企业在迁移BI和数据分析到云端时，应保持谨慎。因为这里需要考虑很多问题：检查现有的分析流程、选择正确的云工具、保护信息、确保数据质量，最重要的是，制定明确的目标。

云计算可提供内部部署替代方案难以企及的优势：更灵活更快速地开发和部署新技术，以及更大的潜在成本节约。SAP公司BI和混合分析产品营销总监Steve McHugh表示，从大多数成功迁移到云端的企业来看，对于BI和分析在其智能企业中发挥的作用，他们都有明确的愿景和战略。他补充说：“这对他们来说是一次创新，而不一定是将他们目前内部部署“提升和转移”到云端，尽管有些公司有兴趣这样做。”

采用实验心态

企业需要意识到，云端数据分析不仅仅是关于成本节约，还带来新的可能性。云服务公司Candid Partners顾问Mitch Gibbs指出，“通过云计算，你可以访问可扩展的稳定的基础架构，而无需维护成本，你可以扩展到当时所需的分析级别，同时只需为实验支付最低的启动成本。”

他建议分析经理将资源投入到实验过程中，以确定提供最大投资回报的分析方法。Gibbs称：“不要将分析视为一次性构建的应用程序。相反，你应该设计系统和流程，以便随着业务需求的变化而发展。”

下一步是为云端数据分析设定有价值且可实现的目标，例如削减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以及自动化交付数据驱动见解到业务流程中。 SiliconAngle Media公司Wikibon首席分析师James Kobielus说：“如果你没有很好地明确你想要实现的目标，那就不要将你的BI /分析从你的本地平台迁移出来。”

现在有很多基于SaaS的BI和分析工具可供选择，它们在功能、价格、性能、地理可用性、行业和应用程序方面各有不同。设定目标有助于筛选候选供应商名单，以便在迁移计划的早期阶段实现目标。Kobielus称：“在确定你的迁移目标前，你应该对这些提供商和产品功能进行全面调查和评估。这里的重点是确定你的公司是否只是迁移运营报告，还是迁移预测建模、数据挖掘、机器学习和其他高级分析应用程序。”

Kobielus指出，企业应该为迁移项目做好准备，这些项目需要的时间和成本可能高于预期。如果需要迁移很多数据库以及大量分析集（需要从零开始针对云环境进行重建），迁移项目可能会更复杂。

在确定迁移专业技能和选择工具时，以下是重要注意事项：

• 你是否计划迁移每个BI和分析应用程序，还是计划在迁移过程中淘汰很多未充分利用的应用程序？
• 你是否拥有必要的内部专业技能和工具来正确进行迁移，或者你是否需要聘请顾问？
• 目标云提供商是否具有专业服务和工具来帮助您迁移？

审核现有数据管理做法

同样重要的是，评估现有数据管理基础架构和安全性。人工智能数据管理平台Immuta公司云总经理Rob Lancaster说：“我们看到的主要问题是，在本地系统数据原本受到保护，但到云端后不再受保护。”企业有时太晚意识到，一旦他们将数据迁移到云端，就无法像过去那样保护它，并需要考虑不同的更灵活的策略来实现真正的数据分析。

日志管理和安全分析公司Sumo Logic产品营销总监Ben Newton说：“我们应该注意过去数据仓库的遗留问题，人们常常只是收集数据而不是回答问题。”

在企业将数据迁移到云端前，应明确列出关键业务问题并确定回答这些问题的数据。更好的做法是，选择特定的应用程序或业务领域开始。Newton补充说：“不要好高骛远，请从数据池开始。”他经常看到的情况是，企业基于不能反映现实的数据集来制定业务战略。如果云端数据分析想要取得成功，企业需要深入了解非结构化、结构化和半结构化数据分析的细节。这将使制定战略更容易，以满足传统的良好的BI工具和机器数据分析的需求。

Zendesk公司产品战略副总裁Sam Boonin说：“最好从已经存在云端的数据开始，例如数字客户旅程数据或与现有SaaS投资相关的数据。这将有助于获得快速胜利，并熟悉基于云的BI环境。然后，再将云转型计划构建到整体BI策略中，并随时间推移迁移其余数据。”

通常情况下，90％的BI挑战在于访问、整理和规范化数据。云计算使这些任务变得更容易，因为很多数据已经存在AWS和Microsoft Azure等公共云中。但Boonin强调，企业的“数据管道”仍然需要一致的管理和IT工作。

控制数据和成本

人们对云端数据分析的主要担忧是：在迁移过程中敏感信息是否可得到保护，尤其是面对GDPR等新法规。敏感数据需要被屏蔽或标记。

数据的物理位置也是一个问题。 数据隐私公司BigID联合创始人兼首席产品官Nimrod Vax表示：“由于你无法始终了解或控制云提供商存储数据的位置，因此企业可能会无意中违反数据存储限制。企业不仅需要知道他们的数据存储位置，还需要知道他们存储谁的数据。Vax表示，如果企业能够在迁移到云端前映射数据，则可更好地了解正在迁移的数据类型。

云定价可能很有吸引力，并且，似乎是简单的切入点，但其成本可能无法预测。运营数据库管理系统提供商MarkLogic产品执行副总裁Joe Pasqua表示：“很多企业都有被云账单吓到的时候。”

对于云端BI和数据分析，成本估算更是具有挑战性。虽然运营工作负载通常由可重复的业务流程驱动，以使它们更具可预测性，但BI和分析可能更受用户和数据科学家的推动。 Pasqua称：“总会有另外一项分析要做，而云很容易消耗更多资源。重要的是，利用可有效分析使用模式和控制使用情况的平台，以便获得可预测的成本。”