Чому наступне покоління управління даними починається з Data Fabrics

Натисніть, щоб дізнатись більше про автора Кендалл Кларк.

Повноваження ІТ забезпечувати цінність бізнесу ще ніколи не було сильнішим. Насправді, 76% керівників вважають, що ІТ мають бути активним партнером у розробці бізнес-стратегії. Спритність тут є ключем до успіху. Однак більшості підприємств заважають стратегії обробки даних, які залишають команди в безвиході, коли ринок змінюється або виникають нові виклики.

Візьмемо, наприклад, структуровані системи керування даними. Цей варіант добре працював, коли середовище даних підприємства було переважно структурованим. Але тепер світ інший, і в системі корпоративних даних тепер домінують гібридні, різноманітні та мінливі дані. Поява Інтернету речей (IoT), збільшення обсягу неструктурованих даних, зростання актуальності зовнішніх джерел даних і тенденція до гібридних багатохмарних середовищ є перешкодами для задоволення кожного нового запиту на дані. The стара стратегія даних, зосереджена навколо реляційних систем даних, фундаментально порушена. Отже, як підприємства можуть перейти від стратегії реагування на оперативні дані?

Enterprise Data Fabrics: шлях вперед

Сьогодні організації прагнуть створити a тканина даних для підтримки спільних багатофункціональних проектів і продуктів, а також для уникнення реактивних робочих процесів за допомогою стійкої цифрової основи – не потрібно копіювати та замінювати. Компоненти даних об’єднують дані з внутрішніх і зовнішніх джерел даних і створюють мережу інформації для роботи програм, ШІ та аналітики. Простіше кажучи, вони підтримують повний спектр викликів даних у сучасному складному підключеному підприємстві.

На відміну від старих статичних методів інтеграції даних, ключовими принципами структур даних є те, що вони можуть:

• Відповідайте на непередбачені запитання та адаптуйтеся до нових вимог
• Надайте значення даним, що веде до кращого розуміння
• Увімкніть запити до даних і зовнішніх джерел, незалежно від структури даних
• Модернізуйте існуючі системи таким чином, щоб не потрібно було їх замінювати
• Підключайте дані на обчислювальному рівні, а не на рівні зберігання, щоб можна було з’єднати дані, не створюючи додаткових резервів

Структури даних також підтримують міжфункціональні з’єднання даних, які є ключовими для створення та захисту конкурентної переваги та забезпечення співпраці в масштабах підприємства та із зовнішніми партнерами. Візьміть як приклад проблеми, пов’язані з інноваціями в ланцюзі поставок. Звичайні системи передачі даних ланцюга постачання — це естафета, що працює з лінійними передачами та ізольованими одноранговими з’єднаннями між системами. Ми побачили передбачувані результати, коли вразила COVID-19 і глобальні ланцюжки поставок розвалилися. Деяка напруга або навіть частковий крах були неминучими, але наслідки погіршилися через неадекватні стратегії даних, які розглядали ланцюг поставок як жорстку систему. Насправді ланцюжок поставок — це складна мережа учасників, які мають бути повністю синхронізовані, щоб коригуватись за потреби.

Завдяки цифровій мережі постачання, що працює на базі даних, підприємства можуть відповідати на складні запитання, на які вони раніше не бачили, наприклад, «покажіть мені всі партії сировини та відповідних постачальників, які беруть участь у виробництві готової партії товару 123». Або «Як порівняти собівартість продукту А між цими двома регіонами?» Або «які виробники постачали сировину, залучену до цієї скарги клієнта?»

Поєднання успішної структури даних починається з розуміння її матеріалів

На відміну від інших підходів, структури даних об’єднують існуючі системи керування даними та програми. Тож не дивно, що структури даних швидко розглядаються як наступний крок у розвитку простору інтеграції даних. Це відбувається тому, що структури даних можуть:

1. Розкрийте прихований сенс: Структури даних змінюють статус-кво, доставляючи значення, а не лише дані, у всьому підприємстві. Це значення поєднується з багатьох джерел: даних і метаданих, внутрішніх і зовнішніх джерел, а також хмарних і локальних систем. Значення враховується в розширюваних моделях даних на основі графів знань, де весь контекст кожного ресурсу даних повністю присутній і доступний у машинно-зрозумілій формі. Завдяки структурі даних люди й алгоритми можуть приймати кращі рішення, а також зменшують ймовірність і ризик неправильного використання чи неправильного тлумачення даних.

2. Дайте відповіді на складні запитання: Структури даних надають відповіді за допомогою потужних запитів, пошуку та можливостей навчання. Замість статичного об’єкта, заснованого на переміщенні або копіюванні даних, платформа обробки даних надає динамічний рівень даних із можливістю запиту, який збирає відповіді з усіх силоси даних. Попередні стратегії інтеграції даних покладалися на створення нової моделі даних для підтримки кожного нового випадку використання, а потім переміщення або копіювання даних для заповнення цієї моделі даних. Завдяки структурі даних моделі даних можна використовувати багаторазово, тому, коли виникають непередбачені запитання, командам легко адаптуватися до потреб бізнесу.

3. Підтримка міжфункціональних проектів управління даними: Структури даних об’єднують існуючі системи керування даними, збагачуючи всі підключені програми. Вони замінюють старі системи, які збирали або каталогізували активи підприємства, але не могли зробити дані придатними для використання. Попередні рішення також зазнали невдачі частково через нездатність обробляти гібридні, різноманітні та мінливі дані, а також через організаційну відмову. Проте структури даних створені для співпраці, використання та підключення існуючих активів, а також стимулювання нової породи багатофункціональних проектів керування даними.

Модернізація існуючих інвестицій

Більшість із нас пам’ятає, як колись озера даних обіцяли централізувати корпоративні ресурси даних. Але багатьом озерам даних не вдається задовольнити свій ажіотаж саме тому, що вони розміщують дані на рівні зберігання, а не підключають їх на обчислювальному рівні. Вони використовують дані на основі його місцезнаходження, а не на основі його бізнес-сенсу. Загальна передумова, що стоїть за структурою даних, полягає в тому, що фізичне розміщення даних саме по собі не забезпечує з’єднання даних або надає значення чи контекст. Старіші покоління інтеграційних систем на основі сховищ, таких як сховища даних, фактично навіть менш спроможні, ніж озера даних, оскільки вони легко керують лише структурованими даними, залишаючи напівструктуровані та неструктуровані дані повністю безадресними та відключеними. Компанії швидко звернулися до каталогів даних, щоб спробувати вирішити дивовижне розмаїття своїх ландшафтів даних, але зрозуміли, що каталогізація сама по собі не веде до пов’язаного підприємства.

Незважаючи на те, що ці технології обіцяли покінчити з накопиченням даних, правда полягає в тому, що вони неминучі та існують з дуже поважних причин. Вони дозволяють здійснювати локальний контроль і управління, коли це важливо для певної частини бізнесу, оскільки деякі дані повинні зберігатися окремо від інших даних для дотримання законодавчих норм або просто з міркувань успадкованого бізнесу. Традиційна інтеграція даних спрямована на усунення
ng силосів шляхом освоєння, міграції, консолідації або управління. Але дані тканини пропонують практичну альтернативу. Замість того, щоб працювати проти бункерів даних, структура даних використовує їх, не вимагаючи подальших копій даних. Замість заміни застарілих технологій мережа даних працює разом із наявними інвестиціями та покращує їх корисність. Це пояснюється тим, що структура даних — це архітектурний дизайн, який працює на обчислювальному рівні та зосереджується на з’єднанні даних, де б вони не знаходилися, і, таким чином, фактично покращує наявні фізично консолідовані ресурси зберігання даних, такі як озера даних, каталоги даних, сховища, MDM та інші.

Графи знань: відсутня частина успішної структури даних

Графи знань здатні відобразити всю різноманітність і складність корпоративних даних, оскільки вони служать універсальним форматом для значення, незалежно від структури джерела даних, розташування або формату. Граф знань замінює поточний трудомісткий процес інтеграції корпоративних даних, який зазвичай включає вилучення, переклад, моделювання, відображення, а потім переміщення даних між різними програмами. Спеціальний код, необхідний для моделювання та картографування, швидко стає громіздким у великому масштабі, уповільнюючи темп інновацій та розуміння.

Графи знань є невід’ємною частиною ефективної структури даних, оскільки вони створюють багаторазову мережу знань і легко представляють дані різних структур і підтримують численні схеми. Створюючи багаторазове семантичне розуміння корпоративних і сторонніх даних із можливістю запиту, графи знань служать ядром структури даних: збагачуючи та прискорюючи існуючі інвестиції та забезпечуючи критично важливий доступ до бізнес-аналізу.

Так само, як звичайна структура, яка відповідає всьому, що вона огортає, мережа корпоративних даних покриває існуючі ресурси даних і з’єднується з ними через окремі потоки та об’єднує ці джерела в єдиний шар. Таким чином, структури даних фактично збільшують бізнес-цінність існуючих інвестицій.

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