下一条途径宣布，下一代呼吸迁移规划技术，称为爬虫360，通过告诉他们完全如何成本，尺寸和开始旅程，帮助企业将传统数据仓库和数据湖泊转移到云。
数据仓库，尤其是数据湖泊可以通过掌控，淤泥数据和不同形式的结构化和非结构化数据转向仓库和湖泊的控制进入沼泽。
Crawler360通过扫描数据流水线，数据库应用程序和业务智能工具来解决此问题，以自动捕获遗留环境的端到端数据谱系。通过这样做，Crawler360跨静默应用程序定义了了解它们的相互依赖性的关系，识别可以汇总的冗余数据集，并针对“热和冷点”来定义要迁移的优先级的工作负载。
“企业客户意识到云将有助于解决他们的许多关键业务要求，但有效地迁移遗留系统是一个复杂的任务，”在一份声明中的下一个途径首席执行官Chetan Mathur说。“我们开发的原因是通过使客户能够定义雪花和AWS红移等现代平台的最有效，成本效益和有利的迁移路径来简化迁移规划。”
下一条途径引用了埃森哲报告，即企业平均只有20％到云中工作负载的20％，大部分都是低复杂性的。其2020年高级IT高管的研究引用了遗产基础设施和/或应用程序蔓延，作为充分实现云承诺的关键障碍。
Crawler360分析数据基础架构的三个组件：
- ETL管道，以了解端到端数据流，从摄入到消费，以捕获谱系和管弦乐流测序
- 数据应用程序和数据从Data-Lake和Data-Warehouse应用程序跨不同应用程序理解对象计数和工作负载依赖性
- BI和Analytics消费者捕获下游消费谱系和消费者和数据源之间的依赖关系
Crawler360支持迁移到AWS，Azure，Google Cloud，Apache Snowflake和YellowBrick。它可从下一个路线下载。
对于下一个途径的新途径，迁移是其唯一的焦点。它的移位分析仪就像爬虫360，但专注于Teradata迁移到云。它创建了所有代码对象的库存，定义了复杂性，并在移动到迁移的翻译阶段时提供自动化速率。
Shift Translator在将迁移执行到云时自动翻译复杂工作负载 - 包括SQL，存储过程，ETL和各种其他代码类型 - 用于各种源和目标平台。
最后，它具有Shift Tester，它自动化遗留应用程序和云环境之间的数据验证和哈希级别，以加速测试循环与测试就绪代码为云环境优化，内置自动化以执行用户定义的测试案件。