క్లౌడ్‌కి తరలించడానికి సిద్ధమవుతోంది
మేము ఇప్పుడు క్లౌడ్ స్వీకరణ యొక్క రెండవ దశాబ్దంలో ఉన్నాము. దాదాపు 92% వ్యాపారాలు కొంత వరకు క్లౌడ్ కంప్యూటింగ్‌ని ఉపయోగిస్తున్నాయి. క్లౌడ్ టెక్నాలజీలను స్వీకరించడానికి సంస్థలకు మహమ్మారి ఇటీవలి డ్రైవర్‌గా ఉంది. అదనపు డేటా, ప్రాజెక్ట్‌లు మరియు అప్లికేషన్‌లను క్లౌడ్‌కి విజయవంతంగా తరలించడం అనేది ప్రిపరేషన్, ప్లానింగ్ మరియు సమస్య అంచనాపై ఆధారపడి ఉంటుంది.
- తయారీ డేటా మరియు డేటా యొక్క మానవ నిర్వహణ మరియు సహాయక మౌలిక సదుపాయాల గురించి.
- <span style="font-family: Mandali; "> ప్లానింగ్</span> తప్పనిసరి. ప్రణాళిక నిర్దిష్ట కీలక అంశాలను కలిగి ఉండాలి.
- సమస్య నిర్వహణ సమస్య యొక్క సంభావ్య ప్రాంతాలను ముందుగా చూడగల సామర్థ్యం మరియు ఎదురైతే వాటిని నావిగేట్ చేయగల సామర్థ్యం.
క్లౌడ్‌లో విజయవంతం కావడానికి వ్యాపారం చేయాల్సిన నాలుగు విషయాలు, ప్లస్ 7 గోట్‌చాస్
మీ వ్యాపారం క్లౌడ్‌కి తరలించబడుతుంది. సరే, మీ వ్యాపారం విజయవంతమైతే, అది దానికి తరలించబడుతుంది 
క్లౌడ్ - ఇది ఇప్పటికే లేకపోతే. మీరు ఇప్పటికే అక్కడ ఉన్నట్లయితే, మీరు దీన్ని చదవకపోవచ్చు. మీ కంపెనీ ముందుకు ఆలోచనలో ఉంది మరియు మేము మరొక కథనంలో చర్చించిన క్లౌడ్ యొక్క అన్ని ప్రయోజనాలను సద్వినియోగం చేసుకోవాలని భావిస్తోంది. 2020 నాటికి, 92% వ్యాపారాలు కొంత వరకు క్లౌడ్‌ని ఉపయోగిస్తున్నాయి మరియు మొత్తం కార్పొరేట్ డేటాలో 50% ఇప్పటికే క్లౌడ్‌లో ఉన్నాయి.
కోవిడ్ క్లౌడ్‌పై సిల్వర్ లైనింగ్: రిమోట్ వర్క్‌ఫోర్స్ యొక్క కొత్త నమూనాకు మద్దతు ఇవ్వడానికి క్లౌడ్ సామర్థ్యాలను మరింత దగ్గరగా చూడవలసిందిగా మహమ్మారి వ్యాపారాన్ని బలవంతం చేసింది. క్లౌడ్ పెద్ద డేటా రెండింటినీ సూచిస్తుంది నిల్వ మరియు ఆ డేటాను ప్రాసెస్ చేసే అప్లికేషన్లు. క్లౌడ్‌కి వెళ్లడానికి ఒక ప్రధాన కారణం ఏమిటంటే, ఫ్లెక్సిబుల్‌గా ఉండటం మరియు డేటా బోట్‌లోడ్‌ల నుండి కొత్త అంతర్దృష్టులను పొందడం ద్వారా పోటీ ప్రయోజనాన్ని పొందడం.
విశ్లేషకుల సంస్థ గార్ట్నర్ "రాబోయే ఐదు నుండి 10 సంవత్సరాలలో అధిక స్థాయి పోటీ ప్రయోజనాన్ని అందించడంలో వాగ్దానం చేసే సాంకేతికతలు మరియు ధోరణులను" చర్చించే నివేదికను క్రమం తప్పకుండా ప్రచురిస్తుంది. పది సంవత్సరాల క్రితం, గార్ట్నర్ యొక్క 2012 హైప్ సైకిల్ క్లౌడ్ కంప్యూటింగ్ కోసం క్లౌడ్ కంప్యూటింగ్ మరియు పబ్లిక్ క్లౌడ్ స్టోరేజీని "ప్రీక్ ఆఫ్ ఎక్స్‌పెక్టేషన్స్" కంటే "ట్రఫ్ ఆఫ్ డిజల్యూషన్‌మెంట్"లో ఉంచింది. ఇంకా, బిగ్ డేటా ఇప్పుడే “పెరిగిన అంచనాల శిఖరం”లోకి ప్రవేశిస్తోంది. ఈ మూడూ 3 నుండి 5 సంవత్సరాలలో ఆశించిన పీఠభూమితో ఉంటాయి. సాఫ్ట్‌వేర్ యాజ్ ఎ సర్వీస్ (SaaS)ని గార్ట్నర్ "స్లోప్ ఆఫ్ ఎన్‌లైట్‌మెంట్" దశలో 2 నుండి 5 సంవత్సరాల పీఠభూమితో ఉంచారు.
2018లో, ఆరు సంవత్సరాల తర్వాత, “క్లౌడ్ కంప్యూటింగ్” మరియు “పబ్లిక్ క్లౌడ్ స్టోరేజ్” 2 సంవత్సరాల కంటే తక్కువ అంచనా వేసిన పీఠభూమితో “స్లోప్ ఆఫ్ ఎన్‌లైట్‌మెంట్” దశలో ఉన్నాయి. "సాఫ్ట్‌వేర్ యాజ్ ఎ సర్వీస్" పీఠభూమికి చేరుకుంది. విషయం ఏమిటంటే, ఈ కాలంలో పబ్లిక్ క్లౌడ్‌ను గణనీయంగా స్వీకరించారు.
నేడు, 2022లో, క్లౌడ్ కంప్యూటింగ్ ఇప్పుడు దాని రెండవ దశాబ్దపు స్వీకరణలో ఉంది మరియు ఇప్పుడు కొత్త అప్లికేషన్‌ల కోసం డిఫాల్ట్ టెక్నాలజీ. 
As గార్ట్నర్ "ఇది మేఘం కాకపోతే, అది వారసత్వం." సంస్థపై క్లౌడ్ కంప్యూటింగ్ ప్రభావం పరివర్తన చెందుతుందని గార్ట్నర్ చెప్పారు. అలాంటప్పుడు సంస్థలు ఈ పరివర్తనను ఎలా చేరుకోవాలి?
ఈ చార్ట్ ఒక నిర్దిష్ట దశలో సాంకేతికత అంటే ఏమిటో మరింత వివరంగా వివరిస్తుంది.
సంస్థాగత పరివర్తనను సంస్థలు ఎలా సంప్రదించాలి?
క్లౌడ్‌ను స్వీకరించే ప్రక్రియలో, సంస్థలు నిర్ణయాలు తీసుకోవాలి, కొత్త విధానాలను ఏర్పాటు చేయాలి, కొత్త విధానాలను రూపొందించాలి మరియు నిర్దిష్ట సవాళ్లను పరిష్కరించాలి. మీ ఇల్లు సరిగ్గా ఉందని నిర్ధారించుకోవడానికి మీరు పరిష్కరించాల్సిన నిర్దిష్ట ప్రాంతాల జాబితా ఇక్కడ ఉంది:
- శిక్షణ, తిరిగి శిక్షణ లేదా కొత్త పాత్రలు. డేటా నిల్వ కోసం పబ్లిక్ క్లౌడ్‌ను స్వీకరించడంలో లేదా అప్లికేషన్‌లను ఉపయోగించుకోవడంలో, మీరు ఇన్‌ఫ్రాస్ట్రక్చర్ యొక్క మద్దతు మరియు నిర్వహణను అవుట్‌సోర్స్ చేసారు. విక్రేతను నిర్వహించడానికి మరియు డేటాను యాక్సెస్ చేయడానికి మీకు ఇప్పటికీ అంతర్గత నైపుణ్యం అవసరం. ఇంకా, మీరు కాగ్నిటివ్ అనలిటిక్స్ మరియు డేటా సైన్స్ కోసం అందుబాటులో ఉన్న కొత్త సాధనాలను ఎలా ఉపయోగించాలో తెలుసుకోవాలి.
- సమాచారం. ఇదంతా డేటా గురించి. డేటా అనేది కొత్త కరెన్సీ. మేము బిగ్ డేటా గురించి మాట్లాడుతున్నాము– కనీసం కొన్నింటికి అనుగుణంగా ఉండే డేటా నిర్వచనం యొక్క V లు. క్లౌడ్‌కి వెళ్లేటప్పుడు, కనీసం మీ డేటాలో కొంతైనా క్లౌడ్‌లో ఉంటుంది. మీరు “ఆల్ ఇన్” అయితే, మీ డేటా క్లౌడ్‌లో నిల్వ చేయబడుతుంది మరియు క్లౌడ్‌లో ప్రాసెస్ చేయబడుతుంది.
A. డేటా లభ్యత. మీ ప్రస్తుత ఆన్-ప్రేమ్ అప్లికేషన్లు క్లౌడ్‌లోని డేటాను యాక్సెస్ చేయగలవా? ప్రాసెసింగ్ కోసం మీ డేటా ఉండాల్సిన చోట ఉందా? మీ డేటాను క్లౌడ్‌కి తరలించడానికి మీరు మీ క్లౌడ్ మైగ్రేషన్ ప్రాజెక్ట్‌లో బడ్జెట్ సమయాన్ని కేటాయించాల్సిన అవసరం ఉందా? దానికి ఎంత సమయం పడుతుంది? మీ లావాదేవీల డేటాను క్లౌడ్‌కి పొందడానికి మీరు కొత్త ప్రక్రియలను అభివృద్ధి చేయాలనుకుంటున్నారా? మీరు AI లేదా మెషిన్ లెర్నింగ్ చేయాలనుకుంటే, కావలసిన స్థాయి ఖచ్చితత్వం మరియు ఖచ్చితత్వాన్ని చేరుకోవడానికి తగిన శిక్షణ డేటా ఉండాలి.
B. డేటా వినియోగం. మీ డేటా వ్యక్తులు మరియు డేటాను యాక్సెస్ చేసే సాధనాలు వినియోగించగలిగే ఫార్మాట్‌లో ఉందా? మీరు మీ డేటా వేర్‌హౌస్‌లో "లిఫ్ట్-అండ్-షిఫ్ట్" చేయగలరా? లేదా, పనితీరు కోసం దీన్ని ఆప్టిమైజ్ చేయవచ్చా?
C. డేటా నాణ్యత. మీ నిర్ణయాలు ఆధారపడే డేటా నాణ్యత మీ నిర్ణయాల నాణ్యతను ప్రభావితం చేయవచ్చు. క్లౌడ్‌లో కాగ్నిటివ్ అనలిటిక్స్‌ను స్వీకరించడంలో గవర్నెన్స్, డేటా స్టీవార్డ్‌లు, డేటా మేనేజ్‌మెంట్, బహుశా డేటా క్యూరేటర్ ముఖ్యమైన పాత్ర పోషిస్తారు. మీ డేటా నాణ్యతను అంచనా వేయడానికి మీరు డేటాను క్లౌడ్‌కి తరలించడానికి ముందు సమయాన్ని వెచ్చించండి. మీకు అవసరం లేని డేటాను మీరు తరలించారని తెలుసుకోవడం కంటే నిరాశపరిచేది మరొకటి లేదు.
D. పెద్ద డేటాలో వైవిధ్యం మరియు అనిశ్చితి. డేటా అస్థిరంగా లేదా అసంపూర్ణంగా ఉండవచ్చు. మీ డేటాను మూల్యాంకనం చేయడంలో మరియు మీరు దానిని ఎలా ఉపయోగించాలనుకుంటున్నారు, ఖాళీలు ఉన్నాయా? డేటాపై ఎంటర్‌ప్రైజ్-వైడ్ స్టాండర్డ్‌లకు సంబంధించిన తెలిసిన సమస్యలను పరిష్కరించే సమయం ఇది. సమయ కొలతలు, భౌగోళిక సోపానక్రమాలు వంటి సాధారణ విషయాలపై రిపోర్టింగ్ కేంద్రాలలో ప్రమాణీకరించండి. సత్యం యొక్క ఏకైక మూలాన్ని గుర్తించండి.
E. పెద్ద డేటాలోనే అంతర్లీనంగా ఉన్న పరిమితులు. పెద్ద సంఖ్యలో సంభావ్య ఫలితాలకు ప్రాముఖ్యత కోసం ఫలితాలను మూల్యాంకనం చేయడానికి డొమైన్ నిపుణుడు అవసరం కావచ్చు. మరో మాటలో చెప్పాలంటే, మీ ప్రశ్న చాలా రికార్డులను తిరిగి ఇస్తే, మీరు మానవునిగా దాన్ని ఎలా ప్రాసెస్ చేస్తారు? దీన్ని మరింత ఫిల్టర్ చేయడానికి మరియు రికార్డ్‌ల సంఖ్యను తగ్గించడానికి, దానిని సాధారణ నాన్-సూపర్ హ్యూమన్ వినియోగించగలిగేలా, మీరు డేటా వెనుక ఉన్న వ్యాపారాన్ని తెలుసుకోవాలి.
3. IT యొక్క పునాది/మౌలిక సదుపాయాలకు మద్దతు ఇవ్వడం. అన్ని కదిలే భాగాలను పరిగణించండి. మీ డేటా మొత్తం క్లౌడ్‌లో ఉండకపోవచ్చు. కొన్ని క్లౌడ్‌లో ఉండవచ్చు. కొన్ని ప్రాంగణంలో. ఇంకా ఇతర డేటా ఉండవచ్చు మరో విక్రేత యొక్క క్లౌడ్. మీకు డేటా ఫ్లో రేఖాచిత్రం ఉందా? భౌతిక హార్డ్‌వేర్‌ను నిర్వహించడం నుండి భౌతిక హార్డ్‌వేర్‌ను నిర్వహించే విక్రేతలను నిర్వహించడం వరకు మీరు మారడానికి సిద్ధంగా ఉన్నారా? క్లౌడ్ పర్యావరణం యొక్క పరిమితులను మీరు అర్థం చేసుకున్నారా? మీరు నిర్మాణాత్మక డేటాతో పాటు కీలక ప్లాట్‌ఫారమ్-ఎనేబుల్ చేసే సాంకేతికతలకు మద్దతు ఇవ్వగల సామర్థ్యాన్ని కలిగి ఉన్నారా. మీరు ఆవరణలో ఉపయోగిస్తున్న అదే SDK, API, డేటా యుటిలిటీలను ఇప్పటికీ ఉపయోగించగలరా? వాటిని తిరిగి వ్రాయవలసి ఉంటుంది. లావాదేవీ వ్యవస్థల నుండి డేటా వేర్‌హౌస్‌ను లోడ్ చేయడానికి మీ ప్రస్తుత ETL గురించి ఏమిటి? ETL స్క్రిప్ట్‌లను తిరిగి వ్రాయవలసి ఉంటుంది.
4. శుద్ధి పాత్రలు. కొత్త అప్లికేషన్లు మరియు క్లౌడ్‌లోని డేటాను ఎలా యాక్సెస్ చేయాలనే దానిపై వినియోగదారులు మళ్లీ శిక్షణ పొందవలసి ఉంటుంది. తరచుగా డెస్క్‌టాప్ లేదా నెట్‌వర్క్ అప్లికేషన్ క్లౌడ్‌కు అంకితం చేయబడిన పేరు లేదా అదే పేరును కలిగి ఉండవచ్చు. అయితే, ఇది భిన్నంగా పని చేయవచ్చు లేదా వేరే ఫీచర్ సెట్‌ను కలిగి ఉండవచ్చు.
మీ సంస్థ క్లౌడ్‌కి వెళ్లడం మరియు ఎనలిటిక్స్‌ని ఎక్కువగా ఉపయోగించుకోవడం గురించి తీవ్రంగా ఉంటే, ఈ చర్య గణనీయమైన వ్యాపార మరియు ఆర్థిక విలువను అందించగలదనే చర్చ లేదు. ఆచరణాత్మకంగా చెప్పాలంటే, ఇక్కడి నుండి అక్కడికి చేరుకోవడానికి, మీరు వీటిని చేయాలి:
- ఒక చార్టర్‌ను ఏర్పాటు చేయండి.
ఎ. మీరు మీ ప్రాజెక్ట్ పరిధిని నిర్వచించారా?
బి. మీకు ఎగ్జిక్యూటివ్ స్పాన్సర్‌షిప్ ఉందా?
సి. ప్రాజెక్ట్‌లో ఎవరు - ఏ పాత్రలు - చేర్చబడాలి? ప్రధాన వాస్తుశిల్పి ఎవరు? క్లౌడ్ వెండర్‌పై ఆధారపడటానికి మీకు ఏ నైపుణ్యం అవసరం?
D. అంతిమ లక్ష్యం ఏమిటి? మార్గం ద్వారా, లక్ష్యం "క్లౌడ్‌కు వెళ్లడం" కాదు. మీరు ఏ సమస్య(లు) పరిష్కరించడానికి ప్రయత్నిస్తున్నారు?
E. మీ విజయ ప్రమాణాలను నిర్వచించండి. మీరు విజయవంతమయ్యారని మీకు ఎలా తెలుస్తుంది?
2. కనుగొనండి. ప్రారంభంలో ప్రారంభించండి. జాబితా తీసుకోండి. మీ వద్ద ఏమి ఉందో తెలుసుకోండి. ప్రశ్నలకు జవాబు ఇవ్వండి:
ఎ. మన దగ్గర ఏ డేటా ఉంది?
బి. డేటా ఎక్కడ ఉంది?
C. ఏ వ్యాపార ప్రక్రియలకు మద్దతు ఇవ్వాలి? ఆ ప్రక్రియలకు ఏ డేటా అవసరం?
D. డేటాను మార్చేందుకు ప్రస్తుతం మనం ఏ సాధనాలు మరియు అప్లికేషన్‌లను ఉపయోగిస్తున్నాము?
E. డేటా పరిమాణం మరియు సంక్లిష్టత ఏమిటి?
F. మనకు ఏమి ఉంటుంది? మా విక్రేత నుండి క్లౌడ్‌లో ఏ అప్లికేషన్లు అందుబాటులో ఉన్నాయి?
G. మేము డేటాకు ఎలా కనెక్ట్ చేస్తాము? క్లౌడ్‌లో ఏ పోర్ట్‌లు తెరవాలి?
H. గోప్యత లేదా భద్రతా అవసరాలను నిర్దేశించే ఏవైనా నిబంధనలు లేదా అవసరాలు ఉన్నాయా? నిర్వహించాల్సిన కస్టమర్‌లతో SLAలు ఉన్నాయా?
I. క్లౌడ్ వినియోగం కోసం ఖర్చులు ఎలా లెక్కించబడతాయో మీకు తెలుసా?
3. అంచనా వేయండి మరియు మూల్యాంకనం చేయండి.
A. మేము ఏ డేటాను తరలించాలనుకుంటున్నాము?
బి. ఖర్చులను అంచనా వేయండి. ఇప్పుడు మీకు డేటా స్కోప్ మరియు వాల్యూమ్ గురించి తెలుసు కాబట్టి, మీరు బడ్జెట్‌ను నిర్వచించడానికి మెరుగైన స్థితిలో ఉన్నారు.
C. మీరు ప్రస్తుతం కలిగి ఉన్న వాటికి మరియు మీరు ఆశించే వాటి అంచనాలకు మధ్య ఉన్న అంతరాలను నిర్వచించండి. మనం ఏమి కోల్పోతున్నాము?
D. మీరు థియరీలో మిస్ అయిన వాటిని బహిర్గతం చేయడానికి పరీక్ష మైగ్రేషన్‌ను చేర్చండి.
E. ఈ దశలో అలాగే చివరి దశలో వినియోగదారు అంగీకార పరీక్షను చేర్చండి.
F. మీరు ఏ సవాళ్లను ఎదురుచూడవచ్చు, తద్వారా మీరు తదుపరి దశలో ఆకస్మిక పరిస్థితులను నిర్మించగలరు?
G. ఏ ప్రమాదాలు గుర్తించబడ్డాయి?
4. ప్రణాళిక. ఏర్పాటు చేయండి a road మ్యాప్.
ఎ. ప్రాధాన్యతలు ఏమిటి? ఏది మొదట వస్తుంది? క్రమం ఏమిటి?
బి. మీరు ఏమి మినహాయించగలరు? మీరు పరిధిని ఎలా తగ్గించగలరు?
సి. సమాంతర ప్రాసెసింగ్ కోసం సమయం ఉంటుందా?
D. విధానం ఏమిటి? పాక్షిక / దశల విధానం?
E. మీరు భద్రతా విధానాన్ని నిర్వచించారా?
F. మీరు డేటా బ్యాకప్ మరియు విపత్తు పునరుద్ధరణ ప్రణాళికలను నిర్వచించారా?
G. కమ్యూనికేషన్ ప్లాన్ అంటే ఏమిటి - ప్రాజెక్ట్‌కు అంతర్గతంగా, వాటాదారులకు, తుది వినియోగదారులకు?
5. నిర్మించండి. వలస వెళ్ళు. పరీక్ష. ప్రారంభించండి.
ఎ. ప్రణాళికను పని చేయండి. కొత్త సమాచారం ఆధారంగా డైనమిక్‌గా రివైజ్ చేయండి.
బి. మీ చారిత్రక బలాలు మరియు విజయాలు మీ లెగసీ IT పునాదిపై నిర్మించుకోండి మరియు బిగ్ డేటా మరియు కాగ్నిటివ్ అనలిటిక్స్ ప్రయోజనాల ప్రయోజనాన్ని పొందడం ప్రారంభించండి.
6. పునరావృతం మరియు శుద్ధి చేయండి.
ఎ. ఇప్పుడు నిష్క్రియంగా ఉన్న సర్వర్‌లను మీరు ఎప్పుడు రిటైర్ చేయవచ్చు?
బి. ఏ రీఫ్యాక్టరింగ్ చేయవలసి ఉందని మీరు కనుగొన్నారు?
C. క్లౌడ్‌లోని మీ డేటాకు ఏ ఆప్టిమైజేషన్‌లు చేయవచ్చు?
D. మీరు ఇప్పుడు క్లౌడ్‌లో ఏ కొత్త డేటా అప్లికేషన్‌లను ఉపయోగించవచ్చు?
E. తదుపరి స్థాయి ఏమిటి? AI, మెషిన్ లెర్నింగ్, అడ్వాన్స్‌డ్ అనలిటిక్స్?
Gotchas
కొన్ని వర్గాలు దాదాపు 70% టెక్నాలజీ ప్రాజెక్ట్‌లు పూర్తిగా లేదా పాక్షికంగా విఫలమవుతున్నాయని చెప్పారు. స్పష్టంగా, ఇది మీ నిర్వచనంపై ఆధారపడి ఉంటుంది 
వైఫల్యం. మరొకటి మూలం 75% మంది తమ ప్రాజెక్ట్ ప్రారంభం నుండి విచారకరంగా ఉందని భావించారు. అసమానతలకు వ్యతిరేకంగా ఉన్నప్పటికీ 5% విజయం సాధించారని దీని అర్థం. సాంకేతిక ప్రాజెక్టులలో గణనీయమైన భాగం ఉందని నా అనుభవం నాకు చెబుతుంది, అవి ఎప్పుడూ భూమి నుండి బయటపడవు లేదా వాగ్దానం చేసిన అంచనాలను పూర్తిగా గ్రహించడంలో విఫలమవుతాయి. ఆ ప్రాజెక్ట్‌లు పంచుకునే కొన్ని సాధారణ థీమ్‌లు ఉన్నాయి. మీరు క్లౌడ్‌కి మీ మైగ్రేషన్‌ని ప్లాన్ చేయడం ప్రారంభించిన తర్వాత, ఇక్కడ చూడవలసిన కొన్ని విషయాలు ఉన్నాయి. మీరు చేయకపోతే, అవి చెడ్డ కర్మ లేదా చెడ్డ క్రెడిట్ స్కోర్ లాంటివి – త్వరగా లేదా తరువాత, అవి మిమ్మల్ని కాటువేస్తాయి.:
- యాజమాన్యం. నిర్వహణ దృక్కోణం నుండి ఒకే వ్యక్తి ప్రాజెక్ట్‌ను కలిగి ఉండాలి. అదే సమయంలో, పాల్గొనే వారందరూ వాటాదారులుగా పెట్టుబడి పెట్టినట్లు భావించాలి.
- ఖరీదు. బడ్జెట్ కేటాయించారా? రాబోయే 12 నెలలకు సంబంధించిన మాగ్నిట్యూడ్ క్రమం అలాగే కొనసాగుతున్న ఖర్చుల అంచనా మీకు తెలుసా? ఏదైనా సంభావ్య దాచిన ఖర్చులు ఉన్నాయా? మీరు తరలింపు కోసం సన్నాహకంగా ఏదైనా అదనపు ఫ్లోట్‌సమ్ మరియు జెట్సమ్‌లను తొలగించారా. మీరు ఉపయోగించబడని లేదా విశ్వసించని డేటాను తరలించడం ఇష్టం లేదు.
- లీడర్షిప్. ప్రాజెక్ట్ పూర్తిగా నిర్వహణ ద్వారా స్పాన్సర్ చేయబడిందా? అంచనాలు మరియు విజయం యొక్క నిర్వచనం వాస్తవికంగా ఉన్నాయా? లక్ష్యాలు కార్పొరేట్ దృష్టి మరియు వ్యూహానికి అనుగుణంగా ఉన్నాయా?
- ప్రాజెక్ట్ నిర్వహణ. సమయపాలన, పరిధి మరియు బడ్జెట్ వాస్తవికంగా ఉన్నాయా? తక్కువ డెలివరీ గడువులు, పెరిగిన పరిధి మరియు/లేదా తక్కువ ఖర్చులు లేదా తక్కువ మంది వ్యక్తులను డిమాండ్ చేసే "బలగాలు" ఉన్నాయా? అవసరాలపై గట్టి పట్టు ఉందా? అవి వాస్తవికమైనవి మరియు బాగా నిర్వచించబడినవా?
- మానవ వనరులు. సాంకేతికత అనేది సులభమైన భాగం. ఇది సవాలుగా మారగల ప్రజల విషయం. క్లౌడ్‌కి మైగ్రేట్ చేయడం వల్ల మార్పులు వస్తాయి. ప్రజలు మార్పును ఇష్టపడరు. మీరు అంచనాలను సరిగ్గా సెట్ చేయాలి. చొరవ కోసం తగినంత మరియు తగిన సిబ్బందిని అంకితం చేశారా? లేదా, మీరు ఇప్పటికే వారి రోజు ఉద్యోగంలో చాలా బిజీగా ఉన్న వ్యక్తుల నుండి సమయాన్ని కేటాయించడానికి ప్రయత్నించారా? మీరు స్థిరమైన జట్టును నిర్వహించగలుగుతున్నారా? కీలకమైన సిబ్బంది టర్నోవర్ కారణంగా చాలా ప్రాజెక్టులు విఫలమవుతున్నాయి.
- ప్రమాదాలు. ప్రమాదాలను గుర్తించి విజయవంతంగా నిర్వహించారా?
- కాంటిన్జెన్సీ. మీరు మీ నియంత్రణలో లేని, కానీ డెలివరీని ప్రభావితం చేసే అంశాలను గుర్తించగలిగారా? నాయకత్వంలో మార్పు యొక్క ప్రభావాన్ని పరిగణించండి. ప్రపంచవ్యాప్త మహమ్మారి గడువులను చేరుకునే మరియు వనరులను పొందగల మీ సామర్థ్యాన్ని ఎలా ప్రభావితం చేస్తుంది?
2022లో క్లౌడ్ కంప్యూటింగ్ హైప్ సైకిల్
కాబట్టి నేడు గార్ట్నర్ యొక్క అభివృద్ధి చెందుతున్న టెక్నాలజీ హైప్ సైకిల్‌లో క్లౌడ్ కంప్యూటింగ్, పబ్లిక్ క్లౌడ్ స్టోరేజ్ మరియు సాఫ్ట్‌వేర్ సర్వీస్‌గా ఎక్కడ ఉన్నాయి? వాళ్ళు కాదు. అవి ఇప్పుడు అప్-అండ్-కమింగ్ టెక్నాలజీలు కావు. వారు ఇప్పుడు హోరిజోన్‌లో లేరు. వారు ప్రధాన స్రవంతి, స్వీకరించడానికి వేచి ఉన్నారు. కింది వాటిలో పెరుగుదల కోసం చూడండి అభివృద్ధి చెందుతున్న సాంకేతికతలు: AI-అగ్మెంటెడ్ డిజైన్, జెనరేటివ్ AI, ఫిజిక్స్-ఇన్ఫర్మేడ్ AI మరియు నాన్ ఫంగబుల్ టోకెన్‌లు.
ఈ కథనంలోని ఆలోచనలు వాస్తవానికి "కాగ్నిటివ్ అనలిటిక్స్: బిల్డింగ్ ఆన్ యువర్ లెగసీ IT ఫౌండేషన్" కథనానికి ముగింపుగా అందించబడ్డాయి TDWI బిజినెస్ ఇంటెలిజెన్స్ జర్నల్, వాల్యూమ్ 22, నం. 4.
