Warum die nächste Generation des Datenmanagements mit Data Fabrics beginnt

Klicken Sie hier, um mehr über den Autor zu erfahren Kendall Clark.

Der Auftrag an die IT, geschäftlichen Mehrwert zu liefern, war noch nie so stark. In der Tat, 76% der Führungskräfte glauben, dass die IT ein aktiver Partner bei der Entwicklung der Geschäftsstrategie sein muss. Agilität ist hier der Schlüssel zum Erfolg. Die meisten Unternehmen werden jedoch durch Datenstrategien behindert, die ihre Teams ratlos zurücklassen, wenn sich der Markt verändert oder neue Herausforderungen entstehen.

Nehmen Sie zum Beispiel strukturierte Datenmanagementsysteme. Diese Option funktionierte gut, wenn die Unternehmensdatenlandschaft selbst überwiegend strukturiert war. Aber die Welt ist jetzt eine andere und die Unternehmensdatenlandschaft wird jetzt von hybriden, vielfältigen und sich verändernden Daten dominiert. Das Aufkommen des Internets der Dinge (IoT), der Anstieg des unstrukturierten Datenvolumens, die zunehmende Relevanz externer Datenquellen und der Trend zu hybriden Multi-Cloud-Umgebungen erschweren die Befriedigung jeder neuen Datenanfrage. Der alte Datenstrategie, das sich auf relationale Datensysteme konzentriert, ist grundlegend fehlerhaft. Wie können Unternehmen also von einer reaktiven zu einer reaktionsfähigen Datenstrategie wechseln?

Enterprise Data Fabrics: Der Weg nach vorne

Unternehmen sind heute auf der Suche nach dem Aufbau eines Datenstruktur um kollaborative, funktionsübergreifende Projekte und Produkte zu unterstützen und reaktive Arbeitsabläufe mit einer belastbaren digitalen Grundlage zu umgehen – kein Rip-and-Replace erforderlich. Datenstrukturen verknüpfen Daten aus internen Datensilos und externen Quellen und schaffen ein Informationsnetzwerk für Anwendungen, KI und Analysen. Ganz einfach: Sie unterstützen die gesamte Bandbreite der Datenherausforderungen in den komplexen, vernetzten Unternehmen von heute.

Im Gegensatz zu älteren, statischen Datenintegrationstechniken bestehen die wichtigsten Prinzipien von Data Fabrics darin, dass sie Folgendes können:

• Beantworten Sie unvorhergesehene Fragen und passen Sie sich an neue Anforderungen an
• Verleihen Sie Daten Bedeutung, was zu besseren Erkenntnissen führt
• Ermöglichen Sie Abfragen über Datensilos und externe Quellen hinweg, unabhängig von der Datenstruktur
• Modernisieren Sie bestehende Systeme, sodass kein Rip-and-Replace erforderlich ist
• Verbinden Sie Daten auf der Rechenebene und nicht auf der Speicherebene, sodass Datensilos verbunden werden können, ohne dass zusätzliche Silos entstehen

Datenstrukturen unterstützen auch die funktionsübergreifenden Datenverbindungen, die für die Schaffung und Verteidigung von Wettbewerbsvorteilen und die Ermöglichung der Zusammenarbeit im gesamten Unternehmen und mit externen Partnern von entscheidender Bedeutung sind. Nehmen Sie als Beispiel die Herausforderungen im Zusammenhang mit Supply-Chain-Innovationen. Herkömmliche Supply-Chain-Datensysteme sind ein Staffellauf, der mit linearen Übergaben und isolierten Peer-to-Peer-Verbindungen zwischen Systemen arbeitet. Wir sahen die vorhersehbaren Ergebnisse, als COVID-19 zuschlug und die globalen Lieferketten zusammenbrachen. Eine gewisse Belastung oder sogar ein teilweiser Zusammenbruch war unvermeidlich, aber die Folgen wurden durch unzureichende Datenstrategien, die die Lieferkette als starres System behandelten, noch verschlimmert. In Wirklichkeit ist die Lieferkette ein komplexes Netzwerk von Akteuren, die vollständig synchron sein müssen, um sich bei Bedarf anzupassen.

Mit einem digitalen Liefernetzwerk, das auf einer Datenstruktur basiert, können Unternehmen komplexe Fragen beantworten, für die sie bisher blind waren, wie zum Beispiel „Zeigen Sie mir alle Rohstoffchargen und zugehörigen Lieferanten, die an der Produktion der Fertigwarencharge 123 beteiligt sind.“ Oder „Wie sind die COGS für Produkt A im Vergleich zwischen diesen beiden Regionen?“ Oder „Welche Hersteller haben die von dieser Kundenbeschwerde betroffenen Rohstoffe geliefert?“

Das Zusammenfügen einer erfolgreichen Datenstruktur beginnt mit dem Verständnis ihrer Materialien

Im Gegensatz zu anderen Ansätzen verknüpfen Data Fabrics bestehende Datenmanagementsysteme und -anwendungen. Kein Wunder also, dass Data Fabrics schnell als nächster Schritt vorwärts in der Reifung des Datenintegrationsraums angesehen werden. Dies geschieht, weil Data Fabrics Folgendes können:

1. Entdecken Sie die verborgene Bedeutung: Datenstrukturen verändern den Status Quo, indem sie im gesamten Unternehmen Bedeutung und nicht nur Daten bereitstellen. Diese Bedeutung ist aus vielen Quellen verwoben: Daten und Metadaten, interne und externe Quellen sowie Cloud- und On-Prem-Systeme. Die Bedeutung wird innerhalb und durch erweiterbare, auf Wissensgraphen basierende Datenmodelle erfasst, wobei der gesamte Kontext zu jedem Datenbestand in maschinenverständlicher Form vollständig vorhanden und verfügbar ist. Mit einer Datenstruktur können Menschen und Algorithmen bessere Entscheidungen treffen und gleichzeitig die Wahrscheinlichkeit und das Risiko eines Datenmissbrauchs oder einer Fehlinterpretation verringern.

2. Beantworten Sie schwierige Fragen: Datenstrukturen liefern Antworten über leistungsstarke Abfrage-, Such- und Lernfunktionen. Anstelle einer statischen Einheit, die auf dem Verschieben oder Kopieren von Daten basiert, bietet eine Data-Fabric-Plattform eine dynamische „abfragbare“ Datenschicht, die Antworten von überall sammelt Datensilos. Frühere Datenintegrationsstrategien beruhten auf der Erstellung eines neuen Datenmodells zur Unterstützung jedes neuen Anwendungsfalls und dem anschließenden Verschieben oder Kopieren von Daten, um dieses Datenmodell zu vervollständigen. Mit einer Datenstruktur sind Datenmodelle wiederverwendbar, sodass sich Teams problemlos an die Anforderungen des Unternehmens anpassen können, wenn unvorhergesehene Fragen auftauchen.

3. Unterstützen Sie funktionsübergreifende Datenmanagementprojekte: Data Fabrics verknüpfen bestehende Datenmanagementsysteme und bereichern alle verbundenen Apps. Sie ersetzen ältere Systeme, die die Vermögenswerte eines Unternehmens sammelten oder katalogisierten, die Daten jedoch nicht nutzbar machten. Frühere Lösungen scheiterten teilweise auch daran, dass sie nicht in der Lage waren, mit hybriden, vielfältigen und sich ändernden Daten umzugehen, aber auch an organisatorischen Widerständen. Datenstrukturen sind jedoch für die Zusammenarbeit, die Nutzung und Verbindung bestehender Ressourcen und die Förderung einer neuen Generation funktionsübergreifender Datenmanagementprojekte konzipiert.

Bestehende Investitionen modernisieren

Die meisten von uns werden sich daran erinnern, wie Data Lakes einst das Versprechen versprachen, die Datenbestände eines Unternehmens zu zentralisieren. Doch viele Data Lakes können ihrem Hype gerade deshalb nicht gerecht werden, weil sie Daten auf der Speicherebene bündeln, anstatt sie auf der Rechenebene zu verbinden. Sie nutzen Daten basierend auf ihrem Standort und nicht basierend auf ihrer geschäftlichen Bedeutung. Die gesamte Prämisse hinter einer Datenstruktur besteht darin, dass die physische Zusammenstellung von Daten allein keine Datenverbindung herstellt oder Bedeutung oder Kontext bereitstellt. Ältere Generationen speicherbasierter Integrationssysteme wie das Data Warehouse sind tatsächlich sogar noch weniger leistungsfähig als Data Lakes, da sie zunächst nur strukturierte Daten problemlos verwalten können und die halbstrukturierten und unstrukturierten Datensilos völlig unberücksichtigt bleiben und nicht miteinander verbunden sind. Unternehmen wandten sich schnell Datenkatalogen zu, um der verwirrenden Vielfalt ihrer Datenlandschaften Herr zu werden, mussten jedoch feststellen, dass Katalogisierung allein nicht zu einem vernetzten Unternehmen führt.

Obwohl diese Technologien versprachen, Datensilos zu beenden, sind sie in Wahrheit unvermeidlich und existieren aus sehr guten Gründen. Sie ermöglichen eine lokale Kontrolle und Governance, wenn dies für einen bestimmten Teil des Unternehmens wichtig ist, da einige Daten getrennt von anderen Daten gespeichert werden müssen, um gesetzliche Vorschriften einzuhalten oder einfach aus alten Geschäftsgründen. Konventionelle Datenintegration konzentrierte sich auf Eliminierung
ng-Silos durch Mastering, Migration, Konsolidierung oder Governance. Aber Data Fabrics bieten eine praktische Alternative. Anstatt gegen Datensilos vorzugehen, nutzt eine Datenstruktur diese, ohne dass weitere Datenkopien erforderlich sind. Anstatt veraltete Technologien zu ersetzen, arbeitet eine Datenstruktur mit bestehenden Investitionen zusammen und verbessert deren Nutzen. Dies liegt daran, dass es sich bei einer Datenstruktur um ein Architekturdesign handelt, das auf der Rechenebene arbeitet und sich darauf konzentriert, Daten überall dort zu verbinden, wo sie sich befinden, und so tatsächlich vorhandene physisch konsolidierte Datenspeicherressourcen wie Data Lakes, Datenkataloge, Warehouses, MDM und andere zu verbessern.

Wissensgraphen: Die fehlende Verbindung zu einer erfolgreichen Datenstruktur

Wissensgraphen sind in der Lage, die gesamte Vielfalt und Komplexität von Unternehmensdaten darzustellen, da sie als universelles Bedeutungsformat dienen, unabhängig von der Quellstruktur, dem Speicherort oder dem Format der Daten. Ein Wissensgraph ersetzt den derzeit mühsamen Prozess zur Integration von Unternehmensdaten, der typischerweise Extraktion, Übersetzung, Modellierung, Zuordnung usw. umfasst ziehen um Daten zwischen verschiedenen Anwendungen. Der für die Modellierung und Zuordnung erforderliche benutzerdefinierte Code wird im großen Maßstab schnell unhandlich, was das Tempo von Innovationen und Erkenntnissen verlangsamt.

Wissensgraphen sind ein integraler Bestandteil einer effektiven Datenstruktur, da sie ein wiederverwendbares Wissensnetzwerk erstellen, Daten verschiedener Strukturen problemlos darstellen und mehrere Schemata unterstützen. Wissensgraphen schaffen ein abfragbares, wiederverwendbares semantisches Verständnis von Unternehmens- und Drittdaten und dienen als Kern der Datenstruktur: Sie bereichern und beschleunigen bestehende Investitionen und bieten entscheidenden Zugang zu Geschäftserkenntnissen.

Genau wie eine gewöhnliche Struktur, die sich an alles anpasst, was sie umhüllt, legt sich eine Unternehmensdatenstruktur über vorhandene Datenbestände, stellt über einzelne Threads eine Verbindung zu ihnen her und verwebt diese Quellen zu einer einheitlichen Ebene. Auf diese Weise steigern Datenstrukturen tatsächlich den Geschäftswert bestehender Investitionen.

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