Mengintegrasikan analitik skala cloud ke dalam strategi adopsi cloud Anda
Buat satu strategi adopsi cloud terpusat untuk organisasi Anda menggunakan metodologi Strategi dalam Cloud Adoption Framework Azure. Jika Anda belum merekam strategi adopsi cloud, gunakan strategi dan templat rencana untuk melakukannya.
Artikel ini berisi pertimbangan untuk skenario analitik skala cloud yang memengaruhi strategi Anda yang lebih luas.
Sebelum menerapkan analitik skala cloud, siapkan rencana untuk strategi data Anda. Anda dapat memulai dari yang kecil dengan satu kasus penggunaan, atau Anda dapat memiliki serangkaian kasus penggunaan yang jauh lebih besar yang akan memerlukan prioritas. Memiliki strategi membantu Anda membangun proses dan memicu percakapan awal tentang pilar yang perlu Anda fokuskan.
Memprioritaskan hasil bisnis untuk strategi data Anda
Memiliki strategi data yang sukses memberi Anda keunggulan kompetitif. Anda harus selalu menyelaraskan strategi data Anda dengan hasil bisnis yang Anda inginkan. Sebagian besar hasil bisnis dapat diklasifikasikan dalam salah satu dari empat kategori berikut:
Berdayakan karyawan Anda: Berikan pengetahuan real time kepada tenaga kerja Anda tentang pelanggan, perangkat, dan mesin. Pengetahuan ini membantu mereka berkolaborasi secara efisien untuk memenuhi kebutuhan pelanggan atau bisnis dengan kelincahan.
Berinteraksi dengan pelanggan: Menghadirkan pengalaman yang kaya, dipersonalisasi, dan terhubung yang terinspirasi oleh merek Anda. Manfaatkan kekuatan data dan wawasan untuk mendorong loyalitas pelanggan di setiap langkah perjalanan pelanggan.
Optimalkan operasi: Tingkatkan alur informasi di seluruh organisasi Anda. Sinkronkan proses bisnis Anda dan gunakan pendekatan berbasis data untuk membuat setiap interaksi berharga.
Ubah produk dan siklus hidup pengembangan Anda: Kumpulkan data telemetri tentang layanan dan penawaran Anda. Gunakan data telemetri untuk memprioritaskan rilis atau membuat fitur baru, dan untuk mengevaluasi efektivitas dan adopsi terus menerus.
Setelah Anda memprioritaskan hasil bisnis Anda, periksa proyek Anda saat ini dan inisiatif strategis jangka panjang dan klasifikasikan dengan sesuai. Pertimbangkan untuk menggabungkan empat kategori hasil bisnis dalam format matriks yang didasarkan pada kompleksitas dan dampak. Pertimbangkan juga untuk menambahkan pilar arsitektur untuk membantu Anda menyelam lebih dalam ke dalam skenario Anda.
Membuka kunci nilai strategis
Membangun budaya berbasis data yang mendorong bisnis maju dalam cara yang konsisten, berpikir maju, gesit, dan terinformasi memiliki beberapa kompleksitas yang melekat dan realitas dasar. Sebelum Anda memasuki fase penyebaran, fokuskan upaya terhadap pembentukan strategi data koheren yang dapat membantu Anda mencapai hasil bisnis yang Anda inginkan.
Analitik skala cloud selaras dengan motivasi yang berfokus pada inovasi. Driver umum berikut memotivasi pelanggan untuk mengintegrasikan skenario ini ke dalam strategi adopsi cloud mereka:
- Kerangka kerja analitik yang dapat diskalakan, yang memungkinkan Anda membangun platform data perusahaan
- Layanan mandiri, yang memberdayakan pengguna dalam eksplorasi data, pembuatan aset data, dan pengembangan produk
- Budaya yang dipimpin data dengan aset data yang dapat digunakan kembali, komunitas data, pertukaran pihak ketiga yang aman, dan berbagi di tempat
- Berbagi data dengan percaya diri, menggunakan kebijakan, identitas umum, kerahasiaan, dan enkripsi
- Peningkatan pengalaman dan interaksi pelanggan
- Transformasi produk atau layanan
- Gangguan pasar pada produk atau layanan baru
Diagram berikut berisi tema utama yang membantu Anda mewujudkan motivasi ini dalam strategi Anda sendiri. Analisis tema-tema ini dengan hati-hati dan bagaimana mereka berkontribusi pada strategi data yang koheren. Pertimbangkan juga bagaimana mereka dapat membuka nilai strategis data Anda, memungkinkan pertumbuhan bisnis yang konsisten.
" Strategi data adalah dasar untuk menggunakan data sebagai aset dan mendorong bisnis ke depan. Ini bukan pekerjaan patch untuk masalah data. Ini adalah rencana panduan jangka panjang yang mendefinisikan orang, proses, dan teknologi untuk dilakukan untuk memecahkan tantangan data."
Membuat strategi Anda adalah satu langkah. Menjalankan strategi Anda dalam skala perusahaan menimbulkan tantangan besar bagi budaya, orang, proses, dan pilihan teknologi organisasi Anda yang sudah ada. Eksekusi memerlukan komitmen dan kepemilikan yang jelas di semua tingkat organisasi Anda.
Meningkatkan efisiensi
Kelincahan cloud mengharuskan organisasi untuk beradaptasi dengan cepat dan membawa efisiensi ke semua bidang bisnis. Menurut laporan tentang risiko yang muncul oleh Gartner, meskipun organisasi terus fokus pada dan berinvestasi dalam inisiatif digital, dua pertiga organisasi ini menunjukkan kelemahan perusahaan dan gagal memberikan harapan, meskipun mereka terus fokus dan berinvestasi dalam inisiatif digital,
Mengoprasionalkan manajemen data
Banyak organisasi perlahan-lahan telah mendesentralisasi IT pusat untuk memungkinkan kelincahan. Organisasi ingin berinovasi dengan cepat, dan memiliki akses ke data terpadu di seluruh perusahaan dengan cara layanan mandiri membantu mereka memenuhi persyaratan bisnis yang menantang.
Ada banyak alasan mengapa bisnis gagal memanfaatkan potensi penuh data mereka. Mungkin karena fungsi bisnis bekerja dalam silo, di mana setiap tim menggunakan alat dan standar yang berbeda untuk analisis data. Atau mungkin karena kegagalan untuk menautkan indikator performa utama ke tujuan bisnis secara keseluruhan.
Demokratisasi data membantu Anda memberikan nilai kembali ke bisnis dan mencapai target pertumbuhan bisnis yang menantang.
- Pahami dan prioritaskan kebutuhan LOB Anda.
- Distribusikan data Anda di seluruh domain untuk memungkinkan kepemilikan dan mendekatkan data dengan pengguna.
- Sebarkan produk data layanan mandiri untuk mendorong wawasan dan nilai bisnis.
Untuk tata kelola data, Anda harus mencapai keseimbangan yang tepat dalam dunia demokratisasi data yang terdesentralisasi. Jika Anda menerapkan tata kelola terlalu ketat, Anda dapat menahan inovasi. Namun, jika Anda tidak memiliki setidaknya beberapa prinsip dan proses inti, Anda mungkin berakhir dengan silo data. Silo ini dapat merusak reputasi organisasi Anda dan potensi pendapatan. Pendekatan tata kelola data holistik sangat penting bagi Anda untuk membuka kunci nilai strategis data Anda secara konsisten.
Tidak adanya strategi data yang dipikirkan dengan baik menyebabkan kebutuhan untuk hanya "memulai" dan dengan cepat mulai memberikan nilai bagi organisasi Anda. Atasi masalah bisnis saat ini dengan bertindak berdasarkan tema utama yang disebutkan sebelumnya atau menggunakannya sebagai prinsip strategis dalam kerangka kerja. Menggunakan tema utama ini juga dapat membantu Anda membuat strategi data holistik yang berulang dengan validasi, namun masih memberikan hasil yang tepat waktu. Pemimpin bisnis dan teknologi harus mengembangkan strategi dan pola pikir yang diperlukan untuk menghasilkan nilai dari data dan dengan cepat menskalakan dengan cara yang disederhanakan dan terstruktur
Untuk informasi selengkapnya, lihat Apa itu tata kelola data?.
Mengembangkan budaya berbasis data
Untuk membuat strategi data yang sukses, Anda memerlukan budaya berbasis data. Mengembangkan budaya yang secara konsisten menumbuhkan partisipasi yang terbuka dan kolaboratif. Dalam jenis budaya ini, seluruh tenaga kerja Anda dapat belajar, berkomunikasi, dan meningkatkan hasil bisnis organisasi. Mengembangkan budaya berbasis data juga meningkatkan kemampuan setiap karyawan untuk menghasilkan dampak atau pengaruh yang didukung oleh data.
Titik awal perjalanan Anda bergantung pada organisasi, industri, dan lokasi Anda saat ini di sepanjang kurva kematangan. Diagram berikut menunjukkan contoh model kematangan yang menguraikan tingkat kematangan penggunaan AI organisasi:
Tingkat 0
Data tidak dieksploitasi secara terprogram dan konsisten. Fokus data organisasi berasal dari perspektif pengembangan aplikasi.
Pada Tingkat 0, organisasi sering memiliki proyek analitik yang tidak dienkripsi. Setiap aplikasi sangat dikhususkan untuk kebutuhan data dan pemangku kepentingan yang unik. Setiap aplikasi juga memiliki basis kode dan tim teknik yang signifikan, dengan banyak direkayasa di luar IT. Pengaktifan kasus penggunaan dan analitik di-silo.
Level 1
Pada Tingkat 1, tim sedang dibentuk dan strategi sedang dibuat, tetapi analitik tetap diserialisasikan. Organisasi cenderung baik dalam penangkapan dan analitik data tradisional. Ini mungkin memiliki beberapa tingkat komitmen terhadap pendekatan skala cloud. Misalnya, mungkin sudah mengakses data dari cloud.
Level 2
Platform inovasi organisasi hampir siap. Alur kerja tersedia untuk mengatasi kualitas data. Organisasi dapat menjawab beberapa pertanyaan "mengapa".
Pada Tingkat 2, organisasi secara aktif mencari strategi data end-to-end yang menggunakan penyimpanan data lake yang diatur secara terpusat untuk mengontrol penyimpanan data yang tersebar dan meningkatkan penemuan data. Organisasi siap untuk aplikasi cerdas yang membawa komputasi ke data lake yang diatur secara terpusat. Aplikasi pintar ini mengurangi risiko privasi, biaya komputasi, dan kebutuhan akan salinan federasi data penting.
Pada tingkat ini, organisasi juga siap menggunakan layanan data bersama multipenyewa yang dihosting secara terpusat untuk tugas komputasi data umum. Layanan data bersama ini memungkinkan wawasan cepat dari layanan kecerdasan berbasis ilmu data.
Level 3
Organisasi menggunakan pendekatan data holistik. Proyek yang terkait dengan data terintegrasi dalam hasil bisnis. Organisasi ini menggunakan platform analitik untuk membuat prediksi.
Pada Tingkat 3, organisasi membuka kunci inovasi digital dari sudut pemangku lahan data dan pengembangan aplikasi. Layanan data dasar tersedia, termasuk data lake dan layanan data bersama.
Beberapa tim di seluruh organisasi berhasil memberikan beban kerja bisnis penting, kasus penggunaan bisnis utama, dan hasil yang terukur. Layanan data bersama baru diidentifikasi menggunakan telemetri. TI adalah penasihat tepercaya kepada tim di seluruh perusahaan, menggunakan strategi data end-to-end yang tepercaya dan terhubung untuk membantu meningkatkan proses bisnis penting.
Level 4
Pada Tingkat 4, seluruh organisasi menggunakan kerangka kerja, perusahaan standar, dan budaya berbasis data. Otomatisasi, perulangan umpan balik berbasis data, dan pusat keunggulan sekeliling analitik atau otomatisasi dapat diamati dalam tindakan.
Mengembangkan tujuan yang selaras dengan bisnis
Mengidentifikasi prioritas sejalan dengan visi bisnis dan menjaga ideologi "berpikir besar, memulai dari yang kecil, dan bertindak cepat" adalah kunci untuk kesuksesan. Mengambil kasus penggunaan yang tepat tidak selalu perlu menjadi proses pemeriksaan yang panjang dan sulit. Ini bisa menjadi masalah yang sedang berlangsung di unit bisnis mana pun di mana ada cukup data untuk memvalidasi laba atas investasi, lebih banyak selera, dan pembelian yang mudah. Hal-hal dapat bergerak cepat, dan di situlah sebagian besar organisasi dapat berjuang untuk memulai.
Memahami atribut data
Untuk membangun strategi data yang kuat, Anda perlu memahami cara kerja data. Mengetahui karakteristik inti data membantu Anda membangun praktik berprinsip untuk menangani data.
Data berjalan cepat, tetapi kecepatannya tidak dapat menentang hukum fisika. Data harus sesuai dengan hukum tanah dan industri yang membuatnya.
Data tidak berubah sendiri, tetapi rentan terhadap perubahan dan kehilangan yang tidak disengaja kecuali Anda menerapkan langkah-langkah untuk mengurangi tantangan tersebut. Tempatkan langkah-langkah antikorupsi untuk kontrol, database, dan penyimpanan sehingga Anda dapat menangani perubahan yang tidak terduga. Pastikan juga Anda telah menyiapkan pemantauan, audit, pemberitahuan, dan proses hilir.
Dengan sendirinya, data tidak menghasilkan wawasan apa pun atau menghasilkan nilai apa pun. Untuk mendapatkan wawasan atau mengekstrak nilai, Anda harus menempatkan sebagian besar atau semua data Anda melalui empat langkah diskrit:
- Penyerapan
- Penyimpanan
- Processing
- Analitik
Masing-masing dari empat langkah ini memiliki prinsip, proses, alat, dan teknologinya sendiri.
Pemotongan aset data Anda dan wawasan terkait dapat memengaruhi keputusan sosial ekonomi, politik, penelitian, dan investasi. Sangat penting bahwa organisasi Anda mampu memberikan wawasan dengan cara yang aman dan bertanggung jawab. Semua data yang Anda hasilkan atau peroleh harus melalui latihan klasifikasi data kecuali dinyatakan secara eksplisit. Enkripsi adalah standar emas untuk menangani data rahasia baik saat tidak aktif maupun saat transit.
Data, aplikasi, dan layanan semuanya memiliki tarikan gravitasinya sendiri, tetapi penarikan data adalah yang terbesar. Tidak seperti apel legendaris Sir Isaac Newton, data tidak memiliki massa fisik yang mempengaruhi objek di sekitarnya. Sebaliknya memiliki latensi dan throughput, yang bertindak sebagai akselerator untuk proses analitik Anda. Latensi, throughput, dan kemudahan akses sering mengharuskan Anda untuk menduplikasi data, bahkan ketika itu tidak diinginkan. Siapkan orang, proses, alat, dan teknologi Anda dengan tepat sehingga Anda dapat menyeimbangkan persyaratan tersebut dengan kebijakan data organisasi Anda.
Konstruksi arsitektur mengatur kecepatan di mana Anda dapat memproses data. Konstruksi difasilitasi melalui inovasi dalam perangkat lunak, perangkat keras, dan jaringan. Beberapa pertimbangan arsitektur adalah:
- Menyiapkan distribusi data
- Partisi
- Teknologi cache
- Pemrosesan batch versus streaming
- Menyeimbangkan pemrosesan back-end dan sisi klien
Tentukan strategi data Anda
Menggunakan data sebagai keunggulan kompetitif untuk membangun produk yang lebih baik dan layanan bernilai lebih tinggi bukanlah hal baru. Tetapi volume, kecepatan, dan berbagai data yang diaktifkan komputasi cloud.
Desain platform analitik data modern di cloud terdiri dari keamanan, tata kelola, pemantauan, penskalaan sesuai permintaan, operasi data, dan layanan mandiri. Pemahaman tentang interplay antara aspek-aspek inilah yang membedakan strategi data yang hebat dari yang baik. Gunakan alat seperti Cloud Adoption Framework untuk memastikan kohesifitas arsitektur, integritas, dan praktik terbaik.
Agar efektif, strategi data Anda harus berisi ketentuan untuk tata kelola data. Diagram berikut menunjukkan tahap utama siklus hidup data, berfokus pada tata kelola data sebagai fokusnya:
Bagian berikut menjelaskan pertimbangan yang harus Anda gunakan saat memutuskan lapisan strategi data prinsip desain. Fokus pada memberikan hasil dan nilai bisnis dari data Anda.
Penyerapan data
Pertimbangan utama untuk penyerapan data adalah kemampuan Anda untuk membangun alur data dengan cepat dengan cara yang aman dan sesuai, mulai dari persyaratan hingga produksi. Elemen penting termasuk teknologi berbasis metadata, layanan mandiri, dan kode rendah yang menghidrasi data lake Anda.
Saat membangun alur, pertimbangkan desain dan kemampuan Anda untuk memanipulasi data, mendistribusikan data, dan menskalakan komputasi. Anda juga harus memastikan Anda memiliki dukungan DevOps yang tepat untuk integrasi dan pengiriman berkelanjutan alur Anda.
Alat seperti Azure Data Factory mendukung sejumlah besar sumber data lokal, sumber data software as a service (SaaS), dan sumber data lainnya dari cloud publik lainnya.
Penyimpanan
Tandai dan atur data Anda dalam lapisan fisik dan logis. Data lake adalah bagian dari semua arsitektur analitik data modern. Organisasi Anda harus menerapkan persyaratan privasi, keamanan, dan kepatuhan data yang sesuai yang memenuhi semua persyaratan klasifikasi data dan kepatuhan industri yang Anda operasikan. Pembuatan katalog dan bantuan layanan mandiri demokratisasi data tingkat organisasi, yang mendorong inovasi Anda sambil dipandu oleh kontrol akses yang sesuai.
Pilih penyimpanan yang tepat untuk beban kerja Anda. Bahkan jika Anda tidak mendapatkan penyimpanan yang benar-benar benar benar untuk pertama kalinya, cloud memungkinkan Anda untuk failover dengan cepat dan memulai ulang perjalanan Anda. Gunakan persyaratan aplikasi Anda untuk memilih database terbaik. Pastikan untuk mempertimbangkan kemampuan Anda untuk memproses data batch dan streaming saat Anda memilih platform analitik Anda.
Pengolahan data
Kebutuhan pemrosesan data Anda akan bervariasi menurut setiap beban kerja. Sebagian besar pemrosesan data skala besar berisi elemen pemrosesan real-time dan batch. Sebagian besar perusahaan juga memiliki elemen persyaratan pemrosesan rangkaian waktu dan kebutuhan untuk memproses teks bentuk bebas untuk kemampuan pencarian perusahaan.
Pemrosesan transaksi online (OLTP) menyediakan persyaratan pemrosesan organisasi paling populer. Beberapa beban kerja membutuhkan pemrosesan khusus seperti komputasi performa tinggi (HPC), terkadang disebut "komputasi besar." Beban kerja ini menyelesaikan tugas matematika yang kompleks menggunakan banyak komputer berbasis CPU atau GPU.
Untuk beban kerja khusus tertentu, pelanggan dapat mengamankan lingkungan eksekusi seperti komputasi rahasia Azure, yang membantu pengguna mengamankan data saat data digunakan dalam platform cloud publik. Kondisi ini diperlukan untuk pemrosesan yang efisien. Data dilindungi di dalam lingkungan eksekusi tepercaya (TEE), juga dikenal sebagai enklave. TEE melindungi kode dan data dari tampilan dan modifikasi luar apa pun. TEE memungkinkan Anda melatih model AI tanpa mengorbankan kerahasiaan data, bahkan saat Anda menggunakan sumber data dari organisasi yang berbeda.
Pemrosesan analitis
Konstruksi ekstraksi, transformasi, pemuatan (ETL) berkaitan dengan kebutuhan pemrosesan analitik online (OLAP) dan pergudangan data. Model data yang selaras dengan bisnis dan model semantik yang memungkinkan organisasi menerapkan aturan bisnis dan Indikator Performa Utama (KPI) sering diimplementasikan sebagai bagian dari proses analitik. Salah satu kemampuan yang berguna adalah deteksi penyimpangan skema otomatis.
Ringkasan strategi data
Mengambil pendekatan berprinsip untuk pertimbangan lain, seperti tata kelola data dan AI yang bertanggung jawab, membayar dividen di kemudian hari.
Di Microsoft, kami mengikuti empat prinsip inti: kewajaran, keandalan dan keselamatan, privasi dan keamanan, serta inklusivitas. Dua prinsip dasar transparansi dan akuntabilitas mendukung keempat prinsip inti.
Kami menerapkan prinsip-prinsip kami dan AI yang bertanggung jawab dengan mengembangkan sumber daya dan sistem tata kelola. Beberapa panduan kami membahas interaksi manusia/AI, AI percakapan, desain inklusif, daftar periksa kewajaran AI, dan lembar data untuk himpunan data.
Kami juga telah mengembangkan seperangkat alat untuk membantu orang lain memahami, melindungi, dan mengontrol AI di setiap tahap inovasi. Alat-alat ini merupakan hasil dari upaya kolaborasi multidisiplin untuk memperkuat dan mempercepat AI yang bertanggung jawab. Kolaborasi telah meluaskan rekayasa dan pengembangan perangkat lunak, ilmu sosial, penelitian pengguna, hukum, dan kebijakan.
Untuk meningkatkan kolaborasi, kami membuka banyak alat seperti InterpretML dan Fairlearn. Yang lain dapat berkontribusi dan membangun alat sumber terbuka ini. Kami juga mendemokratisasi alat melalui Azure Machine Learning.
Pivot untuk menjadi organisasi berbasis data sangat mendasar untuk memberikan keunggulan kompetitif dalam normal baru. Kami ingin membantu pelanggan kami beralih dari pendekatan khusus aplikasi ke aplikasi dan pendekatan yang dipimpin data. Pendekatan yang berfokus pada aplikasi dan data membantu menciptakan strategi data end-to-end yang memastikan pengulangan dan skalabilitas di seluruh kasus penggunaan saat ini dan di masa mendatang yang memengaruhi hasil bisnis.
Mendorong komitmen, komunikasi, dan keterlibatan
Semua peran utama yang terlibat dalam membuat strategi data Anda sukses harus memahami dengan jelas pendekatan yang Anda adopsi dan tujuan bisnis umum. Peran utama Anda mungkin termasuk tim kepemimpinan (tingkat C), unit bisnis, TI, operasi, dan tim pengiriman.
Komunikasi adalah salah satu bagian terpenting dari kerangka kerja ini. Organisasi Anda harus menyusun proses untuk komunikasi yang efektif di seluruh peran. Komunikasi membantu Anda memberikan secara efektif dalam konteks proyek Anda saat ini. Ini juga membangun forum yang membantu semua orang yang terlibat tetap sejalan, terkini, dan berfokus pada tujuan keseluruhan membangun strategi data holistik untuk masa depan Anda.
Keterlibatan sangat penting antara dua grup berikut:
- Anggota tim yang merancang dan mengimplementasikan strategi data
- Anggota tim yang berkontribusi pada, mengonsumsi, dan mengeksploitasi data (seperti unit bisnis yang akan membuat keputusan dan membangun hasil berdasarkan data)
Untuk melakukannya dengan cara lain, strategi data dan platform data terkait yang dibangun tanpa tantangan risiko keterlibatan pengguna dalam relevansi dan adopsi.
Dua proses strategis membantu Anda memberikan keberhasilan dalam kerangka kerja ini:
- Pembentukan pusat keunggulan
- Adopsi metode pengiriman tangkas
Untuk informasi selengkapnya, lihat Mengembangkan paket untuk analitik skala cloud.
Memberikan nilai
Saat Anda mengirimkan produk data terhadap kriteria keberhasilan dengan cara yang terstandarisasi dan terstruktur, pengiriman tersebut memvalidasi kerangka kerja iteratif Anda. Selain itu, menggunakan pembelajaran Anda untuk terus berinovasi membantu Anda membangun kepercayaan bisnis dan melebarkan tujuan strategi data. Proses ini memberikan adopsi yang lebih jelas dan lebih cepat di seluruh organisasi Anda.
Hal yang sama berlaku untuk platform data Anda. Ketika Anda memiliki pengaturan di mana beberapa tim beroperasi cukup otonom, Anda harus berkendara menuju jala. Mendapatkan ada proses iteratif. Dalam banyak kasus, diperlukan perubahan signifikan pada penyiapan, kesiapan, dan penyelarasan bisnis organisasi Anda
Langkah berikutnya
Baca artikel berikut untuk menemukan panduan untuk perjalanan adopsi cloud Anda dan membuat skenario adopsi cloud Anda berhasil: