클라우드 합리화는 자산을 평가하여 클라우드에서 호스트하는 가장 좋은 방법을 결정하는 프로세스입니다. 접근 방식을 결정하고 인벤토리를 집계한 후에는 클라우드 합리화를 시작할 수 있습니다. 클라우드 합리화는 가장 일반적인 합리화 옵션에 대해 설명합니다.
마이그레이션 노력을 계획하고 우선 순위를 지정하는 데 도움이 되는 포괄적인 평가를 완료하는 방법에 대한 간략한 개요를 보려면 다음 비디오를 시청하세요.
합리화의 기존 보기
합리화의 기존 프로세스를 복잡한 의사 결정 트리로 시각화할 때 합리화를 쉽게 이해할 수 있습니다. 디지털 자산의 각 자산은 5가지 답변(합리화의 5개 R) 중 하나를 생성하는 프로세스를 통해 공급됩니다. 작은 부동산의 경우,이 과정은 잘 작동합니다. 더 큰 부동산의 경우 비효율적이며 상당한 지연으로 이어질 수 있습니다. 프로세스를 검토하여 그 이유를 알아보겠습니다. 그런 다음 보다 효율적인 모델을 제공합니다.
목록: 기존 모델을 사용하여 전체 합리화를 완료하려면 애플리케이션, 소프트웨어, 하드웨어, 운영 체제 및 시스템 성능 메트릭을 비롯한 자산의 철저한 인벤토리가 필요합니다.
양적 분석: 의사 결정 트리에서 정량적 질문은 첫 번째 의사 결정 계층을 구동합니다. 일반적인 질문은 다음과 같습니다.
- 현재 자산이 사용 중입니까?
- 그렇다면 최적화되고 크기가 올바르게 조정되나요?
- 자산 간에는 어떤 종속성이 있나요? 이러한 질문은 인벤토리 분류에 매우 중요합니다.
질적 분석: 다음 결정 집합에는 질적 분석의 형태로 인간의 지능이 필요합니다. 종종 여기에 나오는 질문은 솔루션에 고유하며 비즈니스 이해 관계자 및 파워 사용자만 답변할 수 있습니다. 이러한 결정은 일반적으로 프로세스를 지연하여 상당히 느려집니다. 이 분석은 일반적으로 애플리케이션당 40~80FTE 시간을 사용합니다.
정성적 분석 질문 목록을 작성하는 방법에 대한 지침은 디지털 자산 계획에 대한 접근 방식을 참조하세요.
합리화 결정: 숙련된 합리화 팀의 손에 질적 및 정량적 데이터는 명확한 결정을 내립니다. 안타깝게도 합리화 경험이 높은 팀은 교육하는 데 몇 달이 걸리거나 고용하는 데 비용이 많이 듭니다.
엔터프라이즈 규모의 합리화
이러한 노력이 50-VM 디지털 자산에 시간이 많이 걸리고 어려운 경우 수천 개의 VM과 수백 개의 애플리케이션이 있는 환경에서 비즈니스 변환을 추진하는 데 필요한 노력을 상상해 보십시오. 필요한 인간의 노력은 쉽게 1,500 FTE 시간과 계획의 9 개월을 초과 할 수 있습니다.
완전한 합리화는 최종 상태이며 이동하기에 좋은 방향이지만 필요한 시간과 에너지에 비해 높은 ROI(투자 수익률)를 생성하는 경우는 거의 없습니다.
합리화가 재무 의사 결정에 필수적인 경우 프로세스를 가속화하기 위해 클라우드 합리화를 전문으로 하는 전문 서비스 조직을 고려할 가치가 있습니다. 그럼에도 불구하고 전체 합리화는 변환 또는 비즈니스 결과를 지연시키는 비용이 많이 들고 시간이 많이 걸리는 노력이 될 수 있습니다.
이 문서의 나머지 부분에는 증분 합리화라고 하는 대체 방법이 설명되어 있습니다.
점진적 합리화
대규모 디지털 자산의 완전한 합리화는 위험하기 쉽고 복잡성으로 인해 지연을 겪을 수 있습니다. 증분 접근 방식의 배경은 지연된 의사 결정이 장애물의 위험을 줄이기 위해 비즈니스 부하를 지연시킨다는 것입니다. 시간이 지남에 따라 이 방법은 자격을 갖춘 합리화 결정을 보다 효율적으로 내리는 데 필요한 프로세스와 환경을 개발하기 위한 유기적 모델을 만듭니다.
인벤토리: 검색 데이터 요소 줄이기
전체 디지털 자산의 정확한 실시간 인벤토리를 유지하는 데 시간, 에너지 및 비용을 투자하는 조직은 거의 없습니다. 손실, 도난, 새로 고침 주기 및 직원 온보딩은 종종 최종 사용자 디바이스의 자세한 자산 추적을 정당화합니다. 기존의 온-프레미스 데이터 센터에서 정확한 서버 및 애플리케이션 인벤토리를 유지하는 ROI는 종종 낮습니다. 대부분의 IT 조직은 데이터 센터에서 고정 자산의 사용을 추적하는 것보다 해결해야 할 더 긴급한 문제가 있습니다.
클라우드 변환에서 인벤토리는 운영 비용과 직접 관련이 있습니다. 적절한 계획을 수립하려면 정확한 인벤토리 데이터가 필요합니다. 아쉽게도, 현재의 환경 검사 옵션은 몇 주 또는 몇 달까지 결정을 지연할 수 있습니다. 다행히 몇 가지 트릭은 데이터 수집을 가속화할 수 있습니다.
에이전트 기반 검색은 가장 자주 인용되는 지연입니다. 기존의 합리화에 필요한 강력한 데이터는 종종 각 자산에서 실행되는 에이전트로만 수집할 수 있습니다. 에이전트에 대한 이러한 종속성은 보안, 작업 및 관리 기능의 피드백이 필요할 수 있으므로 진행 속도가 느려지는 경우가 많습니다.
증분 합리화 프로세스에서 초기 검색에 에이전트 없는 솔루션을 사용하여 초기 결정을 가속화할 수 있습니다. 환경의 복잡성 수준에 따라 에이전트 기반 솔루션이 여전히 필요할 수 있지만 비즈니스 변경의 중요한 경로에서 제거할 수 있습니다.
양적 분석: 의사 결정 간소화
인벤토리 검색에 대한 접근 방식과 관계없이 양적 분석은 초기 의사 결정 및 가정을 유도할 수 있습니다. 첫 번째 워크로드를 식별하려고 하거나 합리화의 목표가 높은 수준의 비용 비교인 경우 특히 그렇습니다. 증분 합리화 프로세스에서 클라우드 전략 팀과 클라우드 채택 팀은 합리화의 5가지 R을 두 가지 간결한 결정으로 제한하고 이러한 정량적 요소만 적용합니다. 이렇게 하면 분석을 간소화하고 변경을 추진하는 데 필요한 초기 데이터의 양이 줄어듭니다.
예를 들어 조직이 클라우드로 IaaS 마이그레이션을 진행 중인 경우 대부분의 워크로드가 사용 중지되거나 다시 호스팅된다고 가정할 수 있습니다.
질적 분석: 임시 가정
잠재적인 결과 수를 줄이면 자산의 미래 상태에 대한 초기 결정에 도달하는 것이 더 쉽습니다. 옵션을 줄이면 이 초기 단계에서 비즈니스에 대한 질문 수도 줄어듭니다.
예를 들어 옵션이 다시 호스팅 또는 사용 중지로 제한되는 경우 비즈니스는 초기 합리화 중에 자산의 사용 중지 여부인 한 가지 질문에만 대답해야 합니다.
"분석에 따르면 이 자산을 적극적으로 사용하고 있는 사용자는 없습니다. 정확합니까, 아니면 우리가 뭔가를 간과했습니까?" 이러한 이진 질문은 일반적으로 정성적 분석을 통해 훨씬 쉽게 실행할 수 있습니다.
이 간소화된 접근 방식은 기준, 재무 계획, 전략 및 방향을 생성합니다. 이후 활동에서 각 자산은 추가 합리화 및 질적 분석을 통해 다른 옵션을 평가합니다. 이 초기 합리화에서 만드는 모든 가정은 개별 워크로드를 마이그레이션하기 전에 테스트됩니다.
가정에 의문을 제기하다
이전 섹션의 결과는 가정으로 가득 찬 대략적인 합리화입니다. 다음으로, 이러한 가정 중 일부에 도전할 때입니다.
자산 사용 중지
기존의 온-프레미스 환경에서는 사용되지 않는 작은 자산을 호스팅하면 연간 비용에 큰 영향을 미치지 않습니다. 몇 가지 예외를 제외하고 실제 자산을 분석하고 사용 중지하는 데 필요한 FTE 노력은 해당 자산을 정리하고 사용 중지하는 비용 절감보다 더 큽니다.
클라우드 회계 모델로 전환하면 자산 사용 중지로 연간 운영 비용과 사전 마이그레이션 작업이 크게 절감될 수 있습니다.
조직에서 정량적 분석을 완료한 후 20% 이상의 디지털 자산을 사용 중지하는 것은 드문 일이 아닙니다. 조치를 취하기 전에 추가 정성적 분석을 수행하는 것이 좋습니다. 확인되면 해당 자산을 사용 중지하면 클라우드 마이그레이션의 첫 번째 ROI 승리가 생성될 수 있습니다. 이것은 종종 가장 큰 비용 절감 요인 중 하나입니다. 따라서 클라우드 전략 팀은 마이그레이션 방법론의 실행과 동시에 자산의 유효성 검사 및 사용 중지를 감독하여 조기 재무 승리를 달성해야 합니다.
프로그램 조정
회사에서는 단 한 번의 변환 여정에 착수하는 일이 거의 없습니다. 비용 절감, 시장 성장 및 새로운 수익원 중에서 선택하는 것은 거의 이진적인 결정입니다. 따라서 클라우드 전략 팀은 IT 팀과 협력하여 기본 변환 과정의 범위를 벗어난 병렬 변환 작업의 자산을 식별하는 것이 좋습니다.
이 문서에 제공된 IaaS 마이그레이션 예제에서 다음을 수행합니다.
DevOps 팀에 이미 배포 자동화의 일부인 자산을 식별하고 핵심 마이그레이션 계획에서 해당 자산을 제거하도록 요청합니다.
데이터 및 R&D 팀에게 새 수익원을 구동하는 자산을 식별하고 핵심 마이그레이션 계획에서 제거하도록 요청합니다.
이 프로그램 중심 정성적 분석은 신속하게 실행될 수 있으며 여러 마이그레이션 백로그에서 맞춤을 만듭니다.
일부 자산을 잠시 동안 재호스트 자산으로 고려해야 할 수도 있습니다. 초기 마이그레이션 후에 나중에 합리화를 단계적으로 수행할 수 있습니다.
첫 번째 워크로드 선택
첫 번째 워크로드를 구현하는 것은 테스트 및 학습의 핵심입니다. 성장형 사고방식을 보여주고 구축할 수 있는 첫 번째 기회입니다.
비즈니스 조건
비즈니스 투명성을 보장하려면 클라우드 전략 팀의 사업부 구성원이 지원하는 워크로드를 식별합니다. 바람직하게는 팀이 기득권이 있고 클라우드로 이동할 강력한 동기부여가 있는 팀을 선택하는 것이 좋습니다.
기술 조건
최소 종속성이 있고 작은 자산 그룹으로 이동할 수 있는 워크로드를 선택합니다. 유효성 검사를 더 쉽게 수행하려면 정의된 테스트 경로가 있는 워크로드를 선택하는 것이 좋습니다.
첫 번째 워크로드는 운영 또는 거버넌스 용량이 없는 실험적 환경에 배포되는 경우가 많습니다. 보안 데이터와 상호 작용하지 않는 워크로드를 선택하는 것이 중요합니다.
질적 분석
클라우드 채택 팀과 클라우드 전략 팀은 함께 작업하여 이 작은 워크로드를 분석할 수 있습니다. 이 협업은 정성적 분석 기준을 만들고 테스트할 수 있는 제어된 기회를 만듭니다. 모집단이 작을수록 영향을 받는 사용자를 조사하고 1주일 이내에 자세한 질적 분석을 완료할 수 있는 기회가 생깁니다. 일반적인 정성적 분석 요인은 합리화의 5가지 R에서 특정 합리화 목표를 참조하세요.
마이그레이션
지속적인 합리화와 동시에 클라우드 채택 팀은 다음 주요 영역에서 학습을 확장하기 위해 작은 워크로드 마이그레이션을 시작할 수 있습니다.
- 클라우드 공급자의 플랫폼을 사용하여 기술을 강화합니다.
- 장기 비전에 맞게 필요한 핵심 서비스 및 Azure 표준을 정의합니다.
- 나중에 변환에서 작업을 변경해야 하는 방법을 더 잘 이해합니다.
- 내재된 비즈니스 위험 및 해당 위험에 대한 비즈니스의 허용 범위를 이해합니다.
- 비즈니스의 위험 허용 오차에 따라 거버넌스에 대한 기준 또는 MVP(최소 실행 가능한 제품)를 설정합니다.
릴리스 계획
클라우드 채택 팀이 첫 번째 워크로드의 마이그레이션 또는 구현을 실행하는 동안 클라우드 전략 팀은 나머지 애플리케이션 및 워크로드의 우선 순위를 지정할 수 있습니다.
10의 힘
합리화에 대한 기존의 접근 방식은 예측 가능한 모든 요구를 충족하려고 시도합니다. 다행히 변환 여정을 시작할 때 모든 애플리케이션에 대한 계획이 반드시 요구되는 것은 아닙니다. 증분 모델에서 Power of 10 접근 방식은 좋은 시작점을 제공합니다. 이 모델에서 클라우드 전략 팀은 마이그레이션할 처음 10개의 애플리케이션을 선택합니다. 이러한 10개 워크로드에는 간단하고 복잡한 워크로드가 혼합되어 있어야 합니다.
첫 번째 백로그 빌드
클라우드 채택 팀과 클라우드 전략 팀은 처음 10개 워크로드에 대한 정성적 분석을 함께 수행할 수 있습니다. 이렇게 하면 우선 순위가 지정된 첫 번째 마이그레이션 백로그와 첫 번째 우선 순위가 지정된 릴리스 백로그가 만들어집니다. 이 방법을 사용하면 팀이 접근 방식을 반복할 수 있으며 정성적 분석을 위한 적절한 프로세스를 만들 수 있는 충분한 시간을 제공합니다.
프로세스 완성
두 팀이 정성적 분석 기준에 동의하면 평가는 각 반복 내에서 작업이 될 수 있습니다. 평가 기준에 대한 합의에 도달하려면 일반적으로 2~3개의 릴리스가 필요합니다.
평가가 마이그레이션의 증분 실행 프로세스로 이동한 후 클라우드 채택 팀은 평가 및 아키텍처를 더 빠르게 반복할 수 있습니다. 이 단계에서는 클라우드 전략 팀도 간소화되어 시간 소모가 줄어듭니다. 이를 통해 클라우드 전략 팀은 아직 특정 릴리스에 없는 애플리케이션의 우선 순위를 지정하여 변화하는 시장 상황에 긴밀하게 부합하도록 할 수 있습니다.
우선 순위가 지정된 애플리케이션 중 일부가 마이그레이션할 준비가 된 것은 아닙니다. 팀이 더 심층적인 질적 분석을 수행하고 백로그의 재지정을 촉구할 수 있는 비즈니스 이벤트 및 종속성을 검색하면 시퀀싱이 변경될 수 있습니다. 일부 릴리스는 적은 수의 워크로드를 그룹화할 수 있습니다. 다른 작업에는 단일 워크로드만 포함될 수 있습니다.
클라우드 채택 팀은 전체 워크로드 마이그레이션을 생성하지 않는 반복을 실행할 가능성이 높습니다. 워크로드가 적고 종속성이 적을수록 워크로드가 단일 스프린트 또는 반복에 적합할 가능성이 높습니다. 이러한 이유로 릴리스 백로그의 처음 몇 가지 애플리케이션은 작고 외부 종속성이 거의 없는 것이 좋습니다.
최종 상태
시간이 지남에 따라 클라우드 채택 팀과 클라우드 전략 팀이 함께 인벤토리의 전체 합리화를 완료합니다. 이 증분 접근 방식을 사용하면 팀이 합리화 프로세스에서 지속적으로 더 빠르게 작업할 수 있습니다. 또한 선불 분석 노력 없이도 실질적인 비즈니스 결과를 더 빨리 얻을 수 있는 변환 여정에 도움이 됩니다.
경우에 따라 재무 모델이 너무 타이트하여 추가 합리화 없이 결정을 내릴 수 없습니다. 이러한 경우 합리화에 대한 보다 전통적인 접근 방식이 필요할 수 있습니다.
다음 단계
합리화 작업의 출력은 선택한 변환의 영향을 받는 모든 자산의 우선 순위가 지정된 백로그입니다. 이 백로그는 이제 클라우드 서비스의 비용 모델의 기반이 될 준비가 되었습니다.