Γιατί η επόμενη γενιά διαχείρισης δεδομένων ξεκινά με τα Data Fabrics

Κάντε κλικ για να μάθετε περισσότερα σχετικά με τον συγγραφέα Κένταλ Κλαρκ.

Η εντολή για την IT να προσφέρει επιχειρηματική αξία δεν ήταν ποτέ ισχυρότερη. Στην πραγματικότητα, 76% των στελεχών πιστεύουν ότι η πληροφορική πρέπει να είναι ενεργός εταίρος στην ανάπτυξη επιχειρηματικής στρατηγικής. Η ευκινησία είναι το κλειδί της επιτυχίας εδώ. Ωστόσο, οι περισσότερες επιχειρήσεις παρεμποδίζονται από στρατηγικές δεδομένων που αφήνουν τις ομάδες με ίσια πόδια όταν η αγορά αλλάζει ή προκύπτουν νέες προκλήσεις.

Πάρτε για παράδειγμα δομημένα συστήματα διαχείρισης δεδομένων. Αυτή η επιλογή λειτούργησε καλά όταν το τοπίο των εταιρικών δεδομένων ήταν κατά κύριο λόγο δομημένο. Όμως ο κόσμος είναι διαφορετικός τώρα, και το τοπίο των εταιρικών δεδομένων κυριαρχείται πλέον από υβριδικά, ποικίλα και μεταβαλλόμενα δεδομένα. Η εμφάνιση του Internet of Things (IoT), η αύξηση του όγκου μη δομημένων δεδομένων, η αυξανόμενη συνάφεια των εξωτερικών πηγών δεδομένων και η τάση προς υβριδικά περιβάλλοντα πολλαπλών νέφους αποτελούν εμπόδια στην ικανοποίηση κάθε νέου αιτήματος δεδομένων. ο παλιά στρατηγική δεδομένων, με επίκεντρο τα συστήματα σχεσιακών δεδομένων, είναι ριζικά σπασμένο. Πώς μπορούν λοιπόν οι επιχειρήσεις να στραφούν από μια αντιδραστική σε μια ανταποκρινόμενη στρατηγική δεδομένων;

Enterprise Data Fabrics: The Path Forward

Οι οργανισμοί σήμερα αναζητούν να οικοδομήσουν ένα δομή δεδομένων για να τροφοδοτήσετε συνεργατικά, διαλειτουργικά έργα και προϊόντα και για να ξεφύγετε από αντιδραστικές ροές εργασίας με μια ανθεκτική ψηφιακή βάση – δεν απαιτείται αντικατάσταση και αντικατάσταση. Τα υφάσματα δεδομένων συνδυάζουν δεδομένα από εσωτερικά σιλό δεδομένων και εξωτερικές πηγές και δημιουργούν ένα δίκτυο πληροφοριών για την ενίσχυση των εφαρμογών, της τεχνητής νοημοσύνης και των αναλυτικών στοιχείων. Πολύ απλά, υποστηρίζουν όλο το εύρος των προκλήσεων δεδομένων στη σημερινή πολύπλοκη, συνδεδεμένη επιχείρηση.

Σε αντίθεση με παλαιότερες, στατικές τεχνικές ενοποίησης δεδομένων, οι βασικές αρχές των υφασμάτων δεδομένων είναι ότι μπορούν:

• Απαντήστε σε απρόβλεπτες ερωτήσεις και προσαρμοστείτε στις νέες απαιτήσεις
• Δώστε νόημα στα δεδομένα, κάτι που οδηγεί σε καλύτερη διορατικότητα
• Ενεργοποίηση ερωτημάτων σε σιλό δεδομένων και εξωτερικές πηγές, ανεξάρτητα από τη δομή των δεδομένων
• Εκσυγχρονίστε τα υπάρχοντα συστήματα, ώστε να μην απαιτείται rip-and-replace
• Συνδέστε δεδομένα στο επίπεδο υπολογισμού, όχι στο επίπεδο αποθήκευσης, έτσι ώστε τα σιλό δεδομένων να μπορούν να συνδεθούν χωρίς τη δημιουργία πρόσθετων σιλό

Τα υφάσματα δεδομένων υποστηρίζουν επίσης τις διαλειτουργικές συνδέσεις δεδομένων που είναι βασικές για τη δημιουργία και την υπεράσπιση του ανταγωνιστικού πλεονεκτήματος και την παροχή δυνατότητας συνεργασίας σε όλη την επιχείρηση και με εξωτερικούς συνεργάτες. Πάρτε ως παράδειγμα τις προκλήσεις γύρω από την καινοτομία της εφοδιαστικής αλυσίδας. Τα συμβατικά συστήματα δεδομένων εφοδιαστικής αλυσίδας είναι μια κούρσα αναμετάδοσης, που λειτουργεί με γραμμικές μεταβιβάσεις και σιλό, peer-to-peer συνδέσμους μεταξύ συστημάτων. Είδαμε τα προβλέψιμα αποτελέσματα όταν χτύπησε το COVID-19 και οι παγκόσμιες αλυσίδες εφοδιασμού κατέρρευσαν. Κάποια πίεση ή ακόμη και μερική κατάρρευση ήταν αναπόφευκτη, αλλά οι συνέπειες επιδεινώθηκαν από ανεπαρκείς στρατηγικές δεδομένων που αντιμετώπιζαν την αλυσίδα εφοδιασμού ως άκαμπτο σύστημα. Στην πραγματικότητα, η εφοδιαστική αλυσίδα είναι ένα πολύπλοκο δίκτυο παραγόντων που πρέπει να είναι πλήρως συγχρονισμένοι για να προσαρμόζονται όπως απαιτείται.

Με ένα ψηφιακό δίκτυο εφοδιασμού που τροφοδοτείται από έναν ιστό δεδομένων, οι επιχειρήσεις μπορούν να απαντήσουν σε σύνθετες ερωτήσεις στις οποίες προηγουμένως ήταν τυφλές, όπως «δείξε μου όλες τις πολλές πρώτες ύλες και τους σχετικούς προμηθευτές που εμπλέκονται στην παραγωγή της τελικής καλής παρτίδας 123». Ή "πώς συγκρίνεται το COGS για το προϊόν Α μεταξύ αυτών των δύο περιοχών;" Ή "ποιοι κατασκευαστές προμήθευσαν τις πρώτες ύλες που εμπλέκονται σε αυτό το παράπονο πελατών;"

Η συρραφή ενός επιτυχημένου υφάσματος δεδομένων ξεκινά με την κατανόηση των υλικών του

Σε αντίθεση με άλλες προσεγγίσεις, τα υφάσματα δεδομένων συνδυάζουν υπάρχοντα συστήματα και εφαρμογές διαχείρισης δεδομένων. Επομένως, δεν είναι περίεργο ότι τα υφάσματα δεδομένων θεωρούνται γρήγορα ως το επόμενο βήμα προς τα εμπρός στην ωρίμανση του χώρου ενοποίησης δεδομένων. Αυτό συμβαίνει επειδή τα υφάσματα δεδομένων μπορούν:

1. Αποκαλύψτε το κρυφό νόημα: Τα υφάσματα δεδομένων αλλάζουν το status quo παρέχοντας νόημα, όχι μόνο δεδομένα, σε όλη την επιχείρηση. Αυτό το νόημα είναι συνυφασμένο από πολλές πηγές: δεδομένα και μεταδεδομένα, εσωτερικές και εξωτερικές πηγές και συστήματα cloud και on-prem. Το νόημα αποτυπώνεται μέσα και από επεκτάσιμα μοντέλα δεδομένων που τροφοδοτούνται από γραφήματα γνώσης, με όλο το πλαίσιο σε κάθε στοιχείο δεδομένων πλήρως παρόν και διαθέσιμο, σε κατανοητή από μηχανής μορφή. Με έναν ιστό δεδομένων, οι άνθρωποι και οι αλγόριθμοι μπορούν να λάβουν καλύτερες αποφάσεις, ενώ παράλληλα μειώνουν την πιθανότητα και τον κίνδυνο κακής χρήσης ή παρερμηνείας δεδομένων.

2. Απαντήστε σε δύσκολες ερωτήσεις: Τα υφάσματα δεδομένων παρέχουν απαντήσεις μέσω ισχυρών δυνατοτήτων αναζήτησης, αναζήτησης και εκμάθησης. Αντί για μια στατική οντότητα που βασίζεται σε μετακίνηση ή αντιγραφή δεδομένων, μια πλατφόρμα δεδομένων υφάσματος παρέχει ένα δυναμικό επίπεδο δεδομένων με δυνατότητα αναζήτησης που συλλέγει απαντήσεις από κάθε πλευρά σιλό δεδομένων. Οι προηγούμενες στρατηγικές ενοποίησης δεδομένων βασίζονταν στη δημιουργία ενός νέου μοντέλου δεδομένων για την υποστήριξη κάθε νέας περίπτωσης χρήσης και στη συνέχεια στη μετακίνηση ή αντιγραφή δεδομένων για τη συμπλήρωση αυτού του μοντέλου δεδομένων. Με έναν ιστό δεδομένων, τα μοντέλα δεδομένων είναι επαναχρησιμοποιήσιμα, επομένως, όταν προκύπτουν απρόβλεπτα ερωτήματα, είναι εύκολο για τις ομάδες να προσαρμοστούν στις ανάγκες της επιχείρησης.

3. Υποστήριξη διαλειτουργικών έργων διαχείρισης δεδομένων: Τα υφάσματα δεδομένων συνδυάζουν υπάρχοντα συστήματα διαχείρισης δεδομένων, εμπλουτίζοντας όλες τις συνδεδεμένες εφαρμογές. Αντικαθιστούν παλαιότερα συστήματα που συνέλεγαν ή καταλόγιζαν τα περιουσιακά στοιχεία μιας επιχείρησης, αλλά απέτυχαν να κάνουν τα δεδομένα χρησιμοποιήσιμα. Οι προηγούμενες λύσεις απέτυχαν επίσης εν μέρει λόγω της αδυναμίας τους να χειριστούν υβριδικά, ποικίλα και μεταβαλλόμενα δεδομένα, αλλά και λόγω της οργανωτικής ώθησης. Τα υφάσματα δεδομένων, ωστόσο, είναι κατασκευασμένα για συνεργασία, μόχλευση και σύνδεση υφιστάμενων περιουσιακών στοιχείων και οδηγώντας μια νέα σειρά διαλειτουργικών έργων Διαχείρισης Δεδομένων.

Εκσυγχρονισμός υφιστάμενων επενδύσεων

Οι περισσότεροι από εμάς θα θυμούνται πώς οι λίμνες δεδομένων κάποτε είχαν την υπόσχεση της συγκέντρωσης των στοιχείων ενεργητικού μιας επιχείρησης. Αλλά πολλές λίμνες δεδομένων αποτυγχάνουν να αποδώσουν τη διαφημιστική εκστρατεία τους ακριβώς επειδή συγκεντρώνουν δεδομένα στο επίπεδο αποθήκευσης αντί να τα συνδέουν στο επίπεδο υπολογισμού. Αξιοποιούν δεδομένα με βάση την τοποθεσία του και όχι με βάση την επιχειρηματική τους σημασία. Ολόκληρη η αρχή πίσω από έναν ιστό δεδομένων είναι ότι η φυσική συνεγκατάσταση δεδομένων δεν ολοκληρώνει από μόνη της τη σύνδεση δεδομένων ούτε παρέχει νόημα ή πλαίσιο. Οι παλαιότερες γενιές συστημάτων ολοκλήρωσης που βασίζονται σε αποθήκευση, όπως η αποθήκη δεδομένων, είναι, στην πραγματικότητα, λιγότερο ικανές από τις λίμνες δεδομένων, καθώς διαχειρίζονται εύκολα δομημένα δεδομένα στην αρχή, αφήνοντας τα ημιδομημένα και αδόμητα σιλό δεδομένων εντελώς άδιευθυντα και αποσυνδεδεμένα. Οι εταιρείες στράφηκαν γρήγορα σε καταλόγους δεδομένων για να προσπαθήσουν να αντιμετωπίσουν την μπερδεμένη ποικιλομορφία των τοπίων δεδομένων τους μόνο για να μάθουν ότι η καταλογογράφηση από μόνη της δεν οδηγεί σε μια συνδεδεμένη επιχείρηση.

While these technologies promised to end data silos, the truth is they are inevitable and exist for very good reasons. They allow for local control and governance when it is important to a particular part of the business, as some data must be stored apart from other data to comply with legal regulation or simply for legacy business reasons. Conventional data integration focused on eliminati
ng silos through mastering, migration, consolidation, or governance. But data fabrics offer a practical alternative. Rather than working against data silos, a data fabric leverages them without requiring further copies of data. Instead of replacing legacy technologies, a data fabric works alongside existing investments and improves their utility. This is because a data fabric is an architectural design that operates at the compute layer and focuses on connecting data wherever it resides and, thus, actually improves existing physically consolidated data storage assets like data lakes, data catalogs, warehouses, MDM, and others.

Γραφήματα γνώσης: Η βελονιά που λείπει σε ένα επιτυχημένο ύφασμα δεδομένων

Τα γραφήματα γνώσης είναι σε θέση να αντιπροσωπεύουν την πλήρη ποικιλομορφία και την πολυπλοκότητα των εταιρικών δεδομένων επειδή χρησιμεύουν ως μια καθολική μορφή για νόημα, ανεξάρτητα από τη δομή της πηγής, τη θέση ή τη μορφή των δεδομένων. Ένα γράφημα γνώσης αντικαθιστά την τρέχουσα επίπονη διαδικασία για την ενοποίηση εταιρικών δεδομένων, η οποία συνήθως περιλαμβάνει εξαγωγή, μετάφραση, μοντελοποίηση, χαρτογράφηση και στη συνέχεια κίνηση δεδομένα μεταξύ διαφόρων εφαρμογών. Ο προσαρμοσμένος κώδικας που απαιτείται για τη μοντελοποίηση και τη χαρτογράφηση γίνεται γρήγορα δυσκίνητος σε μεγάλη κλίμακα, επιβραδύνοντας τον ρυθμό της καινοτομίας και της διορατικότητας.

Τα γραφήματα γνώσης αποτελούν αναπόσπαστο μέρος ενός αποτελεσματικού ιστού δεδομένων, καθώς δημιουργούν ένα επαναχρησιμοποιήσιμο δίκτυο γνώσης και αναπαριστούν εύκολα δεδομένα διαφόρων δομών και υποστηρίζουν πολλαπλά σχήματα. Δημιουργώντας μια αμφισβητήσιμη, επαναχρησιμοποιήσιμη σημασιολογική κατανόηση των δεδομένων επιχειρήσεων και τρίτων, τα γραφήματα γνώσης χρησιμεύουν ως ο πυρήνας του ιστού δεδομένων: εμπλουτίζοντας και επιταχύνοντας τις υπάρχουσες επενδύσεις και παρέχοντας κρίσιμη πρόσβαση στην επιχειρηματική γνώση.

Ακριβώς όπως ένα συνηθισμένο ύφασμα που συμμορφώνεται με ό,τι περιβάλλει, ένα εταιρικό ύφασμα δεδομένων απλώνεται πάνω από υπάρχοντα στοιχεία δεδομένων και συνδέεται με αυτά μέσω μεμονωμένων νημάτων και πλέκει αυτές τις πηγές μαζί σε ένα ενοποιημένο επίπεδο. Με αυτόν τον τρόπο, τα υφάσματα δεδομένων ενισχύουν στην πραγματικότητα την επιχειρηματική αξία των υφιστάμενων επενδύσεων.

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