采用实验思维

企业需要意识到，云计算中的数据分析不仅仅是为了节省成本，也是为了创造新的可能性。云服务公司Candid Partners的顾问米奇·吉布斯(Mitch Gibbs)说，“有了可扩展、稳定的基础设施，而无需维护它们的开销，你就可以扩展到目前所需的分析水平，实验的启动成本也最低。”

米奇吉布斯

他建议分析管理人员投入资源以确定实验的过程以确定分析方法这能带来最大的回报，并投资于此。“不要认为分析是应用程序的一次性构建，”Gibbs建议。相反，你应该根据业务需求的变化来设计你的系统和流程。”

下一步是为云中的数据分析设置有价值的，可实现的目标，例如切割BI和分析成本，加速查询，提高用户并发性，提高决策支持的质量，并自动向业务流程提供数据驱动的洞察力。“如果您在努力实现的情况下没有良好的手柄​​，请勿将您的BI / Analytics迁移远离您的内部场平台，”SilicoNangle Media的Wikibon Lead Analyst james Kobielus James Kobielus表示。

不要将分析物视为应用程序的一次性建立。

有许多基于saas的BI和分析工具它们在特性、价格、性能、地理可用性、行业和应用程序方面有广泛的范围。设定目标可以帮助在迁移活动的早期创建一个目标提供者的候选名单。Kobielus说:“在决定迁移目标之前，对这些供应商和产品特性进行尽职调查和比较评估。”重要的是要确定您的公司是只是将运营报告，还是同时将预测建模、数据挖掘、机器学习和其他高级分析应用程序迁移到云。

Kobielus指出，为迁移项目做好准备，可能会比预期花费更长的时间和更多的成本。这个项目可能会更加复杂如果迁移了许多数据库和大量的分析数据，就需要从头开始重新构建云计算。

以下是识别迁移专业知识和选择工具时的一些重要考虑因素：

• 您正在迁移所有遗留的BI和分析应用程序，还是计划在迁移过程中让许多未充分利用的应用程序退役?
• 您是否有必要的内部专业知识和工具，以便正确执行迁移，或者您需要携带顾问吗？
• 目标云提供商是否具有专业服务和帮助您迁移的工具？

审核现有数据管理实践

罗伯·兰开斯特

评估现有数据的数据管理基础设施和安全性非常重要。人工智能数据管理平台Immuta的云业务总经理罗布•兰卡斯特(Rob Lancaster)表示:“我们看到的一个主要问题是，数据传统上是由本地系统保护的，而这些系统在云端是不存在的。”组织有时意识到一旦他们将数据迁移到云上，他们就不能像过去那样保护数据，需要考虑这一点，但意识到得太晚了不同和更灵活的策略启用真实数据分析。

日志管理和安全分析公司Sumo Logic的产品营销总监本·牛顿(Ben Newton)表示:“我们应该注意过去数据仓库的残骸。”“人们往往痴迷于收集数据，而不是回答问题。”

山姆Boonin

清晰地列出一些关键业务问题，并确定回答这些问题的数据在将数据迁移到云之前。更好的是，选择一个特定的应用程序或业务领域作为开始。“不要试图煮沸数据湖。从数据池开始，”牛顿建议。他补充说，他经常遇到一些公司在精心培育的数据集上制定商业战略，但这些数据集并不能反映现实。云中的数据分析要想成功，企业需要了解非结构化、结构化和半结构化数据分析的基本细节。这将使开发策略来解决传统的、行为良好的BI工具的需求变得更加容易和机器数据分析的狂野西部。

Zendesk负责产品战略的副总裁萨姆·布宁(Sam Boonin)表示:“最好从云计算中已经存在的数据入手，比如数字客户旅程数据，或者与现有SaaS投资相关的数据。”这将有助于获得一些快速的胜利，并建立对基于云的BI环境的熟悉。然后，将云转换计划构建到总体BI战略中，并随着时间推移移动其余数据。

乔帕斯瓜

通常，BI的90%挑战是访问、清理和规范数据。云使得这些任务变得更容易，因为大量数据已经存储在AWS和微软Azure等公共云中。但Boonin强调，公司的“数据管道”仍然需要一致的治理和IT工作。

控制数据和成本

云中的数据分析越来越担心，特别是新的规定像GDPR，是在迁移过程中保护敏感信息。敏感数据需要被屏蔽或标记化。

这数据的物理位置也是一个问题。“由于您无法始终知道或控制云提供商存储数据的位置，因此组织可能无意中违反数据居住限制，”Data Privacy Company Gigid的Nimrod Vax，联合创始人和首席产品官员说。公司不仅需要知道他们的数据存储的位置，还需要了解它们的数据。VAX表示，那些可以在迁移到云之前将数据映射到云端的数据将更好地了解正在迁移的数据类型。

许多公司都经历过“哦不”的时刻，当一大笔意想不到的账单来临时。

云定价可能很有吸引力，而且似乎是一个简单的切入点，但是成本可能是不可预测的。运营数据库管理系统提供商MarkLogic负责产品的执行副总裁乔·帕斯夸(Joe Pasqua)说:“当一笔意外的巨额账单到来时，许多组织都经历过‘哦不’的时刻。”

成本估算对于云中的BI和数据分析尤其具有挑战性。虽然操作工作负载通常由可重复的业务流程驱动，但是可以使其更具可预测的，BI和分析可以非常受用户和数据科学家推动的。“总有另一个分析做了，云使其很容易消耗更多资源，”Pasqua说。“使用一个能够有效分析使用模式和控制使用的平台非常重要，以便实现可预测的成本。”