Integrering av SaaS med lokala resurser (2024)

Att ersätta ett lokalt system med en SaaS-lösning (software-as-a-service) kräver noggrann uppmärksamhet på befintliga kontakter och system. Den ursprungliga applikationen är en del av ett komplext nätverk av lokala databaser, verktyg och andra system och måste underhållas sömlöst för att säkerställa att tjänsten dina anställda och kunder litar på fortsätter att fungera som tidigare. Låt oss ta en titt på de tekniska konsekvenserna av att få dina SaaS-appar att spela bra med dina lokala applikationer och databaser.

Hybrid betyder integration

De flesta organisationer idag närmar sig molnet på ett stegvis sätt. Det innebär att hybrid IT-miljöer som inkluderar både moln och lokala resurser kommer att finnas med oss ​​under överskådlig framtid. Följaktligen måste organisationer koppla SaaS-appar med lokala resurser.

Anslu*ter till databaser

I min blogg "5 frågor att ställa om data i din SaaS-miljö”, Jag noterade att du kanske inte kan flytta all data som stöder en SaaS-app till molnet. Säkerhetspolicyer, till exempel, kan kräva att du håller en del av data inuti brandväggen. Så du måste tillhandahålla ett sätt att upprätthålla kopplingarna mellan den molnbaserade SaaS-appen och den lokala data.

Anslu*ta till applikationer och tjänster

Dagens IT-infrastruktur inkluderar ett virrvarr av sammankopplingar mellan applikationer, tjänster och data. Till exempel kan en on-premises onboarding-applikation för nyanställda skapa en arbetsorder i ett lokalt IT-servicehanteringssystem (ITSM). Den arbetsordern startar en serie uppgifter som får godkännande för en dator och tillgång till lämpliga IT-appar och tjänster, skickar den till upphandling så att lämpliga artiklar beställs, tar emot artiklarna och schemalägger installationen. ITSM-systemet rapporterar tillbaka till onboarding-applikationen när begäran är uppfylld. Om du flyttar ITSM-appen till molnet måste du se till att denna komplexa process fortsätter att fungera i båda riktningarna.

Omfattning av integrationssatsningen

Dina lokala integrationer, särskilt de som har funnits i ett antal år, kan ha skapats med applikationsprogrammeringsgränssnitt (API) som C# eller Java direktanrop. Nyare kan ha utvecklats med REST (Representational State Transfer). REST är ett tillståndslöst, klient-server, cachebart kommunikationsprotokoll som har en högre inbyggd säkerhetsnivå än C# eller Java direktanrop.

När du flyttar en lokal app till SaaS måste du bestämma om du behöver ersätta integrationer som använder C# eller Java. En viktig faktor för att göra detta beslu*t är att skydda data som flödar mellan de lokala och molnkomponenterna i hybridmiljön. En avgörande faktor är riktningen för dataflödet; det vill säga om flödet är från SaaS-appen till den lokala lösningen eller vice versa.

Låt oss anta att data flödar från molnet till en lokal app med traditionella API:er som C# och Java-anrop. Här skulle byte till den säkrare REST för API-anrop skydda informationen under överföring. Du måste också öppna portar i den lokala brandväggen för att tillåta auktoriserad trafik, oavsett API som används för att initiera pushen. Det beror på att brandväggar utgör en barriär för de flesta API:er.

Om flödet är från lokalt till molnet kan SaaS-leverantören ha restriktioner som kräver ett säkrare API-protokoll än C#- eller Java-direktanrop. I den här situationen räcker det vanligtvis med att byta till REST.

I vissa fall kanske programmeraren som kodade den initiala integrationen inte längre är tillgänglig. Dessutom kanske du inte har dokumentation om integrationen. Så det kan vara svårt att koda om integrationen.

Ett alternativ är att införa ett lager mellan de lokala och molnlösningarna, till exempel en klientgateway, som gör att dubbelriktade integrationer kan fortsätta att använda nuvarande API. Tänk på att detta tillvägagångssätt kräver att säkra portar öppnas. Dessutom kan du behöva köpa in från din organisations säkerhetsteam. Processen för säkerhetsgranskning kan försena implementeringen och skjuta upp fördelarna med SaaS-appen. Dessutom kan säkerhetsteamet helt ta bort gateway-metoden.

Kostnadsöverväganden

Var noga med att ta hänsyn till alla kostnader som är förknippade med integration i hybridmiljön. Till exempel kan SaaS-leverantören ha en prenumerationsmodell för hybridsituationen som tar betalt baserat på mängden data som flödar in i eller ut ur SaaS-appen. Du måste ta hänsyn till denna extra kostnad, som du inte ådrog dig när allt var på plats. Vad mer är, om du använder en gateway kan du upptäcka att SaaS-leverantören tar extra betalt för att använda sina säkra portar. Det leder också till ytterligare löpande kostnader.

Integration och dess tillhörande kostnader är verkligen viktiga överväganden för att beslu*ta om en app ska flyttas till molnet. Men du måste tänka på flytten i det bredare sammanhanget för dina strategiska mål. Exempel är att förbättra de anställdas produktivitet genom att förenkla appanvändningen eller utöka appåtkomsten som i fallet med det stora antalet personer som arbetar hemifrån till följd av covid-19. Strategiska mål driver övergången till SaaS i många organisationer. Som ett resultat anses kostnaden vara en värdefull strategisk investering som kommer att ge långsiktiga affärsnytta.

Erfarenhet räknas

Om du någonsin har flyttat från ett hem till ett annat har du lärt dig att erfarenhet räknas. Varje gång du flyttar hittar du sätt att få jobbet gjort snabbare och mer effektivt. Det är därför många människor anlitar en flyttfirma vars utbildade och erfarna anställda kan packa ihop dina saker och få dem lastade, transporterade och lossade – allt på kort tid och utan att förstöra din mormors fina porslin.

På samma sätt samarbetar många organisationer som går över till BMC SaaS-lösningar med BMC Customer Success för att dra fördel av teamets erfarenhet som har vunnits genom deltagande i hundratals SaaS-migreringar för kunder. Våra utbildade tekniska specialister har hjälpt stora och medelstora organisationer inom många olika branscher att planera och implementera övergången till SaaS. De har spelat en nyckelroll i att hjälpa kunder att undvika fallgropar, misstag och felsteg på resan till molnet och säkerställa snabb och pålitlig implementering. Exempel inkluderar:

  • Utveckla detaljerade färdplaner som underlättar och påskyndar övergången till SaaS samtidigt som kostnaderna minimeras och affärsrisken minskar
  • Bestämma vilken data som ska migreras till molnet och vilken data som ska underhållas på plats, med hänsyn till kostnader, säkerhet, timing och effektivitet
  • Implementera datamigreringar av alla storlekar
  • Identifiera vilka integrationer som kan migreras som de är och vilka som måste byggas om för moln-till-moln eller hybridinteraktioner
  • Implementera integrationer som ger säker, pålitlig interoperation och dataåtkomst över lokala och molnlösningar.

Väl värt ansträngningen

När du flyttar till SaaS kommer du troligen att behöva integrera SaaS-appar med lokala resurser. Men ansträngningen kompenseras mer än väl av belöningarna. När du väl har integrerats kan du dra nytta av de betydande fördelarna med SaaS, såsom nästan obegränsad skalbarhet som gör att du kan flexa upp eller ner efter behov, underhåll och support från leverantören som sparar pengar och bred fjärråtkomst.

Vi vill gärna höra om dina SaaS-framgångar, frågor eller problem. Dela dem gärna via e-post tillblogs@bmc.com. Om du behöver hjälp med din övergång till SaaS,vänligen fyll i vårt formuläroch en BMC Customer Success-expert kommer att nå ut för att komma igång.

Fem strategier för en smidig övergång till BMC Helix

Att flytta till BMC Helix kan leverera transformativt värde för din organisation – men framgång med BMC Helix kräver avsikt och vision. I den här e-boken diskuterar vi fem viktiga strategier för att få ut det mesta av din flytt till BMC Helix.Ladda ner e-bok › ›

Dessa inlägg är mina egna och representerar inte nödvändigtvis BMC:s position, strategier eller åsikter.

Ser du ett fel eller har du ett förslag? Meddela oss via e-postblogs@bmc.com.

Integrering av SaaS med lokala resurser (2024)

FAQs

What is the difference between AI and machine learning? ›

In simplest terms, AI is computer software that mimics the ways that humans think in order to perform complex tasks, such as analyzing, reasoning, and learning. Machine learning, meanwhile, is a subset of AI that uses algorithms trained on data to produce models that can perform such complex tasks.

What does artificial intelligence do? ›

AI is the ability of a machine to display human-like capabilities such as reasoning, learning, planning and creativity. AI enables technical systems to perceive their environment, deal with what they perceive, solve problems and act to achieve a specific goal.

What is artificial intelligence in computer? ›

artificial intelligence (AI), the ability of a digital computer or computer-controlled robot to perform tasks commonly associated with intelligent beings.

What is machine learning used for? ›

Machine learning is used in internet search engines, email filters to sort out spam, websites to make personalised recommendations, banking software to detect unusual transactions, and lots of apps on our phones such as voice recognition.

Is artificial intelligence harder than machine learning? ›

To put it simply, AI encompasses all machine learning but not all artificial intelligence practices are associated with machine learning. Summing up, artificial intelligence may be hard to learn, but if you have the right resources, you can make a place for yourself in the field.

Is AI and machine learning easy? ›

Learning AI is not an easy task, especially if you're not a programmer, but it's imperative to learn at least some AI. It can be done by all. Courses range from basic understanding to full-blown master's degrees in it.

What are 4 types of AI? ›

4 main types of artificial intelligence
  • Reactive machines. Reactive machines are AI systems that have no memory and are task specific, meaning that an input always delivers the same output. ...
  • Limited memory. The next type of AI in its evolution is limited memory. ...
  • Theory of mind. ...
  • Self-awareness.
Jun 15, 2023

Why is artificial intelligence a good career? ›

It is at the forefront of technological advancements, and its applications span across various industries, including healthcare, finance, manufacturing, transportation, and entertainment. The demand for AI professionals is continuously increasing, creating abundant career opportunities.

Who should learn AI? ›

Students, professionals, entrepreneurs, and anyone with an interest in technology can benefit from learning AI and ML. With the right knowledge and skills, individuals can position themselves for exciting careers in various fields, such as software development, data science, and research.

Is Siri artificial intelligence? ›

Are Alexa and Siri considered AI? Yes. Alexa and Siri are applications powered by artificial intelligence. They rely on natural language processing and machine learning, two subsets of AI, to improve performance over time.

Who is the father of AI? ›

John McCarthy is considered as the father of Artificial Intelligence. John McCarthy was an American computer scientist. The term "artificial intelligence" was coined by him. He is one of the founder of artificial intelligence, together with Alan Turing, Marvin Minsky, Allen Newell, and Herbert A.

What products use artificial intelligence? ›

Artificial Intelligence Examples
  • Manufacturing robots.
  • Self-driving cars.
  • Smart assistants.
  • Healthcare management.
  • Automated financial investing.
  • Virtual travel booking agent.
  • Social media monitoring.
  • Marketing chatbots.

Who uses machine learning in daily life? ›

Machine learning is widely used by various e-commerce and entertainment companies such as Amazon, Netflix, etc., for product recommendation to the user.

What is deep learning AI? ›

Deep learning is a method in artificial intelligence (AI) that teaches computers to process data in a way that is inspired by the human brain. Deep learning models can recognize complex patterns in pictures, text, sounds, and other data to produce accurate insights and predictions.

What comes first machine learning or AI? ›

The easiest way to think of their relationship is to visualize them as concentric circles with AI — the idea that came first — the largest, then machine learning — which blossomed later, and finally deep learning — which is driving today's AI explosion — fitting inside both.

What pays more AI or machine learning? ›

The Bureau of Labor Statistics reports an average annual income for software developers of just under $131,000. Other AI and machine learning jobs, with their average salaries, include: Computer vision engineer: $131,000. Machine learning engineer $155,500.

What is the difference between AI and machine learning and automation? ›

Automation is a type of software that follows pre-programmed rules. Artificial Intelligence (AI) is software designed to simulate human thinking. Machine Learning (ML) is a subset of AI that starts without knowledge and becomes intelligent.

Top Articles
Latest Posts
Article information

Author: Rob Wisoky

Last Updated:

Views: 6300

Rating: 4.8 / 5 (68 voted)

Reviews: 91% of readers found this page helpful

Author information

Name: Rob Wisoky

Birthday: 1994-09-30

Address: 5789 Michel Vista, West Domenic, OR 80464-9452

Phone: +97313824072371

Job: Education Orchestrator

Hobby: Lockpicking, Crocheting, Baton twirling, Video gaming, Jogging, Whittling, Model building

Introduction: My name is Rob Wisoky, I am a smiling, helpful, encouraging, zealous, energetic, faithful, fantastic person who loves writing and wants to share my knowledge and understanding with you.