准备迁移到云端
我们现在处于云采用的第二个十年。 多达 92% 的企业在某种程度上使用云计算。 大流行已成为组织采用云技术的最新驱动力。 成功地将额外的数据、项目和应用程序迁移到云端取决于准备、计划和问题预测。
- 考前准备 是关于数据以及数据和支持基础设施的人工管理。
- 规划 是必不可少的。 该计划需要包含特定的关键要素。
- 问题管理 是预见潜在问题区域的能力以及在遇到问题时导航的能力。
企业在云中取得成功必须做的四件事，加上 7 个陷阱
您的业务将迁移到云端。 好吧，让我换个说法，如果您的业务要成功，它将转移到 
云——这是，如果它还没有的话。 如果你已经在那里，你可能不会读到这篇文章。 贵公司具有前瞻性思维，并打算利用我们在另一篇文章中讨论的所有云优势。 截至 2020 年，92% 的企业在一定程度上使用了云，50% 的企业数据已经在云中。
COVID 云上的一线希望：大流行迫使企业更密切地关注云功能，以支持远程劳动力的新范式。 云既指大数据 存储和处理该数据的应用程序。 迁移到云的主要原因之一是通过灵活并从大量数据中获得新见解来获得竞争优势。
分析公司 Gartner公司 定期发布一份报告，讨论“有望在未来 10 到 XNUMX 年内提供高度竞争优势的技术和趋势”。 十年前， Gartner 2012 年炒作周期 对于云计算而言，云计算和公共云存储处于“幻灭的低谷”，刚好超出了“过高预期的峰值”。 此外，大数据刚刚进入“高估的高峰期”。 这三个预期在 3 到 5 年内达到稳定水平。 Gartner 将软件即服务 (SaaS) 置于“启蒙斜率”阶段，预计稳定期为 2 到 5 年。
2018年后的2年，“云计算”和“公共云存储”处于“启蒙斜坡”阶段，预计平台期不到XNUMX年。 “软件即服务”已经到了高原期。 关键是在此期间公共云得到了大量采用。
今天，也就是 2022 年，云计算已进入第二个十年，现在是新应用程序的默认技术。 
As Gartner公司 说，“如果它不是云，它就是遗产。” Gartner 继续说，云计算对组织的影响是变革性的。 那么组织应该如何处理这种转变呢？
此图表更详细地描述了技术处于特定阶段的含义。
组织应如何进行组织转型？
在采用云的过程中，组织必须做出决策、制定新政策、创建新程序并应对特定挑战。 以下是您需要解决的特定区域列表，以确保您的房子井井有条：
- 培训、再培训或新角色。 在采用公共云进行数据存储或利用应用程序时，您已经外包了基础架构的支持和维护。 您仍然需要内部专业知识来管理供应商和访问数据。 此外，您需要知道如何利用可用于认知分析和数据科学的新工具。
- 数据。 一切都与数据有关。 数据是新的货币。 我们谈论的是大数据——至少满足一些 V的定义. 在迁移到云端时，至少您的一些数据将在云端。 如果您“全力以赴”，您的数据将存储在云端并在云端进行处理。
A. 数据可用性. 您现有的本地应用程序能否访问云中的数据？ 您的数据是否在需要处理的地方？ 您是否需要在云迁移项目中预算时间来将数据迁移到云端？ 多久才能做到？ 您是否需要开发新流程以将交易数据传输到云端？ 如果您打算执行 AI 或机器学习，则必须有足够的训练数据来满足所需的准确度和精度水平。
B. 数据的可用性. 您的数据格式是否可供访问数据的人员和工具使用？ 您可以对您的数据仓库执行“提升和转移”吗？ 或者，是否可以针对性能进行优化？
C. 数据质量. 您的决策所依赖的数据质量会影响您的决策质量。 治理、数据管理者、数据管理，也许是数据管理者，可能在云中采用认知分析方面发挥重要作用。 在将数据迁移到云之前花点时间评估数据的质量。 没有什么比发现您迁移了不需要的数据更令人沮丧的了。
D. 大数据的可变性和不确定性. 数据可能不一致或不完整。 在评估您的数据以及您打算如何使用它时，是否存在差距？ 现在是解决与企业级数据标准相关的已知问题的时候了。 跨报告中心标准化时间维度、地理层次结构等简单事物。 确定唯一的事实来源。
E. 大数据本身固有的局限性. 大量潜在结果可能需要领域专家评估结果的重要性。 换句话说，如果您的查询返回了很多记录，您将如何作为人工处理呢？ 要想进一步过滤，减少记录，让普通的非超人消费，就需要了解数据背后的业务。
3.支持IT的基础/基础设施. 考虑所有活动部件。 可能并非您的所有数据都在云中。 有些可能在云端。 一些现场。 还有其他数据可能在 另一个 供应商的云。 有数据流图吗？ 您准备好从管理物理硬件转向管理管理物理硬件的供应商了吗？ 您了解云环境的局限性吗？ 您是否考虑了支持非结构化数据以及关键平台支持技术的能力。 您是否仍然能够使用您在本地使用的相同 SDK、API 和数据实用程序？ 它们可能需要重写。 从事务系统加载数据仓库的现有 ETL 怎么样？ ETL 脚本将需要重写。
4. 细化角色. 用户可能需要重新培训新应用程序以及如何访问云中的数据。 通常，桌面或网络应用程序可能与专用于云的应用程序具有相同或相似的名称。 但是，它的功能可能不同，甚至具有不同的功能集。
如果您的组织认真考虑迁移到云并充分利用分析，那么迁移可以提供重要的业务和经济价值是毫无争议的。 实际上，要从这里到达那里，您需要：
- 制定章程.
A. 您是否定义了项目的范围？
B. 你有高管赞助吗？
C. 谁——什么角色——应该包括在项目中？ 谁是首席架构师？ 您需要依靠云供应商获得哪些专业知识？
D. 最终目标是什么？ 顺便说一句，目标不是“迁移到云端”。 你试图解决什么问题？
E. 定义你的成功标准。 你怎么知道你成功了？
2. 发现。 从头开始。 盘点。 找出你有什么。 回答问题:
A. 我们有什么数据？
B. 数据在哪里？
C. 需要支持哪些业务流程？ 这些流程需要什么数据？
D. 我们目前使用哪些工具和应用程序来处理数据？
E. 数据的大小和复杂性是多少？
F. 我们将拥有什么？ 我们的供应商在云中提供了哪些应用程序？
G. 我们将如何连接数据？ 云中需要打开哪些端口？
H. 是否有规定隐私或安全要求的法规或要求？ 是否有需要维护的客户 SLA？
一、你知道云使用成本是如何计算的吗？
3. 评估和评估.
A. 我们打算移动哪些数据？
B. 评估成本。 既然您知道数据的范围和数量，您就可以更好地定义预算。
C. 定义你目前拥有的东西和你期望拥有的东西之间存在的差距。 我们缺少什么？
D. 包括一个测试迁移，以揭示您在理论上遗漏的内容。
E. 在这个阶段和最后阶段包括用户验收测试。
F. 您可以预见到哪些挑战，以便在下一阶段建立应急措施？
G. 已识别出哪些风险？
4。 计划. 建立一个 road 地图。
A. 优先事项是什么？ 什么是第一位的？ 顺序是什么？
B. 你能排除什么？ 如何缩小范围？
C. 会有时间进行并行处理吗？
D. 方法是什么？ 部分/分阶段的方法？
E. 您是否定义了安全方法？
F. 您是否制定了数据备份和灾难恢复计划？
G. 什么是沟通计划——项目内部、利益相关者、最终用户？
5. 建造。 迁移。 测试。 发射.
A. 制定计划。 根据新信息动态修改。
B. 建立您的历史优势并在您的传统 IT 基础上取得成功，并开始利用大数据和认知分析的优势。
6. 迭代和细化.
A. 你什么时候可以让现在闲置的服务器退役？
B. 您发现需要进行哪些重构？
C. 可以对云中的数据进行哪些优化？
D. 您现在可以在云中使用哪些新的数据应用程序？
E. 下一个级别是什么？ 人工智能、机器学习、高级分析？
陷阱
有 来源 说多达 70% 的技术项目完全或部分失败。 显然，这取决于您的定义 
失败。 其他 资源 发现 75% 的人认为他们的项目从一开始就注定失败。 这可能意味着有 5% 的人成功了，尽管几率不大。 我的经验告诉我，有很大一部分技术项目要么从未启动，要么未能完全实现所承诺的期望。 这些项目有一些共同的主题。 当您开始计划迁移到云时，这里有一些需要注意的问题。 如果你不这样做，他们就像是坏业力，或者是一个糟糕的信用评分——迟早，他们会咬你的屁股。：
- 所有权. 从管理的角度来看，一个人必须拥有该项目。 同时，所有参与者都必须作为利益相关者感到投入。
- 价格. 是否已分配预算？ 您知道未来 12 个月的数量级以及对持续成本的估计吗？ 是否有任何潜在的隐性成本？ 你有没有丢弃任何多余的漂浮物和喷气机以准备搬家。 您不想迁移不会使用或不受信任的数据。
- 领导团队. 项目是否完全由管理层赞助？ 期望和成功的定义是否现实？ 目标是否与公司愿景和战略一致？
- 项目管理 . 时间表、范围和预算是否现实？ 是否存在要求缩短交付期限、扩大范围和/或降低成本或减少人员的“力量”？ 是否对要求有把握？ 它们是否现实且定义明确？
- 人力资源. 技术是容易的部分。 人的问题可能是一个挑战。 迁移到云端将带来变化。 人们不喜欢变化。 你需要适当地设定期望。 是否有足够和适当的工作人员致力于该倡议？ 或者，您是否尝试过从已经忙于日常工作的人身上腾出时间？ 你能维持一个稳定的团队吗？ 许多项目因关键人员的流失而失败。
- 风险. 是否已成功识别和管理风险？
- 偶然性. 您是否能够识别出您无法控制但可能会影响交付的事情？ 考虑领导层变动的影响。 全球大流行将如何影响您按时完成任务并获得资源的能力？
2022 年的云计算炒作周期
那么，在今天 Gartner 的新兴技术炒作周期中，云计算、公共云存储和软件即服务在哪里？ 他们不是。 它们不再是新兴技术。 他们不再出现在地平线上。 它们是主流，等待被采用。 关注以下增长 新兴技术：人工智能增强设计、生成人工智能、物理信息人工智能和不可替代代币。
本文中的想法最初是作为文章“认知分析：建立在您的传统 IT 基础上”的结论提出的 TDWI 商业智能期刊，第 22 卷，第 4 期。
