对于具有不同数据需求的企业来说，因为不同部门和职能可能处于不同的阶段，所以每个阶段都有业务驱动力，推动IT和数据专业人员进一步创建，完善和利用云数据管理，来制定更好的业务决策。那么在在扩展的云数据基础架构中的四个阶段，有哪些需要注意的地方?
云探索
处于这个阶段的企业，大多会将数据存储在本地数据仓库中，并正在评估是否向云迁移。不过现在，企业的IT决策者应尽快采取行动了。根据调查显示，90%的企业已经着手考虑尝试将一些数据放到云数据仓库中了，所以在这个阶段的企业应尽早探索哪些数据要先行上云?评估不同云供应商的云数据仓库服务?以及制定相应的长短期目标。
所以在这个阶段，企业需要确定如何加快分析和报告速度，以帮助企业获得数据洞察力竞争。在创建报告和提取指标时，需要确保所拥有的数据是准确的和最新的。在云中构建数据分析平台的最佳位置。对于希望降低成本并节省数据管理策略时间的企业而言，云的规模和性能是正确的选择。
当涉及到数据体系架构时，应该确定产品和技能方面的差距，来确定如何扩展云。比如需要混合云架构吗?确定最适合企业的云数据仓库?咨询每个供应商的问题或找到咨询合作伙伴以帮助制定策略。
云数据迁移
这个阶段的企业已经向云进行投资，已经选择了云服务提供商和云数据仓库来管理其数据。现在，将需要决定将哪些数据加载到云中，以及如何高效地执行迁移操作。
正如正如在云探索阶段，企业需要利用云的速度。所以在这个阶段，企业需要搞清楚两个大业务驱动，即集中数据和创建可扩展的数据基础结构，以及告知企业如何设计其云数据管理平台。企业中会不可避免地面对数据孤岛的挑战。但是为了清楚地了解关键业务见解，将数据集中是必不可少的，云数据仓库和云原生ETL解决方案可以作为单一事实来源。
将数据加载到云中应该是一个经过衡量的项目。不如从一个小的用例开始，KPI和指标明确，并且可以访问数据源。在较短的时间内显示云数据分析的价值和速度，可以帮助IT决策者获得跟大认可，从而在云中建立可扩展的基础架构。
云数据成熟度
这个阶段，云现在已成为数据团队的重要支撑。现在，企业已经建立了可靠的云数据分析用例，改进了部分业务的分析和报告，甚至有可能日常运行数据编排和转换工作。
所以这时，企业已经有了让云接受更多挑战的时候，即进一步完善和磨练云数据管理策略。当需要准备和加载数据时，要确保不要在可自动化的任务上消耗资源。74%的企业表示，减少在数据准备和管道开发上花费的时间和资源非常“重要”。探索在哪里可以自动执行ETL流程的各个部分，以真正利用云的速度和功能。
所以在云数据管理中，成熟度的提高意味着责任的增加。随着将更多数据移至云，企业还将需要一个可以补充云战略和业务目标的技术堆栈。选择可以帮助你消除费时的任务(例如手工编码)并结合诸如灾难恢复或版本控制之类的保护措施的软件非常重要。
云数据领导者
在这个阶段，意味着企业已经处于云数据的有利位置，可以制定数据驱动的决策。可能已经在使用数据科学和高级分析来为整个企业的决策提供信息。甚至可能使用转换后的数据来创建机器学习模型和人工智能。数据是推动业务和产品开发的最大资产，企业会寻求进一步的投资，以借助洞察力更快地进行创新。
为了进一步扩大数据工作量，企业迫不及待地希望IT提供洞察力。在此阶段，企业需要以全面的方式为业务的其他部门提供对数据源的访问以进行分析。向企业中的每个人提供分析就绪的数据有助于促进数据明智的决策。现在，整个企业中的更多人员和团队可以消除其流程中的抑或，并在企业内部传播数据素养。
为了实现数据民主化，企业需要确保适当的安全性和数据共享治理。IT专业人员和业务用户应在数据治理和云解决方案的各个方面共同努力，以了解，实施和协作，以确保数据自助服务工作负责并合规。
