A migração de BI e análise de dados para a nuvem precisa ser feita com cautela. Isso porque muitas questões precisam ser levadas em consideração: examinar os processos de análise existentes, escolher as ferramentas de nuvem certas, proteger as informações, garantir a qualidade dos dados e, principalmente, estabelecer metas bem definidas.
O a nuvem oferece o tipo de benefícios que as alternativas locais têm dificuldade em igualar — mais agilidade, desenvolvimento e implantação mais rápidos de novas tecnologias e maior potencial de economia de custos. A maioria das organizações bem-sucedidas que migram para a nuvem tem visões e estratégias bem definidas para o papel que desejam que o BI e a análise de dados desempenhem em sua empresa inteligente, afirmou Steve McHugh, diretor de marketing de produtos para BI e análise híbrida da SAP. "É um movimento de inovação para elas", acrescentou, "não necessariamente uma 'mudança' do que elas têm atualmente no local para a nuvem, embora algumas empresas estejam interessadas em fazê-lo."
Adotando uma mentalidade experimental
As empresas precisam estar cientes de que a análise de dados na nuvem não se trata apenas de economia de custos, mas também de novas possibilidades. "Com acesso a infraestruturas escaláveis e estáveis, sem a sobrecarga de manutenção, é possível escalar para o nível de análise necessário naquele momento, com custo inicial mínimo para experimentação", disse Mitch Gibbs, consultor da Candid Partners, uma empresa de serviços em nuvem.
Mitch GibbsEle recomendou que os gestores de análise dedicassem recursos ao processo de experimentação para determinar a abordagem analítica que ofereça o maior retorno e investir nele. "Não pense em análise como uma criação única de um aplicativo", aconselhou Gibbs. "Em vez disso, projete seu sistema e processo para evoluir conforme as necessidades do negócio mudam."
O próximo passo é definir metas valiosas e alcançáveis para a análise de dados na nuvem, como reduzir custos de BI e análise, acelerar consultas, aumentar a simultaneidade dos usuários, melhorar a qualidade do suporte à decisão e automatizar a entrega de insights baseados em dados para os processos de negócios. "Não migre seu BI/análise de suas plataformas locais se você não tiver um bom controle sobre o que está tentando alcançar", disse James Kobielus, analista líder da Wikibon na SiliconAngle Media.
Existem muitos Ferramentas de BI e análise baseadas em SaaS a serem considerados, e eles variam amplamente em termos de recursos, preço, desempenho, disponibilidade geográfica, setor e aplicações. Definir metas pode ajudar a criar uma lista restrita de provedores a serem considerados no início da iniciativa de migração. "Realize uma avaliação comparativa de due diligence desses [provedores e recursos do produto] antes de decidir qual será o seu alvo de migração", disse Kobielus. É importante decidir se sua empresa está apenas migrando relatórios operacionais ou se também está migrando modelagem preditiva, mineração de dados, aprendizado de máquina e outros aplicativos de análise avançada para a nuvem.
Prepare-se para um projeto de migração que pode levar mais tempo e custar mais do que o esperado, observou Kobielus. O projeto provavelmente será mais complexo se estiver migrando muitos bancos de dados e uma enorme coleção de análises que precisam ser reconstruídas essencialmente do zero para a nuvem.
Aqui estão algumas considerações importantes ao identificar experiência em migração e selecionar ferramentas:
- Você está migrando todos os aplicativos legados de BI e análise ou está planejando desativar muitos dos subutilizados como parte da migração?
- Você tem a experiência e as ferramentas internas necessárias para fazer a migração corretamente ou precisa contratar um consultor?
- O provedor da nuvem de destino possui serviços profissionais e ferramentas para auxiliar sua migração?
Auditoria de práticas existentes de gerenciamento de dados
Rob LancasterÉ importante avaliar a infraestrutura de gerenciamento de dados e a segurança dos dados existentes. "Um grande problema que observamos é que os dados eram tradicionalmente protegidos por sistemas locais desenvolvidos internamente, que não existirão na nuvem", disse Rob Lancaster, gerente geral de nuvem da Immuta, uma plataforma de gerenciamento de dados para IA. Às vezes, as organizações percebem tarde demais que, depois de migrar seus dados para a nuvem, não poderão protegê-los como antes e precisam considerar estratégias diferentes e mais flexíveis para permitir uma verdadeira análise de dados.
“Devemos estar atentos aos destroços dos data warehouses do passado”, disse Ben Newton, diretor de marketing de produtos da Sumo Logic, empresa de gerenciamento de logs e análise de segurança. “Muitas vezes, há uma obsessão em apenas coletar dados em vez de responder a perguntas.”
Sam BooninDescreva claramente algumas questões empresariais importantes e identifique os dados para respondê-las antes de migrar dados para a nuvemMelhor ainda, escolha uma aplicação ou área de negócios específica para começar. "Não tente ferver o data lake. Comece com um data pond", aconselhou Newton. Ele acrescentou que, com muita frequência, encontrou empresas construindo uma estratégia de negócios com base em conjuntos de dados bem nutridos que não refletem a realidade. Para que a análise de dados na nuvem seja bem-sucedida, as empresas precisam se aprofundar nos detalhes da análise de dados não estruturados, estruturados e semiestruturados. Isso facilitará o desenvolvimento de uma estratégia para atender às necessidades de ferramentas de BI tradicionais e bem-comportadas. e o oeste selvagem da análise de dados de máquina.
“É melhor começar com dados que provavelmente já existem na nuvem, como dados da jornada digital do cliente ou dados vinculados a investimentos existentes em SaaS”, disse Sam Boonin, vice-presidente de estratégia de produtos da Zendesk. Isso ajudará a obter ganhos rápidos e a desenvolver familiaridade com os ambientes de BI baseados na nuvem. Em seguida, crie um plano de transformação para a nuvem na estratégia geral de BI e migre o restante dos dados ao longo do tempo.
Joe PasquaNormalmente, 90% dos desafios do BI são acessar, limpar e normalizando dadosA nuvem facilita essas tarefas, visto que muitos dados já residem em nuvens públicas como AWS e Microsoft Azure. Mas Boonin enfatizou que o "encanamento de dados" de uma empresa ainda requer governança e trabalho de TI consistentes.
Controlando dados e custos
Uma preocupação crescente com a análise de dados na nuvem, especialmente com novos regulamentações como o GDPR, está protegendo informações confidenciais durante o processo de migração. Dados confidenciais precisam ser mascarados ou tokenizados.
O localização física dos dados também é um problema. "Como nem sempre é possível saber ou controlar onde o provedor de nuvem armazena os dados, as organizações podem inadvertidamente violar as limitações de residência de dados", disse Nimrod Vax, cofundador e diretor de produtos da empresa de privacidade de dados BigID. As empresas precisam saber não apenas onde seus dados estão armazenados, mas também de quem são os dados armazenados. Aqueles que conseguirem mapear os dados antes da migração para a nuvem entenderão melhor que tipo de dados está sendo migrado, disse Vax.
O preço da nuvem pode ser atraente e parecer um ponto de entrada fácil, mas os custos podem ser imprevisíveis“Muitas organizações já passaram por um momento de 'ah, não' quando uma conta grande e inesperada chegou”, disse Joe Pasqua, vice-presidente executivo de produtos da MarkLogic, uma provedora de sistemas de gerenciamento de banco de dados operacional.
A estimativa de custos é particularmente desafiadora para BI e análise de dados na nuvem. Embora as cargas de trabalho operacionais sejam frequentemente impulsionadas por um processo de negócios repetível que pode torná-las mais previsíveis, BI e análise podem ser amplamente impulsionados por usuários e cientistas de dados. "Sempre há outra análise a ser feita, e a nuvem facilita muito o consumo de mais recursos", disse Pasqua. "É muito importante usar uma plataforma que possa analisar padrões de uso e controlar o uso com eficácia para obter custos previsíveis."