Integrieren von Cloud-Skalierungsanalysen in Ihre Strategie für die Cloudakzeptanz

Erstellen Sie eine einzelne, zentralisierte Cloudakzeptanzstrategie für Ihre Organisation mithilfe der Strategiemethodik im Azure Cloud Adoption Framework.

Dieser Artikel enthält Überlegungen für Cloud-Skalierungsanalyseszenarien, die sich auf Ihre umfassendere Strategie auswirken.

Bevor Sie Cloud-Analysen implementieren, sollten Sie einen Plan für Ihre Datenstrategie haben. Sie können mit einem einzigen Anwendungsfall klein beginnen, oder Sie können über eine größere Gruppe von Anwendungsfällen verfügen, die eine Priorisierung erfordern. Wenn Sie eine Strategie haben, können Sie Ihre Prozesse einrichten und erste Unterhaltungen zu den Säulen auslösen, auf die Sie sich konzentrieren müssen.

Priorisieren von Geschäftsergebnissen für Ihre Datenstrategie

Eine erfolgreiche Datenstrategie bietet Ihnen einen Wettbewerbsvorteil. Sie sollten Ihre Datenstrategie immer mit ihren gewünschten Geschäftsergebnissen ausrichten. Die meisten Geschäftsergebnisse können in eine der folgenden vier Kategorien unterteilt werden:

• Fördern Sie Ihre Mitarbeiter: Stellen Sie Ihren Mitarbeitern Echtzeitkenntnisse von Kunden, Geräten und Computern zur Verfügung. Dieses Wissen hilft ihnen dabei, effizient zusammenzuarbeiten, um Kunden- oder Geschäftsanforderungen mit Flexibilität zu erfüllen.

• Kundenbindung: Bieten Sie ein reichhaltiges, personalisiertes und verbundenes Erlebnis, das von Ihrer Marke inspiriert ist. Nutzen Sie die Leistungsfähigkeit von Daten und Erkenntnissen, um die Kundenbindung entlang jedes Schritts einer Kundenreise voranzutreiben.

• Optimieren von Vorgängen: Erhöhen Sie den Informationsfluss in Ihrer gesamten Organisation. Synchronisieren Sie Ihre Geschäftsprozesse, und verwenden Sie einen datengesteuerten Ansatz, um jede Interaktion wertvoll zu machen.

• Transformieren Sie Ihre Produkte und Ihren Entwicklungslebenszyklus: Sammeln Sie Telemetriedaten zu Ihren Diensten und Angeboten. Verwenden Sie die Telemetriedaten, um eine Freigabe zu priorisieren oder ein neues Feature zu erstellen und die Effektivität und Akzeptanz kontinuierlich zu bewerten.

Überprüfen Sie nach der Priorisierung Ihrer Geschäftsergebnisse Ihre aktuellen Projekte und langfristigen strategischen Initiativen, und klassifizieren Sie sie entsprechend. Erwägen Sie die Kombination der vier Kategorien von Geschäftsergebnissen in einem Matrixformat, das auf Komplexität und Auswirkung basiert. Ziehen Sie außerdem in Betracht, Architekturpfeiler hinzuzufügen, damit Sie tiefer in Ihr Szenario eintauchen können.

Strategischen Wert freischalten

Die Erstellung einer datengesteuerten Kultur, die das Geschäft in einer konsistenten, zukunftsorientierten, agilen und fundierten Weise vorantreibt, hat einige inhärente Komplexitäten und Grundlegendes. Bevor Sie ihre Bereitstellungsphase betreten, konzentrieren Sie sich auf die Bildung einer kohärenten Datenstrategie, die Ihnen dabei helfen kann, Ihre gewünschten Geschäftsergebnisse zu erzielen.

Cloud-Skalierungsanalysen werden mit innovationsorientierten Motivationen abgestimmt. Die folgenden allgemeinen Faktoren motivieren Kunden, dieses Szenario in ihre Strategie für die Cloudakzeptanz zu integrieren:

• Ein skalierbares Analyseframework, mit dem Sie eine Unternehmensdatenplattform erstellen können
• Self-Service, der Benutzer bei der Datensuche, der Erstellung von Datenobjekten und der Produktentwicklung unterstützt
• Fördern einer datenorientierten Kultur mit wiederverwendbaren Datenressourcen, Datengemeinschaften, sicherem Austausch mit Drittanbietern und lokaler Freigabe
• Freigeben von Daten mit Vertrauen, Verwendung von Richtlinien, gemeinsamer Identität, Vertraulichkeit und Verschlüsselung
• Verbesserte Kundenzufriedenheit und Kundenbindung
• Transformierung von Produkten oder Diensten
• Revolutionieren des Markts mit neuen Produkten oder Diensten

Das folgende Diagramm enthält wichtige Themen, mit denen Sie diese Motivationen in Ihrer eigenen Strategie erkennen können. Analysieren Sie diese Themen sorgfältig und wie sie zu einer kohärenten Datenstrategie beitragen. Überlegen Sie außerdem, wie sie den strategischen Wert Ihrer Daten entsperren und ein konsistentes Geschäftswachstum ermöglichen können.

"Eine Datenstrategie ist die Grundlage für die Nutzung von Daten als Asset und die Förderung von Geschäft. Sie ist keine Lösung für Datenprobleme. Es ist ein langfristiger Leitplan, der die Menschen, Prozesse und Technologien definiert, um Datenprobleme zu lösen."

Das Erstellen Ihrer Strategie ist ein Schritt. Das Ausführen Ihrer Strategie im Unternehmensmaßstab stellt eine große Herausforderung für die vorhandene Kultur, Die Mitarbeiter, Prozesse und Technologieentscheidungen Ihrer Organisation dar. Die Ausführung erfordert Verpflichtung und klares Eigentum auf allen Ebenen Ihrer Organisation.

Effizienzsteigerung

Die Flexibilität der Cloud erfordert, dass Sich Organisationen schnell anpassen und Effizienz in alle Geschäftsbereiche bringen. Laut dem Bericht über aufkommende Risiken von Gartner zeigen zwei Drittel dieser Organisationen Unternehmensschwächen und werden den Erwartungen nicht gerecht, obwohl sie weiterhin auf digitale Initiativen setzen und investieren.

Operationalisieren der Datenverwaltung

Viele Organisationen haben die zentrale IT langsam dezentralisiert, um Flexibilität zu ermöglichen. Organisationen möchten schnell innovieren, und der Zugriff auf unternehmensweite einheitliche Daten auf selbstbedienbare Weise hilft ihnen dabei, anspruchsvolle geschäftliche Anforderungen zu erfüllen.

Es gibt viele Gründe, warum Unternehmen das volle Potenzial ihrer Daten nicht nutzen können. Es kann daran liegen, dass Geschäftsfunktionen in Silos funktionieren, wobei jedes Team verschiedene Tools und Standards für die Datenanalyse verwendet. Oder dies liegt möglicherweise daran, dass wichtige Leistungsindikatoren nicht mit allgemeinen Geschäftszielen verknüpft werden.

Die Demokratisierung von Daten hilft Ihnen dabei, wertbringend für das Unternehmen zu sorgen und anspruchsvolle Geschäftswachstumsziele zu erreichen.

• Analysieren und priorisieren Sie die Anforderungen Ihrer Branchenanwendungen.
• Verteilen Sie Ihre Daten über Domänen hinweg, um den Besitz zu ermöglichen und Daten den Benutzern näher zu bringen.
• Stellen Sie Self-Service-Datenprodukte bereit, um Einblicke und geschäftlichen Nutzen zu steigern.

Für die Datenverwaltung müssen Sie in der dezentralen Welt der Datendemokratisierung ein angemessenes Gleichgewicht erzielen. Wenn Governance zu strikt erzwungen wird, kann dies Innovationen ersticken. Wenn Sie jedoch nicht mindestens über einige Kernprinzipien und Prozesse verfügen, sind Sie wahrscheinlich mit Datensilos verbunden. Diese Silos können den Ruf Ihrer Organisation und potenzielle Einnahmen beschädigen. Ein ganzheitlicher Data Governance-Ansatz ist für Sie von grundlegender Bedeutung, um den strategischen Wert Ihrer Daten einheitlich zu erschließen.

Das Fehlen einer durchdachten Datenstrategie führt dazu, einfach loszulegen und schnell Mehrwert für Ihre Organisation zu bieten. Behandeln Sie aktuelle Geschäftsprobleme, indem Sie auf die zuvor genannten Schlüsselthemen eingehen oder sie als strategische Prinzipien innerhalb eines Rahmens verwenden. Die Verwendung dieser Schlüsselthemen kann Ihnen auch dabei helfen, eine ganzheitliche Datenstrategie zu erstellen, die mit der Validierung iterativ ist und dennoch zeitnahe Ergebnisse liefert. Unternehmens- und Technologieführer müssen die Strategien und Denkweisen entwickeln, die erforderlich sind, um Wert aus Daten zu generieren und schnell auf vereinfachte, strukturierte Weise zu skalieren.

Weitere Informationen finden Sie unter Was ist Datengovernance?.

Entwickeln einer datengesteuerten Kultur

Um eine erfolgreiche Datenstrategie zu erstellen, benötigen Sie eine datengesteuerte Kultur. Entwickeln Sie eine Kultur, die eine offene, kollaborative Beteiligung fördert. In dieser Art von Kultur kann Ihre gesamte Belegschaft lernen, kommunizieren und die Geschäftsergebnisse der Organisation verbessern. Durch die Entwicklung einer datengesteuerten Kultur wird auch die Fähigkeit jedes Mitarbeiters verbessert, Auswirkungen zu erzeugen oder durch Daten gestützten Einfluss zu haben.

Der Ausgangspunkt Ihrer Reise hängt von Ihrer Organisation, Ihrer Branche und Ihrem aktuellen Standort entlang der Fälligkeitskurve ab. Das folgende Diagramm zeigt ein Beispiel für ein Reifegradmodell, das die Fälligkeitsstufen der KI-Nutzung einer Organisation ausdrückt:

Ebene 0

Daten werden nicht programmgesteuert und konsistent ausgenutzt. Der Datenfokus der Organisation liegt aus der Perspektive der Anwendungsentwicklung.

Auf Ebene 0 verfügt die Organisation häufig über ungeplante Analyseprojekte. Jede Anwendung ist hoch spezialisiert auf eindeutige Daten und Stakeholder-Anforderungen. Jede Anwendung verfügt auch über umfangreiche Codebasen und Entwicklungsteams, die von Teams, die außerhalb der IT arbeiten, entwickelt wurden. Anwendungsfallaktivierung und Analyse sind isoliert.

Ebene 1

Auf Ebene 1 werden Teams gebildet, und Strategie wird erstellt, aber Die Analyse bleibt abteilungsisiert. Die Organisation ist in der Regel gut bei der herkömmlichen Datenerfassung und -analyse. Es kann ein gewisses Maß an Engagement für einen Cloud-Skalierungsansatz haben. So kann es beispielsweise bereits auf Daten aus der Cloud zugreifen.

Ebene 2

Die Innovationsplattform der Organisation ist fast bereit. Workflows sind vorhanden, um die Datenqualität zu adressieren. Die Organisation kann einige "Warum"-Fragen beantworten.

Auf Stufe 2 sucht die Organisation aktiv nach einer End-to-End-Datenstrategie, die zentral geregelte Datenablagen verwendet, um die Ausbreitung von Datenspeichern zu kontrollieren und die Datenauffindbarkeit zu verbessern. Die Organisation ist bereit für intelligente Anwendungen, die Compute in zentral gesteuerte Data Lakes integrieren. Diese intelligenten Anwendungen reduzieren Datenschutzrisiken, berechnen Kosten und die Notwendigkeit von Verbundkopien wichtiger Daten.

Auf dieser Ebene ist die Organisation auch bereit, mehrinstanzenfähige, zentral gehostete, freigegebene Datendienste für allgemeine Datenverarbeitungsaufgaben zu verwenden. Diese gemeinsamen Datendienste ermöglichen schnelle Einblicke aus datenwissenschaftlich gesteuerten Intelligence-Diensten.

Ebene 3

Die Organisation verwendet einen ganzheitlichen Datenansatz. Projekte im Zusammenhang mit Daten werden in Geschäftsergebnisse integriert. Die Organisation verwendet Analyseplattformen, um Vorhersagen zu erstellen.

Auf Ebene 3 fördert die Organisation digitale Innovationen sowohl im Hinblick auf den Datenbestand als auch die Anwendungsentwicklung. Grundlegende Datendienste sind vorhanden, darunter Datenseen und gemeinsame Datendienste.

Mehrere Teams in der gesamten Organisation liefern erfolgreich wichtige Geschäftsarbeitslasten, wichtige Geschäftsanwendungsfälle und messbare Ergebnisse. Neue gemeinsame Datendienste werden mithilfe von Telemetrie identifiziert. IT ist ein vertrauenswürdiger Berater für Teams im gesamten Unternehmen, wobei eine vertrauenswürdige und verbundene End-to-End-Datenstrategie verwendet wird, um kritische Geschäftsprozesse zu verbessern.

Ebene 4

Auf Ebene 4 verwendet die gesamte Organisation Frameworks, Standards, Unternehmen und eine datengesteuerte Kultur. Automatisierung, datengesteuerte Feedbackschleifen und Exzellenzzentren rund um Analysen oder Automatisierung können in Aktion beobachtet werden.

Entwickeln geschäftsorientierter Ziele

Die Identifizierung von Prioritäten im Einklang mit der Geschäftsvision und die Beibehaltung einer "Think big, start small, and act fast" Ideologie sind Schlüssel zum Erfolg. Die Auswahl des richtigen Anwendungsfalls muss nicht immer ein langwieriger, schwieriger Überprüfungsprozess sein. Dies kann ein fortlaufendes Problem in einer beliebigen Geschäftseinheit sein, in der genügend Daten vorhanden sind, um Rendite zu schaffen, mehr Appetit und ein einfaches Dazustoßen. Die Dinge können sich schnell entwickeln, und genau dann haben die meisten Organisationen Schwierigkeiten, in Gang zu kommen.

Grundlegendes zu Datenattributen

Um eine starke Datenstrategie zu erstellen, müssen Sie verstehen, wie Daten funktionieren. Wenn Sie die Kernmerkmale von Daten kennen, können Sie eine grundsätzliche Praxis für den Umgang mit Daten erstellen.

Daten reisen schnell, aber dessen Geschwindigkeit kann die Gesetze der Physik nicht widersprechen. Daten müssen den Gesetzen des Landes und der Industrie entsprechen, die sie geschaffen hat.

Daten ändern sich nicht alleine, sind aber anfällig für Änderungen und versehentlichen Verlust, es sei denn, Sie setzen Maßnahmen ein, um solche Herausforderungen zu mindern. Setzen Sie Antikorruptionsmaßnahmen für Kontrollen, Datenbanken und Speicher ein, damit Sie mit unvorhergesehenen Änderungen umgehen können. Stellen Sie außerdem sicher, dass Sie Überwachung, Prüfungen, Warnungen und nachgelagerte Prozesse einrichten.

Allein die Daten erzeugen keine Erkenntnisse oder liefern keinen Wert. Um Erkenntnisse zu gewinnen oder Werte zu extrahieren, müssen Sie die meisten oder alle Ihre Daten über vier einzelne Schritte platzieren:

1. Aufnahme
2. Lagerung
3. Verarbeitung
4. Analytik

Jeder dieser vier Schritte verfügt über eigene Prinzipien, Prozesse, Tools und Technologien.

Die Zurückbehaltung Ihrer Datenressourcen und damit verbundenen Erkenntnisse kann sich auf sozioökonomische, politische, Forschungs- und Investitionsentscheidungen auswirken. Es ist wichtig, dass Ihre Organisation Einblicke auf sichere und verantwortungsvolle Weise bereitstellen kann. Alle Daten, die Sie generieren oder erwerben, müssen eine Datenklassifizierungsübung durchlaufen, sofern nichts anderes ausdrücklich angegeben ist. Verschlüsselung ist der Goldstandard für die Behandlung vertraulicher Daten im Ruhezustand und während der Übertragung.

Daten, Anwendungen und Dienste haben alle ihre eigenen Gravitationskräfte, aber die Anziehungskraft der Daten ist die größte. Im Gegensatz zu Sir Isaac Newtons legendärem Apfel haben Daten keine physische Masse, die sich auf umgebende Objekte auswirkt. Sie verfügen stattdessen über Latenz und Bandbreite, die als Beschleuniger für Ihren Analyseprozess fungieren. Latenz, Durchsatz und erleichterter Zugriff erfordern häufig duplizierte Daten, auch wenn dies nicht wünschenswert ist. Richten Sie Ihre Mitarbeiter, Prozesse, Tools und Technologien entsprechend ein, damit Sie diese Anforderungen mit den Datenrichtlinien Ihrer Organisation in Einklang bringen können.

Architekturkonstrukte steuern die Geschwindigkeit, mit der Sie Daten verarbeiten können. Konstrukte werden durch Innovationen im Software-, Hardware- und Netzwerkbereich unterstützt. Einige architektonische Überlegungen sind:

• Einrichten der Datenverteilung
• Partitionierung
• Cachetechnologien
• Batch- und Datenstromverarbeitung
• Ausgleich der Back-End- und clientseitigen Verarbeitung

Definieren Ihrer Datenstrategie

Die Verwendung von Daten als Wettbewerbsvorteil für die Erstellung besserer Produkte und höherwertigen Dienstleistungen ist kein neues Konzept. Das Volumen, die Geschwindigkeit und die Vielfalt der Daten, die durch Cloud Computing ermöglicht werden, sind jedoch noch nie dagewesen.

Das Design einer modernen Datenanalyseplattform in der Cloud besteht aus Sicherheit, Governance, Überwachung, Bedarfsskalierung, Datenvorgängen und Self-Service. Das Verständnis des Zusammenspiels dieser Facets unterscheidet eine großartige Datenstrategie von einer guten. Verwenden Sie Tools wie das Cloud Adoption Framework, um architektonische Kohärenz, Integrität und bewährte Methoden sicherzustellen.

Um effektiv zu sein, muss Ihre Datenstrategie Bestimmungen für die Datengovernance enthalten. Das folgende Diagramm zeigt die Hauptphasen eines Datenlebenszyklus mit Fokus auf Datengovernance:

In den folgenden Abschnitten werden Überlegungen beschrieben, die Sie beim Entscheiden der Entwurfsprinzipien für die Ebenen Ihrer Datenstrategie verwenden sollten. Konzentrieren Sie sich auf die Bereitstellung von Geschäftsergebnissen und -werten aus Ihren Daten.

Datenaufnahme

Eine wichtige Überlegung für die Datenaufnahme ist Ihre Fähigkeit, eine Datenpipeline schnell sicher und konform zu erstellen, von anforderungen bis hin zur Produktion. Wichtige Elemente sind metadatengesteuerte, Self-Service- und Low-Code-Technologien, die Ihren Data Lake hydratisieren.

Berücksichtigen Sie beim Erstellen von Pipelines sowohl das Design als auch Ihre Fähigkeit, Daten zu verarbeiten, Daten zu verteilen und die Berechnung zu skalieren. Außerdem müssen Sie sicherstellen, dass Sie über die richtige DevOps-Unterstützung für die kontinuierliche Integration und Bereitstellung Ihrer Pipeline verfügen.

Tools wie Azure Data Factory unterstützen eine Vielzahl von lokalen Datenquellen, Software as a Service(SaaS)-Datenquellen und andere Datenquellen aus anderen öffentlichen Clouds.

Lagerung

Markieren und organisieren Sie Ihre Daten in physischen und logischen Ebenen. Data Lakes sind Teil aller modernen Datenanalysearchitekturen. Ihre Organisation muss geeignete Datenschutz-, Sicherheits- und Complianceanforderungen anwenden, die alle Von Ihnen betriebenen Datenklassifizierungs- und Branchencomplianceanforderungen erfüllen. Die Katalogisierung und die Selbstbedienungsunterstützung tragen auf Organisationsebene zur Demokratisierung der Daten bei, die Ihre Innovation fördert, während sie durch eine angemessene Zugriffssteuerung gesteuert wird.

Wählen Sie den richtigen Speicher für Ihre Workload aus. Auch wenn Sie die Speicherlösung beim ersten Mal nicht ganz richtig einrichten, ermöglicht Ihnen die Cloud, schnell umzuschalten und Ihre Reise neu zu starten. Verwenden Sie Ihre Anwendungsanforderungen, um die beste Datenbank auszuwählen. Achten Sie darauf, dass Sie die Möglichkeit zum Verarbeiten von Batch- und Streamingdaten berücksichtigen, während Sie Ihre Analyseplattform auswählen.

Datenverarbeitung

Ihre Datenverarbeitungsanforderungen variieren je nach Workload. Die meisten umfangreichen Datenverarbeitungen enthalten Elemente der Echtzeit- und Batchverarbeitung. Die meisten Unternehmen verfügen auch über Elemente der Zeitreihenverarbeitungsanforderungen und müssen Freiformtext für Unternehmenssuchfunktionen verarbeiten.

Die Onlinetransaktionsverarbeitung (OLTP) stellt die am häufigsten verwendeten Anforderungen an die Organisationsverarbeitung bereit. Einige Workloads benötigen eine spezielle Verarbeitung wie hochleistungsbasiertes Computing (HPC), manchmal auch als "big compute" bezeichnet. Diese Workloads lösen komplexe mathematische Aufgaben mit vielen CPU- oder GPU-basierten Computern.

Für bestimmte spezielle Workloads können Kunden Ausführungsumgebungen wie Azure Vertraulich Computing sichern, wodurch Benutzer Daten sichern können, während die Daten auf öffentlichen Cloudplattformen verwendet werden. Dieser Zustand ist für eine effiziente Verarbeitung erforderlich. Daten werden in einer vertrauenswürdigen Ausführungsumgebung (TEE) geschützt, auch bekannt als Enklave. Ein TEE schützt Code und Daten vor außenstehender Anzeige und Änderung. TEEs ermöglichen es Ihnen, KI-Modelle zu trainieren, ohne die Vertraulichkeit von Daten zu beeinträchtigen, auch wenn Sie Datenquellen aus verschiedenen Organisationen verwenden.

Analytische Verarbeitung

Das ETL-Konstrukt (Extract, Transform, Load) bezieht sich auf OLAP- und Data-Warehousing-Anforderungen. Ein geschäftsorientiertes Datenmodell und ein semantisches Modell, mit dem Organisationen Geschäftsregeln implementieren und KPIs (Key Performance Indicators) implementieren können, werden häufig als Teil des Analyseprozesses implementiert. Eine nützliche Funktion ist die automatische Schemaabweichungserkennung.

Zusammenfassung der Datenstrategie

Ein prinzipientreuer Ansatz für andere Aspekte wie die Datenverwaltung und verantwortungsvolle KI zahlt sich später aus.

Bei Microsoft folgen wir vier Kernprinzipien: Fairness, Zuverlässigkeit und Sicherheit, Datenschutz und Sicherheit sowie Inklusive. Die beiden grundlegenden Grundsätze der Transparenz und Rechenschaftspflicht stützen alle vier Kernprinzipien.

Wir setzen unsere Prinzipien und verantwortungsvolle KI in die Praxis, indem wir Ressourcen und ein System der Governance entwickeln. Einige unserer Richtlinien richten sich an die Interaktion zwischen Menschen und KI, unterhaltungsfähige KI, inklusives Design, eine Checkliste für KI-Fairness und ein Datenblatt für Datasets.

Wir haben auch eine Reihe von Tools entwickelt, die anderen helfen, KI in jeder Phase der Innovation zu verstehen, zu schützen und zu steuern. Diese Tools sind ein Ergebnis multidisziplinärer Zusammenarbeitsbemühungen, um verantwortungsvolle KI zu stärken und zu beschleunigen. Die Zusammenarbeit umfasste Software Engineering und Entwicklung, Sozialwissenschaften, Benutzerforschung, Recht und Politik.

Um die Zusammenarbeit zu verbessern, haben wir viele Tools wie InterpretML und Fairlearn geöffnet. Andere können zu diesen Open-Source-Tools beitragen und darauf aufbauen. Wir haben auch Tools durch Azure Machine Learning demokratisiert.

Der Pivot, eine datengesteuerte Organisation zu werden, ist grundlegend für die Bereitstellung von Wettbewerbsvorteilen in der neuen Normalität. Wir möchten unseren Kunden helfen, von einem reinen Anwendungsansatz zu einem anwendungs- und datengeführten Ansatz zu wechseln. Ein Ansatz, der sich auf Anwendungen und Daten konzentriert, hilft bei der Erstellung einer End-to-End-Datenstrategie, die wiederholbarkeit und Skalierbarkeit in aktuellen und zukünftigen Anwendungsfällen gewährleistet, die sich auf Geschäftsergebnisse auswirken.

Fördern von Verpflichtung, Kommunikation und Engagement

Alle Schlüsselrollen, die daran beteiligt sind, Ihre Datenstrategie zu einem Erfolg zu machen, müssen Ihren angenommenen Ansatz und gemeinsame Geschäftsziele klar verstehen. Ihre Schlüsselrollen können ein Führungsteam (C-Level), Geschäftseinheiten, IT, Betriebs- und Bereitstellungsteams umfassen.

Die Kommunikation gehört zu den wichtigsten Teilen dieses Rahmens. Ihre Organisation muss einen Prozess für eine effektive Kommunikation über Rollen hinweg entwickeln. Die Kommunikation hilft Ihnen dabei, effektiv im Kontext Ihres aktuellen Projekts zu liefern. Außerdem wird ein Forum geschaffen, das allen Beteiligten hilft, auf dem neuesten Stand zu bleiben und sich auf das Gesamtziel der Erstellung einer ganzheitlichen Datenstrategie für Ihre Zukunft zu konzentrieren.

Die Interaktion zwischen den folgenden beiden Gruppen ist unerlässlich:

• Teammitglieder, die die Datenstrategie entwerfen und implementieren
• Teammitglieder, die zu den Daten beitragen, konsumieren und auswerten (z. B. Geschäftseinheiten, die Entscheidungen treffen und Ergebnisse auf Grundlage der Daten entwickeln)

Anders ausgedrückt, Datenstrategien und zugehörige Datenplattformen, die ohne Einbeziehung von Benutzern erstellt werden, laufen Gefahr, in ihrer Relevanz und Akzeptanz Herausforderungen zu begegnen.

Zwei strategische Prozesse helfen Ihnen bei der erfolgreichen Bereitstellung in diesem Framework:

• Bildung eines Exzellenzzentrums
• Einführung einer agilen Übermittlungsmethode

Weitere Informationen finden Sie unter Entwickeln eines Plans für Cloud-Skalierungsanalysen.

Wert liefern

Wenn Sie Datenprodukte anhand der Erfolgskriterien auf standardisierte und strukturierte Weise bereitstellen, überprüft diese Übermittlung Ihr iteratives Framework. Darüber hinaus hilft Ihnen die Verwendung Ihres Lernens zur kontinuierlichen Innovation, um Geschäftsvertrauen zu schaffen und Datenstrategieziele zu erweitern. Dieser Prozess bietet eine klarere und schnellere Einführung in Ihrer Organisation.

Das gleiche gilt für Ihre Datenplattform. Wenn Sie über ein Setup verfügen, bei dem mehrere Teams relativ autonom arbeiten, sollten Sie ein Netzwerk anstreben. Dorthin zu gelangen ist ein iterativer Prozess. In vielen Fällen sind erhebliche Änderungen an der Einrichtung, Bereitschaft und Geschäftsausrichtung Ihrer Organisation erforderlich.

Nächste Schritte

Lesen Sie die folgenden Artikel, um Anleitungen für Ihre Cloud-Einführungsreise zu finden und Ihr Cloud-Einführungsszenario erfolgreich zu gestalten:

• Entwickeln eines Plans für Analysen im Cloud-Maßstab
• Überprüfen Ihrer Umgebung für Azure-Zielzonen
• Steuern von Analysen auf Cloudebene
• Sichere Analysen in Cloud-Größe