Sashkin - stock.adobe.com

Kontinuierliche Datenketten beschleunigen neue Entwicklungen

Datenketten beschleunigen die Entwicklung neuer Produkte. Diese umfassen dabei im Idealfall alle Daten zu einem Produkt. Doch Datenketten stellen Firmen auch vor Herausforderungen.

Unternehmen müssen Daten effektiv nutzen, um Innovationen entwickeln und neue Einblicke gewinnen zu können. Denn je mehr Informationen vorhanden sind, desto mehr Möglichkeiten gibt es. Aus der Analyse der Daten und einem dazugehörigen Produkt oder Service können mehrere nächstmögliche Optionen zur Weiterentwicklung identifiziert werden.

Das gilt zum Beispiel für den Telekommunikationssektor: Ohne relevante Daten ist es heutzutage unmöglich, erfolgreich Services für unterschiedliche Zielgruppen anzubieten und diese stetig weiterzuentwickeln. Doch genau das verlangt der Markt. Und nach der erfolgreichen Umsetzung ergeben sich wiederum weitere nächstmögliche Fortschreibungen. Damit sich das Nächstmögliche aber immer mehr ausweiten kann, brauchen Unternehmen und Serviceanbieter nicht einfach nur Daten, sondern idealerweise zu jedem Produkt und Service kontinuierliche Datenketten.

Wie die kontinuierliche Datenkette funktioniert

Unternehmen müssen möglichst viele relevante Daten erkennen, sammeln, analysieren und Rückschlüsse aus ihnen ziehen. Denn je mehr Informationen zur Verfügung stehen, desto größer ist der Erkenntnisgewinn – erst recht, wenn die Informationen mit künstlicher Intelligenz (KI) und Machine Learning (ML) effizient ausgewertet werden.

Eine kontinuierliche Datenkette umfasst im Idealfall alle zusammengehörigen Informationen zu einem Produkt – von der Maschine, die es produziert, bis zum Endanwender, der es verwendet. Diese Daten sollten nicht isoliert betrachtet werden: Was Sensoren im Motorraum eines Autos erfassen, wird an in die Produktion gemeldet. Was der Anwender in einer App tut, fließt zurück zu den Entwicklern – und all das auch umgekehrt.

Häufig nutzen Unternehmen allerdings dieses Potenzial nicht. Wie beispielsweise der italienische Telekommunikationsanbieter Fastweb: Er verfügte zwar über 100 geschäftsrelevante Anwendungen und 300 Datenbanken. Aber über keine kontinuierliche Datenkette, da die Datenbereitstellung zu lange dauerte und die Daten in verschiedenen Speicherumgebungen voneinander isoliert waren.

Einer kontinuierliche Datenkette verfolgt einen entgegengesetzten Ansatz: Mit ihrer Unterstützung erhalten Unternehmen umfassende und möglichst lückenlose Informationen über ein Produkt oder einen Service. Damit können nicht nur Prozesse optimiert, sondern auch die Grundlagen für Innovationen entwickelt werden.

Herausforderungen beim Erheben von Datenketten

Das Erfassen kontinuierlicher Datenketten sorgt allerdings für einige Herausforderungen in Unternehmen. Damit sie dabei erfolgreich vorgehen, müssen Betriebe folgende drei Punkte gewährleisten:

1. Die Daten müssen relevant sein

Wenn Entwickler innovative Produkte und Services erschaffen wollen, brauchen sie Daten von hoher Qualität. Ansonsten ziehen sie womöglich falsche Schlüsse aus den Informationen. Das kann passieren, wenn ein Service verändert wurde und deshalb der Kontext der Daten nicht mehr relevant ist, oder wenn Informationen zu Produkten einfließen, die es gar nicht mehr gibt. Problematisch kann auch sein, wenn Datenkopien für Test- und Entwicklungsumgebungen unterschiedliche Zustände widerspiegeln.

2. Das Unternehmen muss mit den Datenmengen umgehen können

Je größer die Datenmengen, desto stärker wächst der Bedarf an Speicherplatz und Netzwerk-Bandbreite für ihren Transport. Außerdem dauert das Erstellen von Datenkopien für Entwickler und Tester dann länger. Die Folge: Die Kosten steigen, die Produktion wird gebremst – und ebenso die Erschaffung von Innovationen.

3. Datensicherheit und Compliance müssen gewährleistet sein

Wenn Unternehmen Daten sammeln und verarbeiten, müssen sie sicherstellen, dass diese Informationen geschützt sind. Das gilt für Test- und Entwicklungs-, aber ebenso für Produktivumgebungen. Außerdem müssen sie jederzeit wissen, wo sich welche Daten befinden. Unbefugte dürfen niemals Zugriff auf Kundendaten haben, weder intern noch außerhalb der Betriebe. Die Angriffsfläche wird umso größer, je mehr Instanzen von Nicht-Produktivdaten für jede Instanz von Produktivdaten entstehen.

Und auch in den Daten selbst liegt ein Risiko – dann, wenn aus Informationen Rückschlüsse auf Menschen gezogen werden können. Personenbezogene Daten, etwa von Kreditkarten, müssen daher unbedingt in Einklang mit Datenschutzregelungen und Compliance-Vorgaben verarbeitet werden.

Automatisierung der Datenebene mit DataOps-Ansatz

Alle drei Herausforderungen können Unternehmen mit einem Ansatz lösen: DataOps macht das Datenmanagement flexibler, effizienter und sicherer. Der Umgang mit Daten wird über die gesamte Datenkette hinweg fundamental verbessert. Eine DataOps-Plattform schafft die Voraussetzung dafür: Sie automatisiert die gesamte Datenebene.

Das bringt Vorzüge mit sich:

  • Eine DataOps-Plattform kann die Art und Weise transformieren, wie Daten bereitgestellt werden. Dabei ist es unerheblich, ob Informationen lokal, in der Cloud oder in unterschiedlichen Entwicklungs- und Testumgebungen gespeichert sind. Die Daten können über alle Umgebungen hinweg ohne Verzögerung frei fließen.
  • Zudem kann sich eine DataOps-Plattform um die Virtualisierung kümmern. Dafür werden virtuelle statt physischer Kopien erzeugt, die nur einen Bruchteil des ursprünglichen Volumens benötigen. Das spart Speicherplatz und die schlanken Kopien können schnell von einem Ort zum anderen transportiert werden.
  • Weiterhin müssen Daten sicher gespeichert und verarbeitet werden: Das Maskieren von sensiblen Daten ist integraler Bestandteil der DataOps-Plattform von Delphix. Algorithmen erkennen diese Informationen automatisch. Sie werden irreversibel anonymisiert, bevor sie weiterverteilt werden. Rückschlüsse auf einzelne Personen sind so nicht mehr möglich. Nützliche Korrelationen für Entwicklung und Tests bleiben aber jederzeit erhalten.
  • Zuletzt können mit der richtigen Plattform alle Iterationen der Daten kontinuierlich mit den Quellen synchronisiert werden. Alle Nutzer können so zu jeder Zeit mit demselben aktuellen Datenstand arbeiten. Informationen werden dabei inkrementell repliziert – und nur neue Daten kopiert sowie synchronisiert.

Wie Daten in Data-Ops-Plattformen verteilt und eingebunden werden

Eine DataOps-Plattform verbessert den Umgang mit Daten auch auf anderen Ebenen: Sie ermöglicht eine agilere Bereitstellung der Daten. Das ist in vielen Unternehmen ohne DataOps ein komplexer Vorgang: Entwickler müssen Testdaten beantragen und abwarten, bis Datenbank-Administratoren diese zuweisen. Auch der oben genannte italienische Telekommunikationsanbieter Fastweb profitierte davon: Mit Unterstützung einer DataOps-Plattform konnte das Unternehmen seinen Entwicklern auf täglicher Basis neue Daten bereitstellen, die aus unterschiedlichsten Datenquellen stammten.

Eine DataOps-Plattform stellt die maskierten Daten automatisch bereit. Entwickler, Tester und Analysten rufen sie im Self-Service ab. Der Zugriff auf Informationen wird damit nicht nur beschleunigt, sondern auch einfach und flexibel. Denjenigen, die die Daten benötigen, stehen sie umgehend zur Verfügung.

Gary Hallam, Delphix

„Um in der digitalen Transformation erfolgreich zu agieren, brauchen Unternehmen neue Produkte, Services und Geschäftsmodelle. Die Erfassung und Auswertung von Datenketten helfen ihnen, innovativ zu sein.“

Gary Hallam, Delphix

DataOps-Plattformen erleichtern darüber hinaus den Umgang mit Datenketten, die aus verschiedenen Quellen stammen oder an unterschiedlichen Orten in der Hybrid Cloud abgelegt sind. Das schließt Daten von ERP-Systemen sowie das gesamte Dateisystem mit Datenbank und Applikationsebene ein. Auch SAP-Systeme können auf diese Weise virtualisiert sowie maskiert und damit optimal in eine Datenkette eingebunden werden.

Fazit: Datenketten und DataOps helfen, innovativ zu arbeiten

Um in der digitalen Transformation erfolgreich zu agieren, brauchen Unternehmen neue Produkte, Services und Geschäftsmodelle. Die Erfassung und Auswertung von Datenketten helfen ihnen, innovativ zu sein. Mit einer Automatisierung der gesamten Datenebene gelingt das – und Unternehmen arbeiten effizient, sicher und agil.

Über den Autor:
Gary Hallam ist Director Pre-Sales bei Delphix.

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