クラウドデータ管理の成熟度モデルが必要な理由

現在、あらゆる組織がクラウドおよびクラウドアナリティクスに投資をしています。
AWS、Azure、GCP、Snowflake、またはDatabricks上にクラウドデータウェアハウスまたはデータレイクを構築している場合があるかと思います。初めてそれを実行する場合、もしくはオンプレミスで何度も実行している場合、はたまたクラウドに統合し最新化を目指している場合でも、この新たな施策には多くの疑問が生まれる可能性があります。

最初に頭に浮かぶ疑問は、これらのETL / ELTデータパイプラインを構築して、データを管理および処理するにはどうすれば良いかということでしょう。 Python、R、C ++、C、またはツールベースのソリューションを使用する必要があるだろうか。オンプレミスのデータウェアハウスの構築で苦労した人は、すぐに結論に至るかもしれません。私たちは実際にそれを行ったことから、手作業のコーディングはコストがかかり、メンテナンスは骨の折れる作業であり、データ品質、ガバナンス、リネージ、プライバシー、データ操作、およびツールベースのソリューションが提供できる多くの機能を簡単には提供できないことを理解しています。2つ目の疑問は、クラウドアナリティクスへの移行を始める前に、業界のベストプラクティスをどのように調整および検討できるかということです。答えは、ビジネスの構築、チームの構築、または個人としての構築に似ています。

あなたは自分がいかに上手くいっているか、そして自分がどれだけうまく進歩しているのかを理解する必要があります。ベストプラクティスと基準を設定し、それらの標準値に対してパフォーマンスを確認し、逸脱している場合はコースを修正する必要があります。そして成熟度モデルは、これらの目標に対処するのに役立ちます。

では、クラウドアナリティクスの成熟度モデルはどこで学べるでしょうか。クラウドアナリティクスのジャーニーを始める場合は、Wayne Eckersonによるクラウドデータ管理に関する成熟度モデルウェビナーをご覧ください。ウェビナーでは、Eckersonの成熟度の評価とモデルについて学び、クラウドアナリティクスのジャーニーを成功に導くための次のステップを学ぶことができます。


本ブログは8月25日のDeepa Sankarによる Why you need a Cloud Data Management Maturity Modelの翻訳です。