Gastbeitrag: In modernen Organisationen werden in vielen Geschäftsprozessen wertvolle Unternehmensdaten generiert. Durch nahezu endlose Skalierungsmöglichkeiten moderner Cloud-Technologien liegen die Herausforderungen in der Entwicklung datengetriebener Geschäftsanwendungen weniger in der Verfügbarkeit von Recheninfrastruktur als viel mehr im Vorhandensein geeigneter Prozesse, Frameworks und Software-Systeme für ein unternehmensweites Daten-Management. Von Ahmed Sayed, Abdulrahman Kaitoua, Tayfun Wiechert und Johann Füchsl.

Foto: Collage, AWS Die Autoren (von links oben im Uhrzeigersinn): Ahmed Sayed, Abdulrahman Kaitoua, Tayfun Wiechert und Johann Füchsl Unternehmensübergreifend hören wir folgende Fragestellungen: Wie stelle ich meine Datenprodukte anderen Abteilungen zur Verfügung? Welche Mittel besitze ich, um relevante Daten zu finden? Wie stelle ich sicher, dass nur berechtige Personen Zugriff auf bestimmte Daten haben?

Zentrale und einheitliche Verfügbarkeit mit Data Lakes

Eine häufige Antwort darauf bestand im Aufbau unternehmensweiter Data Lakes, welche durch eines oder mehrere zentrale Teams entwickelt und betrieben werden. Daten aus verschiedenen Geschäftsbereichen werden aus den Quellsystemen extrahiert und zentral auf einem hochverfügbaren und skalierbaren Datenspeicher – dem Data Lake – in ihrem Rohformat repliziert. Das Wertversprechen: Durch die zentrale und einheitliche Verfügbarkeit einer Vielzahl von Unternehmensdaten wird die Entwicklung datengetriebener Anwendungen beschleunigt und Geschäftsbereich-übergreifende Analysen ad-hoc ermöglicht. Ein Beispiel dafür ist die Beantwortung der Fragestellung, ob Produktionsparameter in einem bestimmten Zeitraum Einfluss auf Kundenbewertungen hatten.

Gefahr durch Datensilos

Data Engineers werden durch diesen zentralisierten Zugang zunehmend zum Flaschenhals innerhalb der Organisation, da sie einerseits Integrationen zu Quellsystemen entwickeln, damit Daten verfügbar werden, diese dann analysieren und modellieren. um Geschäftswerte aus den Daten zu generieren und zusätzlich auch noch über Zugriffsberechtigungen entscheiden müssen. Das kann dazu führen, dass technisch versierte Teams eigene Silo-artige Lösungen entwickeln, welche abgeschirmt vom Rest der Organisation agieren. Die Zusammenarbeit und das Austauschen von Daten werden so behindert, was die Transformation zu einer datengetriebenen Organisation verlangsamt.

Foto: Soumil Kumar Mit data.all wird die Verwaltung von dezentralen Datenprodukten auf Organisationsebene über ein einheitliches Tool ermöglicht und somit die Transformation in eine datengetriebene Organisation beschleunigt. Zentrale Plattform als Lösung

Eine Lösung zur Verwaltung verteilter Datenprodukte kann bei diesen Herausforderungen helfen, wenn sie entsprechende Funktionalität bereitstellt: Sie muss es Teams erlauben, ihre Datenprodukte selbst zu entwickeln und dann innerhalb einer zentralen Plattform zu registrieren. Interessierte finden relevante Datenprodukte auf der Plattform und beantragen Zugang, worauf das System sicherstellt, dass die Anfrage bei der Personengruppe landet, welche die fachliche Entscheidungskompetenz besitzt.

Data.all entlastet Data Engineers

Data.all, eine Open Source Lösung von Amazon Web Services (AWS) Professional Services, ermöglicht die Verwaltung von verteilten Datenprodukten und bietet eine zentrale Schnittstelle für den sicheren Zugriff auf Daten innerhalb einer Organisation. Der Betriebs- und Koordinationsaufwand der zentralen Data Engineer Rolle schwindet somit, sodass sich diese vermehrt auf Kern- und Innovationsthemen, wie zum Beispiel Kosteneffizienz der Dateninfrastruktur, Modernisierung von Datawarehouses, Konsolidierung von Legacy Datenbanken und Echtzeitdatenverarbeitung konzentrieren können.

Die Autoren:

• Ahmed Sayed, Delivery Practice Manager for Emerging Technologies and Intelligent Platforms (ETIP), Amazon Web Services (AWS)
• Abdulrahman Kaitoua, Data Architect ETIP, AWS
• Tayfun Wiechert, Data Architect ETIP,  AWS
• Johann Füchsl, Solutions Architect, AWS

Dieser Beitrag ist der neunte Teil unserer AWS-Serie zum Thema Digitalisierung. Die vorigen Beiträge lesen Sie hier:

• Teil 1: „Der gelungene Start mit Machine Learning im Unternehmen“ von Johann Füchsl
• Teil 2: „In drei Schritten zur serverlosen Datenverarbeitung“ von Thomas Fritz
• Teil 3: „Kundenservice verbessern durch Contact Center-Lösungen in der Cloud“ von Michael Meidlinger
• Teil 4: „Zweckgebundene Datenbanken als Schlüsseltechnologie für bessere Entscheidungen“ von Andreas Juffinger
• Teil 5: „Das Rennen um Innovation“ von Daniel Mühlbachler-Pietrzykowski
• Teil 6: „VMware in der Cloud – Modernisieren ganz einfach“ von Johann Füchsl und Siegfried Eigler
• Teil 7: „So profitiert der Mittelstand von Big Data und Analytics“ von Andreas Juffinger
• Teil 8: „SAP in der Cloud: Ab in die Wolke oder doch lieber Altbewährtes?“ von Stephan Leuze, Frank Grave und Johann Füchsl