तुम्हाला पुढील 12 महिन्यांसाठी आकारमानाचा क्रम तसेच चालू खर्चाचा अंदाज माहीत आहे का? काही संभाव्य छुपे खर्च आहेत का? हलवण्याच्या तयारीसाठी तुम्ही जास्तीचे फ्लॉट्सम आणि जेट्सम काढले आहेत का? तुम्ही वापरला जाणार नाही किंवा विश्वसनीय नसलेला डेटा स्थलांतरित करू इच्छित नाही.
- नेतृत्व. प्रकल्प पूर्णपणे व्यवस्थापनाद्वारे प्रायोजित आहे का? अपेक्षा आणि यशाची व्याख्या वास्तववादी आहे का? उद्दिष्टे कॉर्पोरेट दृष्टी आणि धोरणाशी जुळतात का?
- प्रकल्प व्यवस्थापन. टाइमलाइन, स्कोप आणि बजेट वास्तववादी आहेत का? लहान डिलिव्हरीची मुदत, वाढलेली व्याप्ती आणि/किंवा कमी खर्च किंवा कमी लोकांची मागणी करणारी “फोर्स” आहेत का? आवश्यकतांवर ठोस पकड आहे का? ते वास्तववादी आणि सु-परिभाषित आहेत का?
- मानव संसाधन. तंत्रज्ञान हा सोपा भाग आहे. ही लोकांची गोष्ट आहे जी एक आव्हान असू शकते. क्लाउडवर स्थलांतरित केल्याने बदल घडतील. लोकांना बदल आवडत नाही. आपण योग्यरित्या अपेक्षा सेट करणे आवश्यक आहे. उपक्रमासाठी पुरेसा आणि योग्य कर्मचारी वर्ग करण्यात आला आहे का? किंवा, जे लोक आधीच त्यांच्या दिवसाच्या कामात खूप व्यस्त आहेत त्यांच्याकडून वेळ काढण्याचा तुम्ही प्रयत्न केला आहे का? तुम्ही स्थिर संघ राखण्यास सक्षम आहात का? प्रमुख कर्मचाऱ्यांच्या उलाढालीमुळे अनेक प्रकल्प अयशस्वी होतात.
- धोके. जोखीम ओळखली गेली आहेत आणि यशस्वीरित्या व्यवस्थापित केली गेली आहेत?
- आकस्मिकता. तुमच्या नियंत्रणाबाहेर असलेल्या पण डिलिव्हरीवर परिणाम करणाऱ्या गोष्टी तुम्ही ओळखण्यात सक्षम आहात का? नेतृत्वातील बदलाचा परिणाम विचारात घ्या. जागतिक महामारीचा तुमच्या डेडलाइन पूर्ण करण्याच्या आणि संसाधने मिळविण्याच्या क्षमतेवर कसा परिणाम होईल?
2022 मध्ये क्लाउड कॉम्प्युटिंग हाइप सायकल
तर क्लाउड कॉम्प्युटिंग, सार्वजनिक क्लाउड स्टोरेज आणि सॉफ्टवेअर गार्टनरच्या उदयोन्मुख तंत्रज्ञान हाइप सायकलवर सेवा म्हणून आज कुठे आहेत? ते नाहीत. ते आता आधुनिक तंत्रज्ञान राहिलेले नाहीत. ते आता क्षितिजावर नाहीत. ते मुख्य प्रवाहात आहेत, दत्तक घेण्याची वाट पाहत आहेत. पुढील वाढीकडे लक्ष द्या उदयोन्मुख तंत्रज्ञान: AI-संवर्धित डिझाइन, जनरेटिव्ह AI, भौतिकशास्त्र-माहित AI आणि नॉन फंगीबल टोकन.
या लेखातील कल्पना मूळतः "कॉग्निटिव्ह अॅनालिटिक्स: बिल्डिंग ऑन युवर लेगसी आयटी फाउंडेशन" या लेखाचा निष्कर्ष म्हणून सादर केल्या होत्या. TDWI बिझनेस इंटेलिजन्स जर्नल, खंड 22, क्रमांक 4.
