云分析是处理大量数据和生成可操作的、质量驱动的见解的极好方法。云计算是分析的理想平台，这要归功于较低的成本和几乎无限的可扩展性。虽然云平台和分析过程的这种结合被证明产生了巨大的价值，但只有当企业充分利用技术的潜力时，这些好处才能充分体现出来。
确定IT行业性能的一个有力方法是基准测试：对平台和系统进行定量和定性评估，以衡量与类似平台和系统的性能。可以利用设计良好的测试方法对云上的分析进行基准测试，以确定您的云分析解决方案的性能是否与您所在行业的类似企业相当、低于或高于同类企业。
为此，Trianz公司创建了数字企业演化模型™，或认为。它允许Trianz顾问快速确定客户的云计算分析成熟度，有效地指导企业数字化转型的下一步。
以下简要探讨一下数字企业演化模型的五个成熟度级别™.
1级：
在这个层次上，企业主要使用手工流程，很少或没有自动化。这可能包括Excel电子表格中的跟踪数据，通过电子邮件通知或帮助台软件手动管理系统报告。这一级别的企业可能更被动而不是主动，并且缺乏数据流程和程序的广泛数字化。
约30%的企业只达到这一成熟度。
2级：
在第2级，企业正在采取措施更有效地管理其数据。企业可能有一个云数据仓库解决方案，主数据管理(MDM)用于在其网络边缘实施数据治理策略。对于二级企业来说，报告通常是在临时的基础上进行的，在特定的情况下使用定制的报告指标，但并不全面。
约30%的企业处于这种成熟度。
3级：
在第3级，企业正在使用更有针对性的专用工具来控制和分析数据。3级企业可以使用商业智能(BI)报告仪表盘来可视化数据，使用趋势或预测分析来实现更主动的方法。企业可以利用公共数据、大数据甚至社交数据来产生更多的分析洞察力，将这些大量数据存储在云数据湖中。
约20%的公司在这一水平上已经成熟。
4级：
在第4级，企业将使用预测性和规范性分析相结合的方法来指导业务决策，避免依赖于最高收入者的观点(HiPPO)。越来越多地依赖数据驱动的洞察力来证明整个业务的决策过程是正确的。通过使用自动化或人工智能(AI)和机器学习(ML)，人类仍然在评估这种洞察力之后做出最终决定。
约15%的公司在这一水平上已经成熟。
5级：
在第5级，企业充分利用其数据生成洞察，特别是通过人工智能和机器学习实现系统和流程的自动化。免提方法可以为关键利益相关者提供自我修复的IT基础架构、自动化的报告和警报，以及具有更高准确度的长期预测。
约5%的企业在这一水平上已经成熟。
使用DEEM对云分析进行基准测试
数字企业演化模型使用与行业竞争对手和技术相关的数据驱动洞察来衡量企业的云分析成熟度。与dem™，主题库由全球18个以上行业的40000多家公司组成。
通过现实地确定你的企业™在这个层次上，该模型可以帮助企业识别其流程和技术中的差距。这些数据将为数字转型举措提供清晰的路径，突出针对性和变革性方法的强项和弱项。
认为™适用于以下领域的企业IT能力基准测试：
- 企业数据战略–更好地定义企业数据使用的愿景或路线图，包括数据存储、数据传输和分析。
- 数据治理—定义用户、服务和系统对数据的适当访问。导致纠正不正确的数据访问模式和控制。
- 主数据管理(MDM)–改进与业务使用的主要数据集保持一致性、准确性、访问控制、一致性和问责制的过程。
- 数据质量管理(DQM)–创建一个管道驱动的过程，在数据仓库或数据湖的接收过程中验证数据质量。
- 人工智能能力–对围绕数据存储和数据分析的人工智能能力的评估。
- 投资模式和优先顺序–投资新技术和系统的框架，优先顺序根据项目进行加权™模型。
- 数据分析和组织结构–衡量分析在整个组织中的使用情况–包括分析管理、知识共享和数据依赖。
- 分析技术–针对一流产品和服务对现有分析技术的技术能力进行评估。
- 网络安全—针对网络安全领导者的数据安全分级—包括数据安全框架、加密利用率、访问控制等。
进行正确的云分析投资
据研究机构Trasers公司称，数据可视化是数字冠军们利用率最高的技术，83%的决策者采用了这种技术。紧随其后的是物联网(IoT)，采用率为80%，社交监听/社交分析的采用率为77%。
认为™将帮助您识别现有云分析解决方案或框架中的缺点，并创建一个行动计划来转换您的分析能力。通过从提供最大影响的领域入手，您的企业可以显著提高其在行业内的竞争力。
