云分析是處理大量數(shù)據(jù)和生成可操作的、質量驅動的見解的極好方法。云計算是分析的理想平臺，這要歸功于較低的成本和幾乎無限的可擴展性。雖然云平臺和分析過程的這種結合被證明產(chǎn)生了巨大的價值，但只有當企業(yè)充分利用技術的潛力時，這些好處才能充分體現(xiàn)出來。

[[382854]]

確定IT行業(yè)性能的一個有力方法是基準測試：對平臺和系統(tǒng)進行定量和定性評估，以衡量與類似平臺和系統(tǒng)的性能?？梢岳迷O計良好的測試方法對云上的分析進行基準測試，以確定您的云分析解決方案的性能是否與您所在行業(yè)的類似企業(yè)相當、低于或高于同類企業(yè)。

為此，Trianz公司創(chuàng)建了數(shù)字企業(yè)演化模型™，或認為。它允許Trianz顧問快速確定客戶的云計算分析成熟度，有效地指導企業(yè)數(shù)字化轉型的下一步。

以下簡要探討一下數(shù)字企業(yè)演化模型的五個成熟度級別™.

1級：

在這個層次上，企業(yè)主要使用手工流程，很少或沒有自動化。這可能包括Excel電子表格中的跟蹤數(shù)據(jù)，通過電子郵件通知或幫助臺軟件手動管理系統(tǒng)報告。這一級別的企業(yè)可能更被動而不是主動，并且缺乏數(shù)據(jù)流程和程序的廣泛數(shù)字化。

約30%的企業(yè)只達到這一成熟度。

2級：

在第2級，企業(yè)正在采取措施更有效地管理其數(shù)據(jù)。企業(yè)可能有一個云數(shù)據(jù)倉庫解決方案，主數(shù)據(jù)管理(MDM)用于在其網(wǎng)絡邊緣實施數(shù)據(jù)治理策略。對于二級企業(yè)來說，報告通常是在臨時的基礎上進行的，在特定的情況下使用定制的報告指標，但并不全面。

約30%的企業(yè)處于這種成熟度。

3級：

在第3級，企業(yè)正在使用更有針對性的專用工具來控制和分析數(shù)據(jù)。3級企業(yè)可以使用商業(yè)智能(BI)報告儀表盤來可視化數(shù)據(jù)，使用趨勢或預測分析來實現(xiàn)更主動的方法。企業(yè)可以利用公共數(shù)據(jù)、大數(shù)據(jù)甚至社交數(shù)據(jù)來產(chǎn)生更多的分析洞察力，將這些大量數(shù)據(jù)存儲在云數(shù)據(jù)湖中。

約20%的公司在這一水平上已經(jīng)成熟。

4級：

在第4級，企業(yè)將使用預測性和規(guī)范性分析相結合的方法來指導業(yè)務決策，避免依賴于最高收入者的觀點(HiPPO)。越來越多地依賴數(shù)據(jù)驅動的洞察力來證明整個業(yè)務的決策過程是正確的。通過使用自動化或人工智能(AI)和機器學習(ML)，人類仍然在評估這種洞察力之后做出最終決定。

約15%的公司在這一水平上已經(jīng)成熟。

5級：

在第5級，企業(yè)充分利用其數(shù)據(jù)生成洞察，特別是通過人工智能和機器學習實現(xiàn)系統(tǒng)和流程的自動化。免提方法可以為關鍵利益相關者提供自我修復的IT基礎架構、自動化的報告和警報，以及具有更高準確度的長期預測。

約5%的企業(yè)在這一水平上已經(jīng)成熟。

使用DEEM對云分析進行基準測試

數(shù)字企業(yè)演化模型使用與行業(yè)競爭對手和技術相關的數(shù)據(jù)驅動洞察來衡量企業(yè)的云分析成熟度。與dem™，主題庫由全球18個以上行業(yè)的40000多家公司組成。

通過現(xiàn)實地確定你的企業(yè)™在這個層次上，該模型可以幫助企業(yè)識別其流程和技術中的差距。這些數(shù)據(jù)將為數(shù)字轉型舉措提供清晰的路徑，突出針對性和變革性方法的強項和弱項。

認為™適用于以下領域的企業(yè)IT能力基準測試：

• 企業(yè)數(shù)據(jù)戰(zhàn)略–更好地定義企業(yè)數(shù)據(jù)使用的愿景或路線圖，包括數(shù)據(jù)存儲、數(shù)據(jù)傳輸和分析。
• 數(shù)據(jù)治理—定義用戶、服務和系統(tǒng)對數(shù)據(jù)的適當訪問。導致糾正不正確的數(shù)據(jù)訪問模式和控制。
• 主數(shù)據(jù)管理(MDM)–改進與業(yè)務使用的主要數(shù)據(jù)集保持一致性、準確性、訪問控制、一致性和問責制的過程。
• 數(shù)據(jù)質量管理(DQM)–創(chuàng)建一個管道驅動的過程，在數(shù)據(jù)倉庫或數(shù)據(jù)湖的接收過程中驗證數(shù)據(jù)質量。
• 人工智能能力–對圍繞數(shù)據(jù)存儲和數(shù)據(jù)分析的人工智能能力的評估。
• 投資模式和優(yōu)先順序–投資新技術和系統(tǒng)的框架，優(yōu)先順序根據(jù)項目進行加權™模型。
• 數(shù)據(jù)分析和組織結構–衡量分析在整個組織中的使用情況–包括分析管理、知識共享和數(shù)據(jù)依賴。
• 分析技術–針對一流產(chǎn)品和服務對現(xiàn)有分析技術的技術能力進行評估。
• 網(wǎng)絡安全—針對網(wǎng)絡安全領導者的數(shù)據(jù)安全分級—包括數(shù)據(jù)安全框架、加密利用率、訪問控制等。

進行正確的云分析投資

據(jù)研究機構Trasers公司稱，數(shù)據(jù)可視化是數(shù)字冠軍們利用率最高的技術，83%的決策者采用了這種技術。緊隨其后的是物聯(lián)網(wǎng)(IoT)，采用率為80%，社交監(jiān)聽/社交分析的采用率為77%。

認為™將幫助您識別現(xiàn)有云分析解決方案或框架中的缺點，并創(chuàng)建一個行動計劃來轉換您的分析能力。通過從提供最大影響的領域入手，您的企業(yè)可以顯著提高其在行業(yè)內(nèi)的競爭力。