云提供了对新分析功能、工具和生态系统的访问，可以快速利用这些功能、工具和生态系统来测试、试点和推出新产品。然而，尽管迫在眉睫，但企业在将分析迁移到云时仍感到担忧。组织正在寻找能够帮助他们分配资源和集成业务流程的服务提供商，以提高性能、控制成本并跨本地私有云和公共云环境实施合规性。
在云中运行分析最常被提及的好处是提高了敏捷性。借助按需提供的计算资源和新工具，分析应用程序和基础架构的开发、部署和扩展（或缩减）速度比通常在本地完成的速度要快得多。
不出所料，降低成本被视为基于云的分析的显着优势。处理大量数据的复杂算法可能需要数千个CPU和数天的计算时间，这对于没有现有内部计算和存储资源的公司来说可能是令人望而却步的。
借助云，组织可以按需快速访问所需的计算和存储能力，并且只需为使用的内容付费。研究表明，将分析迁移到云可以使组织的投资回报率 （ROI） 翻倍。
标准化被认为是将分析迁移到云的第三大关键驱动因素，与提高敏捷性和降低IT成本的前两个好处密切相关。此外，标准化可帮助组织简化、精简 IT 管理并缩短开发周期。
云提供了对新分析功能、工具和生态系统的访问，可以快速利用这些功能、工具和生态系统来测试、试点和推出新产品。例如，组织可以利用基于云的数据集成和准备平台以及预先构建的行业模型。利用云服务，为复杂的分析提供强大的基于图形处理单元 （GPU） 的计算资源，并在联合数据环境中利用数据分析师的协作生态系统。
云分析迁移 — 顺应需求
有多种可用的迁移策略，具体取决于您的需求和目标。其中一些速度快，另一些则较慢。通常，迁移过程包括五个阶段：
- 评估机会 — 分析与迁移到云相关的成本和收益。
- 发现和分析 — 访问云迁移产品组合并制定迁移计划。
- 规划与设计
- 迁移、集成和验证。
- 运营和优化
云分析迁移策略
分析迁移到云有六种常用策略：
- 直接迁移
- 提升和重塑
- 放下和购物
- 重写/解耦应用程序
- 停用/退役
- 保留/不移动
请务必注意，大多数迁移项目采用多种策略，并且每个计划都有不同的工具可用。迁移策略将影响迁移所需的时间以及迁移过程中对它们的分组方式。
直接迁移
我们提升应用程序并迁移到云。此策略快速、可预测、可重复且经济。
提升和重塑
此方法与前一种方法类似。但您还将部署该软件的最新版本。
放下和购物
此方法允许您将应用程序替换为新应用程序。
重写/解耦应用程序
此方法涉及在迁移到云之前更改应用程序二进制文件。这可能适用于自定义和开源解决方案。
停用/退役
此方法将在本地停用应用程序。
保留/不移动
此方法允许您将解决方案保留在本地。
对迁移的担忧
尽管势在必行，但企业在将分析迁移到云时仍感到担忧：
信息安全
组织认为云中的数据本质上不如本地数据安全。这种看法可能是对云平台上网络安全黑客的耸人听闻的新闻报道的结果。实际上，本地基础架构并不比精心构建的云系统更安全。反之亦然，因为已建立的云提供商遵守最严格的安全要求，并在安全解决方案、人员和资源方面投入巨资。
选择正确的架构和基础架构
组织担心为其分析应用程序选择错误的平台可能会导致性能问题、数据碎片化、集成挑战以及进一步的供应商锁定。
将现有应用程序与基于云的较新的应用程序集成
组织通常运行基于复杂的相互依赖关系构建的各种应用程序，而数据则以各种孤岛和不同的格式存储。如果没有准确的数据来映射应用程序依赖关系、资源和资源利用率，受访者将把现有应用程序与基于云的应用程序集成视为一项重大挑战。
数据管理和治理
鉴于数据类型和来源的多样性，组织必须努力解决数据访问和治理问题，并加强对数据管理方式和驻留位置的监管监督。这些担忧可能会让组织在考虑将数据移动到云时停下来。
在云中实施分析的最强大障碍
难以将模型部署到业务流程和应用程序中
这可能是由于数据质量低、数据团队和业务部门之间缺乏一致性或模型过于复杂而用户无法理解或使用。
缺乏准确的数据和分析治理
仅仅将时间和金钱投入到企业不同部分的数据准备和模型构建中是不够的。如果没有适当的治理，这种不协调的努力可能与业务目标或现实不一致，因此一开始就不值得。
数据隐私问题
GDPR 等法规使得使用个人数据进行分析更具挑战性。在大多数情况下，与欧盟法规范围内的客户打交道的亚太地区组织在使用数据进行分析之前需要征得客户同意或匿名化数据，从而导致工作量和成本增加。
缺乏相关技能或人员
对于许多组织来说，找到像数据科学家这样能够使用正确的工具查找、组织和解释数据的熟练人员可能是一个真正的挑战。这个问题预计不会很快得到解决。
无法解决数据质量和数据准备问题
数据质量和准备问题通常是由不同的流程、分散的系统或孤立的信息存储引起的。更重要的是，随着数据量继续呈指数级增长，组织可能会发现很难领先于问题。
