[[339541]]

云數據管理市場已經朝著多云和人工智能(AI)解決方案發展。然而，篩選雜亂并找到最有價值的解決方案仍然是許多公司面臨的挑戰。

為了幫助克服這一挑戰，企業在向數據管理基礎結構添加新的云解決方案時應牢記幾個注意事項。從數據管理解決方案中提供 AI 的提供商處尋求正確的功能也很重要。

這是一個混合的多云世界

在其他云上提供部署選項可幫助企業使用其首選技術開發應用程序，即使它們已在其他提供商上進行了標準化。雖然這減輕了供應商鎖定，但它增加了一層復雜性。由于如此多的提供商正在轉向多云，您的企業需要圍繞將哪些云解決方案集成到其解決方案堆中制定戰略。在購買理想的多云數據管理解決方案時，請考慮以下事項：

混合集成和企業績效

組織在尋求解決方案時需要將其思維擴展到云之外。優化分析和應用程序開發不僅需要選擇最佳技術，還需要選擇最佳部署方案。

因此，需要一種能夠在本地、私有云和公共云環境中無縫運行的數據管理解決方案。 促進這種無縫集成的一種方法是選擇一系列建立在相同代碼基礎上的數據管理產品，無論它們部署在何處。

云的安全性和性能還必須接近其內部部署對應水平，以幫助確保高可用性，無論技術位于何處。一個很好的例子就是Db2 on Cloud，它不僅具有本地和托管選項，還可以部署在 IBM Cloud和 AWS 上。

數據傳輸費用

許多企業使用云的主要原因之一是成本效益。許多云提供商都大說他們的低成本選擇，但企業必須進一步調查，以發現所有發生的費用。數據傳輸費用（無論是云到本地還是云到云）都可以在企業進行分析時快速增加。最好查找不收取這些費用的云上可用的數據管理選項，例如 IBM Cloud。有關其他幫助，您還可以與云專家討論更好地避免這些費用。

遷移支持

如果不實施深思熟慮的策略，第一次將數據移動到云中可能是一個繁瑣的過程。需要與正確的云供應商合作，以確保遷移簡單快捷。

應考慮兩種主要類型的遷移：對云的提前遷移和跨多云遷移。對云遷移的提前遷移必須優先考慮安全性和停機時間。由于生產力的流失，任何一個失敗都可能成為公司利潤的災難性結果。IBM Lift CLI等服務在移動中為零停機時間和數據加密設定了標準。

還必須考慮多云環境中云之間的遷移。如果這些數據不能快速輕松地遷移，則擁有多個集成云的好處可能會迅速分解。

將您的數據注入 AI

除了采用多云之外，人工智能信息架構的現代化已成為企業當務之急。云數據管理解決方案應與 AI 一起注入，通過提高查詢性能和簡化 AI 應用程序開發，幫助企業預測和塑造結果。換句話說，它們應該由人工智能驅動并為其構建。

通過基于機器學習的查詢對數據路由的優化，由 AI 提供支持的解決方案將提高查詢速度。它們還將通過基于置信的查詢提高精度，查詢根據歷史數據確定的預測精度返回結果。

為 AI 構建的解決方案通過使開發人員和數據科學家更輕松地執行任務，為 AI 計劃提供應用程序開發。這包括對流行語言和框架的支持，如Go、Ruby、Python、PHP、Java、Node.js、Sequelize、IBM Watson Studio 和 Jupyter筆記本。還應該具備執行復雜建模和可視化的能力。

IBM Db2 11.5 是集"驅動"和"構建"AI 功能于一體的數據管理解決方案的一個很好的例子。Db2 11.5 中的功能被譽為AI 數據庫，可擴展到整個 Db2 產品系列，包括云選項和數據倉庫。因此，準備好構建預測模型并改進各種業務流程的企業可以直接在云引擎的 Db2 倉庫中培訓和運行機器學習模型，無需數據移動或新技能。

了解更多IBM AI解決方案，請訪問IBM數據與人工智能專區