bluebay2014 - stock.adobe.com

Die Cloud-Migrationsplanung beginnt bei der Datenstrategie

Wer eine Cloud-Strategie plant, sollte darauf achten, dass diese sich an den realen Bedürfnissen seines Unternehmens orientiert. Eine Datenstrategie ist die Voraussetzung dafür.

Viele Unternehmen konzentrieren sich derzeit auf die Planung und Umsetzung ihrer Cloud-Strategie. Sie beschäftigen sich intensiv damit, welchen Cloud Provider sie wählen sollen, wie sie Workloads in die Cloud verschieben können und welche technischen Herausforderungen dabei zu meistern sind. All diese Prozesse werden sie leichter bewältigen, wenn sie zuerst eine tragfähige Datenstrategie entwickeln und diese anschließend sukzessive mit einer Enterprise Data Cloud umsetzen.

Manche Verantwortliche in einer CxO-Position sind sich nicht vollständig klar darüber, warum sie eine der für sie möglicherweise verwirrend vielfältigen Cloud-Lösungen nutzen sollten. Sie fühlen sich unter Druck gesetzt, dieser Entwicklung im Markt zu folgen, weil sie Angst haben, etwas zu versäumen, ohne konkrete Vorteile für ihr Geschäftsmodell zu kennen. Das erschwert es jedoch nicht nur, die richtige Lösung zu finden, sondern auch im Nachhinein über Erfolg und Misserfolg zu entscheiden. Wie transformiert die Cloud Ihr Unternehmen wirklich? Wie ermöglicht sie Ihnen, zu wachsen, Verbindungen zu knüpfen und Ihr Geschäft zu schützen?

Schließlich läuft es für die Verantwortlichen auf die Frage nach dem Mehrwert hinaus, der sich mit der Cloud-Nutzung erzielen lassen sollte. Diese Frage ist zweifellos wichtig, doch die entscheidendere lautet: Wie trägt die Cloud dazu bei, dass eine Firma aus ihren Daten neue Erkenntnisse und Einblicke für ihr Geschäft gewinnt? Dazu müssen Verantwortliche zunächst überlegen, wie ihr Unternehmen Daten in Informationsflüsse überführt und diese analysiert. Zu genau diesen Fähigkeiten führt eine Datenstrategie, die Unternehmen idealerweise zuerst entwickeln, bevor sie die Migration von Workloads in die Cloud angehen.

Daten mit Geschäftsergebnissen verknüpfen

Der grundlegende Ansatz einer Datenstrategie ist es, Informationen als Vermögenswerte zu betrachten und sie auch so zu behandeln. Dafür definiert das Konzept Prinzipien, Prozesse und Techniken, um die Daten mit Geschäftsergebnissen zu verknüpfen.

Aus einer durchdachten Datenstrategie lässt sich daher ableiten, wie man eine moderne Datenarchitektur etabliert, die konsequent für die gesamte Unternehmens-IT das Bereitstellen von Datenservices einschließlich der Analyse-Tools vereinheitlicht. Das wiederum setzt zwei Aspekte voraus: eine hohe Datenverfügbarkeit in allen Umgebungen, in denen zudem ein konsistenter, rechtskonformer und sicherer Datenumgang greift.

Florian von Walter, Cloudera

„Um die passenden Cloud-Services und die erforderliche Technologie auswählen zu können, müssen Sie das geplante Anwendungsszenario so präzise wie möglich definieren. Danach holen Sie im Branchenumfeld sowie darüber hinaus Erfahrungswerte für die Cloud-Migration ein.“

Florian von Walter, Cloudera

Eine Datenstrategie geht nur auf, wenn das Unternehmen weiß, wo sich welche Datensätze wie auf seinen Systemen verteilen. Die dazu nötige Dateninventur sollte nicht nur die vorhandenen Daten identifizieren und deren Formate ermitteln, sondern die Informationen dahingehend betrachten, ob einige der Datensätze bisher unbeachtete Aspekte beinhalten.

So stecken in Lieferanten- und Kundendaten womöglich Informationen, die dabei helfen, Bedürfnisse zielgerichteter zu erfüllen. In anderen Unternehmen liegt hingegen Wissen brach, mit dem sich die Geschäftsprozesse verbessern ließen.

Die zugehörigen Daten gilt es, im nächsten Schritt zu klassifizieren. Die dafür notwendige Vorgehensweise hängt davon ab, wie geschäftskritisch und personengebunden sie sind. In ihren Richtlinien legt eine Firma dann fest, welche Anforderungen das Datenmanagement erfüllen muss.

Ziel ist es, Datenverfügbarkeit mit Sicherheit und Compliance in Einklang zu bringen. Identitätsbasiertes Zugriffsmanagement kann die Sicherheit solcher Systeme erheblich verbessern und zusätzlich sichert das Festlegen der Backup- und Recovery-Abläufe den Geschäftsbetrieb für den Katastrophenfall ab.

Den gesamten Datenlebenszyklus über alle Umgebungen konsistent managen

Das Umsetzen einer kohärenten Dateninfrastruktur ist herausfordernd. Umso hilfreicher erweist sich für diese anspruchsvolle Aufgabe eine Enterprise Data Cloud, die den Aufwand und die Komplexität der Datenintegration drastisch reduziert. Im Idealfall lassen sich mit einer solchen Plattform alle Phasen (Collect, Enrich, Report, Serve und Predict) des Datenlebenszyklus abbilden und steuern.

Das befähigt eine Firma dazu, sich einen zentralen Zugriffspunkt für Daten zu schaffen, den die berechtigten Nutzer jederzeit und leicht nutzen können. Sie profitieren von den kontinuierlich fließenden Daten, da diese von den Sensoren am Edge sofort über ein Gateway in einen Data Lake transferiert und dort ablegt werden. Das Big Data Cluster wandelt sie dann um und weist ihnen Designatoren zu, so dass sie schnell für Analysen bereitstehen. Die dazu nötigen Tools können die Nutzer im Self Service von ihrer Enterprise Data Cloud beziehen.

Über das Dashboard der Datenplattform lässt sich der gesamte Datenlebenszyklus von der Edge über Public und Private Clouds bis zum Rechenzentrum kontrollieren sowie konsistent, rechtskonform und sicher managen. Das IT-Team kann somit frei entscheiden, wo es seine Workloads für die Datenverarbeitung laufen lassen will. Der große Vorteil liegt darin, dass es Anwendungen, Systeme und Daten von einer zur nächsten Umgebung verlagern und problemlos zurückholen kann.

Auf der Suche nach geeigneten Cloud-Services

Doch wie können Unternehmen passende Workloads für die Nutzung in der Cloud identifizieren? Fest steht, dass sich durch eine hybride Strategie eine große Bandbreite unterschiedlicher Anforderungen von IT und Business und damit verschiedene Einsatzszenarien abdecken lassen.

Um die passenden Cloud-Services und die erforderliche Technologie auswählen zu können, müssen Sie das geplante Anwendungsszenario so präzise wie möglich definieren. Danach holen Sie im Branchenumfeld sowie darüber hinaus Erfahrungswerte für die Cloud-Migration ein. In der Regel finden Sie schnell Anwendungsfälle von Dritten, die sich auf Ihr Unternehmen übertragen und anpassen lassen, damit ihre Workloads in der Cloud für Sie einen spezifischen Nutzen liefern.

Ohne ROI und mit Enterprise Data Cloud rechnet es sich

Sowohl die Daten- als auch die Cloud-Strategie sind heute enorm wichtig für Unternehmen. Denn mit neuen, datenbasierten Geschäftsmodellen verschaffen Sie sich einen wertvollen Wettbewerbsvorteil. Dafür müssen Sie ihre digitale Transformation in der richtigen Reihenfolge angehen: Erst kommt die Daten-, dann die Cloud-Strategie.

Eine Enterprise Data Cloud hilft dabei, die zentralen Fragen einer Datenstrategie zu adressieren und den kompletten Datenlebenszyklus vom Edge bis zur KI (künstliche Intelligenz) abzudecken. Außerdem brauchen Unternehmen auch etwas Kreativität und Mut.

CxOs sollten sich davon lösen, neue Geschäftsideen allein hinsichtlich des ROI (Return of Investment) zu bewerten. Das geht oft gar nicht, kostet nur Zeit und bremst Chancen aus. Viel zielführender ist es, ein Projekt schnell mit minimalem Aufwand in der kleinsten Ausführung auf den Weg zu bringen und seinen Nutzen in der Praxis zu testen. Eine Enterprise Data Cloud ermöglicht dies.

Über den Autor:
Als Director Solutions Engineering Central EMEA bei Cloudera ist Florian von Walter verantwortlich für das Solution-Engineering-Team in Deutschland, Österreich, Schweiz, Osteuropa und Russland und unterstützt Kunden und Partner mit den neuesten Technologien und Lösungen im Zusammenhang mit dem Cloudera-Produktportfolio. Dieses umfasst die Themen Big Data, Analytics, Messaging, Streaming, Machine Learning/AI und mehr. Er arbeitet seit 2016 bei Hortonworks, das in 2019 mit Cloudera fusionierte. Davor arbeitete er mehr als 11 Jahre bei TIBCO Software als Architekt, Solution Consultant und Manager mit Messaging, Anwendungsintegration, BPM, Analytics und verteilten Systemen hauptsächlich im Telekommunikations- und Finanzsektor.

Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.

Fortsetzung des Inhalts unten

Erfahren Sie mehr über Datenanalyse

ComputerWeekly.de
Close