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、试验和推出新产品。然而，尽管有强制性的要求，但企业在将分析迁移到云端时仍会感到担忧。组织正在寻找可以帮助他们分配资源和集成业务流程以提高性能、控制成本并在本地私有云和公共云环境中实施合规性的服务提供商。
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可以比通常在本地完成的速度更快地开发、部署和扩展（或缩减）。
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，并且只需为使用的资源付费。研究表明，将分析迁移到云端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个最重要的驱动因素，它与提高敏捷性和降低 IT 成本的前两个好处密切相关。此外，标准化还可以帮助组织简化 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、试验和推出新产品。例如，组织可以利用具有预建行业模型的基于云的数据集成和准备平台。利用云服务为复杂分析提供强大的基于图形处理单元 (GPU) 的计算资源，并利用联合数据环境中的数据分析师协作生态系统。
云分析迁移——随需而行
有多种迁移策略可用，具体取决于您的需求和目标。其中一些速度快，另一些速度慢。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。
- 规划设计
- 迁移、集成和验证。
- 运营与优化
云分析迁移策略
将分析迁移到云端有六种常用策略：
- 升降机
- 提升和重塑
- 购物
- 重写/解耦应用程序
- 退休/退役
- 保留/不动
请务必注意，大多数迁移项目都采用多种策略，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它们在迁移过程中的分组方式。
升降机
我们提升我们的应用程序并转移到云端。该策略快速、可预测、可重复且经济。
提升和重塑
这种方法类似于前一种方法。但您还将部署该软件的最新版本。
购物
这种方法允许您用新的应用程序替换您的应用程序。
重写/解耦应用程序
这种方法是关于在迁移到云之前更改应用程序二进制文件。这可能适用于定制和开源解决方案。
退休/退役
这种方法将在本地停用您的应用程序。
保留/不动
这种方法允许您将解决方案留在本地。
移民问题
尽管势在必行，但企业在将分析迁移到云端时仍会担心：
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，本地基础设施并不比构建良好的云系统更安全。反过来更可能是准确的，因为成熟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大量资金。
选择正确的架构和基础设施
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、集成挑战以及供应商锁定。
将现有应用程序与较新的基于云的应用程序集成
组织通常运行基于复杂相互依赖关系构建的各种应用程序，而数据则存放在各种孤岛和不同格式中。如果没有用于映射应用程序依赖性、资源和资源利用率的准确数据，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及其驻留位置的监管。这些担忧可能会让组织在考虑将数据迁移到云端时犹豫不决。
在云中实施分析的最大障碍
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下、数据团队和业务部门之间缺乏一致性，或者模型过于复杂以至于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跨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，因此不值得一开始。
数据隐私问题
GDPR 等法规使得使用个人数据进行分析变得更具挑战性。在大多数情况下，与属于欧盟法规范围内的客户打交道的亚太地区组织需要获得客户同意或在使用数据进行分析之前对数据进行匿名处理——这会增加工作量和成本。
缺乏相关技能或人员
对于许多组织而言，找到像数据科学家这样能够使用正确工具查找、组织和解释数据的技术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造成的。更重要的是，随着数据量继续呈指数级增长，组织会发现很难在解决问题之前保持领先。