Die Migration von BI und Datenanalyse in die Cloud muss mit Bedacht erfolgen. Denn es gilt, viele Aspekte zu berücksichtigen: die Überprüfung bestehender Analyseprozesse, die Auswahl der richtigen Cloud-Tools, den Schutz von Informationen, die Sicherstellung der Datenqualität und vor allem die Festlegung durchdachter Ziele.
Die Cloud bietet die Art von Vorteilen On-Premise-Alternativen können kaum mithalten – mehr Agilität, schnellere Entwicklung und Bereitstellung neuer Technologien sowie größere potenzielle Kosteneinsparungen. Die meisten erfolgreichen Unternehmen, die in die Cloud migrieren, haben klar definierte Visionen und Strategien für die Rolle, die BI und Analytics in ihrem intelligenten Unternehmen spielen sollen, sagt Steve McHugh, Director of Product Marketing für BI und Hybrid Analytics bei SAP. „Für sie ist es ein Innovationsschritt“, fügt er hinzu, „nicht unbedingt eine Verlagerung ihrer aktuellen On-Premise-Lösungen in die Cloud, obwohl einige Unternehmen daran interessiert sind.“
Eine experimentelle Denkweise annehmen
Unternehmen müssen sich bewusst sein, dass Datenanalyse in der Cloud nicht nur Kosteneinsparungen, sondern auch neue Möglichkeiten bietet. „Mit dem Zugriff auf skalierbare, stabile Infrastrukturen ohne Wartungsaufwand können Sie die Analyse auf das jeweils benötigte Niveau skalieren, und das mit minimalen Anlaufkosten für Experimente“, sagt Mitch Gibbs, Berater bei Candid Partners, einem Cloud-Service-Unternehmen.
Mitch GibbsEr empfahl den Analytik-Managern, Ressourcen für den Experimentierprozess bereitzustellen, um die analytischer Ansatz die den größten Nutzen bringt, und in sie zu investieren. „Betrachten Sie Analytics nicht als einmalige Anwendung“, rät Gibbs. „Konzipieren Sie stattdessen Ihr System und Ihre Prozesse so, dass sie sich mit den sich ändernden Geschäftsanforderungen weiterentwickeln.“
Der nächste Schritt besteht darin, sinnvolle und erreichbare Ziele für die Datenanalyse in der Cloud zu setzen, beispielsweise die Senkung der BI- und Analysekosten, die Beschleunigung von Abfragen, die Steigerung der Benutzerparallelität, die Verbesserung der Entscheidungsunterstützung und die Automatisierung der Bereitstellung datenbasierter Erkenntnisse für Geschäftsprozesse. „Migrieren Sie Ihre BI/Analyse nicht von Ihren lokalen Plattformen, wenn Sie nicht genau wissen, was Sie erreichen wollen“, rät James Kobielus, Wikibon-Leitanalyst bei SiliconAngle Media.
Es gibt viele SaaS-basierte BI- und Analysetools Es gibt viele verschiedene Anbieter zu berücksichtigen, und sie unterscheiden sich stark in Bezug auf Funktionen, Preis, Leistung, geografische Verfügbarkeit, Branche und Anwendung. Das Setzen von Zielen kann dabei helfen, schon früh in der Migrationsinitiative eine engere Auswahl an Anbietern zu treffen. „Führen Sie eine sorgfältige vergleichende Bewertung dieser [Anbieter und Produktfunktionen] durch, bevor Sie sich für einen als Migrationsziel entscheiden“, empfiehlt Kobielus. Es ist wichtig zu entscheiden, ob Ihr Unternehmen nur das operative Reporting verlagert oder auch prädiktive Modellierung, Data Mining, maschinelles Lernen und andere erweiterte Analyseanwendungen in die Cloud migriert.
Bereiten Sie sich auf ein Migrationsprojekt vor, das länger dauern und mehr kosten könnte als erwartet, merkte Kobielus an. Das Projekt dürfte komplexer sein wenn viele Datenbanken und eine riesige Sammlung von Analysen migriert werden, die für die Cloud im Wesentlichen von Grund auf neu erstellt werden müssen.
Hier sind einige wichtige Überlegungen bei der Ermittlung von Migrationskompetenz und der Auswahl von Tools:
- Migrieren Sie alle alten BI- und Analyse-Apps oder planen Sie, im Rahmen der Migration viele der nicht ausreichend genutzten Apps außer Betrieb zu nehmen?
- Verfügen Sie über das erforderliche interne Fachwissen und die erforderlichen Tools, um die Migration ordnungsgemäß durchzuführen, oder müssen Sie einen Berater hinzuziehen?
- Verfügt der Anbieter der Ziel-Cloud über professionelle Dienstleistungen und Tools zur Unterstützung Ihrer Migration?
Prüfung bestehender Datenverwaltungspraktiken
Rob LancasterEs ist wichtig, die Datenmanagement-Infrastruktur und die Sicherheit der vorhandenen Daten zu bewerten. „Ein großes Problem besteht darin, dass die Daten traditionell durch selbst entwickelte Systeme vor Ort geschützt wurden, die in der Cloud nicht mehr existieren werden“, sagte Rob Lancaster, General Manager für Cloud bei Immuta, einer Datenmanagement-Plattform für KI. Unternehmen erkennen manchmal zu spät, dass sie ihre Daten nach der Migration in die Cloud nicht mehr wie gewohnt schützen können und Folgendes berücksichtigen müssen: unterschiedliche und flexiblere Strategien um echte Datenanalysen zu ermöglichen.
„Wir sollten uns der Zerstörung der Data Warehouses der Vergangenheit bewusst sein“, sagte Ben Newton, Leiter Produktmarketing bei Sumo Logic, einem Unternehmen für Protokollverwaltung und Sicherheitsanalysen. „Zu oft ist man davon besessen, nur Daten zu sammeln, anstatt Fragen zu beantworten.“
Sam BooninDefinieren Sie einige wichtige Geschäftsfragen klar und deutlich und ermitteln Sie die Daten, um diese Fragen zu beantworten. vor der Migration von Daten in die Cloud. Noch besser: Wählen Sie zunächst eine bestimmte Anwendung oder einen bestimmten Geschäftsbereich. „Versuchen Sie nicht, den Datensee zum Kochen zu bringen. Beginnen Sie mit einem Datenteich“, rät Newton. Er fügte hinzu, er habe allzu oft Unternehmen erlebt, die ihre Geschäftsstrategie auf sorgfältig gepflegten Datensätzen aufbauen, die nicht der Realität entsprechen. Damit Datenanalyse in der Cloud erfolgreich ist, müssen Unternehmen die Details der unstrukturierten, strukturierten und semistrukturierten Datenanalyse verstehen. Das erleichtert die Entwicklung einer Strategie für die Anforderungen traditioneller, bewährter BI-Tools. und der Wilde Westen der Maschinendatenanalyse.
„Am besten beginnen Sie mit Daten, die wahrscheinlich bereits in der Cloud vorhanden sind, wie beispielsweise Daten zur digitalen Customer Journey oder Daten, die mit bestehenden SaaS-Investitionen verknüpft sind“, empfiehlt Sam Boonin, Vice President of Product Strategy bei Zendesk. So erzielen Sie schnelle Erfolge und machen sich mit den Cloud-basierten BI-Umgebungen vertraut. Integrieren Sie anschließend einen Cloud-Transformationsplan in Ihre BI-Gesamtstrategie und migrieren Sie die restlichen Daten nach und nach.
Joe PasquaTypischerweise sind 90% der BI-Herausforderungen der Zugriff, die Bereinigung und Normalisieren von DatenDie Cloud erleichtert diese Aufgaben, da viele Daten bereits in öffentlichen Clouds wie AWS und Microsoft Azure gespeichert sind. Boonin betonte jedoch, dass die Dateninfrastruktur eines Unternehmens weiterhin eine konsistente Governance und IT-Arbeit erfordert.
Daten und Kosten im Griff
Eine wachsende Sorge hinsichtlich der Datenanalyse in der Cloud, insbesondere bei neuen Vorschriften wie die DSGVO, schützt vertrauliche Informationen während des Migrationsprozesses. Vertrauliche Daten müssen maskiert oder tokenisiert werden.
Die physischer Standort der Daten Auch die Datensicherheit ist ein Problem. „Da man nicht immer weiß oder kontrollieren kann, wo der Cloud-Anbieter die Daten speichert, können Unternehmen versehentlich gegen die Beschränkungen der Datenspeicherung verstoßen“, sagte Nimrod Vax, Mitgründer und Chief Product Officer des Datenschutzunternehmens BigID. Unternehmen müssen nicht nur wissen, wo ihre Daten gespeichert sind, sondern auch, wessen Daten sie speichern. Wer die Daten vor der Migration in die Cloud zuordnen kann, versteht besser, welche Art von Daten migriert werden, so Vax.
Cloud-Preise können attraktiv sein und scheinen einen einfachen Einstieg zu bieten, aber Kosten können unvorhersehbar sein„Viele Unternehmen haben einen ‚Oh nein‘-Moment erlebt, als eine hohe, unerwartete Rechnung eintraf“, sagte Joe Pasqua, Executive Vice President of Products bei MarkLogic, einem Anbieter von Systemen zur operativen Datenbankverwaltung.
Die Kostenschätzung ist bei BI und Datenanalyse in der Cloud besonders anspruchsvoll. Während operative Workloads oft durch wiederholbare Geschäftsprozesse gesteuert werden, die sie vorhersehbarer machen, können BI und Analytics stark von Benutzern und Datenwissenschaftlern bestimmt werden. „Es gibt immer weitere Analysen, und die Cloud macht es sehr einfach, mehr Ressourcen zu verbrauchen“, so Pasqua. „Um vorhersehbare Kosten zu erzielen, ist es sehr wichtig, eine Plattform zu verwenden, die Nutzungsmuster effektiv analysieren und die Nutzung steuern kann.“