Waarom de volgende generatie databeheer begint met datafabrics

Klik voor meer informatie over auteur Kendall Clark.

Het mandaat voor IT om bedrijfswaarde te leveren is nog nooit zo sterk geweest. In werkelijkheid, 76% van leidinggevenden geloven dat IT een actieve partner moet zijn bij het ontwikkelen van de bedrijfsstrategie. Wendbaarheid is hier de sleutel tot succes. De meeste ondernemingen worden echter gehinderd door datastrategieën die ervoor zorgen dat teams met de voeten op de grond blijven als de markt verandert of er nieuwe uitdagingen ontstaan.

Neem bijvoorbeeld gestructureerde datamanagementsystemen. Deze optie werkte goed toen het bedrijfsdatalandschap zelf overwegend gestructureerd was. Maar de wereld is nu anders en het datalandschap van ondernemingen wordt nu gedomineerd door hybride, gevarieerde en veranderende data. De opkomst van het Internet of Things (IoT), de toename van het ongestructureerde datavolume, de toenemende relevantie van externe databronnen en de trend naar hybride multi-cloudomgevingen vormen obstakels voor het voldoen aan elk nieuw dataverzoek. De oude datastrategie, gecentreerd rond relationele datasystemen, is fundamenteel kapot. Hoe kunnen ondernemingen dus overstappen van een reactieve naar een responsieve datastrategie?

Enterprise-datafabrics: de weg voorwaarts

Organisaties zijn tegenwoordig op zoek naar een gegevensstof om collaboratieve, cross-functionele projecten en producten mogelijk te maken en te ontsnappen aan reactieve workflows met een veerkrachtige digitale basis – geen rip-and-replace vereist. Datafabrics verweven gegevens uit interne datasilo's en externe bronnen en creëren een netwerk van informatie om apps, AI en analyses mogelijk te maken. Simpel gezegd ondersteunen ze de volledige breedte van de data-uitdagingen in de hedendaagse complexe, verbonden onderneming.

In tegenstelling tot oudere, statische data-integratietechnieken zijn de belangrijkste principes van datafabrics dat ze:

• Beantwoord onverwachte vragen en pas je aan aan nieuwe eisen
• Breng betekenis aan data, wat leidt tot beter inzicht
• Maak query's mogelijk binnen datasilo's en externe bronnen, ongeacht de datastructuur
• Moderniseer bestaande systemen zodat er geen rip-and-replace nodig is
• Verbind gegevens op de rekenlaag, niet op de opslaglaag, zodat gegevenssilo's kunnen worden verbonden zonder extra silo's te creëren

Datafabrics ondersteunen ook de cross-functionele dataverbindingen die essentieel zijn voor het creëren en verdedigen van concurrentievoordeel en het mogelijk maken van samenwerking binnen de onderneming en met externe partners. Neem als voorbeeld de uitdagingen rond supply chain-innovatie. Conventionele supply chain-datasystemen zijn een estafetterace, die werkt met lineaire overdrachten en silo-peer-to-peer-koppelingen tussen systemen. We zagen de voorspelbare resultaten toen COVID-19 toesloeg en de mondiale toeleveringsketens instortten. Enige spanning of zelfs een gedeeltelijke ineenstorting was onvermijdelijk, maar de gevolgen werden nog verergerd door inadequate datastrategieën die de toeleveringsketen als een rigide systeem behandelden. In werkelijkheid is de toeleveringsketen een complex netwerk van actoren die volledig op elkaar moeten zijn afgestemd om zich indien nodig aan te passen.

Met een digitaal leveringsnetwerk dat wordt aangedreven door een datastructuur, kunnen bedrijven complexe vragen beantwoorden waar ze voorheen blind voor waren, zoals “laat mij alle partijen grondstoffen en bijbehorende leveranciers zien die betrokken zijn bij de productie van het eindproduct lot 123.” Of “hoe verhoudt de COGS voor product A zich tussen deze twee regio’s?” Of “welke fabrikanten hebben de grondstoffen geleverd die betrokken zijn bij deze klantklacht?”

Het samenstellen van een succesvol datafabric begint met het begrijpen van de materialen ervan

In tegenstelling tot andere benaderingen verweven datafabrics bestaande datamanagementsystemen en -applicaties met elkaar. Het is dus geen wonder dat datafabrics snel worden gezien als de volgende stap voorwaarts in de volwassenheid van de data-integratieruimte. Dit gebeurt omdat datafabrics:

1. Ontdek verborgen betekenis: Datafabrics veranderen de status quo door betekenis te leveren, en niet alleen data, binnen de hele onderneming. Deze betekenis is vanuit vele bronnen met elkaar verweven: data en metadata, interne en externe bronnen, en cloud- en on-premise-systemen. De betekenis wordt vastgelegd in en door uitbreidbare, op kennisgrafieken gebaseerde datamodellen, waarbij alle context op elke data-asset volledig aanwezig en beschikbaar is, in een door machines te begrijpen vorm. Met een datafabric kunnen mensen en algoritmen betere beslissingen nemen, terwijl ook de kans en het risico op datamisbruik of verkeerde interpretatie worden verkleind.

2. Beantwoord lastige vragen: Datafabrics bieden antwoorden via krachtige zoek-, zoek- en leermogelijkheden. In plaats van een statische entiteit gebaseerd op het verplaatsen of kopiëren van gegevens, biedt een datafabricplatform een ​​dynamische ‘opvraagbare’ gegevenslaag die antwoorden verzamelt van over de hele wereld. gegevenssilo's. Eerdere data-integratiestrategieën waren gebaseerd op het creëren van een nieuw datamodel om elke nieuwe use case te ondersteunen en het vervolgens verplaatsen of kopiëren van data om dat datamodel in te vullen. Met een datafabric zijn datamodellen herbruikbaar, dus als er onverwachte vragen rijzen, kunnen teams zich gemakkelijk aanpassen aan de behoeften van het bedrijf.

3. Ondersteuning van cross-functionele databeheerprojecten: Datafabrics verweven bestaande datamanagementsystemen en verrijken zo alle verbonden apps. Ze vervangen oudere systemen die de bedrijfsmiddelen van een onderneming verzamelden of catalogiseerden, maar er niet in slaagden de gegevens bruikbaar te maken. Eerdere oplossingen faalden ook gedeeltelijk vanwege hun onvermogen om met hybride, gevarieerde en veranderende gegevens om te gaan, maar ook vanwege de tegenwerking van de organisatie. Datafabrics zijn echter gebouwd voor samenwerking, het benutten en verbinden van bestaande assets en het aandrijven van een nieuw soort cross-functionele datamanagementprojecten.

Moderniseer bestaande investeringen

De meesten van ons zullen zich herinneren hoe datameren ooit de belofte in zich droegen om de dataactiva van een onderneming te centraliseren. Maar veel datameren slagen er niet in hun hype waar te maken, juist omdat ze gegevens op de opslaglaag samenbrengen in plaats van deze op de computerlaag te verbinden. Ze maken gebruik van gegevens op basis van de locatie in plaats van op basis van de zakelijke betekenis ervan. Het hele uitgangspunt achter een datafabric is dat fysieke collocatie van data op zichzelf geen dataverbinding tot stand brengt of betekenis of context biedt. Oudere generaties op opslag gebaseerde integratiesystemen, zoals het datawarehouse, zijn zelfs nog minder capabel dan datameren, omdat ze in het begin alleen maar gemakkelijk gestructureerde data beheren, waardoor de semi-gestructureerde en ongestructureerde datasilo's volledig ongeadresseerd en losgekoppeld blijven. Bedrijven wendden zich al snel tot datacatalogi in een poging de verbijsterende diversiteit van hun datalandschappen aan te pakken, maar ontdekten dat catalogiseren alleen niet leidt tot een verbonden onderneming.

Hoewel deze technologieën beloofden een einde te maken aan datasilo's, is de waarheid dat ze onvermijdelijk zijn en om zeer goede redenen bestaan. Ze maken lokale controle en bestuur mogelijk wanneer dit belangrijk is voor een bepaald onderdeel van het bedrijf, omdat sommige gegevens apart van andere gegevens moeten worden opgeslagen om te voldoen aan wettelijke regelgeving of eenvoudigweg om verouderde zakelijke redenen. Conventionele data-integratie gericht op eliminati
silo’s creëren door middel van mastering, migratie, consolidatie of governance. Maar datastoffen bieden een praktisch alternatief. In plaats van datasilo’s tegen te gaan, maakt een datafabric er gebruik van, zonder dat er verdere kopieën van de data nodig zijn. In plaats van bestaande technologieën te vervangen, werkt een datafabric naast bestaande investeringen en verbetert het nut ervan. Dit komt omdat een datafabric een architectonisch ontwerp is dat op de computerlaag werkt en zich richt op het verbinden van gegevens, waar deze zich ook bevinden, en dus feitelijk bestaande fysiek geconsolideerde gegevensopslagmiddelen verbetert, zoals datameren, datacatalogi, magazijnen, MDM en andere.

Kennisgrafieken: de ontbrekende steek voor een succesvolle datafabric

Kennisgrafieken kunnen de volledige diversiteit en complexiteit van bedrijfsgegevens weergeven, omdat ze dienen als een universeel formaat voor betekenis, ongeacht de bronstructuur, locatie of het formaat van de gegevens. Een kennisgrafiek vervangt het huidige moeizame proces voor het integreren van bedrijfsgegevens, dat doorgaans gepaard gaat met extractie, vertaling, modellering, mapping en vervolgens bewegend gegevens tussen verschillende applicaties. De aangepaste code die nodig is voor het modelleren en in kaart brengen wordt op grote schaal al snel onpraktisch, waardoor het tempo van innovatie en inzicht wordt vertraagd.

Kennisgrafieken zijn een integraal onderdeel van een effectief dataweefsel, omdat ze een herbruikbaar kennisnetwerk creëren, gemakkelijk gegevens uit verschillende structuren weergeven en meerdere schema's ondersteunen. Kennisgrafieken creëren een doorzoekbaar, herbruikbaar semantisch begrip van bedrijfsgegevens en gegevens van derden en vormen de kern van de datastructuur: ze verrijken en versnellen bestaande investeringen en bieden kritische toegang tot zakelijk inzicht.

Net als een gewoon weefsel dat zich aanpast aan alles wat het omhult, legt een bedrijfsdataweefsel over bestaande gegevensmiddelen heen, maakt er verbinding mee via individuele draden en weeft deze bronnen samen tot een uniforme laag. Door dit te doen vergroten datastructuren feitelijk de bedrijfswaarde van bestaande investeringen.

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