由于市面上产品多种多样,选择云数据平台可能是困难的事情,但企业可以遵循基本策略,这样做不仅可以简化选择过程,还可以使企业能够构建适合其需求的平台。
从数据中获取价值的过程很复杂。很多旨在帮助企业实现数据价值的工具也是如此。因此,选择最适合企业需求的工具至关重要。
但是从哪里开始呢?
在3月8日由数据湖供应商ChaosSearch主持的网络研讨会上,Constellation Research的分析师Doug Henschen表示:“这是一项艰巨的任务。”
为了更容易做出选择,Henschen概述了企业在选择云数据平台或构建自己的平台时可以采取的基本步骤。
企业应从自我评估开始,然后考虑整体战略以及市场上哪些功能适合该战略,最后是筛选和测试过程,以最终选择正确的功能集。
云数据平台
云数据平台让客户不仅可以将数据存储在湖泊、仓库和湖屋中,还可以连接分析和数据科学平台以执行分析和数据科学任务,例如开发增强智能功能和机器学习模型。
亚马逊、谷歌、微软和甲骨文是提供云数据平台的科技巨头,而Databricks和Snowflake是正在成长中的供应商,其平台支持数据存储、分析和数据科学。
自近二十年前大数据出现以来,所有数据管理和BI平台都旨在简化数据探索和分析。
然而,直到最近,他们还依赖于将用于一项任务的工具连接到用于另一项任务的工具,然后仍将第三个工具用于其他任务,依此类推。这需要一次又一次地提取、加载和转换数据,以将其从一种工具转移到另一种工具,并且利用数据进行分析非常复杂。
最现代的云数据平台解决了这种复杂性。它们将功能融合在单一的环境中以减少阻碍,使数据管理、分析和数据科学工具能够在数据湖、仓库和其他数据存储库中工作。
此外,它们还可以实现重复性任务的自动化,并利用AI功能进一步提高易用性。
Henschen 称:“市场领先的公司和快速追随者正在拥抱数据湖、日志分析、数据结构、湖屋架构、神经网络等。”
但他补充说,选择云数据平台并不是简单的事情,需要满足企业需求并可有效使其从数据中获取价值。
据Henschen称,一家大型数据平台供应商的首席执行官称,尽管供应商声称提供了一整套易于使用的功能,但客户仍然难以充分利用他们的分析工具。
同样,ChaosSearch的创始人兼首席技术官Thomas Hazel指出,客户经常无法从他们的数据平台中获得价值。
他表示:“这里有很多承诺,承诺是得出见解。但是,扩展业务一直是真正的挑战。……为了扩展业务,你需要扩展你的运营。整合事物是根本性的转变。”
选择过程
根据Henschen的说法,选择或构建云数据平台,使企业能够从其数据中获取价值,始于自我评估。
企业需要知道他们是谁,然后才能发现他们需要什么。
Henschen 称:“这就是你公司的起源。在考虑选择技术之前,真正了解这一起点非常重要。”
自我评估首先要了解部署或构建云数据平台的当前预算以及未来的预算。
接下来是获得高管层的支持,制定更加以数据为导向的愿景,将这一愿景与企业员工的技能现实进行比较-无论是数据团队内部的员工还是可能与数据打交道的业务用户,最后是对该企业与其当前技术的联系以及如何继续发展的检查。
在完成自我评估后,企业就可以开始选择过程。但是,他们首先需要考虑自己的战略考虑,而不是直接考虑能力本身。
Henschen称:“技术战略考虑是关于你要去哪里,无论平台选择如何。”
第一个技术考虑因素是云战略,包括企业计划使用哪些云、计划在多大范围内使用查看每个云,以及它是否也将部署在本地。
接下来是数据存储策略,无论是只有一个存储库(例如仓库或湖)还是多个存储库,以及哪些工作负载将在哪些存储库上运行。这都需要考虑企业的BI/分析策略,并查看其现有平台是否满足当前需求或需要更换。同时查看企业的监控和管理工具,以及它们是否满足当前需求。
最后的技术考虑是数据科学平台以及它如何适应各种云、数据湖和分析工具。
Henschen 称:“所有这些都相互影响分析数据平台选择。最重要的是关注云战略,云的进展如何,深入云端的承诺是什么,正在选择哪些云,哪些是标准?”
最后看看各种产品属性和测试。
除了检查监控和管理工具、BI/分析工具和数据科学工具的产品属性外,企业还应该查看不同平台的部署管理、管理和维护属性。
Henschen 称:“为了成本,为了简单,你想要融合。但要平衡这一点,你必须获得所需的功能和性能。我最喜欢的比喻是子弹头列车,速度快、性能好,但还能搭载大量乘客。”
部署
Henschen表示,企业选择或构建云数据平台的过程基本上归结为了解它的来源、了解各种产品的属性,并最终从简短的工具列表中进行选择。
企业甚至可以寻找可能不是直接竞争对手但数据和分析需求相似的参考客户,并从他们的选择和部署中学习。
Henschen 称:“这一切都是为了推动业务发展,而不是建立另一种技术并希望它们会发挥作用。着眼长远,不仅要考虑摆在你面前的大项目,还要预测企业可能会走向何方。你不想选择几年后可能被证明不够用的平台。”
我们一直都在努力坚持原创.......请不要一声不吭,就悄悄拿走。
我原创,你原创,我们的内容世界才会更加精彩!
【所有原创内容版权均属TechTarget,欢迎大家转发分享。但未经授权,严禁任何媒体(平面媒体、网络媒体、自媒体等)以及微信公众号复制、转载、摘编或以其他方式进行使用。】
微信公众号
TechTarget
官方微博
TechTarget中国
作者
翻译
相关推荐
-
企业商业智能的10大好处
商业智能(BI)软件的起源可以追溯到20世纪60年代基于大型机的决策支持系统,随后BI技术在不断发展,以应对数 […]
-
生成式AI会取代数据分析师吗
生成式AI不会取代数据分析师的工作。在很多领域,人工智能都无法取代人类,特别是那些需要人类同理心和洞察力的领域 […]
-
改进数据可视化的7项技能
数据可视化可以实现可操作的洞察力和卓越的业务成果。但构建有效的数据可视化可能很困难。如果你想创建数据可视化,你 […]
-
了解BI生命周期以构建有效的架构
成功的数据驱动运营遵循商业智能(BI)生命周期,定义BI能力,并部署良好理解的治理架构。 该过程的前提是,你必 […]