Zum Hauptinhalt springen
Die Zukunft der Data Science

Die Zukunft der Data Science

Edge oder Cloud? Eine Entscheidungshilfe für Data Scientists und andere Analysten

Die wichtigsten Fragen und Antworten zum Thema Data Science Workloads

Z-Logo-Black.jpg
Firma: HP Deutschland GmbH
Sprache: Englisch
Größe: 4 Seiten
Erscheinungsjahr: 2019
Besonderheit: registrierungsfrei

Ist die Cloud immer die erste Option, wenn es um die Bearbeitung von Data Science Workloads geht? Wann ist die eigene IT-Infrastruktur die bessere Alternative? Welche Rolle spielen Workstations bei der Datenanalyse? Antworten auf diese und weitere Fragen gibt der IDC-Analyst Tom Mainelli im vorliegenden FAQ.

Inhalt:

Cloud Computing hat in den vergangenen Jahren einen enormen Nachfrageboom erlebt. Selbst in Deutschland, wo Unternehmen lange skeptisch waren, nutzen heute 97 Prozent der Betriebe Cloud-Umgebungen oder planen deren Einsatz.

Eine Cloud-first- oder gar Cloud-only-Strategie hat jedoch auch ihre Tücken, wie viele Anwender feststellen mussten. Das nutzungsbasierte Abrechnungsmodell kann  etwa bei Data Science Workloads und anderen datenintensiven Analysen schnell zur Kostenfalle werden, da sehr große Datenmengen zu transferieren und zu verarbeiten sind. Auch Probleme der Leistungsfähigkeit und Sicherheit lassen sich bei einer Datenbearbeitung in der Cloud nicht immer zufriedenstellend lösen.

IDC-Analyst Tom Mainelli beantwortet in diesen FAQ die wichtigsten Fragen zum Thema Data Science Workloads in der Cloud und zeigt Alternativen auf.

Erfahren Sie unter anderem:

Warum viele Unternehmen ihre Cloud-Strategie neu bewerten

Wie Data Scientists für ihre spezifischen Workloads die beste Balance zwischen lokaler Bearbeitung, Public und Private Cloud finden.

Welche Rolle Workstations heute und in Zukunft für Date Science Workloads und andere datenintensive Anwendungen spielen.

 

 

Originalauszug aus dem Dokument:

Q: Many organizations have shifted some percentage of their data science workloads to the cloud. Is this always the best option in terms of both workload (performance and security) and cost efficiency?

A: Many companies moved to embrace the public cloud with all types of workloads, including data science workloads. Today, many of those organizations are reevaluating if the public cloud is always the best place for these workloads. For some, a closer look often reveals a poor fit for development, debugging, and exploration, with services that overserve their performance requirements at a higher cost than they had anticipated. Other organizations come to realize that early decisions around security have to be rethought because their literacy around these topics has increased.

As a result, some companies have begun the process of reviewing which workloads they should keep in the public cloud, which workloads they should move to private cloud, and which workloads should be run locally on devices such as high-powered, purpose-built workstations. According to a recent IDC survey of IT decision makers (ITDMs), 85% of respondents said their companies are actively repatriating public cloud workloads. The top reasons for doing so are security (19%), performance (14%), and cost (12%).

Edge oder Cloud? Eine Entscheidungshilfe für Data Scientists und andere Analysten

Die wichtigsten Fragen und Antworten zum Thema Data Science Workloads

Inhaltstyp: Whitepaper
Z-Logo-Black.jpg

Kommentare und Feedback (0)