對於許多企業而言，古老的大型主機是數十年來有關公司客戶、流程和運營的資料的所在地。不言而喻，企業希望訪問該大型主機資料——對其進行報告，使用大數據分析工具對其進行分析，或者將其用作新機器學習和人工智能計劃的基礎。
在 Google Cloud，我們渴望與公司組織合作，幫助他們為雲時代改造大型主機資產。當然，我們可以通過將大型主機應用程式遷移到雲來幫助他們實現大型主機應用程式的現代化。同時，與合作夥伴和客戶合作，我們開發了另一種更輕量級的方法，可以幫助他們開始利用大型主機資產，速度比全面遷移要快得多。我們將這種方法稱為資料優先數位化。
在這個快速發展的數位生態系統中，必須了解“現代化”和“數位化”之間的區別。通過現代化，您可以從當前狀態開始並展望未來，並依賴大型主機應用程式遷移方法，例如重新代管（仿真）、重構（自動化程式碼轉換）、重新設計 – 或簡單地將自定義應用程式替換為商業模組。借助數位化，您可以從想要的未來狀態開始，然後最終再回到實現目標所需的狀態。
這種資料優先的數位化方法包括一個大型主機資料優先集成框架，其中包含內部和合作夥伴的產品和工具，用於將異構資料源從大型主機遷移到 Google Cloud Storage。一旦大型主機資料被複製到Google Cloud Storage，它就可以被 Google Cloud 工具集成和利用，例如 BigQuery、人工智能和機器學習產品 以及智能和串流分析平台。集成框架涵蓋批量資料傳輸和即時資料複製（資料異動擷取）。
資料優先的數位化基於“應用是瞬態的，資料是永久的”的原則。通過首先將資料引入 Google Cloud，而不是採用傳統的應用程式現代化方式（例如，使用 Gartner 的 7 個現代化選項），這使組織能夠跨越到新的業務模式、用例和創新方式來為最終客戶提供服務。例如：
- 使用智能流分析平台和 AI/ML 引擎做出決策。這些工具需要資料來做出決策。Google 是從原始結構化和非結構化資料中提取信息和價值的先驅，這種方法打開了大型主機資料供 BigQuery 和 AI/ML 模型使用。
- 建立新的報表應用程式。通過訪問大型主機資料，您可以使用 Looker 和 Appsheet 等 Google 雲產品來構建全新的報告應用程式，加快大型主機報告應用程式的退役過程，並加速您的整體轉型。
根據我們的經驗，對您的大型主機採用資料優先的數位化方法可以帶來許多好處：
- 更快的商業週期：由於資料優先的現代化是建立在現有產品之上的，因此實施週期要短得多。
- 降低投資成本：您將時間花在集成產品上，而不是開發新應用程式上。
- 風險最小化：資料優先與現有、經過驗證且可靠的 Google Cloud 產品集成。
- 更快的整體大型主機轉型：當您將現代化重心從應用程式轉移到資料時，您會從商業角度看待大型主機應用程式，而不僅僅是“保持正常運轉”。因此，只有對商業最關鍵的應用程式進行了現代化改造，並且可以停用許多非必要的應用程式，從而加快您的轉型之旅。
