क्लाउड तयारी

by Mar 24, 2022बादल0 टिप्पणी

क्लाउडमा सार्ने तयारी गर्दै

 

हामी अब क्लाउड अपनाउने दोस्रो दशकमा छौं। लगभग 92% व्यवसायहरूले केही हदसम्म क्लाउड कम्प्युटिङ प्रयोग गरिरहेका छन्। क्लाउड टेक्नोलोजीहरू अपनाउन संगठनहरूको लागि महामारी हालको चालक भएको छ। क्लाउडमा थप डाटा, परियोजनाहरू र अनुप्रयोगहरू सफलतापूर्वक सार्नु तयारी, योजना र समस्या प्रत्याशामा निर्भर गर्दछ।  

 

  1. तयारी डाटा र डाटाको मानव व्यवस्थापन र समर्थन पूर्वाधारको बारेमा हो।
  2. योजना आवश्यक छ। योजना विशेष मुख्य तत्वहरू समावेश गर्न आवश्यक छ।
  3. समस्या व्यवस्थापन समस्याको सम्भावित क्षेत्रहरूको पूर्वानुमान गर्ने क्षमता र यदि सामना गरेमा तिनीहरूलाई नेभिगेट गर्ने क्षमता हो।  

क्लाउड ग्रहण गर्न 6 चरणहरू

क्लाउडमा सफल हुन व्यवसायले गर्नै पर्ने चार चीजहरू, प्लस 7 गोचास

 

तपाईंको व्यवसाय क्लाउडमा सार्न गइरहेको छ। ठिक छ, मलाई त्यो दोहोर्याउन दिनुहोस्, यदि तपाईंको व्यवसाय सफल हुन गइरहेको छ, यो सार्न गइरहेको छ कति संस्थाहरूले क्लाउड प्रयोग गर्छन् बादल - यो छ, यदि यो पहिले नै छैन। यदि तपाईं पहिले नै त्यहाँ हुनुहुन्छ भने, तपाईंले सायद यो पढ्नु भएको छैन। तपाइँको कम्पनी अगाडि सोचिरहेको छ र हामीले अर्को लेखमा छलफल गरेका क्लाउडका सबै फाइदाहरूको फाइदा लिन चाहन्छ। 2020 सम्म, 92% व्यवसायहरूले केही हदसम्म क्लाउड प्रयोग गरिरहेका छन् र सबै कर्पोरेट डाटाको 50% पहिले नै क्लाउडमा छ।

 

COVID क्लाउडमा चाँदीको अस्तर: महामारीले टाढाको कार्यबलको नयाँ प्रतिमानलाई समर्थन गर्न क्लाउड क्षमताहरूलाई अझ नजिकबाट हेर्न व्यवसायलाई बाध्य तुल्यायो। क्लाउडले दुवै ठूला डाटालाई जनाउँछ भण्डारण र अनुप्रयोगहरू जसले त्यो डाटालाई प्रशोधन गर्दछ।  क्लाउडमा सर्ने मुख्य कारणहरू मध्ये एक लचिलो भएर र डाटाको डुङ्गा लोडबाट नयाँ अन्तर्दृष्टिहरू प्राप्त गरेर प्रतिस्पर्धात्मक लाभ प्राप्त गर्नु हो।   

 

विश्लेषक फर्म गार्टनर नियमित रूपमा एक रिपोर्ट प्रकाशित गर्दछ जसले "आगामी पाँच देखि १० वर्षमा उच्च स्तरको प्रतिस्पर्धात्मक लाभ प्रदान गर्ने प्रतिज्ञा देखाउने प्रविधिहरू र प्रवृत्तिहरू" बारे छलफल गर्दछ। दस वर्षअघि, गार्टनरको २०१२ हाइप साइकल क्लाउड कम्प्युटिङका ​​लागि क्लाउड कम्प्युटिङ र पब्लिक क्लाउड स्टोरेजलाई "निराशाको खाडल" मा राखिएको छ "उत्कृष्ट अपेक्षाहरूको शिखर" भन्दा पर। यसबाहेक, बिग डाटा भर्खरै "स्फीत अपेक्षाहरूको शिखर" मा प्रवेश गरिरहेको थियो। सबै तीन 3 देखि 5 वर्षमा अपेक्षित पठारको साथ। सेवाको रूपमा सफ्टवेयर (सास) गार्टनरद्वारा "स्लोप अफ इन्लाइटनमेन्ट" चरणमा 2 देखि 5 वर्षको अपेक्षित पठारको साथ राखिएको थियो।

 

2018 मा, छ वर्ष पछि, "क्लाउड कम्प्युटिङ" र "पब्लिक क्लाउड भण्डारण" 2 वर्ष भन्दा कमको अनुमानित पठारको साथ "ज्ञानको ढलान" चरणमा थिए। "सेवाको रूपमा सफ्टवेयर" पठारमा पुगेको थियो।  बिन्दु यो हो कि यस अवधिमा सार्वजनिक क्लाउडको महत्त्वपूर्ण अपनत्व थियो।  

 

आज, 2022 मा, क्लाउड कम्प्युटिङ अब आफ्नो दोस्रो दशकमा अपनाएको छ र अब नयाँ अनुप्रयोगहरूको लागि पूर्वनिर्धारित प्रविधि हो। क्लाउड एडोप्शन  As गार्टनर यसलाई राख्छ, "यदि यो क्लाउड होइन, यो विरासत हो।" गार्टनरले संगठनमा क्लाउड कम्प्युटिङको प्रभाव परिवर्तनकारी हुन्छ भनी भन्छन्। त्यसोभए संगठनहरूले यो रूपान्तरण कसरी गर्ने?

 

 

 

 

यो चार्टले एक प्रविधि एक विशेष चरणमा छ भन्ने अर्थ के हो भनेर थप विस्तारमा वर्णन गर्दछ। 

 

प्रविधि चरणहरू

संगठनात्मक रूपान्तरणमा संगठनहरूले कसरी दृष्टिकोण राख्नुपर्छ?

 

क्लाउडलाई ग्रहण गर्ने उनीहरूको प्रक्रियामा, संगठनहरूले निर्णयहरू गर्न, नयाँ नीतिहरू स्थापना गर्न, नयाँ प्रक्रियाहरू सिर्जना गर्न र विशिष्ट चुनौतिहरूलाई सम्बोधन गर्नुपर्‍यो। यहाँ विशिष्ट क्षेत्रहरूको सूची छ जुन तपाईंले आफ्नो घर व्यवस्थित छ भनी सुनिश्चित गर्न समाधान गर्न आवश्यक छ: 

 

  1. प्रशिक्षण, पुन: प्रशिक्षण वा नयाँ भूमिकाहरू।  डाटा भण्डारणको लागि सार्वजनिक क्लाउड अपनाउने वा अनुप्रयोगहरूको लाभ उठाउँदा, तपाईंले पूर्वाधारको समर्थन र मर्मत आउटसोर्स गर्नुभएको छ। तपाईलाई अझै पनि विक्रेता प्रबन्ध गर्न र डेटा पहुँच गर्न इनहाउस विशेषज्ञता चाहिन्छ। यसबाहेक, तपाईंले संज्ञानात्मक विश्लेषण र डेटा विज्ञानको लागि उपलब्ध नयाँ उपकरणहरू कसरी प्रयोग गर्ने भनेर जान्न आवश्यक छ।     
  2. डाटा  यो सबै डाटा को बारे मा छ। डाटा नयाँ मुद्रा हो। हामी बिग डाटाको बारेमा कुरा गर्दैछौं - डाटा जुन कम्तिमा केहि पूरा गर्दछ परिभाषाको Vs। क्लाउडमा सर्दा, कम्तिमा तपाईंको केही डाटा क्लाउडमा हुनेछ। यदि तपाईं "अल-इन" हुनुहुन्छ भने, तपाईंको डाटा क्लाउडमा भण्डार गरिनेछ र क्लाउडमा प्रशोधन गरिनेछ। बिग डाटा क्लाउड तयारी

A. डाटाको उपलब्धता। के तपाइँको अवस्थित अन-प्रेम अनुप्रयोगहरूले क्लाउडमा डाटा पहुँच गर्न सक्छ? के तपाइँको डाटा प्रशोधन को लागी आवश्यक छ? के तपाइँ तपाइँको क्लाउड माइग्रेसन परियोजनामा ​​तपाइँको डाटा क्लाउडमा सार्नको लागि बजेट समय चाहिन्छ? यसले कति समय लिन्छ? के तपाईंले क्लाउडमा आफ्नो लेनदेन डेटा प्राप्त गर्न नयाँ प्रक्रियाहरू विकास गर्न आवश्यक छ? यदि तपाइँ AI वा मेसिन लर्निङ प्रदर्शन गर्न चाहानुहुन्छ भने, सटीकता र परिशुद्धताको इच्छित स्तर पूरा गर्न पर्याप्त प्रशिक्षण डेटा हुनुपर्छ।

B. डाटा को उपयोगिता। के तपाइँको डाटा ढाँचामा छ जुन मानिसहरू र उपकरणहरू द्वारा खपत गर्न सकिन्छ जुन डाटा पहुँच हुनेछ? के तपाइँ तपाइँको डाटा गोदाम मा "लिफ्ट-एन्ड-शिफ्ट" प्रदर्शन गर्न सक्नुहुन्छ? वा, यो प्रदर्शन को लागी अनुकूलित गर्न सकिन्छ? 

C. डाटाको गुणस्तर। डाटाको गुणस्तर जसमा तपाईंका निर्णयहरू निर्भर हुन्छन् तपाईंको निर्णयहरूको गुणस्तरलाई असर गर्न सक्छ। क्लाउडमा संज्ञानात्मक विश्लेषणहरू अपनाउनमा शासन, डाटा भण्डारीहरू, डाटा व्यवस्थापन, सायद डाटा क्युरेटरले महत्त्वपूर्ण भूमिका खेल्न सक्छ। आफ्नो डाटाको गुणस्तर मूल्याङ्कन गर्न क्लाउडमा डाटा माइग्रेट गर्नु अघि समय लिनुहोस्। तपाईंले आवश्यक नभएको डाटा माइग्रेट गर्नुभएको छ भनी पत्ता लगाउनु भन्दा बढी निराशाजनक केही छैन।

D. ठूलो डाटामा परिवर्तनशीलता र अनिश्चितता। डाटा असंगत वा अपूर्ण हुन सक्छ। तपाईको डेटाको मूल्याङ्कन गर्दा र तपाईले यसलाई कसरी प्रयोग गर्न चाहानुहुन्छ, त्यहाँ खाली ठाउँहरू छन्? अब डाटामा उद्यम-व्यापी स्तरहरूसँग सम्बन्धित ज्ञात समस्याहरू समाधान गर्ने समय हो। समय आयामहरू, भूगोल पदानुक्रमहरू जस्ता साधारण कुराहरूमा रिपोर्टिङ केन्द्रहरूमा मानकीकरण गर्नुहोस्। सत्यको एकमात्र स्रोत पहिचान गर्नुहोस्।   

E. ठूलो डाटामा निहित सीमाहरू। सम्भावित नतिजाहरूको ठूलो संख्यालाई महत्वको लागि परिणामहरूको मूल्याङ्कन गर्न डोमेन विशेषज्ञको आवश्यकता हुन सक्छ। अर्को शब्दमा, यदि तपाइँको क्वेरीले धेरै रेकर्डहरू फर्काउँछ भने, तपाइँ कसरी मानवको रूपमा यसलाई प्रक्रिया गर्नुहुन्छ? यसलाई थप फिल्टर गर्न र रेकर्डहरूको संख्या कम गर्न, ताकि यो एक साधारण गैर-सुपर मानव द्वारा उपभोग गर्न सकोस्, तपाईंले डाटा पछाडिको व्यवसाय जान्न आवश्यक छ।

     3. IT को आधार/पूर्वाधारलाई समर्थन गर्दै। सबै गतिशील भागहरू विचार गर्नुहोस्। यो सम्भव छ कि तपाइँको सबै डाटा क्लाउड मा हुनेछैन। केही बादलमा हुन सक्छन्। केही अन-परिसर। अझै अन्य डाटा भित्र हुन सक्छ अर्को विक्रेताको बादल। के तपाइँसँग डाटा प्रवाह रेखाचित्र छ? के तपाईं भौतिक हार्डवेयर प्रबन्धनबाट भौतिक हार्डवेयर प्रबन्ध गर्ने विक्रेताहरू व्यवस्थापन गर्न तयार हुनुहुन्छ? के तपाइँ क्लाउड वातावरण को सीमितता बुझ्नुहुन्छ? के तपाईंले असंरचित डाटाका साथै प्रमुख प्लेटफर्म-सक्षम प्रविधिहरूलाई समर्थन गर्ने क्षमताको लागि लेखा दिनुभएको छ। के तपाइँ अझै पनि उही SDK, API, डाटा उपयोगिताहरू प्रयोग गर्न सक्षम हुनुहुनेछ जुन तपाइँले अन-प्रिमाइसेस प्रयोग गरिरहनु भएको छ? तिनीहरू सम्भवतः पुन: लेख्न आवश्यक हुनेछ। लेनदेन प्रणालीहरूबाट डाटा गोदाम लोड गर्न तपाईंको अवस्थित ETL को बारेमा के हो? ETL लिपिहरू पुन: लेख्न आवश्यक हुनेछ।

     4. परिष्कृत भूमिकाहरू। प्रयोगकर्ताहरूलाई नयाँ अनुप्रयोगहरू र क्लाउडमा डेटा कसरी पहुँच गर्ने भनेर पुन: प्रशिक्षित गर्न आवश्यक हुन सक्छ। प्राय: डेस्कटप वा नेटवर्क अनुप्रयोगको क्लाउडमा समर्पित एक जस्तै वा समान नाम हुन सक्छ। तथापि, यो फरक तरिकाले काम गर्न सक्छ, वा फरक सुविधा सेट पनि हुन सक्छ।  

 

यदि तपाईंको संगठन क्लाउडमा सर्ने र विश्लेषणको अधिकतम बनाउनको लागि गम्भीर छ भने, त्यहाँ कुनै बहस छैन कि यो कदमले महत्त्वपूर्ण व्यापार र आर्थिक मूल्य प्रदान गर्न सक्छ। व्यावहारिक रूपमा बोल्दै, यहाँबाट त्यहाँ पुग्नको लागि, तपाइँलाई आवश्यक पर्दछ: 

  1. एक बडापत्र स्थापना गर्नुहोस्.  

A. के तपाईंले आफ्नो परियोजनाको दायरा परिभाषित गर्नुभएको छ?  

B. तपाईंसँग कार्यकारी प्रायोजन छ?

C. परियोजनामा ​​को-कस्ता भूमिकाहरू समावेश गर्नुपर्छ? को हुन् मुख्य वास्तुकार ? क्लाउड विक्रेतामा भर पर्नको लागि तपाईलाई कस्तो विशेषज्ञता चाहिन्छ?

D. अन्तिम लक्ष्य के हो? वैसे, लक्ष्य "क्लाउडमा सर्ने" होइन। तपाईं कुन समस्या(हरू) को समाधान गर्न प्रयास गर्दै हुनुहुन्छ?

E. आफ्नो सफलता मापदण्ड परिभाषित गर्नुहोस्। तपाईं सफल हुनुहुन्छ भनेर कसरी थाहा पाउने?

 

2. पत्ता लगाउनुहोस्। सुरुमा सुरु गर्नुहोस्। सूची लिनुहोस्। तपाईसँग के छ पत्ता लगाउनुहोस्। प्रश्नको उत्तर देऊ:

A. हामीसँग के डाटा छ?

B. डाटा कहाँ छ?

C. कुन व्यवसाय प्रक्रियाहरूलाई समर्थन गर्न आवश्यक छ? ती प्रक्रियाहरूलाई कुन डाटा चाहिन्छ?

D. हामी हाल डेटा हेरफेर गर्न कुन उपकरण र अनुप्रयोगहरू प्रयोग गर्छौं?

E. डाटाको आकार र जटिलता के हो?

F. हामीसँग के हुनेछ? हाम्रो विक्रेताबाट क्लाउडमा कुन अनुप्रयोगहरू उपलब्ध छन्?

G. हामी डेटामा कसरी जडान गर्नेछौं? क्लाउडमा कुन पोर्टहरू खोल्न आवश्यक छ?

H. के त्यहाँ गोपनीयता वा सुरक्षा आवश्यकताहरू निर्धारण गर्ने कुनै नियम वा आवश्यकताहरू छन्? के त्यहाँ ग्राहकहरूसँग SLA हरू छन् जसलाई कायम राख्न आवश्यक छ?  

I. के तपाईलाई थाहा छ क्लाउड प्रयोगको लागि लागत कसरी गणना गरिनेछ?

 

3. मूल्याङ्कन र मूल्याङ्कन गर्नुहोस्

A. हामी कुन डाटा सार्न चाहन्छौं?

B. लागत मूल्याङ्कन गर्नुहोस्। अब तपाईलाई डेटाको दायरा र भोल्युम थाहा छ, तपाई बजेट परिभाषित गर्न राम्रो स्थितिमा हुनुहुन्छ।

C. तपाईंसँग हाल रहेको कुरा र तपाईंले अपेक्षा गरेको अपेक्षाहरू बीचको अन्तराल परिभाषित गर्नुहोस्। हामी के हराइरहेका छौं?

D. तपाईंले सिद्धान्तमा छुटेका कुराहरू उजागर गर्न परीक्षण माइग्रेसन समावेश गर्नुहोस्।

E. यस चरण र अन्तिम चरणमा प्रयोगकर्ता स्वीकृति परीक्षण समावेश गर्नुहोस्।

F. अर्को चरणमा आकस्मिक अवस्थाहरू निर्माण गर्न सकियोस् भनेर तपाईंले के-कस्ता चुनौतीहरू अनुमान गर्न सक्नुहुन्छ?

G. कस्ता जोखिमहरू पहिचान गरिएका छन्?

 

२. योजना। ए स्थापना गर्नुहोस् road नक्शा 

A. प्राथमिकताहरू के के छन्? पहिले के आउँछ? क्रम के हो?

B. तपाईं के बहिष्कार गर्न सक्नुहुन्छ? तपाईं दायरा कसरी घटाउन सक्नुहुन्छ?

C. समानान्तर प्रक्रियाको लागि समय हुनेछ?

D. दृष्टिकोण के हो? आंशिक / चरणबद्ध दृष्टिकोण?

E. के तपाईंले सुरक्षा दृष्टिकोण परिभाषित गर्नुभयो?

F. के तपाईंले डाटा ब्याकअप र विपद् रिकभरी योजनाहरू परिभाषित गर्नुभएको छ?

G. सञ्चार योजना के हो - परियोजनाको लागि आन्तरिक, सरोकारवालाहरू, अन्त-प्रयोगकर्ताहरूलाई?

 

5. निर्माण गर्नुहोस्। स्थानान्तरण। परीक्षण। प्रक्षेपण.

A. योजना कार्य गर्नुहोस्। नयाँ जानकारीको आधारमा यसलाई गतिशील रूपमा परिमार्जन गर्नुहोस्।

B. तपाईंको ऐतिहासिक शक्ति र सफलताहरू तपाईंको विरासत IT फाउन्डेशनमा निर्माण गर्नुहोस् र बिग डाटा र संज्ञानात्मक विश्लेषण लाभहरूको फाइदा लिन थाल्नुहोस्।       

                                                                                                                                                                   

6. पुनरावृत्ति र परिष्कृत.  

A. अहिले निष्क्रिय बसिरहेका सर्भरहरूलाई कहिले रिटायर गर्न सक्नुहुन्छ?

B. तपाईंले कुन रिफ्याक्टरिङ पत्ता लगाउनुभयो जुन गर्न आवश्यक छ?

C. क्लाउडमा तपाईँको डेटामा के अनुकूलन गर्न सकिन्छ?  

D. अब तपाइँ क्लाउडमा कुन नयाँ डाटा अनुप्रयोगहरू प्रयोग गर्न सक्नुहुन्छ?

E. अर्को स्तर के हो? एआई, मेसिन लर्निङ, उन्नत एनालिटिक्स?

Gotchas

 

केही स्रोतहरू भनिन्छ कि लगभग 70% प्रविधि परियोजनाहरू पूर्ण वा आंशिक विफलताहरू छन्। स्पष्ट रूपमा, यो तपाइँको परिभाषा मा निर्भर गर्दछ  बादल कर्म असफलता। अर्को स्रोत फेला पर्यो कि 75% ले आफ्नो परियोजना सुरु देखि नै बर्बाद भएको ठान्यो। यसको मतलव ५% उनीहरुको विरुद्धमा बावजुद पनि सफल भएको हुन सक्छ । मेरो अनुभवले मलाई बताउँछ कि त्यहाँ टेक्नोलोजी परियोजनाहरूको एक महत्त्वपूर्ण अंश छ जुन कि त कहिले पनि मैदानबाट हट्दैन वा वाचा गरिएका अपेक्षाहरू पूर्ण रूपमा महसुस गर्न असफल हुन्छ। त्यहाँ केहि साझा विषयवस्तुहरू छन् जुन ती परियोजनाहरूले साझा गर्छन्। तपाईंले क्लाउडमा आफ्नो स्थानान्तरणको योजना सुरु गर्दा, यहाँ खोज्नका लागि केही गोचाहरू छन्। यदि तपाईंले गर्नुभएन भने, तिनीहरू खराब कर्म, वा खराब क्रेडिट स्कोर जस्तै छन् - ढिलो होस् वा पछि, तिनीहरूले तपाईंलाई बटमा टोक्नेछन्।:

  1. स्वामित्व। व्यवस्थापन दृष्टिकोणबाट एकल व्यक्तिले परियोजनाको स्वामित्व लिनुपर्दछ। एकै समयमा, सबै सहभागीहरूले सरोकारवालाको रूपमा लगानी गरेको महसुस गर्नुपर्छ।
  2. लागत। बजेट विनियोजन भएको छ ? के तपाईलाई अर्को १२ महिनाको परिमाणको क्रम र चलिरहेको लागतको अनुमान थाहा छ? के त्यहाँ कुनै सम्भावित लुकेका लागतहरू छन्? के तपाईंले चालको लागि तयारीमा कुनै अतिरिक्त फ्लोटसम र जेट्समलाई जेटिसन गर्नुभयो। तपाइँ डाटा माइग्रेट गर्न चाहनुहुन्न जुन प्रयोग गरिने छैन, वा विश्वसनीय छैन।       
  3. नेतृत्व। के परियोजना पूर्ण रूपमा व्यवस्थापन द्वारा प्रायोजित छ? के अपेक्षा र सफलताको परिभाषा यथार्थपरक छ? के उद्देश्यहरू कर्पोरेट दृष्टिकोण र रणनीतिसँग मिल्दोजुल्दो छन्?
  4. योजना व्यवस्थापन। के समयरेखा, दायरा र बजेट यथार्थपरक छ? के त्यहाँ "बलहरू" छोटो डेलिभरी समयसीमा, बढेको दायरा र/वा कम लागत वा कम मानिसहरूको माग गर्दै छन्? के त्यहाँ आवश्यकताहरूमा दृढ समझ छ? के तिनीहरू यथार्थवादी र राम्ररी परिभाषित छन्?
  5. मानवीय संसाधन। प्रविधि सजिलो भाग हो। यो जनताको कुरा हो जुन चुनौती हुन सक्छ। क्लाउडमा माइग्रेट गर्दा परिवर्तनहरू ल्याउनेछ। जनताले परिवर्तन मन पराउँदैनन् । तपाईंले अपेक्षाहरू उचित रूपमा सेट गर्न आवश्यक छ। के पर्याप्त र उपयुक्त कर्मचारी पहलमा समर्पित गरिएको छ? वा, के तपाईंले आफ्नो दैनिक काममा धेरै व्यस्त भएका मानिसहरूबाट समय निकाल्ने प्रयास गर्नुभएको छ? के तपाइँ एक स्थिर टोली कायम राख्न सक्षम हुनुहुन्छ? मुख्य कर्मचारीको कारोबारका कारण धेरै परियोजनाहरू असफल हुन्छन्।  
  6. जोखिम। के जोखिमहरू पहिचान गरी सफलतापूर्वक व्यवस्थापन गरिएको छ?  
  7. आकस्मिकता। के तपाईंले आफ्नो नियन्त्रण बाहिर भएका तर डेलिभरीलाई असर पार्न सक्ने कुराहरू पहिचान गर्न सक्षम हुनुभएको छ? नेतृत्व परिवर्तनको प्रभावलाई विचार गर्नुहोस्। विश्वव्यापी महामारीले समयसीमा पूरा गर्ने र स्रोतहरू प्राप्त गर्ने तपाईंको क्षमतालाई कसरी असर गर्छ?  

२०२२ मा क्लाउड कम्प्युटिङ हाइप साइकल

त्यसोभए आज गार्टनरको उदीयमान टेक्नोलोजी हाइप चक्रमा सेवाको रूपमा क्लाउड कम्प्युटिङ, सार्वजनिक क्लाउड भण्डारण र सफ्टवेयर कहाँ छन्? तिनीहरू छैनन्। तिनीहरू अब अप-र-आउने प्रविधिहरू छैनन्। तिनीहरू अब क्षितिजमा छैनन्। तिनीहरू मूलधारमा छन्, ग्रहण गर्न पर्खिरहेका छन्। निम्नमा वृद्धिको लागि हेर्नुहोस् उभरती टेक्नोलोजीहरू: AI-Augmented Design, Generative AI, Physics-informed AI र Non Fungible Tokens।  

 

यस लेखमा विचारहरू मूल रूपमा लेखको निष्कर्षको रूपमा प्रस्तुत गरिएको थियो "कग्निटिभ एनालिटिक्स: तपाईंको लिगेसी आईटी फाउन्डेशनमा निर्माण"। TDWI व्यापार खुफिया जर्नल, भोल्युम 22, नम्बर 4।

बादल
CQM को DQM, Cognos क्वेरी रूपान्तरण ब्लग, IBM Cognos एनालिटिक्स
CQM बाट DQM मा रूपान्तरण: एक Cognos ग्राहक को यात्रा

CQM बाट DQM मा रूपान्तरण: एक Cognos ग्राहक को यात्रा

चाहे तपाइँ क्लाउड मा आईबीएम कोग्नोस एनालिटिक्स मा जाने सोचमा हुनुहुन्छ, एक नेटिभ डाटाबेस क्लाइन्ट को सट्टा JDBC ड्राइवरहरु को उपयोग गर्न चाहानुहुन्छ, वा मात्र प्रश्नहरुको प्रदर्शन सम्बन्धी विशेषताहरु मा अधिक दृश्यता चाहानुहुन्छ, गतिशील क्वेरी मोड अपनाउनु एक महान छ ...

थप पढ्नुहोस्

बादल
DQM मा संक्रमण
सीक्यूएम बाट डीक्यूएम - किन संक्रमणको रूपमा कठिन छैन जस्तो तपाइँ सोच्नुहुन्छ

सीक्यूएम बाट डीक्यूएम - किन संक्रमणको रूपमा कठिन छैन जस्तो तपाइँ सोच्नुहुन्छ

CQM बाट DQM मा संक्रमण। यो एक तातो विषय हो, र एक हामी अझै छलफल गर्न को लागी छ। एक Cognos अपग्रेड को लागी भिन्न छैन, तपाइँ गतिशील क्वेरी मोड मा स्विच गर्न को लागी देख्दै हुनुहुन्छ किनकि यसले नयाँ डाटाबेस प्रकारहरु लाई समर्थन गर्दछ, प्रदर्शन बढाउँछ, र कोग्नोस को लागी आवश्यक छ ...

थप पढ्नुहोस्