เหตุใดการจัดการข้อมูลรุ่นต่อไปจึงเริ่มต้นด้วย Data Fabrics

คลิกเพื่อดูข้อมูลเพิ่มเติมเกี่ยวกับผู้เขียน เคนดัลล์ คลาร์ก.

หน้าที่สำหรับไอทีในการส่งมอบมูลค่าทางธุรกิจที่ไม่เคยมีมาก่อน ในความเป็นจริง, 76% ของผู้บริหาร เชื่อว่าไอทีจะต้องเป็นพันธมิตรอย่างแข็งขันในการพัฒนากลยุทธ์ทางธุรกิจ ความคล่องตัวคือกุญแจสู่ความสำเร็จที่นี่ อย่างไรก็ตาม องค์กรส่วนใหญ่ถูกขัดขวางโดยกลยุทธ์ด้านข้อมูลที่ทำให้ทีมต้องหยุดชะงักเมื่อตลาดมีการเปลี่ยนแปลงหรือความท้าทายใหม่ ๆ เกิดขึ้น

ยกตัวอย่างระบบการจัดการข้อมูลที่มีโครงสร้าง ตัวเลือกนี้ใช้ได้ผลดีเมื่อภูมิทัศน์ข้อมูลขององค์กรมีโครงสร้างเป็นส่วนใหญ่ แต่ปัจจุบันโลกเปลี่ยนไปแล้ว และภูมิทัศน์ข้อมูลองค์กรก็ถูกครอบงำด้วยข้อมูลไฮบริด หลากหลาย และเปลี่ยนแปลง การเกิดขึ้นของ Internet of Things (IoT) ปริมาณข้อมูลที่ไม่มีโครงสร้างเพิ่มขึ้น ความเกี่ยวข้องที่เพิ่มขึ้นของแหล่งข้อมูลภายนอก และแนวโน้มต่อสภาพแวดล้อมไฮบริดมัลติคลาวด์เป็นอุปสรรคต่อการตอบสนองคำขอข้อมูลใหม่แต่ละรายการ NS กลยุทธ์ข้อมูลเก่าซึ่งมีศูนย์กลางอยู่ที่ระบบข้อมูลเชิงสัมพันธ์ถูกทำลายโดยพื้นฐาน แล้วองค์กรจะเปลี่ยนจากกลยุทธ์เชิงโต้ตอบเป็นกลยุทธ์ข้อมูลได้อย่างไร

Enterprise Data Fabrics: เส้นทางสู่อนาคต

องค์กรในปัจจุบันกำลังมองหาการสร้าง a ผ้าข้อมูล เพื่อขับเคลื่อนโปรเจ็กต์และผลิตภัณฑ์ข้ามสายงาน และเพื่อหลีกเลี่ยงเวิร์กโฟลว์เชิงโต้ตอบด้วยรากฐานดิจิทัลที่ยืดหยุ่น ไม่จำเป็นต้องริปและแทนที่ โครงสร้างข้อมูลจะรวมข้อมูลจากไซโลข้อมูลภายในและแหล่งข้อมูลภายนอกเข้าด้วยกัน และสร้างเครือข่ายข้อมูลเพื่อขับเคลื่อนแอป, AI และการวิเคราะห์ พูดง่ายๆ ก็คือ รองรับความท้าทายด้านข้อมูลอย่างเต็มรูปแบบในองค์กรที่เชื่อมต่อถึงกันในปัจจุบันที่ซับซ้อน

หลักการสำคัญของ data fabrics ต่างจากเทคนิคการรวมข้อมูลแบบสแตติกที่เก่ากว่าตรงที่พวกเขาสามารถ:

• ตอบคำถามที่ไม่คาดคิดและปรับให้เข้ากับข้อกำหนดใหม่
• นำความหมายมาสู่ข้อมูลซึ่งนำไปสู่ความเข้าใจที่ดีขึ้น
• เปิดใช้งานการสืบค้นข้ามไซโลข้อมูลและแหล่งที่มาภายนอก โดยไม่คำนึงถึงโครงสร้างข้อมูล
• ปรับปรุงระบบที่มีอยู่ให้ทันสมัยเพื่อไม่ให้เกิดการริปและแทนที่
• เชื่อมต่อข้อมูลที่ชั้นประมวลผล ไม่ใช่ที่ชั้นจัดเก็บข้อมูล เพื่อให้สามารถเชื่อมต่อไซโลข้อมูลได้โดยไม่ต้องสร้างไซโลเพิ่มเติม

โครงสร้างข้อมูลยังสนับสนุนการเชื่อมต่อข้อมูลข้ามสายงานซึ่งเป็นกุญแจสำคัญในการสร้างและป้องกันความได้เปรียบทางการแข่งขัน และทำให้เกิดการทำงานร่วมกันทั่วทั้งองค์กรและกับคู่ค้าภายนอก ยกตัวอย่างความท้าทายเกี่ยวกับนวัตกรรมห่วงโซ่อุปทาน ระบบข้อมูลซัพพลายเชนแบบทั่วไปคือการแข่งขันแบบถ่ายทอด ซึ่งดำเนินการด้วยแฮนด์ออฟแบบลิเนียร์และลิงก์แบบเพียร์ทูเพียร์แบบแยกส่วนระหว่างระบบ เราเห็นผลที่คาดการณ์ได้เมื่อเกิดโควิด-19 และห่วงโซ่อุปทานทั่วโลกล่มสลาย ความเครียดบางอย่างหรือแม้แต่การล่มสลายบางส่วนเป็นสิ่งที่หลีกเลี่ยงไม่ได้ แต่ผลที่ตามมากลับแย่ลงด้วยกลยุทธ์ข้อมูลไม่เพียงพอซึ่งถือว่าห่วงโซ่อุปทานเป็นระบบที่เข้มงวด ในความเป็นจริง ห่วงโซ่อุปทานเป็นเครือข่ายที่ซับซ้อนของผู้ดำเนินการซึ่งต้องประสานกันอย่างเต็มที่เพื่อปรับตามความจำเป็น

ด้วยเครือข่ายอุปทานดิจิทัลที่ขับเคลื่อนโดยโครงสร้างข้อมูล องค์กรสามารถตอบคำถามที่ซับซ้อนที่พวกเขาเคยมองข้ามไป เช่น “แสดงวัตถุดิบจำนวนมากและซัพพลายเออร์ที่เกี่ยวข้องในการผลิตล็อตสินค้า 123 สำเร็จรูปให้ฉันเห็น” หรือ “COGS สำหรับผลิตภัณฑ์ A เปรียบเทียบระหว่างสองภูมิภาคนี้ได้อย่างไร” หรือ “ผู้ผลิตรายใดเป็นผู้จัดหาวัตถุดิบที่เกี่ยวข้องกับการร้องเรียนของลูกค้ารายนี้”

การรวม Data Fabric ที่ประสบความสำเร็จเริ่มต้นด้วยการทำความเข้าใจกับวัสดุของมัน

data fabrics ต่างจากวิธีอื่นๆ ตรงที่รวมระบบการจัดการข้อมูลและแอปพลิเคชันที่มีอยู่เข้าด้วยกัน ดังนั้นจึงไม่น่าแปลกใจที่ data fabrics จะถูกมองว่าเป็นขั้นตอนต่อไปอย่างรวดเร็วในการเติบโตเต็มที่ของพื้นที่การรวมข้อมูล สิ่งนี้เกิดขึ้นเพราะ data fabric สามารถ:

1. เปิดเผยความหมายที่ซ่อนอยู่: โครงสร้างข้อมูลเปลี่ยนสถานะที่เป็นอยู่โดยส่งมอบความหมาย ไม่ใช่แค่ข้อมูลทั่วทั้งองค์กร ความหมายนี้ถักทอมาจากหลายแหล่ง ได้แก่ ข้อมูลและเมตาดาต้า แหล่งข้อมูลภายในและภายนอก และระบบคลาวด์และในองค์กร ความหมายจะถูกบันทึกไว้ภายในและโดยแบบจำลองข้อมูลที่ขยายได้และขับเคลื่อนด้วยกราฟความรู้ โดยมีบริบททั้งหมดเกี่ยวกับสินทรัพย์ข้อมูลแต่ละรายการอย่างครบถ้วนและพร้อมใช้งาน ในรูปแบบที่เครื่องเข้าใจได้ ด้วยโครงสร้างข้อมูล ผู้คนและอัลกอริธึมสามารถตัดสินใจได้ดีขึ้น ในขณะเดียวกันก็ช่วยลดโอกาสและความเสี่ยงของการใช้ข้อมูลในทางที่ผิดหรือการตีความผิด

2. ตอบคำถามยาก: โครงสร้างข้อมูลให้คำตอบผ่านการสืบค้น การค้นหา และการเรียนรู้ที่มีประสิทธิภาพ แทนที่จะเป็นเอนทิตีแบบคงที่ตามการย้ายหรือคัดลอกข้อมูล แพลตฟอร์ม data fabric ให้ชั้นข้อมูลแบบไดนามิกที่ "สามารถสืบค้นได้" ที่รวบรวมคำตอบจากข้าม ข้อมูลไซโล. กลยุทธ์การรวมข้อมูลก่อนหน้านี้อาศัยการสร้างแบบจำลองข้อมูลใหม่เพื่อรองรับกรณีการใช้งานใหม่แต่ละรายการ จากนั้นจึงย้ายหรือคัดลอกข้อมูลเพื่อกรอกแบบจำลองข้อมูลนั้น ด้วย data fabric แบบจำลองข้อมูลสามารถนำมาใช้ซ้ำได้ ดังนั้นเมื่อมีคำถามที่ไม่คาดคิดเกิดขึ้น ทีมงานจึงจะปรับตัวให้เข้ากับความต้องการของธุรกิจได้ง่าย

3. สนับสนุนโครงการการจัดการข้อมูลข้ามสายงาน: Data Fabric ผสานรวมระบบการจัดการข้อมูลที่มีอยู่ ทำให้แอปที่เชื่อมต่อทั้งหมดสมบูรณ์ยิ่งขึ้น พวกเขาแทนที่ระบบเก่าที่รวบรวมหรือจัดหมวดหมู่สินทรัพย์ขององค์กร แต่ไม่สามารถให้ข้อมูลใช้งานได้ โซลูชันก่อนหน้านี้ยังล้มเหลวในบางส่วนเนื่องจากไม่สามารถจัดการกับข้อมูลแบบผสม หลากหลาย และเปลี่ยนแปลง แต่ยังเกิดจากการตอบกลับขององค์กร อย่างไรก็ตาม โครงสร้างข้อมูลถูกสร้างขึ้นสำหรับการทำงานร่วมกัน การใช้ประโยชน์และการเชื่อมต่อสินทรัพย์ที่มีอยู่ และขับเคลื่อนโครงการการจัดการข้อมูลข้ามสายงานรูปแบบใหม่

ปรับปรุงการลงทุนที่มีอยู่ให้ทันสมัย

พวกเราส่วนใหญ่จะจำได้ว่าดาต้าเลคเคยรักษาสัญญาที่จะรวมศูนย์สินทรัพย์ข้อมูลขององค์กรได้อย่างไร แต่ Data Lake จำนวนมากล้มเหลวในการแสดงโฆษณาเกินจริง เนื่องจากพวกเขาจัดวางข้อมูลที่ชั้นการจัดเก็บข้อมูล แทนที่จะเชื่อมต่อที่ชั้นประมวลผล พวกเขาใช้ประโยชน์จากข้อมูลตามที่ตั้งมากกว่าตามความหมายทางธุรกิจ หลักฐานทั้งหมดที่อยู่เบื้องหลังโครงสร้างข้อมูลคือการจัดระเบียบข้อมูลทางกายภาพไม่ได้โดยตัวมันเองทำให้การเชื่อมต่อข้อมูลบรรลุผล หรือให้ความหมายหรือบริบท ระบบการรวมระบบจัดเก็บข้อมูลรุ่นเก่า เช่น คลังข้อมูล ที่จริงแล้ว มีความสามารถน้อยกว่า Data Lake เนื่องจากพวกเขาสามารถจัดการข้อมูลที่มีโครงสร้างได้อย่างง่ายดายเพื่อเริ่มต้น โดยปล่อยให้ไซโลข้อมูลกึ่งโครงสร้างและไม่มีโครงสร้างไม่ได้รับการจัดการและขาดการเชื่อมต่อโดยสิ้นเชิง บริษัทต่างๆ หันไปใช้แค็ตตาล็อกข้อมูลอย่างรวดเร็วเพื่อพยายามจัดการกับความหลากหลายที่น่าสับสนของภูมิทัศน์ข้อมูลของตนเพียงเพื่อเรียนรู้ว่าการจัดทำแค็ตตาล็อกเพียงอย่างเดียวไม่ได้นำไปสู่องค์กรที่เชื่อมต่อกัน

แม้ว่าเทคโนโลยีเหล่านี้สัญญาว่าจะยุติไซโลข้อมูล แต่ความจริงก็คือเทคโนโลยีเหล่านี้เป็นสิ่งที่หลีกเลี่ยงไม่ได้และมีอยู่จริงด้วยเหตุผลที่ดี พวกเขาอนุญาตให้มีการควบคุมและกำกับดูแลในท้องถิ่นเมื่อมีความสำคัญต่อส่วนใดส่วนหนึ่งของธุรกิจ เนื่องจากข้อมูลบางอย่างต้องจัดเก็บแยกจากข้อมูลอื่นเพื่อให้เป็นไปตามข้อบังคับทางกฎหมายหรือเพียงเพื่อเหตุผลทางธุรกิจเดิม การรวมข้อมูลแบบเดิมมุ่งเน้นไปที่การกำจัด
แยกกันผ่านการควบคุม การย้ายข้อมูล การรวมบัญชี หรือการกำกับดูแล แต่แฟบริคข้อมูลเสนอทางเลือกที่ใช้งานได้จริง แทนที่จะทำงานกับไซโลข้อมูล Data Fabric ใช้ประโยชน์จากไซโลโดยไม่ต้องใช้สำเนาข้อมูลเพิ่มเติม แทนที่จะแทนที่เทคโนโลยีเดิม โครงสร้างข้อมูลจะทำงานควบคู่ไปกับการลงทุนที่มีอยู่และปรับปรุงยูทิลิตี้ ทั้งนี้เนื่องจากโครงสร้างข้อมูลคือการออกแบบสถาปัตยกรรมที่ทำงานที่ชั้นการประมวลผลและมุ่งเน้นที่การเชื่อมต่อข้อมูลไม่ว่าจะอยู่ที่ใด และด้วยเหตุนี้จึงปรับปรุงสินทรัพย์การจัดเก็บข้อมูลแบบรวมทางกายภาพที่มีอยู่จริง เช่น data lake, แคตตาล็อกข้อมูล, คลังสินค้า, MDM และอื่นๆ

กราฟความรู้: รอยต่อที่ขาดหายไปของโครงสร้างข้อมูลที่ประสบความสำเร็จ

กราฟความรู้สามารถแสดงความหลากหลายและความซับซ้อนของข้อมูลองค์กรได้อย่างเต็มที่ เนื่องจากเป็นกราฟความรู้ที่เป็นสากล โดยไม่คำนึงถึงโครงสร้างแหล่งข้อมูล ตำแหน่ง หรือรูปแบบของข้อมูล กราฟความรู้จะแทนที่กระบวนการที่ลำบากในปัจจุบันสำหรับการผสานรวมข้อมูลขององค์กร ซึ่งโดยทั่วไปแล้วจะเกี่ยวข้องกับการแยก การแปล การสร้างแบบจำลอง การทำแผนที่ และจากนั้น การย้าย ข้อมูลระหว่างโปรแกรมต่างๆ รหัสที่กำหนดเองซึ่งจำเป็นสำหรับการสร้างแบบจำลองและการทำแผนที่อย่างรวดเร็วจะกลายเป็นขนาดใหญ่เทอะทะ ชะลอความเร็วของนวัตกรรมและความเข้าใจ

กราฟความรู้เป็นส่วนสำคัญของโครงสร้างข้อมูลที่มีประสิทธิภาพ เนื่องจากสร้างเครือข่ายความรู้ที่นำกลับมาใช้ใหม่ได้ และแสดงข้อมูลของโครงสร้างต่างๆ ได้อย่างง่ายดาย และรองรับสคีมาหลายแบบ การสร้างความเข้าใจเชิงความหมายที่สืบค้นได้และนำมาใช้ซ้ำได้สำหรับข้อมูลขององค์กรและบุคคลที่สาม กราฟความรู้ทำหน้าที่เป็นแกนหลักของโครงสร้างข้อมูล: การเพิ่มคุณค่าและเร่งการลงทุนที่มีอยู่ และให้การเข้าถึงข้อมูลเชิงลึกทางธุรกิจที่สำคัญ

เช่นเดียวกับแฟบริกทั่วไปที่สอดคล้องกับสิ่งที่ห่อหุ้มไว้ โครงสร้างข้อมูลขององค์กรจะวางเหนือแอสเซทข้อมูลที่มีอยู่และเชื่อมต่อผ่านแต่ละเธรดและรวมแหล่งข้อมูลเหล่านี้เข้าด้วยกันเป็นเลเยอร์ที่รวมเป็นหนึ่งเดียว การทำเช่นนี้ data fabrics จะรวมมูลค่าธุรกิจของการลงทุนที่มีอยู่จริง

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