München, Starnberg, 19. Mai 2021 - Eine durchgängige Daten- und Cloud-Strategie optimiert die Datennutzung bis hin zum Edge; mehr im exklusiven Fachbeitrag von Cloudera...
Zum Hintergrund: Der Erfolg von Cloud-Services hängt davon ab, wie gut sie Business-Initiativen unterstützen. Doch auch die innovativste Geschäftsidee geht erst auf, wenn für sie eine gezielte Datennutzung erfolgt. Was dafür alles an Prozessen und Technologie nötig ist, legt eine Datenstrategie fest. Ein Datenkatalog als Teil einer Datenstrategie lässt sich in der Praxis am einfachsten mit einer Enterprise Data Cloud umsetzen, damit die Daten bis in die Cloud strömen. Wie Verantwortliche von Unternehmen am besten vorgehen, beschreibt für uns Florian von Walter, Director Solution Engineering CEMEA bei Cloudera (1) in seinem folgenden Beitrag:
„Ein Cloud-Konzept ist als Teil der IT-Strategie heute enorm wichtig und wird weiter an Bedeutung gewinnen. Damit die anvisierten Cloud-Vorteile wie Flexibilität, Skalierbarkeit und Effizienz tatsächlich ihre Wirkung im IT-Betrieb entfalten, muss ein Unternehmen sein Cloud-Konzept an einer Datenstrategie ausrichten, da diese die Grundlage für eine optimale Cloud-Nutzung schafft. Wer strategisch andersherum vorgeht, sollte sich im Klaren darüber sein, dass beim vorschnellen Verlagern von Workloads zu einem Public Cloud Provider womöglich die Gefahr eines Vendor-Lock-In besteht. Inwieweit eine Firma die Hoheit über ihre Daten einbüßt, hängt vom Einzelfall ab.
Silos strategisch sprengen
-
Weil vielen Unternehmen eine einheitliche Datenstrategie fehlt, liegen Daten meist in Silos in verschiedenen Fachabteilungen verteilt, wo sie individuell gemanagt werden. Deshalb empfiehlt es sich, die Rolle eines Chief Data Officer (CDO) einzuführen. Er hat die Aufgabe, Silos aufzubrechen und eine abteilungsübergreifende, unternehmensweite Datenstrategie aufzubauen.
-
Allgemein beschreibt eine Firma in einer Datenstrategie, mit welchen Prinzipien, Prozessen und Techniken sie ihre Daten künftig in Geschäftsergebnisse transformieren will. Damit aus Informationen tatsächlich (monetarisierbare) Geschäftswerte werden, sollten sie in einem Datenmodell definiert werden. Dieses zeigt auf, wie standardisierte und kontextabhängige Daten in skalierbare Datenpipelines fließen und gegebenenfalls in Echtzeit analysiert werden. Der kontinuierliche Datenfluss setzt eine nahtlose Integration der Daten aus allen relevanten IT-Systemen voraus, wofür ein Unternehmen ebenso die Abläufe, Schnittstellen und Technologien festzulegen hat.
Den Datenkatalog erstellen und mit einer Enterprise Data Cloud umsetzen
-
Die strategische Vorarbeit führt zu einem Datenkatalog und skizziert die Datenarchitektur für dessen Umsetzung. Ziel ist es, dass die Daten von Edge Devices über das Rechenzentrum bis in die Public Cloud stetig fließen und in einem Data Lake gespeichert werden. Einheitliche Datendienste und Analytics-Features stehen für Fachabteilungen und Mitarbeiter bereit, um schnell auf relevante Daten zu zugreifen, diese auszuwerten sowie aus ihnen neue Erkenntnisse zu gewinnen. Letztendlich soll sich die Datenverwaltung in der gesamten Unternehmens-IT vereinheitlichen, sodass es keine Rolle mehr spielt, in welchen Storage-Systemen die Daten liegen.
-
Eine umfassende Dateninventur klärt die wichtigsten Datenfragen nach Ablageort, Format, Klasse, Kritikalität, Sicherheit und Compliance beziehungsweise DSGVO-Konformität und fasst die Antworten im Datenkatalog zusammen. Im nächsten Schritt stellt eine Firma Richtlinien für das Datenmanagement auf, die in allen Umgebungen durchzusetzen sind. Die Vorgaben zum Datenumgang fokussieren auf ein hohe Datenverfügbarkeit, die sich erreichen lässt, wenn entsprechende Zugangs-, Hochverfügbarkeits- sowie Backup- und Recovery-Konzepte greifen.
Bildquelle: Cloudera
Für die Umsetzung des neuen Datenansatzes gilt es, den Markt zu sondieren, welche Plattformen den gesamten Lebenszyklus der Daten von der Edge bis zur KI abbilden. Orientierung geben Erfahrungen aus der Praxis, die zeigen, dass eine Datenstrategie mit einer integrierten Enterprise Data Cloud Platform am schnellsten und einfachsten Gestalt annimmt.
Im Falle von IoT setzt hierbei beispielsweise ein Gateway den Datenstrom in Gang, das die Sensordaten eines Edge Devices empfängt, filtert und an einen Big Data Cluster sendet. In diesem werden sie gespeichert und für die weitere Verarbeitung vorbereitet. Die Bereitstellung der Daten für Analysen kann per Self Service für Analysen erfolgen. Ihre Praxistauglichkeit beweist eine Lösung, wenn sie wie die Cloudera Enterprise Data Cloud eine Konsole bietet, über die der IT-Betrieb alle Phasen des Datenstroms im Blick hat und einheitlich steuern kann.
Mobilität auf Datenbasis
-
Eine Datenstrategie, umgesetzt mit einer Enterprise Data Cloud, unterstützt Unternehmen, Geschäftsziele zu erreichen, wie etwa die Customer Experience zu verbessern. Aber auch neue Einsichten decken ausgewertete Daten auf, woraus sich neue Geschäftsmodelle entwickeln lassen. Beispielsweise setzen Automobilhersteller zunehmend auf Mobility as a Service (MaaS): Sie bündeln verschiedene Mobilitätsangebote unter einer Plattform, sei es Car Sharing, E-Scooter, Leih-Fahrräder, öffentliche Verkehrsmittel, Taxi oder Mitfahrgelegenheiten.
-
Ein Beispiel ist moovel von Daimler und BMW. Kunden können sich über eine App (ShareNow) anzeigen lassen, wie sie am besten von A nach B kommen und ihre Fahrt auch gleich per Smartphone buchen. Dafür brauchen sie nur ein zentrales Kundenkonto und müssen sich nicht bei jedem Anbieter einzeln anmelden. Automobilhersteller können mit ihrer Enterprise Data Platform zudem neue Umsätze generieren.
Fazit: Vom Silo zum Datenstrom kommen
Mit einer Datenstrategie legen Unternehmen die Basis, aus den Daten Erkenntnisse zu gewinnen und mit ihrer Hilfe Prozesse zu optimieren oder neue, datenbasierte Geschäftsmodelle zu entwickeln. Einerseits sind die Anforderungen an die nötige Dateninfrastruktur hoch, um Cloud-Services einzubinden. Denn ohne das Migrieren von geeigneten Workloads in die Cloud droht, dass die Daten doch irgendwo ins Stocken geraten. Präzise definierte Anwendungsfälle erleichtern es, für diese die passenden Dienste in der Cloud zu finden. Anderseits gilt es, das Datenmanagement zu vereinheitlichen, wozu eine Enterprise Data Cloud befähigt, die vor allem die nahtlose Datenintegration souverän löst. Das betrifft schließlich die technologische Grundsatzfrage, um vom Silo zum Datenfluss zu kommen, der vom Edge bis zum KI-Feature reicht.“
(1) Das Foto zeigt Florian von Walter, Director Solution Engineering CEMEA bei Cloudera (Bildquelle: Cloudera).
Querverweis:
-
Unser Beitrag > Edge Computing: Was sind die Herausforderungen für Unternehmen und Entwickler?
-
Unser Beitrag > KI-basierte Datenanalysen in der Cloud: Cloudera kündigt Lösung auf Basis NVIDIA / Spark 3.0 an
-
Unser Beitrag > Machine-Learning-Modelle von Banken: Wegen Corona plus Brexit verstärkt im Stresstest