云数据管理市场已经朝着多云和人工智能(AI)解决方案发展。然而，筛选杂乱并找到最有价值的解决方案仍然是许多公司面临的挑战。
为了帮助克服这一挑战，企业在向数据管理基础结构添加新的云解决方案时应牢记几个注意事项。从数据管理解决方案中提供 AI 的提供商处寻求正确的功能也很重要。
这是一个混合的多云世界
在其他云上提供部署选项可帮助企业使用其选择技术开发应用程序，即使它们已在其他提供商上进行了标准化。虽然这减轻了供应商锁定，但它增加了一层复杂性。由于如此多的提供商正在转向多云，您的企业需要围绕将哪些云解决方案集成到其解决方案堆中制定战略。在购买理想的多云数据管理解决方案时，请考虑以下事项：
混合集成和企业绩效
组织在寻求解决方案时需要将其思维扩展到云之外。优化分析和应用程序开发不仅需要选择技术，还需要选择部署方案。
因此，需要一种能够在本地、私有云和公共云环境中无缝运行的数据管理解决方案。 促进这种无缝集成的一种方法是选择一系列建立在相同代码基础上的数据管理产品，无论它们部署在何处。
云的安全性和性能还必须接近其内部部署对应水平，以帮助确保高可用性，无论技术位于何处。一个很好的例子就是Db2 on Cloud，它不仅具有本地和托管选项，还可以部署在 IBM Cloud和 AWS 上。
数据传输费用
许多企业使用云的主要原因之一是成本效益。许多云提供商都大说他们的低成本选择，但企业必须进一步调查，以发现所有发生的费用。数据传输费用（无论是云到本地还是云到云）都可以在企业进行分析时快速增加。最好查找不收取这些费用的云上可用的数据管理选项，例如 IBM Cloud。有关其他帮助，您还可以与云专家讨论更好地避免这些费用。
迁移支持
如果不实施深思熟虑的策略，第一次将数据移动到云中可能是一个繁琐的过程。需要与正确的云供应商合作，以确保迁移简单快捷。
应考虑两种主要类型的迁移：对云的提前迁移和跨多云迁移。对云迁移的提前迁移必须优先考虑安全性和停机时间。由于生产力的流失，任何一个失败都可能成为公司利润的灾难性结果。IBM Lift CLI等服务在移动中为零停机时间和数据加密设定了标准。
还必须考虑多云环境中云之间的迁移。如果这些数据不能快速轻松地迁移，则拥有多个集成云的好处可能会迅速分解。
将您的数据注入 AI
除了采用多云之外，人工智能信息架构的现代化已成为企业当务之急。云数据管理解决方案应与 AI 一起注入，通过提高查询性能和简化 AI 应用程序开发，帮助企业预测和塑造结果。换句话说，它们应该由人工智能驱动并为其构建。
通过基于机器学习的查询对数据路由的优化，由 AI 提供支持的解决方案将提高查询速度。它们还将通过基于置信的查询提高精度，查询根据历史数据确定的预测精度返回结果。
为 AI 构建的解决方案通过使开发人员和数据科学家更轻松地执行任务，为 AI 计划提供应用程序开发。这包括对流行语言和框架的支持，如Go、Ruby、Python、PHP、Java、Node.js、Sequelize、IBM Watson Studio 和 Jupyter笔记本。还应该具备执行复杂建模和可视化的能力。
IBM Db2 11.5 是集驱动和构建AI 功能于一体的数据管理解决方案的一个很好的例子。Db2 11.5 中的功能被誉为AI 数据库，可扩展到整个 Db2 产品系列，包括云选项和数据仓库。因此，准备好构建预测模型并改进各种业务流程的企业可以直接在云引擎的 Db2 仓库中培训和运行机器学习模型，无需数据移动或新技能。
