Miért kezdődik az adatkezelés következő generációja az adatszövetekkel?

Kattintson, ha többet szeretne megtudni a szerzőről Kendall Clark.

Soha nem volt erősebb az IT megbízatása az üzleti érték biztosítására. Valójában, A vezetők 76% -a hisz az IT-nek aktív partnernek kell lennie az üzleti stratégia kialakításában. Az agilitás itt a siker kulcsa. A legtöbb vállalkozást azonban hátráltatják az olyan adatstratégiák, amelyek a piac eltolódásakor vagy új kihívások esetén a csapatokat lapos lábon hagyják.

Vegyük például a strukturált adatkezelési rendszereket. Ez a lehetőség akkor működött jól, ha a vállalati adatkörnyezet túlnyomórészt strukturált volt. De a világ most más, és a vállalati adatkörnyezetet a hibrid, változatos és változó adatok uralják. A dolgok internete (IoT) megjelenése, a strukturálatlan adatmennyiség növekedése, a külső adatforrások növekvő relevanciája, valamint a hibrid többfelhős környezetek irányába mutató tendencia akadályozza minden új adatigény kielégítését. A régi adatstratégia, amelynek középpontjában a relációs adatrendszerek állnak, alapvetően megtört. Tehát hogyan válthatnak át a vállalkozások a reaktív adatstratégiáról a reszponzív adatstratégiára?

Enterprise Data Fabrics: Az út előre

A szervezetek ma arra törekednek, hogy a adatszövet az együttműködésen alapuló, többfunkciós projektek és termékek támogatására, valamint a reaktív munkafolyamatok elkerülésére egy rugalmas digitális alappal – nincs szükség átvágásra és cserére. Az adatszövetek a belső adatsilókból és a külső forrásokból származó adatokat szövik össze, és információhálózatot hoznak létre az alkalmazások, a mesterséges intelligencia és az elemzések működéséhez. Egész egyszerűen támogatják az adatszolgáltatási kihívások teljes skáláját a mai összetett, összekapcsolt vállalkozásokban.

A régebbi, statikus adatintegrációs technikákkal ellentétben az adatszövetek alapelvei, hogy képesek:

• Válaszoljon a váratlan kérdésekre, és alkalmazkodjon az új követelményekhez
• Adjon értelmet az adatoknak, ami jobb betekintést nyújt
• Lekérdezések engedélyezése adatsilók és külső források között, az adatszerkezettől függetlenül
• Modernizálja a meglévő rendszereket, hogy ne legyen szükség rip-és-csere-re
• Csatlakoztassa az adatokat a számítási réteghez, ne a tárolóréteghez, hogy az adatsilókat további silók létrehozása nélkül lehessen csatlakoztatni

Az adatszövetek támogatják a többfunkciós adatkapcsolatokat is, amelyek kulcsfontosságúak a versenyelőny megteremtésében és megvédésében, valamint lehetővé teszik a vállalaton belüli és a külső partnerekkel való együttműködést. Vegyük példaként az ellátási lánc innovációjával kapcsolatos kihívásokat. A hagyományos ellátási lánc adatrendszerek közvetítőversenyek, amelyek lineáris átadásokkal és silózott, peer-to-peer kapcsolatokkal működnek a rendszerek között. Láttuk a megjósolható eredményeket, amikor a COVID-19 beütött, és a globális ellátási láncok összeomlottak. Némi megerőltetés vagy akár részleges összeomlás elkerülhetetlen volt, de a következményeket tovább rontották a nem megfelelő adatstratégiák, amelyek az ellátási láncot merev rendszerként kezelték. A valóságban az ellátási lánc szereplők összetett hálózata, amelyeknek teljesen szinkronban kell lenniük ahhoz, hogy szükség szerint alkalmazkodjanak.

Az adathálóval működtetett digitális ellátó hálózattal a vállalatok olyan összetett kérdésekre válaszolhatnak, amelyekre korábban vakok voltak, mint például: „mutassa meg az összes nyersanyagtételt és a kapcsolódó beszállítókat, amelyek részt vesznek a 123-as kész áru gyártásában”. Vagy „hogyan hasonlítható össze az A termék COGS-értéke a két régió között?” Vagy „mely gyártók szállították a vásárlói panaszban szereplő nyersanyagokat?”

A sikeres adatszövet összefűzése az anyagok megértésével kezdődik

Más megközelítésektől eltérően az adatszövetek a meglévő adatkezelési rendszereket és alkalmazásokat szövik össze. Így nem csoda, hogy az adatszöveteket gyorsan az adatintegrációs tér kifejlődésének következő lépésének tekintik. Ez azért történik, mert az adatszövetek:

1. Fedezze fel a rejtett jelentést: Az adatszövetek megváltoztatják a status quót azáltal, hogy jelentést adnak át a vállalaton belül, nem csak adatokat. Ez a jelentés számos forrásból szőtt össze: adatok és metaadatok, belső és külső források, valamint felhő és helyszíni rendszerek. A jelentést a bővíthető, tudásgráf-alapú adatmodelleken belül és azok segítségével rögzítik, ahol minden egyes adatelemen minden kontextus teljes mértékben jelen van és elérhető, gépileg érthető formában. Az adatszövet segítségével az emberek és az algoritmusok jobb döntéseket hozhatnak, miközben csökkentik az adatokkal való visszaélés vagy félreértelmezés valószínűségét és kockázatát.

2. Válaszolj nehéz kérdésekre: Az adatszövetek hatékony lekérdezési, keresési és tanulási lehetőségeken keresztül választanak választ. Az adatok mozgatására vagy másolására épülő statikus entitás helyett az adatszövet-platform dinamikus „lekérdezhető” adatréteget biztosít, amely válaszokat gyűjt a különböző országokból. adat silók. A korábbi adatintegrációs stratégiák egy új adatmodell létrehozásán alapultak minden új felhasználási eset támogatására, majd az adatok áthelyezésére vagy másolására az adatmodell kitöltéséhez. Az adatszövet segítségével az adatmodellek újrafelhasználhatók, így ha váratlan kérdések merülnek fel, a csapatok könnyen alkalmazkodhatnak az üzleti igényekhez.

3. Többfunkciós adatkezelési projektek támogatása: Az adatszövetek összefonják a meglévő adatkezelési rendszereket, gazdagítva az összes csatlakoztatott alkalmazást. Leváltják azokat a régebbi rendszereket, amelyek összegyűjtötték vagy katalogizálták a vállalat eszközeit, de nem tették használhatóvá az adatokat. A korábbi megoldások részben azért is kudarcot vallottak, mert képtelenek voltak kezelni a hibrid, változatos és változó adatokat, de a szervezeti visszaszorítás miatt is. Az adatszövetek azonban az együttműködésre, a meglévő eszközök kihasználására és összekapcsolására épülnek, valamint a többfunkciós adatkezelési projektek új fajtájának mozgatására.

Meglévő beruházások korszerűsítése

Legtöbben emlékezni fogunk arra, hogy a Data Lake-ek egykor azt ígérték, hogy központosítják a vállalat adatvagyonát. Sok adatforrás azonban éppen azért nem tudja teljesíteni a felhajtást, mert a tárolási rétegben helyezi el az adatokat, nem pedig a számítási réteghez köti össze. Az adatokat a helyük alapján használják fel, nem pedig az üzleti jelentésük alapján. Az adatszövet mögött meghúzódó teljes előfeltevés az, hogy az adatok fizikai elhelyezése önmagában nem hoz létre adatkapcsolatot, nem ad jelentést vagy kontextust. A tárolóalapú integrációs rendszerek régebbi generációi, mint például az adattárház, valójában még kevésbé képesek, mint az adattárak, mivel kezdetben csak könnyen kezelik a strukturált adatokat, így a félig strukturált és strukturálatlan adatsilók teljesen cím nélkül maradnak és szétkapcsolódnak. A vállalatok gyorsan az adatkatalógusokhoz fordultak, hogy megpróbálják kezelni az adatkörnyezetük megdöbbentő sokszínűségét, csakhogy megtanulják, hogy a katalogizálás önmagában nem vezet összekapcsolt vállalkozáshoz.

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.

Tudásgrafikonok: A hiányzó öltés a sikeres adatszövethez

A tudásgráfok képesek reprezentálni a vállalati adatok teljes sokféleségét és összetettségét, mert univerzális jelentésformátumként szolgálnak, függetlenül az adatok forrásszerkezetétől, helyétől vagy formátumától. A tudásgráf helyettesíti a vállalati adatok integrálásának jelenlegi fáradságos folyamatát, amely általában kinyerést, fordítást, modellezést, leképezést, majd mozgó adatokat a különböző alkalmazások között. A modellezéshez és leképezéshez szükséges egyedi kód nagy léptékben gyorsan nehézkessé válik, lelassítva az innováció és a betekintés ütemét.

A tudásgráfok a hatékony adatszövet szerves részét képezik, mivel újrafelhasználható tudáshálózatot hoznak létre, és könnyen reprezentálják a különféle struktúrák adatait, és többféle sémát támogatnak. A vállalati és harmadik felek adatainak lekérdezhető, újrafelhasználható szemantikai megértését létrehozó tudásgráfok az adatszövet magját képezik: gazdagítják és felgyorsítják a meglévő befektetéseket, valamint kritikus hozzáférést biztosítanak az üzleti betekintéshez.

Csakúgy, mint egy közönséges szövet, amely alkalmazkodik bármihez, amit burkol, a vállalati adatháló a meglévő adatvagyon fölé húzódik, és egyedi szálakon keresztül csatlakozik hozzájuk, és ezeket a forrásokat egységes réteggé szövi. Ezzel az adatszövetek valójában növelik a meglévő befektetések üzleti értékét.

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