ডেটা ম্যানেজমেন্টের পরবর্তী জেনারেশন কেন ডেটা ফ্যাব্রিকগুলির সাথে শুরু হয়

লেখক সম্পর্কে আরো জানতে ক্লিক করুন কেন্ডাল ক্লার্ক।

ব্যবসায়িক মূল্য প্রদানের জন্য IT-এর আদেশ কখনও শক্তিশালী ছিল না। আসলে, এক্সিকিউটিভ 76% বিশ্বাস করুন আইটি অবশ্যই ব্যবসায়িক কৌশল বিকাশে একটি সক্রিয় অংশীদার হতে হবে। তত্পরতা এখানে সাফল্যের চাবিকাঠি। যাইহোক, বেশিরভাগ উদ্যোগগুলি ডেটা কৌশলগুলির দ্বারা বাধাগ্রস্ত হয় যা বাজারের পরিবর্তন বা নতুন চ্যালেঞ্জের উদ্ভব হলে দলগুলিকে ফ্ল্যাট-ফুটে রাখে।

উদাহরণস্বরূপ, কাঠামোগত ডেটা ম্যানেজমেন্ট সিস্টেম নিন। যখন এন্টারপ্রাইজ ডেটা ল্যান্ডস্কেপ নিজেই প্রধানত কাঠামোগত ছিল তখন এই বিকল্পটি ভাল কাজ করেছিল। কিন্তু বিশ্ব এখন ভিন্ন, এবং এন্টারপ্রাইজ ডেটা ল্যান্ডস্কেপ এখন হাইব্রিড, বৈচিত্র্যময় এবং পরিবর্তনশীল ডেটা দ্বারা প্রাধান্য পেয়েছে। ইন্টারনেট অফ থিংস (IoT) এর আবির্ভাব, অসংগঠিত ডেটা ভলিউম বৃদ্ধি, বাহ্যিক ডেটা উত্সগুলির প্রাসঙ্গিকতা বৃদ্ধি এবং হাইব্রিড মাল্টি-ক্লাউড পরিবেশের প্রতি প্রবণতা প্রতিটি নতুন ডেটা অনুরোধ সন্তুষ্ট করার ক্ষেত্রে বাধা। দ্য পুরানো ডেটা কৌশল, রিলেশনাল ডেটা সিস্টেমের চারপাশে কেন্দ্রীভূত, মৌলিকভাবে ভেঙে গেছে। তাহলে কীভাবে উদ্যোগগুলি প্রতিক্রিয়াশীল থেকে প্রতিক্রিয়াশীল ডেটা কৌশলে স্থানান্তর করতে পারে?

এন্টারপ্রাইজ ডেটা ফ্যাব্রিকস: দ্য পাথ ফরওয়ার্ড

সংগঠনগুলো আজ একটি গড়ে তুলতে চাইছে তথ্য ফ্যাব্রিক সহযোগিতামূলক, ক্রস-ফাংশনাল প্রজেক্ট এবং পণ্যগুলিকে শক্তি দিতে এবং একটি স্থিতিস্থাপক ডিজিটাল ফাউন্ডেশন সহ প্রতিক্রিয়াশীল কর্মপ্রবাহ থেকে বাঁচতে - কোনও রিপ-এন্ড-রিপ্লেসের প্রয়োজন নেই৷ ডেটা ফ্যাব্রিকগুলি অভ্যন্তরীণ ডেটা সাইলো এবং বাহ্যিক উত্স থেকে ডেটা একত্রিত করে এবং পাওয়ার অ্যাপ, এআই এবং বিশ্লেষণে তথ্যের একটি নেটওয়ার্ক তৈরি করে। খুব সহজভাবে, তারা আজকের জটিল, সংযুক্ত এন্টারপ্রাইজে ডেটা চ্যালেঞ্জগুলির সম্পূর্ণ বিস্তৃতি সমর্থন করে।

পুরানো, স্ট্যাটিক ডেটা ইন্টিগ্রেশন কৌশলগুলির বিপরীতে, ডেটা ফ্যাব্রিকের মূল নীতিগুলি হল যে তারা করতে পারে:

• অপ্রত্যাশিত প্রশ্নের উত্তর দিন এবং নতুন প্রয়োজনীয়তার সাথে খাপ খাইয়ে নিন
• ডেটার অর্থ আনুন, যা আরও ভাল অন্তর্দৃষ্টির দিকে নিয়ে যায়
• ডেটা কাঠামো নির্বিশেষে ডেটা সাইলো এবং বাহ্যিক উত্স জুড়ে প্রশ্নগুলি সক্ষম করুন৷
• বিদ্যমান সিস্টেমগুলিকে আধুনিক করুন যাতে কোনও রিপ-এবং-প্রতিস্থাপনের প্রয়োজন না হয়
• কম্পিউট লেয়ারে ডেটা কানেক্ট করুন, স্টোরেজ লেয়ারে নয়, যাতে অতিরিক্ত সাইলো তৈরি না করে ডেটা সাইলো সংযুক্ত করা যায়

ডেটা ফ্যাব্রিকগুলি ক্রস-ফাংশনাল ডেটা সংযোগগুলিকেও সমর্থন করে যা প্রতিযোগিতামূলক সুবিধা তৈরি এবং রক্ষা করার এবং এন্টারপ্রাইজ জুড়ে এবং বহিরাগত অংশীদারদের সাথে সহযোগিতা সক্ষম করার মূল চাবিকাঠি। একটি উদাহরণ হিসাবে সাপ্লাই চেইন উদ্ভাবনের চারপাশে চ্যালেঞ্জ নিন। প্রচলিত সাপ্লাই চেইন ডেটা সিস্টেমগুলি হল একটি রিলে রেস, রৈখিক হ্যান্ডঅফ এবং সিলোড, পিয়ার-টু-পিয়ার লিঙ্কগুলির সাথে কাজ করে। যখন COVID-19 আঘাত হানে, এবং বিশ্বব্যাপী সাপ্লাই চেইন ভেঙ্গে পড়ে তখন আমরা অনুমানযোগ্য ফলাফল দেখেছি। কিছু স্ট্রেন বা এমনকি আংশিক পতন অনিবার্য ছিল, কিন্তু অপর্যাপ্ত ডেটা কৌশলগুলির দ্বারা ফলাফলগুলি আরও খারাপ করা হয়েছিল যা সরবরাহ শৃঙ্খলকে একটি কঠোর ব্যবস্থা হিসাবে বিবেচনা করেছিল। বাস্তবে, সাপ্লাই চেইন হল অভিনেতাদের একটি জটিল নেটওয়ার্ক যা প্রয়োজন অনুসারে সামঞ্জস্য করার জন্য সম্পূর্ণরূপে সিঙ্কে থাকতে হবে।

একটি ডেটা ফ্যাব্রিক দ্বারা চালিত একটি ডিজিটাল সরবরাহ নেটওয়ার্কের সাহায্যে, উদ্যোগগুলি জটিল প্রশ্নের উত্তর দিতে পারে যা তারা আগে অন্ধ ছিল, যেমন "আমাকে সমস্ত প্রচুর কাঁচামাল এবং সমাপ্ত ভাল লট 123 উত্পাদনের সাথে জড়িত সংশ্লিষ্ট সরবরাহকারীদের দেখান।" অথবা "পণ্য A-এর জন্য COGS কিভাবে এই দুটি অঞ্চলের মধ্যে তুলনা করবে?" অথবা "কোন নির্মাতারা এই গ্রাহকের অভিযোগের সাথে জড়িত কাঁচা উপাদানগুলি সরবরাহ করেছিল?"

একটি সফল ডেটা ফ্যাব্রিক একসাথে সেলাই করা এর উপাদানগুলি বোঝার মাধ্যমে শুরু হয়

অন্যান্য পদ্ধতির বিপরীতে, ডেটা ফ্যাব্রিকগুলি বিদ্যমান ডেটা ম্যানেজমেন্ট সিস্টেম এবং অ্যাপ্লিকেশনগুলিকে একত্রিত করে। সুতরাং, এতে আশ্চর্যের কিছু নেই যে ডাটা ইন্টিগ্রেশন স্পেসের পরিপক্কতার পরবর্তী ধাপ হিসেবে ডেটা ফ্যাব্রিকগুলিকে দ্রুত দেখা হচ্ছে। এটি ঘটছে কারণ ডেটা ফ্যাব্রিকগুলি করতে পারে:

1. লুকানো অর্থ উন্মোচন করুন: ডেটা ফ্যাব্রিকগুলি এন্টারপ্রাইজ জুড়ে শুধু ডেটা নয়, অর্থ প্রদান করে স্থিতাবস্থা পরিবর্তন করে। এই অর্থটি অনেকগুলি উত্স থেকে একসাথে বোনা হয়েছে: ডেটা এবং মেটাডেটা, অভ্যন্তরীণ এবং বাহ্যিক উত্স এবং ক্লাউড এবং অন-প্রিম সিস্টেম৷ অর্থটি এক্সটেনসিবল, জ্ঞান গ্রাফ-চালিত ডেটা মডেলগুলির মধ্যে এবং দ্বারা ক্যাপচার করা হয়, প্রতিটি ডেটা সম্পদের সমস্ত প্রসঙ্গ সম্পূর্ণরূপে উপস্থিত এবং উপলব্ধ, মেশিন-বোধগম্য আকারে। ডেটা ফ্যাব্রিকের সাহায্যে, লোকেরা এবং অ্যালগরিদমগুলি আরও ভাল সিদ্ধান্ত নিতে পারে, পাশাপাশি ডেটা অপব্যবহার বা ভুল ব্যাখ্যার সম্ভাবনা এবং ঝুঁকি হ্রাস করে।

2. কঠিন প্রশ্নের উত্তর দিন: ডেটা ফ্যাব্রিক শক্তিশালী ক্যোয়ারী, অনুসন্ধান এবং শেখার ক্ষমতার মাধ্যমে উত্তর প্রদান করে। ডেটা সরানো বা অনুলিপি করার উপর ভিত্তি করে একটি স্ট্যাটিক সত্তার পরিবর্তে, একটি ডেটা ফ্যাব্রিক প্ল্যাটফর্ম একটি গতিশীল "কোয়েরিযোগ্য" ডেটা স্তর সরবরাহ করে যা জুড়ে উত্তর সংগ্রহ করে ডেটা সিলোস. পূর্ববর্তী ডেটা ইন্টিগ্রেশন কৌশলগুলি প্রতিটি নতুন ব্যবহারের ক্ষেত্রে সমর্থন করার জন্য একটি নতুন ডেটা মডেল তৈরি এবং তারপর সেই ডেটা মডেলটি পূরণ করতে ডেটা সরানো বা অনুলিপি করার উপর নির্ভর করে। একটি ডেটা ফ্যাব্রিকের সাথে, ডেটা মডেলগুলি পুনঃব্যবহারযোগ্য, তাই যখন অপ্রত্যাশিত প্রশ্ন উত্থাপিত হয়, তখন ব্যবসার চাহিদা মেটাতে দলগুলির পক্ষে মানিয়ে নেওয়া সহজ।

3. ক্রস-ফাংশনাল ডেটা ম্যানেজমেন্ট প্রকল্পগুলিকে সমর্থন করুন: ডেটা ফ্যাব্রিকগুলি বিদ্যমান ডেটা ম্যানেজমেন্ট সিস্টেমগুলিকে একত্রিত করে, সমস্ত সংযুক্ত অ্যাপকে সমৃদ্ধ করে৷ তারা পুরানো সিস্টেমগুলি প্রতিস্থাপন করে যা একটি এন্টারপ্রাইজের সম্পদ সংগ্রহ বা তালিকাভুক্ত করে কিন্তু ডেটা ব্যবহারযোগ্য করতে ব্যর্থ হয়। হাইব্রিড, বৈচিত্র্যময় এবং পরিবর্তিত ডেটা পরিচালনা করতে অক্ষমতার কারণে পূর্ববর্তী সমাধানগুলিও আংশিকভাবে ব্যর্থ হয়েছিল কিন্তু সাংগঠনিক পুশব্যাকের কারণেও। ডেটা ফ্যাব্রিকগুলি, অবশ্য, সহযোগিতার জন্য তৈরি করা হয়, বিদ্যমান সম্পদের সুবিধা এবং সংযোগের জন্য, এবং ক্রস-ফাংশনাল ডেটা ম্যানেজমেন্ট প্রকল্পগুলির একটি নতুন প্রজাতির ড্রাইভিং।

বিদ্যমান বিনিয়োগকে আধুনিকীকরণ করুন

আমাদের মধ্যে বেশিরভাগই স্মরণ করবে যে কীভাবে ডেটা লেক একবার একটি এন্টারপ্রাইজের ডেটা সম্পদ কেন্দ্রীভূত করার প্রতিশ্রুতি দিয়েছিল। কিন্তু অনেক ডেটা লেক তাদের হাইপকে সঠিকভাবে প্রদান করতে ব্যর্থ হয় কারণ তারা কম্পিউট লেয়ারে সংযোগ না করে স্টোরেজ লেয়ারে ডেটা জমা করে। তারা এর ব্যবসায়িক অর্থের উপর ভিত্তি করে তার অবস্থানের উপর ভিত্তি করে ডেটা লাভ করে। একটি ডেটা ফ্যাব্রিকের পিছনে সম্পূর্ণ ভিত্তি হল যে ডেটার শারীরিক সংমিশ্রণ নিজেই ডেটা সংযোগ সম্পন্ন করে না বা অর্থ বা প্রসঙ্গ প্রদান করে না। পুরানো প্রজন্মের স্টোরেজ-ভিত্তিক ইন্টিগ্রেশন সিস্টেম যেমন ডেটা গুদামগুলি আসলে, ডেটা লেকের থেকেও কম সক্ষম, কারণ তারা শুধুমাত্র সহজে শুরু করার জন্য কাঠামোগত ডেটা পরিচালনা করে, আধা-গঠিত এবং অসংগঠিত ডেটা সাইলোগুলিকে সম্পূর্ণরূপে আনড্রেসড এবং সংযোগ বিচ্ছিন্ন রেখে দেয়। কোম্পানিগুলি তাদের ডেটা ল্যান্ডস্কেপের বিস্ময়কর বৈচিত্র্যকে মোকাবেলা করার চেষ্টা করার জন্য দ্রুত ডেটা ক্যাটালগের দিকে ঝুঁকেছে শুধুমাত্র এটি শিখতে যে শুধুমাত্র ক্যাটালগিং একটি সংযুক্ত এন্টারপ্রাইজের দিকে নিয়ে যায় না।

যদিও এই প্রযুক্তিগুলি ডেটা সাইলোগুলি শেষ করার প্রতিশ্রুতি দিয়েছে, সত্য হল এগুলি অনিবার্য এবং খুব ভাল কারণেই বিদ্যমান। তারা স্থানীয় নিয়ন্ত্রণ এবং শাসনের অনুমতি দেয় যখন এটি ব্যবসার একটি নির্দিষ্ট অংশের জন্য গুরুত্বপূর্ণ হয়, কারণ কিছু ডেটা আইনী নিয়ন্ত্রণ মেনে চলার জন্য বা কেবলমাত্র উত্তরাধিকার ব্যবসার কারণে অন্যান্য ডেটা থেকে আলাদা সংরক্ষণ করা আবশ্যক। প্রচলিত ডেটা ইন্টিগ্রেশন এলিমিনাটির উপর দৃষ্টি নিবদ্ধ করে
আয়ত্ত, স্থানান্তর, একত্রীকরণ বা শাসনের মাধ্যমে ng silos. কিন্তু ডেটা ফ্যাব্রিক একটি ব্যবহারিক বিকল্প অফার করে। ডেটা সাইলোর বিরুদ্ধে কাজ করার পরিবর্তে, একটি ডেটা ফ্যাব্রিক ডেটার আরও কপির প্রয়োজন ছাড়াই সেগুলিকে ব্যবহার করে। উত্তরাধিকার প্রযুক্তি প্রতিস্থাপনের পরিবর্তে, একটি ডেটা ফ্যাব্রিক বিদ্যমান বিনিয়োগের পাশাপাশি কাজ করে এবং তাদের উপযোগিতা উন্নত করে। এর কারণ হল একটি ডেটা ফ্যাব্রিক হল একটি আর্কিটেকচারাল ডিজাইন যা কম্পিউট লেয়ারে কাজ করে এবং এটি যেখানেই থাকে সেখানে ডেটা সংযোগের উপর ফোকাস করে এবং এইভাবে, প্রকৃতপক্ষে বিদ্যমান শারীরিকভাবে একত্রিত ডেটা স্টোরেজ সম্পদ যেমন ডেটা লেক, ডেটা ক্যাটালগ, গুদাম, MDM এবং অন্যান্যগুলিকে উন্নত করে৷

নলেজ গ্রাফ: একটি সফল ডেটা ফ্যাব্রিকের অনুপস্থিত সেলাই

নলেজ গ্রাফগুলি এন্টারপ্রাইজ ডেটার সম্পূর্ণ বৈচিত্র্য এবং জটিলতা উপস্থাপন করতে সক্ষম কারণ তারা ডেটার উত্স গঠন, অবস্থান বা বিন্যাস নির্বিশেষে অর্থের জন্য একটি সর্বজনীন বিন্যাস হিসাবে কাজ করে। একটি নলেজ গ্রাফ এন্টারপ্রাইজ ডেটা একীভূত করার জন্য বর্তমান শ্রমসাধ্য প্রক্রিয়াটিকে প্রতিস্থাপন করে, যার মধ্যে সাধারণত নিষ্কাশন, অনুবাদ, মডেলিং, ম্যাপিং এবং তারপর চলন্ত বিভিন্ন অ্যাপ্লিকেশনের মধ্যে ডেটা। মডেলিং এবং ম্যাপিংয়ের জন্য প্রয়োজনীয় কাস্টম কোডটি দ্রুত বড় আকারে অপ্রয়োজনীয় হয়ে ওঠে, উদ্ভাবন এবং অন্তর্দৃষ্টির গতি কমিয়ে দেয়।

জ্ঞান গ্রাফগুলি একটি কার্যকর ডেটা ফ্যাব্রিকের একটি অবিচ্ছেদ্য অংশ, কারণ তারা জ্ঞানের একটি পুনঃব্যবহারযোগ্য নেটওয়ার্ক তৈরি করে এবং সহজেই বিভিন্ন কাঠামোর ডেটা উপস্থাপন করে এবং একাধিক স্কিমা সমর্থন করে। এন্টারপ্রাইজ এবং তৃতীয় পক্ষের ডেটার একটি অনুসন্ধানযোগ্য, পুনঃব্যবহারযোগ্য শব্দার্থিক বোঝাপড়া তৈরি করা, জ্ঞানের গ্রাফগুলি ডেটা ফ্যাব্রিকের মূল হিসাবে কাজ করে: বিদ্যমান বিনিয়োগগুলিকে সমৃদ্ধ এবং ত্বরান্বিত করে এবং ব্যবসার অন্তর্দৃষ্টিতে গুরুত্বপূর্ণ অ্যাক্সেস প্রদান করে।

একটি সাধারণ ফ্যাব্রিকের মতো যা এটির সাথে সঙ্গতিপূর্ণ যা কিছু ঢেকে রাখে, একটি এন্টারপ্রাইজ ডেটা ফ্যাব্রিক বিদ্যমান ডেটা সম্পদের উপর রাখে এবং পৃথক থ্রেডের মাধ্যমে তাদের সাথে সংযোগ করে এবং এই উত্সগুলিকে একত্রিত স্তরে বুনে দেয়। এটি করার মাধ্যমে, ডেটা ফ্যাব্রিক আসলে বিদ্যমান বিনিয়োগের ব্যবসায়িক মূল্যকে চক্রবৃদ্ধি করে।

সূত্র: https://www.dataversity.net/why-the-next-generation-of-data-management-begins-with-data-fabrics/