上云损耗不可失控 数据迁移或“事半功倍”

如何让企业客户放心地将业务搬到云上，是云服务商们需要考虑的问题。要知道上云并不是零成本的，如果不能有效遏制额外风险和支出，那么向云迁移就可能产生多余的损耗。

数据质量要有保障

对于任何一家企业来说，每年的巨额IT支出难以避免，而且买来的资源能否充分利用也要画一个问号，更不要说背后的运营成本。因此，把业务搬上公有云成了很多企业的选择。同时，越来越多企业也在思考向企业内部引入商业智能，渴望在本地解决运维问题，但不管怎样，核心要素是如何确保数据的分析有价值，即数据的质量。

一薪多能更有效

企业在云中分析数据并不是简单的要节约资金，更要调用更多可能性，比如通过可扩展的架构实现更多的工作负载，并且在实验建模时把试错成本降到最低。就像企业不想每一次在应用创建时都去重新搭一遍平台，而是要去设计出一个可以良性循环的系统和机制。而且在使用商业智能时，企业也在去寻求提高业务并发性、决策质量、业务洞察力。

业务人员考量要周全

在选用某一款工具时，其功能、架构、性能、可用性、可靠性等多方面的因素都要被考量在内，以便企业IT人员在业务迁移时做出判断。这些人员要对服务提供商的产品性能做出评估，包括要对是否在建模预测、数据挖掘、机器学习等方面需要引入云计算。现实情况是，迁移的准备时间远比迁移进行的时间要长很多。

例如企业在迁移业务时要看看这些应用是否都是必要的？有没有选择合适的工具来做迁移？云平台有没有为此提供稳定保障？由于本地业务支持系统在云端并不是100%还原的，这也是为什么企业客户会认为数据到了云端就不能确保安全性了，等到出问题时再去想办法为时已晚。

关注真正有效数据

有分析人士指出，人们要关注过往数据库的损坏，而非新建数据，这不无道理。一味的搜集数据只会让业务系统越来越复杂，尽管商业智能有着强大的计算力作为支撑，但很难保证这些数据都是完美的。

就像柴油注入汽油车会出问题，也不是任何数据对人工智能都有积极作用，不少案例已经可以证明这一点。例如，有些聊天机器人在网络上学习了负面评论，就会变得“尖酸刻薄”甚至引发了种族歧视问题。可见，数据的开源性固然重要，但如何找到有质量的数据对AI发展有着决定性的影响，尤其是在受到高度监管的行业。

企业需要了解非结构化、结构化和半结构化数据分析的具体影响，而这些数据必须是与实际业务强相关的，比如是直接用于投资或者运营的数据，商业智能所面临的挑战就是如何去获取、筛选、标准化数据。在通用数据保护规范的影响下，人们对于敏感信息的标记变得越来越敏感，如位置信息对服务商是有价值的信息，但这种数据挖掘和获取的成本真能换来很大的回报吗？恐怕没人敢拿隐私开玩笑。

买服务不能只看价

除了数据层面，采购者也不能只关注服务的初始购买价格。云服务商会按照客户提供的业务数量和使用情况来分配计算资源，后续也会有按秒计费等功能。不过随着数据的爆发式增长，相应占据的网络、存储、计算资源也会水涨船高，使得开发者要针对实时情况对应用做出调整。

不安全则事倍功半

而安全性方面，传统的防火墙等安全和防护系统多是针对网络和主机的边界进行检测，对未知威胁和已有漏洞缺乏足够深入的解析能力，而在云计算环境中是没有拓扑边界的，一个基础设施会承载多个业务系统，虚拟化之后的某一个业务层的虚拟机有一定概率不在同一个安全区域之下，虚拟彼此之间的数据交换也不被外部网络可见。如果是依靠单一方案，是难以阻止像APT这样的威胁，数据中心被黑的成本通常是百万、千万美元计的。

结语

上云成本可知才能上好云，如果不能让业务数据有的放矢，但上云损耗就能拖垮你。