Megosztás a következőn keresztül:


Felhőalapú elemzések integrálása a felhőbevezetési stratégiába

Egyetlen, központosított felhőbevezetési stratégiát hozhat létre a szervezet számára az Azure felhőadaptálási keretrendszer stratégiai módszertanának használatával. Ha még nem rögzítette a felhőbevezetési stratégiát, ehhez használja a stratégiát és a tervsablont .

Ez a cikk olyan szempontokat tartalmaz a felhőalapú elemzési forgatókönyvekhez, amelyek hatással vannak a szélesebb körű stratégiára.

A felhőalapú elemzés implementálása előtt hozzon létre egy tervet az adatstratégiához. A kis méretű használatot egyetlen használati esettel kezdheti, vagy sokkal nagyobb használati esetekkel is rendelkezhet, amelyek rangsorolást igényelnek. A stratégia segítségével létrehozhatja a folyamatokat, és elindíthatja az alappillérekről szóló kezdeti beszélgetéseket, amelyekre összpontosítania kell.

Az üzleti eredmények rangsorolása az adatstratégiához

A sikeres adatstratégia versenyelőnyt biztosít. Az adatstratégiát mindig a kívánt üzleti eredményekhez kell igazítania. A legtöbb üzleti eredmény az alábbi négy kategória egyikére sorolható:

  • Az alkalmazottak felkészítése: Valós idejű ismereteket nyújt a munkatársaknak az ügyfelekről, az eszközökről és a gépekről. Ez a tudás segít nekik hatékonyan együttműködni, hogy rugalmasan megfeleljenek az ügyfelek vagy az üzleti igényeknek.

  • Vegye fel a kapcsolatot az ügyfelekkel: A márka által ihletett, gazdag, személyre szabott és összekapcsolt élményt nyújt. Kihasználhatja az adatok és elemzések erejét, hogy az ügyfelek hűségét az ügyfélfolyamat minden lépése során elősegítse.

  • Műveletek optimalizálása: Növelje az információáramlást a teljes szervezetben. Szinkronizálhatja üzleti folyamatait, és adatvezérelt megközelítéssel minden interakciót értékessé tehet.

  • A termékek és a fejlesztési életciklus átalakítása: Telemetriai adatok gyűjtése a szolgáltatásokról és ajánlatokról. A telemetriai adatok segítségével rangsorolhat egy kiadást, vagy új funkciót hozhat létre, és folyamatosan értékelheti a hatékonyságot és a bevezetést.

Az üzleti eredmények rangsorolása után vizsgálja meg a jelenlegi projekteket és a hosszú távú stratégiai kezdeményezéseket, és sorolja be őket ennek megfelelően. Érdemes lehet az üzleti eredmények négy kategóriáját összetettség és hatás alapján mátrix formátumban kombinálni. Vegye fontolóra az architekturális pillérek hozzáadását is, hogy jobban megismerhesse a forgatókönyvet.

Stratégiai érték feloldása

Egy olyan adatvezérelt kultúra kialakítása, amely konzisztens, előretekintő, agilis és tájékozott módon vezeti előre az üzleti környezetet, néhány alapvető összetettséggel és alapvető realitással rendelkezik. Mielőtt belép az üzembe helyezési fázisba, összpontosítson egy koherens adatstratégia kialakítására, amely segíthet a kívánt üzleti eredmények elérésében.

A felhőalapú elemzések az innovációközpontú motivációkhoz igazodnak. Az alábbi gyakori tényezők arra ösztönzik az ügyfeleket, hogy integrálják ezt a forgatókönyvet a felhőbevezetési stratégiájukba:

  • Skálázható elemzési keretrendszer, amellyel vállalati adatplatformot hozhat létre
  • Önkiszolgáló, amely lehetővé teszi a felhasználók számára az adatfeltárást, az adategységek létrehozását és a termékfejlesztést
  • Adatvezérelt kultúra újrafelhasználható adategységekkel, adatközösségekkel, biztonságos külső adatcserével és helyi megosztással
  • Adatok megbízható megosztása szabályzatok, közös identitás, bizalmasság és titkosítás használatával
  • Továbbfejlesztett ügyfélélmény és előjegyzések
  • Termékek vagy szolgáltatások átalakítása
  • Piaci fennakadások az új termékekkel vagy szolgáltatásokkal kapcsolatban

Az alábbi diagram fő témákat tartalmaz, amelyek segítenek megvalósítani ezeket a motivációkat a saját stratégiájában. Gondosan elemezze ezeket a témákat, és hogy hogyan járulnak hozzá a koherens adatstratégiához. Azt is gondolja át, hogyan oldhatják fel az adatok stratégiai értékét, és hogyan teszik lehetővé a konzisztens üzleti növekedést.

Diagram, amely a hatékonyság növelésének, az adatdemokratizálásnak és a szabályozásnak a fő témáit mutatja be.

"Az adatstratégia az adatok eszközként való használatának és az üzletmenet előmozdításának alapja. Ez nem adatproblémák javítási feladata. Ez egy hosszú távú, vezető terv, amely meghatározza azokat a személyeket, folyamatokat és technológiákat, amelyeket az adatproblémák megoldásához kell létrehozni."

A stratégia létrehozása egy lépés. A stratégia nagyvállalati szintű végrehajtása nagy kihívást jelent a szervezet meglévő kulturális környezete, a személyek, a folyamatok és a technológiai lehetőségek számára. A végrehajtáshoz a szervezet minden szintjén kötelezettségvállalásra és egyértelmű tulajdonjogra van szükség.

A hatékonyság növelése

A felhő rugalmasságához a szervezeteknek gyorsan alkalmazkodniuk kell, és hatékonyságot kell elérnie az üzlet minden területén. A Gartner által felmerülő kockázatokról szóló jelentés szerint annak ellenére, hogy a szervezetek továbbra is a digitális kezdeményezésekre összpontosítanak és fektetnek be, ezen szervezetek kétharmada a vállalati hiányosságokat mutatja be, és nem teljesít az elvárásoknak, annak ellenére, hogy továbbra is a digitális kezdeményezésekre összpontosítanak és fektetnek be,

Adatkezelés üzemeltetése

Számos szervezet lassan decentralizálta a központi informatikai rendszert az agilitás érdekében. A szervezetek gyorsan szeretnének újítani, és a nagyvállalati szintű egységes adatokhoz való hozzáférés önkiszolgáló módon segítenek nekik megfelelni a kihívást jelentő üzleti követelményeknek.

Számos oka lehet annak, hogy a vállalkozások nem tudják kihasználni az adataikban rejlő lehetőségeket. Ennek az lehet az oka, hogy az üzleti funkciók silókban működnek, ahol minden csapat különböző eszközöket és szabványokat használ az adatelemzéshez. Vagy az is lehet, hogy nem sikerült összekapcsolni a fő teljesítménymutatókat az általános üzleti célokhoz.

Az adatdemokratizálással értéket teremthet az üzletnek, és kihívást jelentő üzleti növekedési célokat érhet el.

  • Megismerheti és rangsorolhatja a loBs-igényeket.
  • Ossza el az adatokat tartományok között, hogy lehetővé tegye a tulajdonjogot, és közelebb hozza az adatokat a felhasználókhoz.
  • Önkiszolgáló adattermékek üzembe helyezése az elemzések és az üzleti értékek megvalósításához.

Az adatszabályozáshoz megfelelő egyensúlyt kell teremtenie az adatdemokratizálás decentralizált világában. Ha túl szigorúan kényszeríti a szabályozást, elfojthatja az innovációt. Ha azonban nem rendelkezik legalább néhány alapvető alapelvvel és folyamattal, valószínűleg adatsilókhoz fog tartozni. Ezek a silók károsíthatják a szervezet hírnevét és a potenciális bevételeket. A holisztikus adatszabályozási megközelítés alapvető fontosságú az adatok stratégiai értékének konzisztens módon történő feltárásához.

A jól átgondolt adatstratégia hiánya miatt egyszerűen csak "elindulni" kell, és gyorsan értékeket kell nyújtani a szervezetnek. Az aktuális üzleti problémák megoldásához a korábban említett fő témák alapján kell eljárni, vagy stratégiai alapelvekként használni őket egy keretrendszeren belül. Ezen fő témák használatával olyan holisztikus adatstratégiát is létrehozhat, amely iteratív az ellenőrzéssel, de mégis időben biztosít eredményeket. Az üzleti és technológiai vezetőknek ki kell dolgozniuk azokat a stratégiákat és gondolkodásmódokat, amelyek szükségesek ahhoz, hogy értéket teremthessenek az adatokból, és gyorsan skálázhatók egyszerűsített, strukturált módon

További információ: Mi az az adatszabályozás?.

Adatvezérelt kultúra fejlesztése

A sikeres adatstratégiák létrehozásához adatvezérelt kultúrára van szükség. Olyan kultúra kialakítása, amely következetesen támogatja a nyílt, együttműködésen alapuló részvételt. Az ilyen típusú kultúrában a teljes munkaerő megtanulhatja, kommunikálhatja és javíthatja a szervezet üzleti eredményeit. Az adatvezérelt kultúra kialakítása az egyes alkalmazottak azon képességét is javítja, hogy hatással vagy hatással legyenek az adatokra.

Az utazás kiindulópontja a szervezettől, az iparágtól és az aktuális helytől függ a lejárati görbe mentén. Az alábbi ábrán egy példa érettségi modell látható, amely egy szervezet AI-használatának érettségi szintjeit mutatja be:

Diagram egy szervezet fejlettségének alakulásáról.

0. szint

Az adatok nem programozott módon és következetesen vannak kihasználva. A szervezet adatfókusza alkalmazásfejlesztési szempontból van.

A 0. szinten a szervezet gyakran nem tervezett elemzési projektekkel rendelkezik. Minden alkalmazás speciálisan egyedi adatokra és az érdekelt felek igényeire specializálódott. Minden alkalmazás jelentős kódbázisokkal és mérnöki csapatokkal is rendelkezik, és számos it-n kívüli fejlesztéssel rendelkezik. A használati esetek engedélyezése és az elemzések silók.

1. szint

Az 1. szinten a csapatok létrehozása és a stratégia létrehozása folyamatban van, de az elemzések továbbra is részlegszintűek maradnak. A szervezet általában jó a hagyományos adatrögzítésben és -elemzésben. Előfordulhat, hogy bizonyos szintű elkötelezettséggel rendelkezik a felhőalapú megközelítés iránt. Előfordulhat például, hogy már hozzáfér a felhőből származó adatokhoz.

2. szint

A szervezet innovációs platformja majdnem készen áll. A munkafolyamatok az adatminőség kezelésére használhatók. A szervezet megválaszolhat néhány "miért" kérdést.

A 2. szinten a szervezet aktívan keres egy végpontok közötti adatstratégiát, amely központilag szabályozott data lake-tárolókat használ az adattárak sprawl szabályozására és az adatfelderítés javítására. A szervezet készen áll olyan intelligens alkalmazásokra, amelyek a számításokat központilag szabályozott adattavakba hozzák. Ezek az intelligens alkalmazások csökkentik az adatvédelmi kockázatokat, a számítási költségeket és a fontos adatok összevont példányainak szükségességét.

Ezen a szinten a szervezet készen áll arra is, hogy több-bérlős, központilag üzemeltetett, megosztott adatszolgáltatásokat használjon a gyakori adatszámítási feladatokhoz. Ezek a megosztott adatszolgáltatások gyors elemzéseket tesznek lehetővé az adattudomány-alapú intelligenciaszolgáltatásokból.

3-as szint

A szervezet holisztikus adat megközelítést alkalmaz. Az adatokhoz kapcsolódó projektek integrálva vannak az üzleti eredményekbe. A szervezet elemzési platformokat használ az előrejelzések készítéséhez.

A 3. szinten a szervezet adattulajdon- és alkalmazásfejlesztési szempontból is kiaknázhatja a digitális innovációt. Alapvető adatszolgáltatások vannak érvényben, beleértve a data lake-eket és a megosztott adatszolgáltatásokat.

A szervezet több csapata is sikeresen biztosítja a kritikus fontosságú üzleti számítási feladatokat, a kulcsfontosságú üzleti használati eseteket és a mérhető eredményeket. Az új megosztott adatszolgáltatások telemetria alapján vannak azonosítva. Az informatikai részleg megbízható tanácsadó a vállalaton belüli csapatok számára, és megbízható és csatlakoztatott végpontok közötti adatstratégiát használ a kritikus üzleti folyamatok javításához.

4. szint

A 4. szinten a teljes szervezet keretrendszereket, vállalati szabványokat és adatvezérelt kultúrát használ. Működés közben megfigyelhetők az automatizálás, az adatvezérelt visszajelzési hurkok és a kiválósági központok az elemzés vagy az automatizálás területén.

Üzleti célok fejlesztése

A siker kulcsa a prioritások azonosítása az üzleti elképzelésekkel összhangban, valamint a "nagy gondolkodás, kis kezdés és gyors cselekvés" ideológia megtartása. A megfelelő használati eset felvételének nem mindig kell hosszú távú, nehéz ellenőrzési folyamatnak lennie. Ez egy folyamatos probléma lehet bármely üzleti egységben, ahol elegendő adat áll rendelkezésre a befektetés megtérülésének ellenőrzéséhez, a nagyobb étvágyhoz és az egyszerű bevásárláshoz. A dolgok gyorsan mozoghatnak, és a szervezet nagy része ezen a területen küzdhet az első lépésekért.

Az adatattribútumok ismertetése

Egy erős adatstratégia kialakításához tisztában kell lenni az adatok működésével. Az adatok alapvető jellemzőinek ismerete segít az adatok kezelésének elvi gyakorlatában.

Az adatok gyorsan haladnak, de a sebessége nem lehet ellentmond a fizika törvényeinek. Az adatoknak meg kell felelniük a föld és az azt létrehozó iparág törvényeinek.

Az adatok önmagukban nem változnak, de hajlamosak a változásokra és a véletlen veszteségre, hacsak nem tesz intézkedéseket az ilyen kihívások enyhítésére. Helyezzen üzembe a vezérlők, adatbázisok és tárolók sérülésgátló intézkedéseit, hogy kezelni tudja az előre nem látható változásokat. Emellett győződjön meg arról, hogy beállította a monitorozást, a naplózást, a riasztásokat és az alárendelt folyamatokat.

Az adatok önmagukban nem hoznak létre elemzéseket, és nem hoznak létre semmilyen értéket. Az elemzésekhez vagy az értékek kinyeréséhez az adatok többségét vagy egészét négy különálló lépésben kell elvégeznie:

  1. Betöltés
  2. Tárolás
  3. Feldolgozás
  4. Elemzés

A négy lépés mindegyike saját alapelveivel, folyamataival, eszközeivel és technológiáival rendelkezik.

Az adategységek és a kapcsolódó elemzések visszatartása hatással lehet a társadalmi-gazdasági, politikai, kutatási és befektetési döntésekre. Kritikus fontosságú, hogy a szervezet biztonságos és felelősségteljes módon nyújtson betekintést. Minden létrehozott vagy megszerzett adatnak át kell mennie egy adatbesorolási gyakorlaton, hacsak másként nem rendelkezik kifejezett utasítással. A titkosítás az inaktív és az átvitel alatt álló bizalmas adatok kezelésére szolgáló arany szabvány.

Az adatok, alkalmazások és szolgáltatások mindegyike rendelkezik saját gravitációs lekérésekkel, de az adatok lekérése a legnagyobb. Sir Isaac Newton legendás almájától eltérően az adatoknak nincs olyan fizikai tömege, amely hatással lenne a környező objektumokra. Ehelyett késéssel és átviteli sebességgel rendelkezik, amely gyorsítóként szolgál az elemzési folyamathoz. A késés, az átviteli sebesség és a könnyű hozzáférés gyakran megköveteli az adatok duplikálását, még akkor is, ha ez nem kívánatos. Állítsa be megfelelően a személyeket, folyamatokat, eszközöket és technológiákat, hogy kiegyensúlyozza ezeket a követelményeket a szervezet adatszabályzataival.

Az architekturális szerkezetek szabályozzák az adatok feldolgozásának sebességét. A szerkezeteket a szoftver, a hardver és a hálózat újításai segítik elő. Néhány architekturális szempont:

  • Adatterjesztés beállítása
  • Particionálás
  • Gyorsítótár-technológiák
  • Batch és streamfeldolgozás
  • Háttér- és ügyféloldali feldolgozás kiegyensúlyozása

Az adatstratégia meghatározása

Az adatok versenyelőnyként való használata jobb termékek és magasabb értékű szolgáltatások létrehozásához nem újdonság. A felhőalapú számítástechnika által engedélyezett adatok mennyisége, sebessége és változatossága azonban igen.

A modern felhőbeli adatelemzési platform kialakítása a biztonságból, a szabályozásból, a figyelésből, az igény szerinti skálázásból, az adatműveletekből és az önkiszolgálóságból áll. Az ezen aspektusok közötti kölcsönhatás megértése különbözteti meg a nagyszerű adatstratégiát a jótól. Az architektúra egységességének, integritásának és ajánlott eljárásainak biztosításához használjon olyan eszközöket, mint a felhőadaptálási keretrendszer.

A hatékonyság érdekében az adatstratégiának tartalmaznia kell az adatszabályozásra vonatkozó rendelkezéseket. Az alábbi ábra az adatéletciklus fő fázisait mutatja be, amelyek középpontjában az adatszabályozás áll:

Adatéletciklus diagramja.

Az alábbi szakaszok a tervezési alapelvek adatstratégiáinak rétegei mellett érdemes megfontolandó szempontokat ismertetik. Az üzleti eredmények és az adatokból származó érték elérésére összpontosítson.

Adatfeldolgozás

Az adatbetöltés egyik fő szempontja, hogy gyorsan, biztonságosan és megfelelő módon hozhat létre adatfolyamot a követelményektől az éles környezetig. A fontos elemek közé tartoznak a metaadat-alapú, az önkiszolgáló és az alacsony kódszámú technológiák, amelyek hidratálják a data lake-t.

Folyamatok létrehozásakor fontolja meg a tervezést és az adatok elosztásának, az adatok elosztásának és a számítás skálázásának képességét. Arról is gondoskodnia kell, hogy a megfelelő DevOps-támogatással rendelkezzen a folyamat folyamatos integrációjához és kézbesítéséhez.

Az olyan eszközök, mint a Azure Data Factory számos helyszíni adatforrást, szolgáltatott szoftveres (SaaS-) adatforrást és más nyilvános felhőkből származó egyéb adatforrásokat támogatnak.

Tárolás

Az adatok címkézése és rendszerezése fizikai és logikai rétegekben is. A data lake-k az összes modern adatelemzési architektúra részét képezik. A szervezetnek megfelelő adatvédelmi, biztonsági és megfelelőségi követelményeket kell alkalmaznia, amelyek megfelelnek az ön által üzemeltetett adatbesorolási és iparági megfelelőségi követelményeknek. A katalóguskészítés és az önkiszolgáló támogatás segíti a szervezeti szintű adatdemokratizálást, amely elősegíti az innovációt, miközben a megfelelő hozzáférés-vezérlés vezérli.

Válassza ki a számítási feladatnak megfelelő tárolót. Még akkor is, ha az első alkalommal nem kap pontosan megfelelő tárterületet, a felhő lehetővé teszi a gyors feladatátvételt és az utazás újraindítását. Az alkalmazáskövetelményekkel válassza ki a legjobb adatbázist. Ügyeljen arra, hogy az elemzési platform kiválasztásakor vegye figyelembe a kötegelt és streamelt adatok feldolgozásának lehetőségét.

Adatfeldolgozás

Az adatfeldolgozási igények az egyes számítási feladatoktól függően változnak. A legtöbb nagy méretű adatfeldolgozás a valós idejű és a kötegelt feldolgozás elemeit is tartalmazza. A legtöbb vállalat rendelkezik az idősorok feldolgozási követelményeinek elemeivel is, és a vállalati keresési képességekhez szabad formátumú szöveget kell feldolgoznia.

Az online tranzakciófeldolgozás (OLTP) a legnépszerűbb szervezeti feldolgozási követelményeket biztosítja. Egyes számítási feladatok speciális feldolgozást igényelnek, például a nagy teljesítményű számítástechnikát (HPC), más néven "nagy számítási kapacitást". Ezek a számítási feladatok összetett matematikai feladatokat oldanak meg számos CPU- vagy GPU-alapú számítógép használatával.

Bizonyos speciális számítási feladatok esetében az ügyfelek biztonságossá tehetik a végrehajtási környezeteket, például az Azure bizalmas számítástechnikát, amely segít a felhasználóknak az adatok védelmében, miközben az adatok nyilvános felhőplatformokon vannak használatban. Ez az állapot szükséges a hatékony feldolgozáshoz. Az adatok védettek egy megbízható végrehajtási környezetben (TEE), más néven enklávéban. A TEE megvédi a kódot és az adatokat minden külső megtekintéssel és módosítással szemben. Az TEE-k lehetővé teszik az AI-modellek betanítását anélkül, hogy feláldozza az adatok titkosságát, még akkor is, ha különböző szervezetek adatforrásait használja.

Elemzési feldolgozás

A kinyerési, átalakítási, betöltési (ETL) szerkezet az online elemzési feldolgozáshoz (OLAP) és az adattárház-igényekhez kapcsolódik. Az üzleti szempontból igazított adatmodell és egy szemantikai modell, amely lehetővé teszi a szervezetek számára az üzleti szabályok és a fő teljesítménymutatók (KPI-k) megvalósítását az elemzési folyamat részeként. Az egyik hasznos képesség az automatikus sémaelsodrási észlelés.

Adatstratégia összegzése

Az egyéb szempontok, például az adatszabályozás és a felelős AI elven alapuló megközelítése később kifizeti az osztalékot.

A Microsoftnál négy alapelvet követünk: méltányosság, megbízhatóság és biztonság, adatvédelem és biztonság, valamint befogadás. Az átláthatóság és az elszámoltathatóság két alapelve mind a négy alapelv alapját képezi.

Az alapelveket és a felelős AI-t az erőforrások és a szabályozási rendszer fejlesztésével a gyakorlatba helyeztük. Néhány irányelvünk az emberi/AI-interakcióra, a beszélgetési AI-ra, a befogadó tervezésre, az AI méltányossági ellenőrzőlistájára és az adathalmazok adatlapjára is kiterjed.

Olyan eszközöket is kifejlesztettünk, amelyek segítenek másoknak megérteni, védeni és vezérelni az AI-t az innováció minden szakaszában. Ezek az eszközök a felelős AI megerősítésére és felgyorsítására irányuló multidiszciplináris együttműködési erőfeszítések eredményeként jönnek létre. Az együttműködés kiterjed a szoftverfejlesztésre és -fejlesztésre, a társadalomtudományokra, a felhasználói kutatásra, a jogra és a politikára.

Az együttműködés javítása érdekében számos olyan eszközt nyílt forráskódúnak találtunk, mint az InterpretML és a Fairlearn. Mások is hozzájárulhatnak ezekhez a nyílt forráskód eszközökhöz, és ezekre építhetnek. Az Azure Machine Learningen keresztül demokratizáltuk az eszközöket is.

Az adatvezérelt szervezetté válás alapvető fontosságú ahhoz, hogy versenyelőnyt nyújtson az új normál környezetben. Szeretnénk segíteni ügyfeleinknek abban, hogy az alkalmazásalapú megközelítésről az alkalmazásalapú és az adatvezérelt megközelítésre váltsa át az ügyfeleinket. Az alkalmazásokra és adatokra összpontosító megközelítés segít egy teljes körű adatstratégiát létrehozni, amely az üzleti eredményeket befolyásoló jelenlegi és jövőbeli használati esetek megismételhetőségét és méretezhetőségét biztosítja.

Diagram a digitális innováció feloldásáról.

Az elkötelezettség, a kommunikáció és az elkötelezettség előmozdítása

Az adatstratégia sikeressé tételében szerepet játszó összes fő szerepkörnek világosan meg kell értenie az elfogadott megközelítést és a közös üzleti célkitűzéseket. A fő szerepkörök közé tartozhat egy vezetői csapat (C szintű), üzleti egységek, informatikai, üzemeltetési és kézbesítési csapatok.

A kommunikáció a keretrendszer egyik legfontosabb része. A szervezetnek ki kell dolgoznia egy folyamatot a szerepkörök közötti hatékony kommunikációhoz. A kommunikáció segít a hatékony kézbesítésben az aktuális projekt kontextusában. Egy olyan fórumot is létrehoz, amely segít minden résztvevőnek naprakészen maradni, és arra az általános célkitűzésre összpontosít, hogy holisztikus adatstratégiát alakítson ki a jövőre vonatkozóan.

Az együttműködés alapvető fontosságú a következő két csoport között:

  • Az adatstratégiát tervező és megvalósító csapattagok
  • Azok a csapattagok, akik közreműködnek az adatokban, felhasználják és kihasználják azokat (például olyan üzleti egységeket, amelyek döntéseket hoznak, és az adatok alapján hoznak létre eredményeket)

Másként fogalmazva az adatstratégiák és a kapcsolódó adatplatformok, amelyek a felhasználói előjegyzési kockázati kihívások nélkül lettek létrehozva, relevancia és bevezetés szempontjából is kihívást jelentenek.

Ebben a keretrendszerben két stratégiai folyamat segíti a sikeres kézbesítést:

  • A kiválósági központ kialakítása
  • Agilis kézbesítési módszer bevezetése

További információ: Terv kidolgozása felhőalapú elemzéshez.

Érték kézbesítése

Ha az adattermékeket szabványosított és strukturált módon kézbesíti a sikerességi feltételeknek megfelelően, az a teljesítés ellenőrzi az iteratív keretrendszert. Emellett a tanulás folyamatos innovációra való felhasználása segít az üzleti bizalom kiépítésében és az adatstratégiával kapcsolatos célok bővítésében. Ez a folyamat egyértelműbb és gyorsabb bevezetést biztosít a szervezetben.

Ugyanez vonatkozik az adatplatformra is. Ha olyan beállítással rendelkezik, amelyben több csapat meglehetősen önállóan működik, akkor egy háló felé kell vezetnie. Ez egy iteratív folyamat. Sok esetben jelentős változásokra van szükség a szervezeti beállításban, a felkészültségben és az üzleti igazításban

Következő lépések

A felhőbevezetési folyamathoz és a felhőbevezetési forgatókönyv sikeressé tétele érdekében olvassa el az alábbi cikkeket: