Dies ist ein gesponserter Blogbeitrag von Saurav Gupta, Vertriebsingenieur, InterSystems
Finanzdienstleistungsunternehmen sind mit Daten überschwemmt, und es besteht ein klares Interesse in der Branche, diese für eine Vielzahl von Initiativen zu nutzen, darunter Analysen zu Echtzeit-Transaktionsdaten und zur Reduzierung der Kundenabwanderung. Dazu muss jedoch die richtige Datenverwaltungsarchitektur eingerichtet werden. Das ist selten einfach. Im Laufe der Jahre haben Organisationen verschiedene Wege ausprobiert, um konsistente Ansichten von Unternehmensdaten bereitzustellen, um ihre Geschäftsanforderungen zu unterstützen, aber schnelle Änderungen in den Anforderungen an die Anforderungen ihrer IT-Infrastruktur und Datenumgebungen, wie die Implementierung von Data Lakes und Data Warehouses, bedeuten dies dass Herausforderungen bestehen bleiben.
Während Daten in Finanzdienstleistungsunternehmen oft isoliert und schwer zugänglich und konsumierbar sind, sehen wir jetzt das Aufkommen neuer Ansätze für das Datenmanagement, die diese Herausforderungen bewältigen können. Zwei der vielversprechendsten: Data Fabric und Data Mesh, wurden entwickelt, um Unternehmen dabei zu unterstützen, den maximalen geschäftlichen Nutzen aus ihren Daten und der vorhandenen Dateninfrastruktur zu ziehen.
Es gibt viele Ähnlichkeiten zwischen den beiden Ansätzen. Beide ermöglichen, dass die Daten an Ort und Stelle an der Quelle gespeichert bleiben – ein wichtiges Unterscheidungsmerkmal gegenüber Legacy-Systemen, bei denen Daten mithilfe von Batch-Prozessen kopiert und verschoben werden müssen.
Darüber hinaus verbinden sowohl eine Data Fabric als auch ein Data Mesh unterschiedliche Daten und Anwendungen, einschließlich On-Premises, von Partnern und in der Public Cloud, um sie zu entdecken, zu verbinden, zu integrieren, zu transformieren, zu analysieren, zu verwalten und zu nutzen. Durch die Nutzung dieser Funktionen ermöglichen es beide Ansätze dem Unternehmen, Geschäftsziele schnell und effizient zu erreichen.
Trotz der Parallelen zwischen den beiden sind hier auch einige wichtige Unterschiede zu berücksichtigen, die hervorheben, warum sie eher komplementär als austauschbar sind. Bei einer Data Fabric werden Metadaten, Governance und Semantik zentral verwaltet. Diese Struktur ist häufiger in Finanzdienstleistungsunternehmen anzutreffen, die einen Chief Data Officer beschäftigen, der einen Top-down-Ansatz für das Datenmanagement verfolgt.
Die neueste Iteration, smart Data Fabrics, bauen auf der Data Fabric-Grundlage auf und integrieren eine breite Palette von Analysefunktionen, darunter Datenexploration, Business Intelligence, Verarbeitung natürlicher Sprache und maschinelles Lernen direkt in der Fabric selbst. Für Finanzdienstleistungen bedeutet dies die Möglichkeit, Echtzeit-Ereignis- und Transaktionsdaten zu analysieren, ohne die Leistung des Transaktionssystems zu beeinträchtigen. Unternehmen können von der Abfrage von Offline- oder Intraday-Nummern wegkommen und Entscheidungen im Moment mit Echtzeit-Einblicken treffen.
Ein Data Mesh hingegen ermöglicht lokalen Domänenteams, die Bereitstellung von Datenprodukten auf der Grundlage der Prämisse zu übernehmen, dass sie näher an ihren Daten sind und sie besser verstehen. Es wird von einer Architektur unterstützt, die ein domänenorientiertes Self-Service-Design nutzt, das es lokalen Teams ermöglicht, Daten zu entdecken, zu verstehen, ihnen zu vertrauen und sie zu nutzen, um Entscheidungen und Initiativen zu treffen und Datenprodukte und -anwendungen zu entwickeln und bereitzustellen.
Ein wesentlicher Unterschied zwischen den beiden besteht darin, dass ein Data Mesh die Definition und Verwaltung von Data Governance an den Quellsystemen (Endpunkten) ermöglicht, während eine Data Fabric eine übergreifende Struktur bereitstellt, die Governance, Herkunft, Sicherheit usw. umfasst und zentral angewendet und verwaltet wird , zum Beispiel vom CDO. Aus praktischer Sicht kann ein Datennetz für Situationen geeignet sein, in denen Bedenken hinsichtlich der Datenhoheit bestehen, während eine Datenstruktur der richtige Ansatz sein kann, wenn das Büro des CDO eine organisatorische Taxonomie mit Zugriffsrechten definiert.
Diese Unterscheidungsmerkmale verdeutlichen, dass sich beide Ansätze keineswegs ausschließen – ganz im Gegenteil. Wenn es darum geht, den zu verwendenden Architekturtyp zu bestimmen, hängt die Auswahl tatsächlich vom geschäftlichen Anwendungsfall ab. Wenn das leitende Team beispielsweise eine Unternehmensansicht seiner Datenbestände mit Governance auf Unternehmensebene haben möchte, wird es sich wahrscheinlich für die Implementierung einer Unternehmensdatenstruktur entscheiden. Wenn die Organisation bestimmte vertrauenswürdige Teile des Unternehmens mit der Flexibilität ausstatten möchte, ihre eigenen Anwendungen zu erstellen und zu verwalten, um Innovationen und digitale Transformationsinitiativen zu beschleunigen, oder wenn Fragen der Datenhoheit von Bedeutung sind, kann ein Datennetz eine geeignete Komponente ihres Gesamtkonzepts sein die Architektur.
Es ist jedoch ebenso wahr, dass die beiden Ansätze unter den richtigen Umständen positiv zusammenarbeiten können und dies auch oft tun, um positive Ergebnisse zu erzielen. Wie einer unserer größten Finanzdienstleistungskunden es ausdrückt: „Gewebe und Gewebe haben das gleiche Ziel des einfachen Zugriffs auf Daten und können unter den richtigen Umständen tatsächlich komplementäre Ansätze sein.“
Die Realität ist, dass Data-Fabric-Architekturen mit Data-Mesh-Initiativen koexistieren können, wo dies sinnvoll ist, beispielsweise in großen Organisationen, die Kampagnendaten lokal in Regionen verwalten müssen.
Ein Beispiel, bei dem eine Datenstruktur und ein Datennetz gleichzeitig funktionieren, sind die Anforderungen eines großen multinationalen Vermögensverwaltungsunternehmens mit Customer 360-Initiativen.
In diesem Anwendungsfall wird die gesamte Datenstrategie des Unternehmens zentral verwaltet (Data Fabric), aber in bestimmten Ländern, in denen lokale Marketingkampagnen durchgeführt werden, gibt es Probleme mit der Souveränität über die Datenaufbewahrung und -verarbeitung. Damit einhergehend gibt es spezifisches lokales Wissen der Kunden in den Regionen, was zu Variationen im lokalen Kampagnenmanagement führt. Diese Abweichungen werden von den regionalen, landesspezifischen oder lokalen IT-Teams (Data Mesh) behandelt.
Solche praktischen Beispiele dafür, wie Data Mesh und Data Fabric zusammenarbeiten können, um greifbare geschäftliche Vorteile zu erzielen, sind letztendlich viel aufschlussreicher als die Debatte über die jeweiligen Vorzüge der einzelnen Ansätze.
Es dreht sich alles darum, wie die Ansätze dabei helfen können, Geschäftsarchitekturen zu rationalisieren und zu vereinfachen, damit Unternehmen sich darauf konzentrieren können, ihre Daten auf sinnvolle Weise zu nutzen, die einen greifbaren Geschäftswert liefert. Im Laufe der Zeit erwarten wir eine Weiterentwicklung der beiden Ansätze mit Data-Mesh-Innovationen in Bereichen wie dem domänenorientierten Datenbesitz, die mit der zunehmend ausgereiften Data-Fabric-Architektur zusammenkommen. Der pragmatische Fokus muss jedoch die ganze Zeit darauf liegen, was diese Kombination von Fähigkeiten unter dem Strich bringt. Für zu viele Organisationen wird die Dateninfrastruktur immer noch als Kostenstelle angesehen, aber diese neuen Paradigmen ebnen den Weg für ein neues Verständnis ihres Wertes und ermöglichen es, sie in einem neuen Licht als Profitcenter zu würdigen, das seinen eigenen erheblichen Wert einbringt zum Geschäft.
- SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
- Platoblockkette. Web3-Metaverse-Intelligenz. Wissen verstärkt. Hier zugreifen.
- Quelle: https://finovate.com/data-fabric-or-data-mesh-can-financial-services-firms-benefit-from-both/
- a
- Fähigkeit
- Über uns
- Zugang
- Zugriff auf Daten
- Erreichen
- Zusatz
- Alle
- Zulassen
- erlaubt
- Analytik
- analysieren
- und
- Appetit
- Anwendungen
- angewandt
- Ansatz
- Ansätze
- angemessen
- Architektur
- Bereiche
- Details
- basierend
- Sein
- Nutzen
- Vorteile
- Besser
- zwischen
- Blog
- Boden
- bauen
- Geschäft
- Geschäftsvorteile
- Business Intelligence
- Kampagnen (Campaign)
- Kampagnen
- Fähigkeiten
- Häuser
- Center
- sicher
- Herausforderungen
- Änderungen
- Chef
- Chief Data Officer
- Auswählen
- Umstände
- klar
- näher
- Cloud
- Kombination
- Kommen
- Unternehmen
- Unternehmen
- komplementär
- Komponente
- Hautpflegeprobleme
- Bedenken
- Vernetz Dich
- Geht davon
- konsistent
- verbrauchen
- Kosten
- Länder
- Land
- erstellen
- Kunde
- Kunden
- technische Daten
- Dateninfrastruktur
- Datenmanagement
- Datenstrategie
- Data Warehouse
- Debatten.
- Entscheidungen
- definiert
- Definition
- Übergeben
- liefert
- Lieferanten
- Anforderungen
- abhängig
- einsetzen
- Design
- entworfen
- Festlegung
- entwickeln
- Unterschied
- Unterschiede
- anders
- Differenzierer
- schwer
- digital
- Digitale Transformation
- Direkt
- entdeckt,
- disparat
- Dabei
- Domain
- jeder
- Einfache
- effizient
- Entstehung
- ermächtigen
- ermöglichen
- ermöglicht
- ermöglichen
- Ingenieur
- Unternehmen
- Umgebungen
- gleichermaßen
- etc
- Event
- Evolution
- Beispiel
- Beispiele
- Exclusive
- vorhandenen
- erwarten
- Exploration
- Stoff
- Stoffe
- weit
- Revolution
- Finanzdienstleistungen
- Fest
- Firmen
- Flexibilität
- Setzen Sie mit Achtsamkeit
- Foundation
- häufig
- für
- weiter
- Kundenziele
- Ziele
- Governance
- Pflege
- Hilfe
- hier
- Hervorheben
- Ultraschall
- HTTPS
- implementieren
- Implementierung
- wichtig
- in
- Dazu gehören
- Einschließlich
- integrieren
- zunehmend
- Infrastruktur
- Initiativen
- Innovation
- Innovationen
- Einblicke
- integrieren
- Intelligenz
- InterSystems
- Probleme
- IT
- Iteration
- selbst
- Wesentliche
- Wissen
- Sprache
- grosse
- neueste
- lernen
- Legacy
- Niveau
- Hebelwirkung
- Hebelwirkungen
- Nutzung
- !
- wahrscheinlich
- Line
- aus einer regionalen
- örtlich
- suchen
- Maschine
- Maschinelles Lernen
- Dur
- um
- MACHT
- Making
- verwalten
- verwaltet
- Management
- viele
- Marketing
- Marketing-Kampagnen
- reifen
- max-width
- maximal
- sinnvoll
- Mittel
- Triff
- Metadaten
- Moment
- mehr
- vor allem warme
- schlauer bewegen
- multinationalen
- gegenseitig
- Natürliche
- Natürliche Sprache
- Verarbeitung natürlicher Sprache
- Need
- Bedürfnisse
- Neu
- Zahlen
- Office
- Offizier
- Offline-Bereich.
- EINEM
- Organisationen
- Organisation
- organisatorisch
- Organisationen
- Andere
- Gesamt-
- Überwinden
- besitzen
- Eigentum
- Parallels
- Teile
- Pflasterung
- ausführen
- Leistung
- Ort
- Plato
- Datenintelligenz von Plato
- PlatoData
- Punkte
- positiv
- Post
- Praktisch
- pragmatisch
- Gegenwart
- Privilegien
- anpassen
- Verarbeitung
- Produkte
- Profit
- aussichtsreich
- bietet
- Öffentlichkeit
- Public Cloud
- Versetzt
- Putting
- schnell
- Angebot
- schnell
- lieber
- Echtzeit
- Realität
- Reduzierung
- regional
- Regionen
- bleiben
- erfordern
- erfordert
- diejenigen
- Beibehaltung
- Vertrieb
- gleich
- Bibliotheken
- Sicherheitdienst
- Sehen
- Auswahl
- Semantik
- Senior
- Sinn
- Leistungen
- Teilen
- Ähnlichkeiten
- Vereinfachung
- gleichzeitig
- Umstände
- So
- einige
- Quelle
- Souveränität
- spezifisch
- Geschwindigkeit
- Sponsored
- Immer noch
- gelagert
- Strategie
- Rationalisierung
- Struktur
- wesentlich
- so
- Support
- Unterstützte
- System
- Systeme und Techniken
- nimmt
- Taxonomie
- Team
- Teams
- AGB
- Das
- Die Quelle
- ihr
- Zeit
- zu
- gemeinsam
- auch
- Transaktion
- Transformieren
- Transformation
- was immer dies auch sein sollte.
- Vertrauen
- vertraut
- Letztlich
- für
- verstehen
- Verständnis
- -
- Anwendungsfall
- Nutzen
- Wert
- Vielfalt
- Anzeigen
- Ansichten
- Wege
- Reichtum
- Vermögensverwaltung
- Was
- welche
- während
- breit
- Große Auswahl
- werden wir
- .
- ohne
- Arbeiten
- zusammenarbeiten
- würde
- Jahr
- Zephyrnet