隨著數字化轉型的深入，企業正穩步將數據向云遷移，大多數企業計劃在未來幾年內遷移到云或擴大其云業務。這個過程中，每家企業都要經歷云探索、云數據遷移、云數據成熟度和最終成為云數據的領導者這四個階段。

對于具有不同數據需求的企業來說，因為不同部門和職能可能處于不同的階段，所以每個階段都有業務驅動力，推動IT和數據專業人員進一步創建，完善和利用云數據管理，來制定更好的業務決策。那么在在擴展的云數據基礎架構中的四個階段，有哪些需要注意的地方?

云探索

處于這個階段的企業，大多會將數據存儲在本地數據倉庫中，并正在評估是否向云遷移。不過現在，企業的IT決策者應盡快采取行動了。根據調查顯示，90%的企業已經著手考慮嘗試將一些數據放到云數據倉庫中了，所以在這個階段的企業應盡早探索哪些數據要先行上云?評估不同云供應商的云數據倉庫服務?以及制定相應的長短期目標。

所以在這個階段，企業需要確定如何加快分析和報告速度，以幫助企業獲得數據洞察力競爭。在創建報告和提取指標時，需要確保所擁有的數據是準確的和最新的。在云中構建數據分析平臺的最佳位置。對于希望降低成本并節省數據管理策略時間的企業而言，云的規模和性能是正確的選擇。

當涉及到數據體系架構時，應該確定產品和技能方面的差距，來確定如何擴展云。比如需要混合云架構嗎?確定最適合企業的云數據倉庫?咨詢每個供應商的問題或找到咨詢合作伙伴以幫助制定策略。

云數據遷移

這個階段的企業已經向云進行投資，已經選擇了云服務提供商和云數據倉庫來管理其數據。現在，將需要決定將哪些數據加載到云中，以及如何高效地執行遷移操作。

正如正如在云探索階段，企業需要利用云的速度。所以在這個階段，企業需要搞清楚兩個大業務驅動，即集中數據和創建可擴展的數據基礎結構，以及告知企業如何設計其云數據管理平臺。企業中會不可避免地面對數據孤島的挑戰。但是為了清楚地了解關鍵業務見解，將數據集中是必不可少的，云數據倉庫和云原生ETL解決方案可以作為單一事實來源。

將數據加載到云中應該是一個經過衡量的項目。不如從一個小的用例開始，KPI和指標明確，并且可以訪問數據源。在較短的時間內顯示云數據分析的價值和速度，可以幫助IT決策者獲得跟大認可，從而在云中建立可擴展的基礎架構。

云數據成熟度

這個階段，云現在已成為數據團隊的重要支撐。現在，企業已經建立了可靠的云數據分析用例，改進了部分業務的分析和報告，甚至有可能日常運行數據編排和轉換工作。

所以這時，企業已經有了讓云接受更多挑戰的時候，即進一步完善和磨練云數據管理策略。當需要準備和加載數據時，要確保不要在可自動化的任務上消耗資源。74%的企業表示，減少在數據準備和管道開發上花費的時間和資源非常“重要”。探索在哪里可以自動執行ETL流程的各個部分，以真正利用云的速度和功能。

所以在云數據管理中，成熟度的提高意味著責任的增加。隨著將更多數據移至云，企業還將需要一個可以補充云戰略和業務目標的技術堆棧。選擇可以幫助你消除費時的任務(例如手工編碼)并結合諸如災難恢復或版本控制之類的保護措施的軟件非常重要。

云數據領導者

在這個階段，意味著企業已經處于云數據的有利位置，可以制定數據驅動的決策。可能已經在使用數據科學和高級分析來為整個企業的決策提供信息。甚至可能使用轉換后的數據來創建機器學習模型和人工智能。數據是推動業務和產品開發的最大資產，企業會尋求進一步的投資，以借助洞察力更快地進行創新。

為了進一步擴大數據工作量，企業迫不及待地希望IT提供洞察力。在此階段，企業需要以全面的方式為業務的其他部門提供對數據源的訪問以進行分析。向企業中的每個人提供分析就緒的數據有助于促進數據明智的決策。現在，整個企業中的更多人員和團隊可以消除其流程中的抑或，并在企業內部傳播數據素養。

為了實現數據民主化，企業需要確保適當的安全性和數據共享治理。IT專業人員和業務用戶應在數據治理和云解決方案的各個方面共同努力，以了解，實施和協作，以確保數據自助服務工作負責并合規。