企业云计算采纳决策研究
0 引言
随着信息技术的迅速发展和广泛普及，企业生存与竞争环境发生了巨大变化。为了适应时代的变化，提升企业核心竞争力，越来越多的企业通过信息化手段来提升生产率及改变管理方式。近年来，从传统分布式计算、并行处理、网格计算基础上发展而来的新兴商业计算模型――云计算，开始从理论走向实际应用，引发了一系列理念和技术的创新，具有一次性投入低、实施周期短、人员技术要求不高、扩展性强等特点，可以很好地满足企业对信息化产品及服务的现实需要，为信息化建设提供便捷、高效的技术手段与应用工具。
但在实际应用中，对云服务模式选择不当，将影响企业信息化应用效能的发挥，甚至使企业遭受重大损失。随着云计算的发展，现阶段在云环境下的企业IT投资决策的研究也越来越多，如Slaven Brumec等提出云计算成本效益模型（CCCE）用来决策企业是采用自购基础设施建设私有云还是通过租用公共云服务[1]；Misra S C等在分析企业现有的IT资源的规模、业务系统的负载特征、数据处理量、数据敏感程度和业务的关键程度等特征的基础上，建立云适合性指标（SI），判断企业是否适合迁移到云架构[2]；Srini Chari等通过应用程序系统在计算密集程度和负载变化两个维度，分析应用程序的部署方式。因此，云计算要求企业根据自身拥有的IT资源规模、资源利用形式、处理数据敏感度以及公司业务范围等方面在自建信息化中心和购买云计算资源方案中做出选择；同时要求企业对云计算服务商提供的IT 服务和资源有所选择，根据同行评价和专业评估选择合适的云服务提供商。最后，在确定并使用云计算服务后也需要对云计算使用方案作出客观合理的评价。
因此，本文提出了企业云计算采纳模型，从企业IT资源的规模、资源的利用形式、处理数据的敏感度和公司的业务范围的角度分析选择云计算方案的影响因素，以及通过同行评价和专业评估选择合适的云计算服务提供商，并从财务维度、内部学习创新、服务满意度、社会效益四个维度构建了云计算应用评价指标体系。
1 企业云计算采纳模型
图1 企业云计算采纳模型
企业云计算采纳模型主要分为三个部分，首先企业根据自身的行业定位、企业的业务范围、资源利用形式、处理数据敏感度和IT资源规模确定适合自身的云计算方案；根据该评价指标评价采用公有云、私有云还是混合云等不同的云计算方案，部署公司业务。然后选择能够实施该云计算方案的云计算服务提供商。企业对于不同云服务提供商的评价主要是根据同行评价、专业评估和SLA评估这三个指标来进行评价。根据该企业云计算应用绩效评价指标来评价云计算方案。该评价指标主要包括企业内部流程、学习与创新、用户对于云计算服务的满意度以及云计算对于企业的价值贡献。
2 企业云计算采纳因素研究
2.1 企业角度
不同行业内的企业拥有不同资源，具有不同的IT资源表现形式和特征，IT资源的规模、资源的利用形式、处理数据的敏感度以及公司的业务范围等，都是企业在选择自建信息中心或者购买云服务资源时必须考虑的关键因素。
2.1.1 IT资源的规模
企业拥有资源的规模对成本有着重要的影响，资源规模越大越容易产生规模效应，操作单位资源的成本减小，从长远来看，会比使用云计算更加便宜。因此，云计算更适合中小型企业。服务器的数量、基础用户规模、提供IT服务获得的年收入以及IT服务分布的国家数量决定了一个企业IT资源的大小。首先考虑服务器数量，小于2000为中小型企业，这两类企业较适合使用云计算服务；2001到50000为大企业，这类企业首先应该考虑自建信息中心；50000以上为超大企业，超大企业主要为谷歌、亚马逊等提供云计算资源的企业，本文不做考虑。其次，基础用户规模也是衡量一个企业资源大小的很好的尺度，基础用户数越多说明能够提供的资源规模越大。然后是企业提供IT服务获得的年收入，收入越高表示IT服务业务对企业的重要性，年收入大于5亿的企业未来更需要强大的IT服务支持，自建数据中心或无缝切换云会是较好的选择。最后是提供IT服务分布的国家数量，提供的IT服务分布在越多的地方越容易形成规模效应，从而降低运营成本，应该首先考虑自建信息中心。
2.1.2 资源的利用形式
仅仅知道资源的规模并不能确定是否选择自建信息中心或使用云计算资源，还取决于资源的利用形式。平均使用时，即服务需求长期处于稳定状态，合适自建信息中心。峰值使用时，即服务需求的激增，峰值的出现可能是离散的、间歇的，需要准确的预测负载需求，配置太多服务器资源来满足峰值的服务需求会导致大量的浪费，因此它更适合使用能提供可变负载的云计算服务，需要根据峰值持续时间和峰值出现次数选择购买云服务资源的方式，但其中长期的稳定的使用更适合使用自建服务资源。企业的数据处理量对云计算选择也是一个重要的影响因素，大量的数据迁移需要大量带宽，数据传输成本过大对于使用云计算是产生负面影响，会抵消使用云计算带来的优势。
2.1.3 处理数据的敏感度
尽管使用云计算给企业带来了一系列的好处，仍无法忽视它存在的缺点――云安全问题，通过加密、防火墙、数据过滤器等等云计算安全有了一个巨大的进步，但数据的敏感性还是在选择云计算是一个重要的考虑因素，以防止数据的披露、欺诈和滥用。对于国家情报局、国家安全局、国防等涉及国家安全的极度敏感数据，银行账户密码、企业投标报价、商业秘密、药物配方等敏感数据，以及个人信息、医疗记录等较敏感数据，不宜存储在云上。而对于社交网络图片视频、网站点击量、新闻、游戏、博客等不敏感数据，可以选择使用云计算服务。 2.1.4 公司业务范围
高度个性化、专业化的服务要求更加严格的服务资源、平台、应用程序和安全，因此有可能找不到适合的云，这就需要非常严格的服务水平协议与非常专业的云服务提供商。如果是中小型企业，云服务提供商可能不愿意提供高度定制的服务和应用程序编程接口，导致企业不能保证服务的质量。如果提供专业化服务的企业是大型企业或者的业务更加的标准化，则比较适合使用云计算服务资源。
2.2 云服务提供商角度
近年来，随着云计算及其应用呈现出快速稳定发展的趋势，云资源的商业化应用也引起了社会各界的广泛关注。目前，云资源的商业化应用主要侧重于由云供应商基于虚拟化技术，通过互联网向用户提供存储、计算、网络等方面资源的收费服务。该服务的典型供应商如国外的亚马逊的弹性云EC2、微软的Azure、谷歌的AppEngine，VMware、Bluelock、思杰、Joyent、Terremark、Salesforce、CenturyLink等，以及国内的思科云服务商、华为云服务商、风云在线云服务商等。由于企业自身所处的行业不同，其IT资源规模、资源利用形式、处理数据敏感度以及公司业务范围等也存在差异。因此，企业一定要根据自身特点和应用需求，对云服务商进行适当选择。对云服务商进行评估是企业应对云服务商选择的关键环节，云服务商评估包括专业评估和SLA指标评估。
2.2.1 专业评估
专业评估是企业在业界专家的咨询和评估下，对云服务提供商对于企业的适合度，服务商费用评价，云服务商服务及时性，云计算服务商提供服务性能指标的科学性，对服务等级协议的恰当性，以及对本企业选择云计算服务的合理性等进行专业评估。通常情况下，业界专家组成包括：法律专家、信息技术专家、行业专家等，利用他们在各自领域的专业知识，帮助企业对云服务商的服务水平、对服务等级协议做出评价。进行专业评估，可帮助企业了解云服务商对企业的支持服务水平（技术支持或后续服务能力等）和 SLA 承诺的兑现程度等，对选择适当的云服务商进行合作具有十分重要的现实意义。专业评估的部分关键指标如表 1 所示。
2.2.2 SLA指标评估
服务等级协议（Service Level Agreement， SLA）是在一定开销（通常这个开销是驱动提供服务质量的主要因素）下为保障服务的性能和可靠性，网络供应商与用户或者网络供应商之间定义的一种双方认可的协定。它规定了服务等级以及服务所必需满足的性能等级，包括服务水平测量、服务水平报告和信誉及费用三个方面，并使网络供应商有责任完成这些规定的服务等级。对SLA指标进行评估，能够全面的评估该服务的可用性、可靠性、计费标准等。其指标如表2所示
表2 对SLA评估的重要指标
3 企业云计算应用绩效评价指标体系
企业IT服务关注于对企业的价值贡献，因此本文根据企业云计算应用的特点，从面向用户、价值贡献、运营效率、面向未来等方面来进行考察云计算应用对于企业的绩效的影响。本文将企业云计算应用绩效的评价指标分为四个等级，包括财务维度、内部学习创新、服务满意度和社会效益维度，四级指标。如表3所示。
表3 企业云计算应用绩效的评价指标
财务维度作为绩效评价的一级指标，直接决定企业的财务状况，主要用于评价企业采纳云计算之后，对于企业财务指标的影响。该指标主要包括节约成本，采纳云计算后的利润增长率、销售收入增长率、新产品增加率、公司主营业务的产品市场占有率以及连带的经济效益。内部学习创新主要作为二级指标，主要用于评估企业应用云计算之后，组织内部的信息化水平以及持续学习和成长的能力。云计算的采用能够适应现代信息化企业发展潮流，为企业树立正确的战略方向；促进员工的创新学习能力。服务满意度主要用于评价云服务提供商为企业所带来的服务效果，即以云平台响应时间、云平台稳定性和云平台可扩展性等指标来描述云服务的满意度。第四级指标用于评估企业采纳云计算后所为企业带来的社会效益。主要指的是云计算应用是否能够为改善企业文化以及塑造企业形象。
4 结论
本文首先提出了企业云计算采纳模型，系统上分析了企业采纳云计算的过程和途径，然后从企业从企业IT资源的规模、资源的利用形式、处理数据的敏感度和公司的业务范围的角度分析选择云计算方案的影响因素，以及云计算服务提供商选择的影响因素，并构建了云计算应用四维评价指标体系。但是本文只是从质的方面讨论了企业采纳云计算的影响因素，并没有给予量的计算，下一步将对这些影响因素以及指标进行量化处理并从实证中验证其正确性和准确性。
