In der modernen, datengesteuerten Welt werden Informationen nur dann wertvoll, wenn sie kontextualisiert sind und von Geschäftsanwendern zeitnah abgerufen und genutzt werden können. Für viele Unternehmen steht die Operationalisierung von Unternehmensinformationen heute jedoch noch auf der Tagesordnung.
Einer der Hauptgründe dafür ist die zunehmende Komplexität der Datenlandschaft. Unternehmen wollen ihre Entscheidungen nicht mehr nur mit ERP- und CRM-Daten, sondern auch mit Live-Clickstream-Daten, Sensordaten von Geräten und Echtzeit-Standortdaten von Kunden, die über die verschiedenen Systeme verstreut sind, absichern.
Außerdem nimmt die Zahl der Datenkonsumenten exponentiell zu, da IT- und Geschäftsanwender auf verschiedenen Ebenen Zugang zu Informationen erhalten, um ihre Arbeitsaufgaben zu lösen. Damit wird das Gleichgewicht zwischen Sicherheit und Zugänglichkeit zu einer Herausforderung, insbesondere für Organisationen, die in stark regulierten Sektoren tätig sind.
Um die Herausforderung der Variabilität der Datenmengen mit minimalem Aufwand zu bewältigen und ihre Investitionen in die Dateninfrastruktur zu nutzen, wenden sich Unternehmen jetzt an Datenverwaltungsdienste. Und genau hier kommt das Konzept der Data Fabric ins Spiel.
Datenstrukturarchitektur und -funktionen
Data Fabric ist ein Design-Ansatz und eine Reihe von Technologien, die dabei helfen, Datensilos aufzubrechen und Daten unabhängig von ihrem Speicherort, ihrer Art und ihrem Volumen zeitnah an die Verbraucher zu liefern. Die Data-Fabric-Architektur umfasst Wissensgraphen, Datenintegration, KI und Funktionen zur Aktivierung von Metadaten, um den konsistenten Zugriff, die Konsolidierung und den Austausch von Daten im gesamten Unternehmen ohne Vorverarbeitung sowie deren Speicherung in einem zentralisierten strukturierten Repository zu ermöglichen.
Als branchenunabhängiges Designkonzept kann es in jedem Sektor implementiert werden, um Folgendes zu erreichen:
- Unternehmensintelligenz
Data-Fabric-Architektur rationalisiert die Konsolidierung von Informationen aus internen und externen Quellen und hilft Unternehmen unabhängig von ihrer Größe, eine Vogelperspektive auf ihr Geschäft zu erhalten, mit der Möglichkeit von Drill-down und Drill-through.
Mit Hilfe eines Self-Service-Dashboards, das einen Überblick über die unternehmensweiten Umsätze des letzten Quartals gibt, kann ein Vertriebsleiter beispielsweise einen plötzlichen Umsatzrückgang im letzten Monat erkennen und mit wenigen Klicks feststellen, dass der Grund dafür in den Lieferverzögerungen liegt, die auf die schlechten Leistungen eines neuen Spediteurs zurückzuführen sind. Auf diese Weise können Geschäftsanwender, ohne sich an IT-Teams zu wenden, die Unternehmensleistung analysieren und Abteilungen, Teams oder Mitarbeiter mit den höchsten und niedrigsten KPIs identifizieren, Risikoanalysen durchführen, detaillierte Budgetpläne ausarbeiten und vieles mehr.
- Operationale Intelligenz
Data-Fabric-Architektur ermöglicht die verzögerungsfreie Bewegung großer Mengen von Sensordaten, Sicherheitsprotokollen, Clickstream-Daten usw. in Speicher-Repositories und dann zu Analyse-, Data-Science- und Visualisierungs-Tools zur weiteren Verwendung. Infolgedessen können Hersteller von der planmäßigen auf die zustandsabhängige Wartung ihrer Anlagen umstellen, Unternehmen der Lieferkette können Bestände und Nachfrage in Echtzeit abgleichen, Finanzinstitute können sofort über die Tragfähigkeit einer Krediterweiterung entscheiden, usw.
- Kunde 360
Die Informationen, die Unternehmen über die verschiedenen Kundenkontaktpunkte sammeln, werden in der Regel an verschiedenen Orten gespeichert, z. B. im CRM-System, auf E-Commerce-Plattformen und in Datenbanken am Verkaufsort. Nachdem diese Informationen gesammelt und in goldenen Kundendatensätzen (einheitlichen Kundenprofilen) zusammengefasst wurden, können sie von Marketingteams verwendet werden, um potenzielle Kunden dynamisch zu segmentieren und gezielte Kampagnen für Upselling und Cross-Selling zu erstellen. Kundendienst- und Vertriebsmitarbeiter wiederum können ihre Kommunikation mit den Kunden personalisieren. Auf der Grundlage von Stimmungsanalysen können Unternehmen unterdurchschnittliche Produkte neu vermarkten oder ihr Dienstleistungsportfolio optimieren, um neu entstandene Kundenbedürfnisse abzudecken.
- Regulierungskonformität
Mit der KI-gestützten Durchsetzung von Data-Governance-Richtlinien unterstützt die Data Fabric die automatische Klassifizierung von Datenbeständen sowie die Erkennung und Maskierung sensibler Daten. Mithilfe der robusten Data-Governance-Funktionen von Data Fabric können Sie außerdem nachverfolgen, woher die Daten stammen, wie sie aggregiert wurden, wer sie wann angesehen hat usw.
- Datenmarktplatzfunktion
Data Lineage, ein katalogbasierter Wissensgraph von Unternehmensdaten, dynamisches Metadatenmanagement sowie geregelte Selbstbedienungsfunktionen verwandeln Data Fabric in ein internes Suchsystem, auf das alle autorisierten Parteien zugreifen können, um genaue und freigegebene Daten zu erhalten.
Verbessern Sie die Art und Weise, wie Sie Daten für Geschäftsanwender bereitstellen
Bausteine der Datenstrukturarchitektur
Nachdem sich viele Unternehmen für den Aufbau einer Data-Fabric-Architektur entschieden haben, beginnen sie mit der Formulierung einer Strategie zur Erfüllung dieser Aufgabe. Hier stellen wir sechs Kernkomponenten vor, die eingerichtet und gepflegt werden müssen, um die Datenintegrations- und -managementprozesse in einem Unternehmen kontinuierlich zu verbessern.
1. Datenverwaltung
Das Datenmanagement ist ein grundlegender Bestandteil einer Datenstruktur und ist eng mit den anderen Elementen verwoben. Hier wird festgelegt, wer auf Geschäftsinformationen zugreifen darf, wie granular sie sind, wie oft sie aktualisiert werden, welche Informationen aufgrund ihrer hohen Sensibilität maskiert oder verschlüsselt werden, welche Transformationen (Bereinigung, Anreicherung usw.) vorgenommen werden usw.
Wissensgraphen, die in die Datenverwaltungskomponente integrierte KI-Engine und die Aktivierung von Metadaten ermöglichen eine einheitliche Datenverwaltung, dank derer die Qualität, Genauigkeit, Sicherheit und Verfügbarkeit von Unternehmensinformationen ständig zunimmt.
2. die Aufnahme von Daten
Die zweite Komponente der Data-Fabric-Architektur ermöglicht es Anwendern, sich mit allen Arten von Geschäftsdaten zu verbinden, unabhängig von ihrer Lokalisierung und ihrem Umfang. Daher können Unternehmen in allen vertikalen Branchen mehrere Datentypen kombinieren, z. B. Videoaufzeichnungen aus Ladengeschäften mit Finanztransaktionen aus OLTP-Systemen, und Informationen in Streams oder Batches in Echtzeit zusammenfassen.
3. die Datenverarbeitung
Diese Komponente dient als Staging Area für Daten jeglicher Art und Format, die für die weitere Verwendung gefiltert werden.
4. die Orchestrierung von Daten
In dieser Phase geht es darum, die vorverarbeiteten Geschäftsinformationen zu bereinigen, anzureichern, zu aggregieren, neu zu formatieren und zu mischen, damit sie den Anforderungen der Zieldatenbestände (z.B. analytische Datenspeicher) oder des Softwaresystems entsprechen.
5. Datenermittlung
Das fünfte Element, das die Datenmodellierung, -kuratierung und -virtualisierung ermöglicht, hilft Geschäfts- und IT-Fachleuten dabei, Daten zu nutzen, um Abhängigkeiten zu erkennen und Ungenauigkeiten aufzuspüren.
6. der Datenzugang
Sie ist für die Bereitstellung von Daten für mehrere nachgeschaltete Verbraucher verantwortlich, seien es Anwendungen, Personen, die Analysen und Berichte erstellen, oder sogar für den Datenmarktplatz, auf dem Geschäftsanwender die von ihnen benötigten Daten finden können.
Warum eine Data-Fabric-Architektur einführen?
Datengestützte Entscheidungen in der Geschwindigkeit des Unternehmens
Nach der Forrester-Studie Unleash Your Growth Potential With Continuous Planning halten 90 % der Unternehmen Echtzeit-Entscheidungen für die entscheidende Komponente für den Markterfolg. Da Data Fabric eine Self-Service-Datenverarbeitung ermöglicht und zeitaufwändige manuelle Datenverwaltungsprozesse automatisiert, die beide für die Entscheidungsfindung in Echtzeit oder nahezu in Echtzeit erforderlich sind, stellt sich eher die Frage nach dem "Wann" als nach dem "Warum".
Steigerung der Datenqualität
Alle Arten von Untersuchungen, die von seriösen Agenturen durchgeführt wurden, zeigen, dass die wirtschaftlichen Auswirkungen schlechter Daten Unternehmen bis zu 30 % ihrer Einnahmen kosten können. Verpasste Verkaufschancen aufgrund ungenauer Kundendaten, falsche Berechnungen der Kreditwürdigkeit aufgrund fehlerhafter Daten, die in ML-Algorithmen eingespeist werden, Überzahlungen von Mitarbeitern aufgrund unvollständiger und ungeordneter Lohn- und Gehaltsabrechnungen - das sind nur einige der möglichen Folgen von Daten schlechter Qualität. Data Fabric geht diese Herausforderung an, indem es KI- und ML-Funktionen zur ständigen Verbesserung der Datenqualität integriert.
Verbesserte Datensicherheit
Neben der Gewährung von Self-Service-Datenzugriff für eine große Anzahl von Nutzern suchen Unternehmen ständig nach neuen Möglichkeiten, das Datensicherheitsmanagement im gesamten Unternehmen durchzusetzen. Während sich herkömmliche Datensicherheitspraktiken wie dynamische Datenmaskierung, Ende-zu-Ende-Datenverschlüsselung und granulare Datenzugriffskontrollen als zufriedenstellend erweisen, schlägt Data Fabric zusätzlich die KI-gesteuerte Durchsetzung von Data Governance-Richtlinien vor.
Wie man den Erfolg der Data-Fabric-Architektur sicherstellt
Entwickeln Sie eine gesunde Datenkultur
Ganz gleich, wie fortschrittlich und ausgereift Ihre technische Infrastruktur für das Datenmanagement ist, das alte Konzept "Garbage in, garbage out" bleibt relevant. Auf die Daten in Ihrem CRM-System können zum Beispiel gleichzeitig das Marketingteam, die Vertriebsmitarbeiter und die Kundendienstspezialisten zugreifen. Sie müssen dafür sorgen, dass alle Beteiligten die Bedeutung sauberer und genauer Daten erkennen und sich dafür verantwortlich fühlen. Wenn also einer von ihnen Ungenauigkeiten im Namen oder in der Adresse des Kunden entdeckt, muss er in der Lage sein, das Problem selbst zu beheben.
Wählen Sie Ihre Technikanbieter mit Bedacht
Bislang kann kein Technologieanbieter ein einziges Softwarepaket anbieten, das eine durchgängige Datenverarbeitungsfunktionalität ermöglicht. Sie müssen verschiedene Tools für Datenintegration, Qualität, Sicherheit und Metadatenmanagement kombinieren und in eine einzige Lösung einbinden, in die so viele Tools wie möglich integriert werden. In der Regel ist es umso besser, je mehr Komponenten von einem einzigen Anbieter verfügbar sind. Denken Sie jedoch daran, dass jedes einzelne Tool gut zu Ihren Bedürfnissen und Ihrer Umgebung passen sollte, denn Sie möchten die Leistung der gesamten Lösung nicht durch die Bindung an einen bestimmten Anbieter beeinträchtigen.
Machen Sie Ihr Data-Fabric-Konzept zukunftssicher
Data Fabric ist mehr als nur eine Methodik zur Verwaltung der bestehenden Datenumgebung. Die Anwender sollten sie als ein standardisiertes, aber skalierbares Rahmenwerk zur Umwandlung jeder einzelnen Datenquelle in eine einheitliche Datenschnittstelle betrachten. Mit diesem zukunftssicheren Ansatz können Sie Ihre Data Fabric auf andere Bereiche der Unternehmensdaten ausdehnen und in Zukunft mehr Wert generieren.
Datengewebe: beliebte Fragen
Data Fabric vs. Data Lake
Data Fabric vs. Data Lake ist keine Entweder-Oder-Entscheidung, denn die beiden Lösungen ergänzen sich gegenseitig. Data Fabric ist ein Ansatz zur Revolutionierung der Integration und Verwaltung von Informationsflüssen in einem Unternehmen, bei dem jede Funktion - Speicherung, Verarbeitung, Analyse und Verwaltung von Informationen - von einem separaten Softwareprodukt übernommen wird. Auf diese Weise ist der Data Lake ein Repository für die Speicherung von Rohdaten in großem Umfang und die Data Fabric ein architektonischer Ansatz, der dabei hilft, auf diese Daten zuzugreifen, sie effizient zu verwalten und sie mit anderen Datensilos zu integrieren.
Data Fabric vs. Datenvirtualisierung
Datenvirtualisierung ist eines der wichtigsten Werkzeuge zur Förderung der Data-Fabric-Architektur. Die Technologie abstrahiert den technischen Aspekt der gespeicherten Daten und ermöglicht den Datenkonsumenten den Zugriff auf Daten auf verschiedenen Detailebenen, wenn die Informationen aus rechtlichen Gründen, wegen großer Mengen oder aus anderen Gründen nicht physisch bewegt werden können.
Starten Sie Ihr Data-Fabric-Projekt jetzt
Nachwort
Data Lakes und Cloud-Dienste eignen sich hervorragend für die Speicherung disparater und mehrfach formatierter umfangreicher Daten. Diese eher traditionelle Art der Speicherung ermöglicht jedoch keine einfache Suche, Analyse und Konsolidierung mit anderen Datensätzen.
Das Data-Fabric-Konzept ermöglicht die Ausweitung des Business-Intelligence-Ansatzes auf alle Unternehmensdaten, unabhängig von ihrer Größe, ihrem Typ und ihrem Standort, und stellt somit die optimale Lösung für moderne datengesteuerte Unternehmen dar. Denken Sie jedoch daran, dass die Implementierung der Data-Fabric-Architektur ein zeit- und ressourcenaufwändiges Unterfangen ist, dessen Erfolg von der Reife Ihres Datenökosystems, dem Umfang Ihrer Datenverwaltungsstrategie und dem Ihnen zur Verfügung stehenden technischen Fachwissen abhängt.
