Виявлення галузево-специфічних кількісних показників результатів впровадження стратегій хмарної міграції

Автор(и)

  • Віктор Валерійович Шутько Харківський національний університет радіоелектроніки, Україна https://orcid.org/0009-0001-0527-4401
  • Максим Вікторович Євланов Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0002-6703-5166
  • Іван Олексійович Юрʼєв Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0002-5178-519X

DOI:

https://doi.org/10.15587/1729-4061.2025.337851

Ключові слова:

імпутація, інформаційні системи, кількісний аналіз, класифікація, стратегічне планування, хмарна міграція

Анотація

Об’єктом дослідження є процес хмарної міграції інформаційних систем (ІС). У ході дослідження було вирішено проблему розробки кількісно обґрунтованої класифікації стратегій міграції, адже існуючі підходи базувалися на концептуальних моделях без емпіричної перевірки галузевих показників ефективності.

На відміну від існуючих класифікацій, запропонований підхід використовував емпіричні дані, отримані з 275 успішних кейсів міграції в хмару, з урахуванням таких показників, як зниження витрат, підвищення продуктивності, тривалість міграції та кількість використаних хмарних сервісів. Обробку пропущених значень було виконано методом множинної імпутації за ланцюговими рівняннями, аномальні спостереження видалено методом міжквартильного розмаху, що підвищило достовірність результатів. Було сформовано класифікацію з трьох стратегій – Lift-and-Shift, Re-platforming і Reengineering.

Кількісні результати показали, що Lift-and-Shift застосовувався в 39,64 % випадків із середнім циклом 5,94 міс. та показником зниження витрат у 40,06 %; Re-platforming – у 38,55 % із 6,10 міс. і 38,12 %; Reengineering – у 21,82 % із 6,28 міс., економією 42 % і приростом продуктивності 141,66 %. Подальший аналіз показав галузеву залежність вибору: Lift-and-Shift домінував у регульованих секторах, Re-platforming і Reengineering – у високотехнологічних.

Отримані результати можуть слугувати основою автоматизованих систем підтримки рішень при плануванні хмарної міграції ІС середніх і великих підприємств. Кількісні моделі давали змогу прогнозувати часові та фінансові показники з урахуванням масштабу, технологічного ландшафту й регуляторних вимог. Умовою застосування є збір метричних даних про продуктивність і витрати та інтеграція методів MICE і виявлення аномалій у передміграційному аудиті

Біографії авторів

Віктор Валерійович Шутько, Харківський національний університет радіоелектроніки

Аспірант

Кафедра інформаційних управляючих систем

Максим Вікторович Євланов, Харківський національний університет радіоелектроніки

Доктор технічних наук, професор

Кафедра інформаційних управляючих систем

Іван Олексійович Юрʼєв, Харківський національний університет радіоелектроніки

Кандидат технічних наук, доцент

Кафедра інформаційних управляючих систем

Посилання

  1. Mittal, M. (2024). The Great Migration: Understanding the Cloud Revolution in IT. International Journal of Scientific Research in Computer Science, Engineering and Information Technology, 10 (6), 2222–2228. https://doi.org/10.32628/cseit2410612423
  2. Amin, R., Vadlamudi, S. (2021). Opportunities and Challenges of Data Migration in Cloud. Engineering International, 9 (1), 41–50. https://doi.org/10.18034/ei.v9i1.529
  3. Indukuri, A. V. (2025). AI-Powered Cloud Migration: Transforming Enterprise Modernization Strategies. Journal of Computer Science and Technology Studies, 7 (2), 567–575. https://doi.org/10.32996/jcsts.2025.7.2.60
  4. Sharma, B. P. (2025). Optimizing Cloud Migration Strategies for Large-Scale Enterprises: A Comparative Analysis of Lift-and-Shift, Replatforming, and Refactoring Approaches. Advances in Theoretical Computation, Algorithmic Foundations, and Emerging Paradigms, 15 (2), 1–14. Available at: https://heilarchive.com/index.php/ATCAEP/article/view/2025-FEB-04
  5. Hosseini Shirvani, M., Amin, G. R., Babaeikiadehi, S. (2022). A decision framework for cloud migration: A hybrid approach. IET Software, 16 (6), 603–629. https://doi.org/10.1049/sfw2.12072
  6. Aslam, M., Rahim, L. bin A., Watada, J., Hashmani, M. (2018). Clustering-Based Cloud Migration Strategies. Journal of Advanced Computational Intelligence and Intelligent Informatics, 22 (3), 295–305. https://doi.org/10.20965/jaciii.2018.p0295
  7. Chanthati, S. R. (2024). Artificial Intelligence-Based Cloud Planning and Migration to Cut the Cost of Cloud Sasibhushan Rao Chanthati. American Journal of Smart Technology and Solutions, 3 (2), 13–24. https://doi.org/10.54536/ajsts.v3i2.3210
  8. Ankit, K. G., Apoorva, J. (2025). Efficient Strategies for S/4 HANA Cloud Migration in Large Enterprise Landscapes. International Journal of Innovative Science and Research Technology (IJISRT), 9 (11), 3628–3645. https://doi.org/10.5281/zenodo.14836417
  9. Althani, B. (2025). Migration challenges of legacy software to the cloud: a socio-technical perspective. Cogent Business & Management, 12 (1). https://doi.org/10.1080/23311975.2025.2503421
  10. Sahoo, K., Samal, A. K., Pramanik, J., Pani, S. K. (2019). Exploratory Data Analysis using Python. International Journal of Innovative Technology and Exploring Engineering, 8 (12), 4727–4735. https://doi.org/10.35940/ijitee.l3591.1081219
  11. Buuren, S. van, Groothuis-Oudshoorn, K. (2011). mice: Multivariate Imputation by Chained Equations inR. Journal of Statistical Software, 45 (3). https://doi.org/10.18637/jss.v045.i03
  12. Tukey, J. W. (1977). Exploratory Data Analysis. Addison-Wesley Publishing Company. Available at: https://consoleflare.com/blog/wp-content/uploads/2022/09/Exploratory-Data-Analysis-1977-John-Tukey.pdf
Виявлення галузево-специфічних кількісних показників результатів впровадження стратегій хмарної міграції

##submission.downloads##

Опубліковано

2025-08-29

Як цитувати

Шутько, В. В., Євланов, М. В., & Юрʼєв, І. О. (2025). Виявлення галузево-специфічних кількісних показників результатів впровадження стратегій хмарної міграції. Eastern-European Journal of Enterprise Technologies, 4(2 (136), 23–34. https://doi.org/10.15587/1729-4061.2025.337851