Reich an Daten, aber arm an Einblicken? Beantworten Sie vier Fragen, um eine erfolgreiche Datenmodernisierungsstrategie aufzubauen
Februar 8, 2022 / Unisys Corporation
In IT-Kreisen ist die Migration alter Workloads zu einer flexiblen Cloud-Infrastruktur ein heißes Thema – aber die damit verbundenen Datenmigrations- und Modernisierungsbemühungen könnten ebenso transformativ sein. Warum hat dann die Entscheidung, welche Daten „wie besehen“ migriert werden sollen, Vorrang vor der Frage, wie diese Daten am besten genutzt und optimiert werden können, sobald sie in der Cloud verfügbar sind? Viele Unternehmen replizieren ihre isolierten, alten Daten einfach in Cloud-Silos, aber dies ist eine verpasste Chance.
Wenn sie ordnungsgemäß miteinander verbunden und in Datensees in der Cloud eingespeist werden, können Ihre isolierten Altdaten wertvolle Inputs für Geschäftsentscheidungen liefern, insbesondere in Kombination mit künstlicher Intelligenz (KI)-gestützten Erkenntnissen. Es kann auch eine bessere Leistung und Kosteneinsparungen liefern und eine Quelle für kontinuierliche Innovation sein. Erwägen Sie daher, eine Datenmodernisierungsstrategie in Ihre Pläne für die digitale Transformation einzubeziehen, um sicherzustellen, dass Ihre Cloud-Investitionen die höchste Rendite erzielen.
Stellen und beantworten Sie diese vier Fragen
Die primäre Möglichkeit, eine synergistische Analyse zwischen Datensätzen zu schaffen, besteht darin, sie in einem cloudbasierten Datensee zusammenzuführen. Data Lakes können strukturierte (z. B. relationale Datenbanken, ERP-Systeme, Excel) und unstrukturierte Daten (z. B. Social, E-Mail) umfassen. Eine tiefgreifende Analyse innerhalb des Sees kann Datenpunkte mit scheinbar unterschiedlichen Pools vergleichen, um unerwartete und hochwertigste Möglichkeiten zu finden. Leiter von Datenmodernisierungsprojekten müssen daher vier zentrale Fragen berücksichtigen und beantworten:
1. Welche Daten modernisieren wir und verschieben in die Cloud?
Eine erfolgreiche Datenmodernisierungsstrategie muss damit beginnen, in Echtzeit interne Synergien zwischen den Business Units (BUs) zu schaffen. Je mehr Daten für eine bereichsübergreifende Analyse zur Verfügung stehen, desto besser sind die Chancen für positive Ergebnisse. Brechen Sie dazu die Silos auf und schaffen Sie einen Data Lake. Dadurch werden viele Synergien und Optimierungen deutlich.
Beispielsweise sind Erkenntnisse über die aktuelle Kundennachfrage für die Information des Fertigungsprozesses von entscheidender Bedeutung, ebenso wie prädiktive Erkenntnisse über das Kundenverhalten, die in Marketingdaten und Prognosen verankert sind. Kundenerkenntnisse, Produktionspläne und Produkt-Roadmaps wiederum helfen HR, Einstellung und Schulung entsprechend anzupassen.
Dies ist eines von vielen Szenarien, die den Punkt verdeutlichen. Unterm Strich bedeutet dies, dass in einer großen Organisation mit verschiedenen Funktionseinheiten die Verknüpfung der Daten und Erkenntnisse jedes einzelnen im gesamten Unternehmen einen gegenseitigen Nutzen für die Einheiten und das Unternehmen insgesamt bietet. Je nach Industriesparte könnte das Unternehmen kognitive Erkenntnisse auf der Grundlage von Enterprise Data Lakes für unzählige Anwendungsfälle ableiten, darunter Personalisierung von Kundenerlebnissen, Betrugserkennung, versicherungsmathematische Modellierung und Vorhersage von Ausfällen geschäftskritischer Geräte.
Daher sollte ein Datenmigrationsplan für den Zeitpunkt, an dem Sie Ihren Data Lake in der Cloud bestücken, und für die Daten, mit denen Sie ihn bestücken sollten, von Geschäftsstrategien getrieben werden, die geschäftsbereichsübergreifende Innovationen fördern.
2. Wie gehen wir mit dem ständigen Aufkommen unterschiedlicher Daten um?
IDC berichtet, dass bis 2025 weltweit 175 Zettabyte Daten pro Jahr erstellt werden sollen, was etwa dem Vierfachen der im Jahr 2020 produzierten Menge entspricht. Das nennt man Reichtumsverlegenheit. Wie viel davon ist eine hohe Wirkung und ein hoher Wert? Wie lange sollten sie aufbewahrt werden? Unternehmen stehen vor der Plage der „drei Vs“ ihrer gespeicherten Daten – Volumen, Vielfalt und Geschwindigkeit. Die schiere Menge der eingehenden Daten, die vielfältigen Formen (Video, Audio, Text, Social Media etc.) und ihre Geschwindigkeit – insbesondere die, die von IoT-Geräten kommt – drohen, ihren Nutzen zu verringern, wenn sie nicht klug ausgewählt werden.
Alte Data Warehouses sind oft an verfügbaren Speicherplatz gebunden, der kontinuierlich und individuell erweitert werden muss, wobei sichergestellt werden muss, dass die Leistung bei einer Skalierung nicht beeinträchtigt wird. Obwohl die Cloud theoretisch unbegrenzten Speicherplatz bietet, ist dies mit Kosten verbunden, und eine gute Data-Management-Richtlinie ist erforderlich, um die Archivierung auf kostengünstigeren Speicherebenen und die Bereinigung veralteter Daten zu gewährleisten. Ältere Transaktions- und Protokolldaten können beispielsweise „veraltet“ werden, um Platz und Leistung zu sparen.
Mit gut durchdachten cloudbasierten Data Lakes haben Sie ein elastisches, agiles Volumen, das alle Herausforderungen der „drei Vs“ zu einem Bruchteil der Kosten einer isolierten Lagerhaltung bewältigt.
3. Wer ist für geschäftsbereichsübergreifende Integrationen und insbesondere Analysen verantwortlich?
Geschulte Datenspezialisten sind zusammen mit einer fachkundigen strategischen Planung Ihres Cloud-Datenspeichers von entscheidender Bedeutung, um sofortige und nachhaltige Vorteile aus Ihrer Data Lake-Initiative zu erzielen. Es ist auch unerlässlich, die Modernisierung mit einem genauen Blick auf ihre kontinuierliche und fortlaufende Entwicklung zu betrachten.
Datenwissenschaftler, die tiefgreifende KI-Analysen einsetzen, können eine potenziell fruchtlose Data-Fishing-Expedition in einen gezielten, wertvollen Strike verwandeln. Gartner hat herausgefunden, dass Chief Data Officer (CDOs), die an der Festlegung von Zielen und Strategien beteiligt sind, die konsistente Erzeugung von Geschäftswert um das 2,6-fache steigern können. Darüber hinaus ist die Nachfrage nach datenbezogenem Know-how enorm und wächst: Der Mitbegründer von LinkedIn berichtet, dass Datenwissenschaft und maschinelles Lernen zusammengenommen fünf der 15 wachsenden Arbeitsplätze in Amerika darstellen.
Ohne qualifizierte Fachleute, die sich um Ihre Datenstrategie kümmern, wird sich Ihr Data Lake zu einem Datensumpf entwickeln – verschmutzt durch veraltete Daten, die fehlerhafte oder geringwertige Erkenntnisse liefern, wenn sie genutzt werden. Berücksichtigen Sie beispielsweise die Verpflichtungen der Personalabteilung, die für die Umsetzung der Unternehmensstrategie für eine globale Organisation erforderlichen Mitarbeiter zu planen. Sie benötigen Zugang zu Daten, die ihnen beispielsweise sagen, wie viele Studenten in den Bereichen, die das Unternehmen benötigt, absolvieren und in welchen Ländern sie sich konzentrieren. Sie müssen wissen, ob die Arbeiten aus der Ferne oder vor Ort erfolgen. Wenn sie veraltete (z. B. vor der Pandemie) Daten verwenden würden, wären sie offensichtlich nicht in der Lage, Daten über Remote- und Vor-Ort-Präferenzen zu erfassen. Datenoperationen (DataOps) und maschinelle Lernoperationen (MLOps) befinden sich relativ früh in ihrem Einführungszyklus und sind entscheidend für die Operationalisierung und Optimierung dieser Arbeitsabläufe.
Stellen Sie daher sicher, dass Ihr Cloud Data Lake und Ihre Analysetools in Echtzeit an die Nachfrage angepasst werden können. Um aus Ihren Modernisierungsbemühungen einen echten Nutzen zu ziehen, müssen Sie Fachwissen an Datenexperten anbinden oder auslagern.
4. Sind Data Lakes sicher?
Cloud-Datenseen mit den richtigen Sicherheitskontrollen sind entscheidend für die Sicherstellung von Compliance und Datenhoheit. Für ein Höchstmaß an Sicherheit und Integrität ist es jedoch unerlässlich, Sicherheit in den anfänglichen Rahmen der Data-Lake-Implementierung zu integrieren. Zu den Best Practices gehört der Einsatz der Tools von Cloud-Anbietern und Sicherheitsanbietern mit gehärteten Prozessen zur Gewährleistung der Sicherheit, einschließlich Verschlüsselung, Zero-Trust-Zugriffsmanagement und kontinuierlicher Echtzeitüberwachung und -behebung. Erschwingliches, geolokalisiertes Cloud-Mirroring und Datensicherung sind ebenfalls weithin verfügbar.
Die Verpflichtung zum Schutz sensibler und personenbezogener Daten ist eine schwere Cybersecurity-Verantwortung. Fehler und Verstöße werden mit kostspieligen Bußgeldern, Reputationsschäden und Misstrauen der Kunden konfrontiert. Unternehmen müssen sich konsequent auf die Entfernung personenbezogener Daten und Gesundheitsdaten konzentrieren und Vorschriften einhalten, die sich je nach Industriesparte und Land stark unterscheiden. Glücklicherweise bietet die Speicherung von Daten in der Cloud ein starkes Maß an Sicherheit. Softwaredefinierte Mikrosegmentierung bietet mehrere Sicherheitskontrollen, um zu verwalten, wer Zugriff hat, welche Rollen, wo Daten gespeichert werden usw.
Ihre cloudbasierten Data Lakes mit integrierter Sicherheit sind sicherer und widerstandsfähiger und haben eine höhere Leistung und Agilität als isolierte Altdatenlösungen.
Wie Unisys helfen kann
Unisys verfolgt einen ganzheitlichen Ansatz bei der Datenmodernisierung. Wir helfen Unternehmen bei der Formulierung einer Data-First-Strategie für den Geschäftserfolg, empfehlen, welche Datensilos in einen sicheren Data Lake migriert werden sollen, wie dieser kontinuierlich befüllt und aktualisiert werden kann und überwinden die belastenden Einschränkungen von Volumen, Geschwindigkeit und Datenvielfalt. Darüber hinaus helfen unsere Datenanalyseexperten mit gezielter KI Unternehmen, Verbesserungen bei Betrieb und Kosten zu entdecken, die Kundenzufriedenheit zu steigern und echte geschäftsbereichsübergreifende Innovationen zu ermöglichen. Weitere Informationen finden Sie online oder kontaktieren Sie uns noch heute.
