Интеграция аналитики облачного масштаба в стратегию внедрения облачных технологий
Создайте единую централизованную стратегию внедрения облачных технологий для своей организации, используя методологию стратегии в Cloud Adoption Framework Azure. Если вы еще не записали стратегию внедрения облака, используйте для этого шаблон стратегии и плана .
В этой статье содержатся рекомендации по сценариям облачной аналитики, которые влияют на более широкую стратегию.
Перед реализацией аналитики в масштабе облака необходимо создать план для стратегии обработки данных. Вы можете начать с малого с одного варианта использования или иметь гораздо больший набор вариантов использования, для которых потребуется определение приоритетов. Наличие стратегии поможет вам установить процессы и начать разговоры о основных принципах, на которых необходимо сосредоточиться.
Определение приоритетов бизнес-результатов для стратегии данных
Успешная стратегия обработки данных дает конкурентное преимущество. Вы всегда должны согласовывать свою стратегию данных с желаемыми бизнес-результатами. Большинство бизнес-результатов можно классифицировать в одной из следующих четырех категорий:
Расширьте возможности сотрудников: Предоставьте сотрудникам знания о клиентах, устройствах и компьютерах в режиме реального времени. Эти знания помогают им эффективно сотрудничать для удовлетворения потребностей клиентов или бизнеса с гибкостью.
Взаимодействие с клиентами: Создайте богатый, персонализированный и подключенный интерфейс, вдохновленный вашей торговой маркой. Используйте возможности данных и аналитических сведений, чтобы повысить лояльность клиентов на каждом этапе взаимодействия с клиентом.
Оптимизация операций. Увеличьте поток информации во всей организации. Синхронизируйте бизнес-процессы и используйте подход на основе данных, чтобы сделать каждое взаимодействие ценным.
Преобразуйте продукты и жизненный цикл разработки: Соберите данные телеметрии о ваших службах и предложениях. Используйте данные телеметрии для определения приоритетов выпуска или создания новой функции, а также для непрерывной оценки эффективности и внедрения.
После определения приоритетов бизнес-результатов изучите текущие проекты и долгосрочные стратегические инициативы и классифицируйте их соответствующим образом. Рассмотрите возможность объединения четырех категорий бизнес-результатов в матричном формате, основанном на сложности и влиянии. Кроме того, рассмотрите возможность добавления архитектурных принципов, которые помогут вам глубже изучить свой сценарий.
Разблокировка стратегического значения
Создание управляемой данными культуры, которая ведет бизнес вперед в согласованном, дальнодумом, гибком и информированном подходе, имеет некоторые присущие сложности и базовые реалии. Прежде чем приступить к этапу развертывания, сосредоточьтесь на формировании согласованной стратегии обработки данных, которая поможет достичь желаемых бизнес-результатов.
Аналитика в масштабе облака согласуется с целями, ориентированными на инновации. Следующие распространенные факторы мотивируют клиентов интегрировать этот сценарий в стратегию внедрения облачных технологий:
- Масштабируемая платформа аналитики, которая позволяет создавать корпоративную платформу данных.
- Самообслуживание, которое позволяет пользователям исследовать данные, создавать ресурсы данных и разрабатывать продукты.
- Язык и региональные параметры на основе данных с многократно используемыми ресурсами данных, сообществами данных, безопасным сторонним обменом и общим доступом на месте
- Надежный обмен данными, использование политик, общих удостоверений, конфиденциальности и шифрования
- Повышение вовлеченности клиентов и улучшение взаимодействия с клиентами
- Преобразование продуктов или услуг
- Нарушение равновесия на рынке из-за новых продуктов или услуг
На следующей схеме приведены ключевые темы, которые помогают реализовать эти мотивы в собственной стратегии. Тщательно проанализируйте эти темы и их вклад в согласованную стратегию обработки данных. Также подумайте о том, как они могут раскрыть стратегическую ценность ваших данных, что обеспечивает последовательный рост бизнеса.
"Стратегия данных служит основой для использования данных в качестве актива, а также для развития бизнеса. Это не задание исправления для проблем с данными. Это долгосрочный руководящий план, определяющий людей, процессы и технологии, которые должны быть использованы для решения проблем с данными".
Создание стратегии — это один шаг. Выполнение стратегии в масштабе предприятия представляет собой серьезную проблему для существующей культуры, людей, процессов и технологий вашей организации. Для выполнения требуются обязательства и четкое владение на всех уровнях организации.
Повышение эффективности
Гибкость облака требует от организаций быстрой адаптации и повышения эффективности во всех областях бизнеса. Согласно докладу Gartner о возникающих рисках, несмотря на то, что организации продолжают фокусироваться на цифровых инициативах и инвестировать в них, две трети этих организаций демонстрируют слабые места предприятия и не в состоянии реализовать ожидания, несмотря на то, что они по-прежнему сосредоточены на цифровых инициативах и инвестируют в них.
Ввод в эксплуатацию управления данными
Многие организации медленно децентрализованы центральные ИТ-отделы для обеспечения гибкости. Организации хотят быстро внедрять инновации, а доступ к унифицированным данным на уровне предприятия способом самообслуживания помогает им соответствовать сложным бизнес-требованиям.
Существует множество причин, почему предприятиям не удалось реализовать весь потенциал их данных. Это может быть связано с тем, что бизнес-функции работают в разрозненных расположениях, где каждая команда использует разные инструменты и стандарты для анализа данных. Это может быть вызвано неспособностью связать ключевые показатели эффективности с общими бизнес-целями.
Демократизация данных помогает вернуть ценность для бизнеса и достичь сложных целей роста бизнеса.
- Понимание потребностей бизнес-объектов и определение приоритетов.
- Распределите данные между доменами, чтобы обеспечить владение и приблизить данные к пользователям.
- Развертывание продуктов для самостоятельного использования данных для получения аналитических сведений и бизнес-ценности.
Для управления данными необходимо обеспечить надлежащий баланс в децентрализованном мире демократизации данных. Если вы применяете систему управления слишком строго, вы можете задушить инновации. Однако если у вас нет хотя бы некоторых основных принципов и процессов, скорее всего, вы получите разрозненные данные. Эти разрозненные объекты могут нанести ущерб репутации и потенциальному доходу вашей организации. Целостный подход к управлению данными является основополагающим для последовательного раскрытия стратегической ценности данных.
Отсутствие хорошо продуманной стратегии обработки данных приводит к необходимости просто "начать работу" и быстро начать предоставлять преимущества для вашей организации. Решение текущих бизнес-проблем, действуя по ранее упомянутым ключевым темам или используя их в качестве стратегических принципов в рамках. Использование этих ключевых тем также может помочь вам создать целостную стратегию данных, которая будет итеративной с проверкой, но при этом обеспечивает своевременные результаты. Руководители бизнеса и технологий должны разработать стратегии и мышление, необходимые для получения ценности на основе данных и быстрого масштабирования в упрощенной и структурированной форме.
Дополнительные сведения см. в статье Что такое система управления данными?.
Разработка языка и региональных параметров на основе данных
Для создания эффективной стратегии данных требуется язык и региональные параметры на основе данных. Развивать культуру, которая постоянно способствует открытому и совместному участию. В этом типе культуры все сотрудники могут учиться, общаться и улучшать бизнес-результаты организации. Разработка культуры на основе данных также повышает способность каждого сотрудника оказывать влияние или влияние на основе данных.
Отправная точка вашего пути зависит от вашей организации, отрасли и текущего расположения на кривой зрелости. На следующей схеме показан пример модели зрелости с описанием уровней зрелости использования ИИ в организации:
Уровень 0
Данные не используются программно и согласованно. Организация ориентирована на данные с точки зрения разработки приложений.
На уровне 0 организация часто имеет незапланированные аналитические проекты. Каждое приложение специализируется на уникальных данных и потребностях заинтересованных лиц. Каждое приложение также имеет значительные базы кода и команды разработчиков, многие из которых были спроектированы за пределами ИТ-отделов. Включение вариантов использования и аналитика являются разрозначенными.
уровне 1
На уровне 1 формируются команды и создается стратегия, но аналитика остается отделизованной. Организация, как правило, хорошо подходит для традиционного сбора данных и аналитики. Он может иметь определенный уровень приверженности подходу к облачному масштабу. Например, он может уже получить доступ к данным из облака.
Уровень 2
Инновационная платформа организации почти готова. Для обеспечения качества данных используются рабочие процессы. Организация может ответить на несколько вопросов о причинах.
На уровне 2 организация активно ищет сквозную стратегию обработки данных, которая использует централизованно управляемые хранилища озера данных для управления расползанием хранилищ данных и улучшения возможности обнаружения данных. Организация готова к использованию интеллектуальных приложений, которые позволяют выполнять вычисления в централизованно управляемых озерах данных. Эти интеллектуальные приложения снижают риски конфиденциальности, затраты на вычисления и потребность в федеративных копиях важных данных.
На этом уровне организация также готова использовать мультитенантные, централизованно размещенные общие службы данных для общих задач вычислений данных. Эти общие службы данных позволяют быстро получать аналитические сведения из служб аналитики, управляемых обработкой и анализом данных.
Level 3
Организация использует целостный подход к данным. Проекты, связанные с данными, интегрируются в бизнес-результаты. Для создания прогнозов организация использует платформы аналитики.
На уровне 3 организация открывает цифровые инновации как с точки зрения пространства данных, так и с точки зрения разработки приложений. Существуют базовые службы данных, включая озера данных и общие службы данных.
Несколько команд в организации успешно обеспечивают критически важные бизнес-рабочие нагрузки, ключевые варианты использования и измеримые результаты. Новые общие службы данных определяются с помощью телеметрии. ИТ-отдел — это доверенный консультант для команд в компании, использующий надежную и подключенную сквозную стратегию обработки данных для улучшения критически важных бизнес-процессов.
Уровень 4
На уровне 4 вся организация использует платформы, корпоративные стандарты и культуру на основе данных. Автоматизация, циклы обратной связи на основе данных и центры передового опыта в области аналитики или автоматизации можно наблюдать в действии.
Разработка целей, ориентированных на бизнес
Определение приоритетов в соответствии с бизнес-концепцией и поддержание идеологии ("мыслить масштабно, начинать с малого и действовать быстро") — это основные факторы успеха. Выбор правильного варианта использования не всегда должен быть длительным, сложным процессом проверки. Он может представлять собой текущую задачу в любом бизнес-подразделении, которое характеризуется достаточным количеством данных для проверки рентабельности инвестиций, более высоким аппетитом и удобством вовлечения. События могут развиваться быстро, и именно в этот момент большая часть организации может пытаться приступить к работе.
Общие сведения об атрибутах данных
Чтобы создать надежную стратегию обработки данных, необходимо понимать, как работают данные. Знание основных характеристик данных помогает сформировать принципиальную практику работы с данными.
Данные перемещаются быстро, но их скорость не может игнорировать законы физики. Данные должны соответствовать законам земли и отрасли, которая их создала.
Данные не изменяются сами по себе, но они подвержены изменениям и случайной потере, если вы не ввели меры для устранения таких проблем. Внесите меры по борьбе с коррупцией для элементов управления, баз данных и хранилища, чтобы вы могли справиться с непредвиденными изменениями. Кроме того, убедитесь, что вы настроили мониторинг, аудиты, оповещения и подчиненные процессы.
Сами по себе данные не создают никаких аналитических сведений и не дают никакой ценности. Чтобы получить аналитические сведения или извлечь ценность, необходимо поместить большую часть или все данные с помощью четырех отдельных шагов:
- Прием
- Память
- Обработка
- Аналитика
Каждый из этих четырех шагов имеет свои собственные принципы, процессы, средства и технологии.
Удержание ресурсов данных и связанных с ними аналитических сведений может повлиять на социально-экономические, политические, исследовательские и инвестиционные решения. Очень важно, чтобы ваша организация была способна безопасно и ответственно предоставлять аналитические сведения. Все данные, которые вы создаете или получаете, должны проходить через упражнение по классификации данных, если иное не указано явным образом. Шифрование — это золотой стандарт для обработки конфиденциальных данных как при хранении, так и при передаче.
Данные, приложения и службы имеют свои собственные гравитационные тяги, но извлечение данных является самым большим. В отличие от легендарного яблока сэра Исаака Ньютона, данные не имеют никакой физической массы, которая влияет на окружающие объекты. Вместо этого он имеет задержку и пропускную способность, которые действуют в качестве ускорителей для процесса аналитики. Задержка, пропускная способность и простота доступа часто требуют дублирования данных, даже если это нежелательно. Настройте сотрудников, процессы, инструменты и технологии соответствующим образом, чтобы вы могли сбалансировать такие требования с политиками данных вашей организации.
Архитектурные конструкции управляют скоростью обработки данных. Конструкции упрощаются за счет инноваций в программном обеспечении, оборудовании и сети. Ниже приведены некоторые рекомендации по архитектуре.
- Настройка распределения данных
- Секционирование
- Технологии кэширования
- Сравнение пакетной обработки и потоковой
- Балансировка серверной и клиентской обработки
Определение стратегии обработки данных
Использование данных в качестве конкурентного преимущества для создания более качественных продуктов и более ценных услуг не является чем-то новым. Но объем, скорость и разнообразие данных, которые включены облачные вычисления, являются.
Современная платформа аналитики данных в облаке состоит из обеспечения безопасности, управления, мониторинга, масштабирования по запросу, операций с данными и самообслуживания. Понимание взаимодействия между этими аспектами — это то, что отличает отличную стратегию обработки данных от хорошей. Используйте такие средства, как Cloud Adoption Framework, чтобы обеспечить согласованность архитектуры, целостность и рекомендации.
Чтобы обеспечить эффективность, ваша стратегия данных должна содержать положения для управления данными. На следующей схеме показаны main этапы жизненного цикла данных, в центре внимания — управление данными:
В следующих разделах описываются рекомендации, которые следует использовать при выборе уровней стратегии данных принципов проектирования. Сосредоточьтесь на предоставлении бизнес-результатов и ценности из ваших данных.
Прием данных
Ключевым аспектом приема данных является возможность быстро создать конвейер данных безопасным и соответствующим образом, от требований до рабочей среды. Важные элементы включают управляемые метаданными, самообслуживание и технологии с низким уровнем кода, которые гидратации озера данных.
При создании конвейеров учитывайте как проектирование, так и возможность первичной обработки данных, распределения данных и масштабирования вычислительных ресурсов. Кроме того, необходимо убедиться, что у вас есть правильная поддержка DevOps для непрерывной интеграции и доставки конвейера.
Такие средства, как Фабрика данных Azure, поддерживают множество локальных источников данных, программного обеспечения как услуги (SaaS) и других источников данных из других общедоступных облаков.
Память
Пометка и упорядочение данных на физическом и логическом уровнях. Озера данных являются частью всех современных архитектур аналитики данных. Ваша организация должна применять соответствующие требования к конфиденциальности, безопасности и соответствию данным, которые соответствуют всем требованиям к классификации данных и отраслевым требованиям, в соответствии с которыми вы работаете. Каталогизация и самообслуживание помогают упростить данные на уровне организации, что подпитывает инновации, руководствуясь соответствующим контролем доступа.
Выберите подходящее хранилище для рабочей нагрузки. Даже если вы не получаете правильное хранилище с первого раза, облако позволяет быстро выполнить отработку отказа и перезапустить путь. Используйте требования к приложению, чтобы выбрать оптимальную базу данных. При выборе платформы аналитики обязательно учитывайте возможность обработки пакетных и потоковых данных.
Обработка данных
Ваши потребности в обработке данных зависят от каждой рабочей нагрузки. Большая часть крупномасштабной обработки данных содержит элементы как в режиме реального времени, так и в пакетной обработке. У большинства предприятий также есть элементы требований к обработке временных рядов и необходимость обработки свободного текста для возможностей корпоративного поиска.
Оперативная обработка транзакций (OLTP) обеспечивает наиболее популярные требования к обработке в организации. Для некоторых рабочих нагрузок требуется специализированная обработка, например высокопроизводительные вычисления (HPC), иногда называемые "большими вычислительными ресурсами". Эти рабочие нагрузки решают сложные математические задачи, используя множество компьютеров на базе ЦП или GPU.
Для некоторых специализированных рабочих нагрузок клиенты могут защищать среды выполнения, такие как конфиденциальные вычисления Azure, что помогает пользователям защищать данные, пока данные используются на общедоступных облачных платформах. Это необходимо для эффективной обработки. Данные защищены в доверенной среде выполнения (TEE), также известной как анклав. TEE защищает код и данные от любых внешних просмотров и изменений. TEE позволяют обучать модели ИИ, не жертвуя конфиденциальностью данных, даже если вы используете источники данных из разных организаций.
Аналитическая обработка
Конструкция извлечения, преобразования и загрузки (ETL) относится к потребностям оперативной аналитической обработки (OLAP) и организации хранилища данных. Модель данных, согласованная с бизнесом, и семантическая модель, позволяющая организациям реализовывать бизнес-правила и ключевые показатели эффективности (КПЭ), часто реализуются в рамках аналитического процесса. Одной из полезных возможностей является автоматическое обнаружение смещения схемы.
Сводка по стратегии данных
Использование принципиального подхода к другим аспектам, таким как управление данными и ответственный ИИ, в дальнейшем будет выплачивать дивиденды.
Корпорация Майкрософт придерживается четырех основных принципов: справедливости, надежности и безопасности, конфиденциальности и безопасности, а также инклюзивности. Два основополагающих принципа транспарентности и подотчетности лежат в основе всех четырех основных принципов.
Мы ввели наши принципы и ответственный ИИ на практике, разрабатывая ресурсы и систему управления. В некоторых из наших рекомендаций рассматриваются взаимодействие человека и ИИ, диалоговый ИИ, инклюзивный дизайн, контрольный список справедливости ИИ и таблица данных для наборов данных.
Мы также разработали набор инструментов, которые помогут другим пользователям понять, защитить ИИ и контролировать его на каждом этапе инноваций. Эти инструменты являются результатом многодисциплинарного сотрудничества по укреплению и ускорению ответственного применения ИИ. Совместная работа охватывает разработку и разработку программного обеспечения, социальные науки, исследования пользователей, право и политику.
Для улучшения совместной работы мы предоставили множество средств с открытым кодом, таких как InterpretML и Fairlearn. Другие могут вносить свой вклад в эти открытый код инструменты и использовать их. Мы также упростили доступ к средствам с помощью Машинного обучения Azure.
Поворот к тому, чтобы стать организацией, управляемой данными, имеет решающее значение для обеспечения конкурентных преимуществ в новой нормальной среде. Мы хотим помочь нашим клиентам в переходе с подхода, предназначенного только для приложений, на подход, основанный как на приложениях, так и на данных. Подход, ориентированный на приложения и данные, помогает создать сквозную стратегию обработки данных, которая обеспечивает повторяемость и масштабируемость в текущих и будущих вариантах использования, влияющих на бизнес-результаты.
Стимулирование вовлеченности, информационного взаимодействия и заинтересованности
Все ключевые роли, участвующие в успешном выполнении стратегии обработки данных, должны четко понимать принятый подход и общие бизнес-цели. Ключевые роли могут включать команду руководителей (уровень C), бизнес-подразделения, ИТ-отделы, операционные и отделы доставки.
Коммуникация является одной из наиболее важных частей этой платформы. Ваша организация должна разработать процесс эффективного взаимодействия между ролями. Коммуникация помогает эффективно выполнять задачи в контексте текущего проекта. Он также создает форум, который помогает всем участникам оставаться в курсе, обновляться и сосредоточиться на общей цели создания целостной стратегии обработки данных для вашего будущего.
Взаимодействие имеет важное значение между следующими двумя группами:
- Члены команды, которые разрабатывают и реализуют стратегию данных
- Участники группы, которые участвуют в работе, используют и используют данные (например, бизнес-подразделения, которые будут принимать решения и строить результаты на основе данных).
Другими словами, стратегии данных и связанные платформы данных, созданные без привлечения пользователей, могут создавать проблемы в релевантности и внедрении.
Два стратегических процесса помогают успешно реализовать эту платформу:
- Образование центра компетенций
- Внедрение гибкого метода реализации
Дополнительные сведения см. в статье Разработка плана для облачной аналитики.
Создание полезной стоимости
При доставке продуктов данных в соответствие с критериями успешности стандартизированным и структурированным способом эта доставка проверяет итеративную платформу. Кроме того, непрерывное внедрение инноваций поможет вам обеспечить уверенность в бизнесе и расширить цели стратегии обработки данных. Этот процесс обеспечивает более четкое и быстрое внедрение в вашей организации.
То же самое относится и к платформе данных. Если у вас есть настройка, в которой несколько команд работают довольно автономно, вы должны стремиться к сетке. Это итеративный процесс. Во многих случаях это требует значительных изменений в настройке, готовности и согласовании бизнеса в организации.
Дальнейшие действия
Ознакомьтесь со следующими статьями, чтобы найти рекомендации по внедрению облачных технологий и успешному внедрению облачных технологий.