Als führender Datenexperte wissen Sie, dass es bei der Nutzung von Daten darauf ankommt, die richtigen Daten zur richtigen Zeit bereitzustellen – unabhängig davon, wo sie gespeichert sind. Diese Fähigkeit hängt von einer modernen Datenarchitektur ab, die Teil Ihrer Datenstrategie ist.
Eine zweckorientierte Datenarchitektur setzt Geschäftsanforderungen in Daten- und Systemanforderungen um und verwaltet den Schutz und den Fluss von Daten in einem Unternehmen. Denken Sie daran, dass es keine Einheitsformel gibt. Das Framework sollte sich an den Geschäftsanforderungen orientieren und kurz- sowie langfristige Ziele unterstützen. „Die Zeiten einer einfachen, strukturierten Data-at-Rest-Architektur sind vorbei“, sagt Paul Christensen, Data Elite Architect, IBM Expert Labs. „Die Unternehmen von heute werden von Daten in Bewegung und im Ruhezustand angetrieben, von Daten in vielen Formen und von Daten mit unterschiedlichem Qualitäts- und Vertrauensgrad.“
Da Daten mehr denn je sowohl vor Ort als auch in der Cloud verteilt sind, sind Datenarchitekturlösungen unerlässlich, um die speziellen Anforderungen des Unternehmens zu erfüllen, Datenanalysen anzuwenden und Daten und KI in großem Maßstab zu nutzen. Für die meisten Unternehmen ist eine moderne Datenarchitektur heute nicht nur eine Option, sondern eine dringende Notwendigkeit.
Wie finden und bestimmen Sie diese speziellen Anforderungen, um die richtige Technologie auszuwählen? Eine Datentopologie hilft Ihnen dabei, reale Szenarien zu klassifizieren und zu verwalten, um eine moderne Datenarchitektur aufzubauen, die die Benutzer, die Verwendung, die Einschränkungen und den Fluss der Daten berücksichtigt und für zukünftige Anforderungen hochgradig resilient ist.
Lernen Sie Watsonx kennen
Für KI-Updates anmelden
Der Fortschritt der Cloud-Modernisierung wird nicht notwendigerweise die Komplexität oder Kosten reduzieren, Datensilos beseitigen oder Governance und Compliance verwalten. Tatsächlich zeigen Untersuchungen, dass 68 % der Daten ungenutzt bleiben.¹
Hier kommt Data Fabric ins Spiel, ein architektonischer Ansatz zur Vereinfachung des Datenzugriffs und zur Erleichterung der Self-Service-Datennutzung für bessere Entscheidungen. Eine Data-Fabric-Architektur umfasst die entsprechenden Kontrollen zur Unterstützung der erforderlichen Datenflüsse, Prozesse und Nutzer dieser Daten innerhalb eines Unternehmens. Diese moderne Datenarchitektur ebnet den Weg für die End-to-End-Integration verschiedener Datenpipelines und Cloud-Umgebungen durch intelligente und automatisierte Funktionen.
Die Grundlage einer Data Fabric sind verbundene aktive Metadaten – oft als Daten bezeichnet, die Daten beschreiben. Datenbanken oder Datenquellen und -ziele sind ebenfalls wichtige Komponenten. Diese Quellen müssen auf der Grundlage ihrer Funktionen ausgewählt werden, um die erforderliche Workload zu unterstützen, unabhängig davon, ob es sich um transaktionale, operative oder hybride transaktionale und analytische Verarbeitung handelt und ob KI, Business Intelligence, Reporting oder fortgeschrittene Analysen beteiligt sind.
„Kunden können bis zu neun verschiedene Datenbanktypen und viele Instanzen jeder dieser Datenbanken haben. Eine Data-Fabric-Architektur bringt Ordnung in die Datensilos und die Datenfragmentierung, die die Kunden managen müssen“, sagt Edward Calvesbert, Produktleiter für das Datenbankportfolio bei IBM.
Über eine Virtualisierungsschicht führt eine Data Fabric Echtzeitdaten aus verschiedenen Quellen zusammen, darunter bestehende Systeme, Datenbanken, Data Lakes, Data Warehouses, Edge- und In-Memory-Repositories. Diese Quellen können transaktionale, operative oder analytische Workloads ausführen und strukturierte und unstrukturierte Datentypen speichern. Diese Orchestrierung bietet eine zentralisierte Reichweite über alle Punkte Ihrer Datenlandschaft.
Mit diesen End-to-End-Funktionen trägt eine Data Fabric dazu bei, dass Ihre Daten aus verschiedenen Quellen erfolgreich kombiniert, abgerufen und verwaltet werden können, sodass Geschäftsanwender, Data Scientists, Datentechniker und Datenanalysten die Daten für ihre Arbeit nutzen können. Außerdem ermöglicht eine Data Fabric Innovationen im großen Maßstab in Bereichen wie KI, indem verwaltete Datensätze als Grundlage für Ihre KI-Anwendungen bereitgestellt werden.
Wir haben über Data Fabric gesprochen. Aber was ist mit Data Mesh, einem anderen Ansatz, der die unternehmensweite Nutzung von Daten in einer datengesteuerten Architektur rationalisiert?
Data Fabric und Data Mesh sind zwei unterschiedliche Datenarchitekturkonzepte. Jede dieser Lösungen folgt einem Anwendungsfall-bezogenen Design und versucht, die Herausforderungen der Datenflut, der Data-Governance und der Datenverfügbarkeit zu lösen. Sowohl Data Fabric- als auch Data-Mesh-Ansätze stützen sich auf eine kontinuierliche Datenerfassung und Self-Service-Wissenskataloge für Daten. Die gute Nachricht ist, dass sich diese Datenarchitekturkonzepte gegenseitig ergänzen.
Die Unterschiede? Data-Mesh-Architekturen sind domänenspezifisch und technologieunabhängig und für analytische Anwendungsfälle konzipiert. Im Vergleich dazu sind Data-Fabric-Architekturen sowohl für operative als auch für analytische Anwendungsfälle konzipiert. Während Data Fabric eine einheitliche Sicht auf alle Daten-Assets bietet, kann die eigentliche Datenspeicherung dezentral, zentral oder eine Mischung aus beidem sein. Ebenso unterstützen Data-Fabric-Architekturen verschiedene Unternehmensstrukturen, von verbundenen bis hin zu verteilten Strukturen. Schließlich nutzen Data-Fabric-Architekturen künstliche Intelligenz und Technologien für maschinelles Lernen, um die Datenerkennung, Datenklassifizierung und Durchsetzung von Richtlinien zu automatisieren.
Jetzt, da Sie das Potenzial einer Data-Fabric-Architektur erkannt haben, sollten Sie diese Anwendungsfälle untersuchen, um den besten Fokusbereich einzugrenzen, um die Ziele Ihres Unternehmens zu erreichen.
1 Daten neu denken: Machen Sie mehr aus Ihren Geschäftsdaten – von der Edge bis zur Cloud (PDF, Link befindet sich außerhalb von ibm.com), Seagate Technology, Juli 2020.
2 „Datenintegritätstrends: Perspektiven des Chief Data Officer im Jahr 2021 (Link befindet sich außerhalb von ibm.com). Corinium, 18. Juni 2021.