云[db:标签]��[db:标签]��管理市场已经向云和人工智能解决方案发展。然而，对于许多公司来说，筛选杂乱的东西并找到最有价值的解决方案仍然是一个挑战。

为了帮助克服这一挑战，在向数据管理基础架构添加新的云解决方案时，企业应该牢记几个注意事项。在数据管理解决方案中，从提供人工智能的提供商那里寻求正确的功能也很重要。

这是一个混合的云世界

在其他云上提供部署选项可以帮助企业使用他们喜欢的技术开发应用程序，即使它们在其他提供商上是标准化的。虽然这减少了供应商锁定，但它增加了另一层复杂性。随着如此多的提供商转向云，您的企业需要制定一个战略，围绕哪些云解决方案集成到其解决方案堆栈中。购买理想的多云数据管理解决方案时，请考虑以下几点:

混合集成和企业性能

在寻求解决方案时，组织需要将思维扩展到云之外。优化分析和应用开发不仅需要选择最佳技术，还需要选择最佳部署方案。

因此，需要一种能够在本地、私有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基于相同代码的数据管理产品，无论它们部署在哪里。

Cloud的安全性和性能也必须接近其内部部署的相应级别，以帮助确保高可用性，无论该技术位于何处。云上的Db2就是一个很好的例子，它不仅有本地和托管选项，还可以部署在IBM Cloud和AWS上。

数据传输成本

许多企业使用云的主要原因之一是成本效益。许多云提供商谈论他们的低成本选择，但企业必须进一步调查，以找出所有产生的费用。当企业进行分析时，数据传输成本(无论是云到本地还是云到云)会迅速增加。最好在云中寻找不收取这些费用的可用数据管理选项，例如IBM Cloud。对于其他帮助，您也可以与云专家讨论，以更好地避免这些成本。

迁移支持

第一次将数据移动到云可能是一个没有经过深思熟虑的策略的乏味过程。您需要与合适的云提供商合作，以确保迁移简单快速。

应考虑两种主要的迁移类型:早期云迁移和跨云迁移。云迁移的早期迁移必须优先考虑安全性和停机时间。由于生产力的损失，任何失败都可能成为公司利润的灾难性后果。像IBM Lift CLI这样的服务为零停机和移动中的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。如果无法快速轻松地迁移这些数据，拥有多个集成云的好处可能会很快消失。

将你的数据注入人工智能

除了云，人工智能信息架构的现代化已经成为企业的头等大事。云数据管理解决方案应该与人工智能一起注入，以帮助企业通过提高查询性能和简化人工智能应用程序开发来预测和塑造结果。换句话说，它们应该由人工智能来驱动和构建。

通过基于机器学习的查询优化数据路由，人工智能支持的解决方案将提高查询速度。他们还将通过基于置信度的查询来提高准确性，这将返回基于历史数据确定的预测准确性的结果。

为人工智能构建的解决方案使开发人员和数据科学家更容易执行任务，从而为人工智能程序提供应用程序开发。这包括对流行语言和框架的支持，如Go、Ruby、Python、PHP、java、Node.js、Sequelize、IBM沃森工作室和Jupyter笔记本。它还应该具有执行复杂建模和可视化的能力。

IBM Db2 11.5是一个集成了“驱动”和“构建”人工智能功能的数据管理解决方案的好例子。Db2 11.5中的功能被称为人工智能数据库，它可以扩展到整个Db2产品系列，包括云选项和数据仓库。因此，准备建立预测模型和改进各种业务流程的企业可以直接在云引擎的Db2仓库中训练和运行机器学习模型，而无需数据移动或新技能。