盡管多云環境是當前企業更多在選擇的云部署方式，但要是掌握不住云用量，歐洲服務器，就有得不償失的風險，莫讓多云變成多負擔。

企業在上云選用某一款工具時，其功能、架構、性能、可用性、可靠性等多方面的因素都要被考量在內，以便企業IT人員在業務遷移時做出判斷。這些人員要對服務提供商的產品性能做出評估，包括要對是否在建模預測、數據挖掘、機器學習等方面需要引入云計算。現實情況是，遷移的準備時間遠比遷移進行的時間要長很多。

正是因為要對如此多的因素做出考量，企業在采購云服務對于消費量的關注并不是那么全面，所以企業用云量的可見性需要得到重視，尤其是在多云環境中。畢竟，相較于企業對人力、設備這些有形資產的管理，在混合IT部署的過程中對應用和數據的管理難以做到很精確。

一個例子是，不少企業的管理者并不清楚到底用了多少云服務或功能。調查顯示，大型企業正在使用的獨立云工具可能超過700個，不過針對每一項細枝末節的針對性管理需要上層的整體把控，單獨的部門之間是無法估算彼此成本的，即使可以也對云服務的采購不具有決定性。事實上，像AWS、Cloudyn這些廠商也提供了計算云成本的工具。借助對云服務運行的監控，企業往往可以在數百萬美元中節省10-20%的成本。

此外，企業用云時所面臨的安全性問題也逐漸加大，這不僅是因為選擇的服務或功能越來越多，更多的服務被搬到線上連到骨干網中，一旦出現“僵尸攻擊”就是成片上海，甚至可以在十秒鐘內迅速攻占有效業務。要知道，傳統的防火墻等安全和防護系統多是針對網絡和主機的邊界進行檢測，對未知威脅和已有漏洞缺乏足夠深入的解析能力。

而在云計算環境中是沒有拓撲邊界的，一個基礎設施會承載多個業務系統，虛擬化之后的某一個業務層的虛擬機有一定概率不在同一個安全區域之下，虛擬彼此之間的數據交換也不被外部網絡可見。如果是依靠單一方案，是難以阻止像APT這樣的威脅，數據中心被黑的成本通常是百萬、千萬美元計的。

多數企業對潛在的網絡威脅缺乏可見性，并且難以具有識別或處理風險預警的能力。如果是傳統的方法，免備案服務器，員工只能通過優化算法和數據模型來加強準確性。有了云原生的環境，企業在分析數量流量時就可以調用CSP的開放接口，在不影響業務運行性能的前提下，結合數據進行預測或風控。

在運營方面， 企業上云不是一蹴而就的，除了要明確業務需求，還要根據實際運營狀況作出調整。比如通過可擴展的架構實現更多的工作負載，并且在實驗建模時把試錯成本降到最低。就像企業不想每一次在應用創建時都去重新搭一遍平臺，而是要去設計出一個可以良性循環的系統和機制。而且在使用商業智能時，企業也在去尋求提高業務并發性、決策質量、業務洞察力。

同時，企業還要在上云時加強對于數據的重視程度，例如要了解非結構化、結構化和半結構化數據分析的具體影響，而這些數據必須是與實際業務強相關的，比如是直接用于投資或者運營的數據，商業智能所面臨的挑戰就是如何去獲取、篩選、標準化數據。

要知道，足夠領先的技術并不代表可以把背后的數據利用好，或者不代表擁有優質的數據資源。就像柴油注入汽油車會出問題，也不是任何數據對人工智能都有積極作用，不少案例已經可以證明這一點。只有那些對實際業務有幫助的數據才是真正有效的。

企業上多云已是趨勢，但要算明白自己手中的賬本，要不就會產生成本的浪費。

【凡本網注明來源非中國IDC圈的作品，均轉載自其它媒體，目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責。】