Kommentar von Dwayne Johnson und Mark Mitchell, Teradata Innovation im analytischen Ökosystem

Autor / Redakteur: Dwayne Johnson und Mark Mitchell * / Nico Litzel

Viele Unternehmen machen die Erfahrung, dass Business und IT widersprüchliche Kernziele haben. Die IT konzentriert sich auf Stabilität, Wiederholbarkeit, Effizienz und operatives Risikomanagement, während das Business Geschwindigkeit, Agilität, Flexibilität und Geschäftsrisiken im Blick hat. Wie können beide Geschäftsbereiche dennoch am gleichen Strang ziehen, um die Innovation zu beschleunigen und so die unternehmerische Wertschöpfung zu steigern?

Firmen zum Thema

Abbildung 1: Analytics Framework
Abbildung 1: Analytics Framework
(Bild: Teradata)

Die IT-Abteilung ist verantwortlich für den Einsatz kostengünstiger Technologie und Risikominimierung im Management von Unternehmensdaten. Diese Ziele werden oft über Service Level Agreements (SLAs) gemessen. Aus Business-Sicht gilt es, strategische Unternehmensziele mit messbaren Metriken zu erreichen. Diese Ziele werden über zunächst spekulative Anwendungsfälle erreicht, die schließlich Analysen zur Erfolgsmessung erfordern. Aber wie kann die IT sicherstellen, dass die SLAs erfüllt werden, wenn die neuen Geschäftsanforderungen nicht klar artikuliert werden können?

Die Lösung ist eine moderne analytische Architektur, die sowohl die Business- als auch auf die IT-Anforderungen im Blick hat, Empfehlungen zur Erfüllung dieser Anforderungen liefert und es Business- und IT-Anwendern ermöglicht, ihre Ziele mit möglichst wenig Reibung zu erreichen.

Das folgende Framework (Abbildung 1) bildet drei grundlegende Merkmale ab, die für den Erfolg in einer modernen analytischen Architektur erforderlich sind:

  • 1. Flexibilität – Auswahl der am besten geeigneten Softwareressourcen, z. B. Tools, Sprachen und Bibliotheken, um die Analysezeit zu beschleunigen und den Aufwand für die Operationalisierung zu minimieren.
  • 2. Einfachheit – analytische Ressourcen, z. B. für Computing, Storage oder das Netzwerk, in einer vereinfachten, verwaltbaren und kostengünstigen Weise für Geschäftsanwender und IT-Anwender schnell bereitstellen und abschalten.
  • 3. Zugänglichkeit – Informationen und Analysen innerhalb des gesamten Analytics-Ökosystems effizient finden, sichern und verwalten, ohne die Arbeit der Business-Anwender zu verlangsamen oder den Betrieb und die Produktion zu gefährden.

Flexibilität für Tools, Programmiersprachen und Bibliotheken – ohne Chaos

Business und IT haben unterschiedliche Anforderungen an Tools, Sprachen und Bibliotheken für die Datenanalyse:

Business-Anforderungen:

  • Zugang zu einer Vielzahl von Tools, Sprachen und Bibliotheken für Analytics
  • Schnelligkeit durch Self-Service-Funktionen
  • Formelles Training und selbstgesteuertes Lernen

IT-Anforderungen:

  • Die Produktions- und Discovery-Umgebung müssen zugänglich, nachhaltig, belastbar und leicht zu handhaben sein
  • Tragfähigkeit, Kosten und Roadmaps von Technologien zur Unterstützung der Produktions-Workloads müssen bewertet und rationalisiert werden

 

Empfehlungen

IT-orientiert:

  • Die IT-Abteilung muss eine Liste autorisierter Tools, Sprachen und Bibliotheken erstellen, die in der Produktionsumgebung unterstützt werden (in Übereinstimmung mit den geschäftlichen Anforderungen)
  • Die IT ist verantwortlich für die Einführung von Sandbox-Daten und -Analysen in die Produktion (Operationalisierung).
  • In Fällen, in denen neue Technologie benötigt wird, sollte das Unternehmen die IT so früh wie möglich in den Evaluierungsprozess einbeziehen.
  • Zusammenarbeit mit Kompetenzzentren für technische Schulungen zum Thema Usability

 

Geschäftsorientiert:

  • Frühzeitige Zusammenarbeit mit der IT bei neuen Technologien, um den Evaluierungsprozess zu beschleunigen
  • Kompetenzzentren aufbauen, um Schulungsmaterial zum Selbstlernen zu empfehlen.
  • Möglichst Technologien nutzen, die für die Produktion autorisiert sind, damit die IT neue Analysen schneller in die Produktion bringen kann.
  • Die Wahl nicht autorisierter Technologie sollte im Ermessen der Anwender liegen. Diese müssen sich jedoch darüber im Klaren sein, dass ihre Wahl die Operationalisierung der IT verzögern kann.
  • Geschäftsanwender sollten ihre eigenen Tools, Sprachen und Bibliotheken in ihrer eigenen Sandbox nutzen dürfen – unter der Prämisse, dass dies ausschließlich Testzwecken dient.

Flexibilität ist der entscheidende erste Schritt, der es Anwendern ermöglicht, mithilfe eines breiten Spektrums moderner Tools ihre gewünschten Analysen durchzuführen. Um Innovationen noch schneller voranzutreiben, müssen außerdem Einfachheit und Zugänglichkeit im Fokus stehen.

Einfachheit für Computing, Speicher und Konnektivität ohne Kontrollverlust

Moderne analytische Ökosysteme mit neuen flexiblen Fähigkeiten steigern die Komplexität. Während Geschäftsanwender auf potenziell große Datenmengen einfach zugreifen und diese speichern wollen, muss das IT-Team die in Produktions- und Discovery-Umgebungen verwendeten Analyseressourcen verwalten:

Business-Anforderungen:

  • Zugriff auf Speicher- und Rechenressourcen
  • Vereinfachte Bereitstellung, um Ressourcen für analytische Exploration und Innovation zu erhalten
  • Einfacher Zugriff auf Daten in mehreren Datenspeichern durch Virtualisierung, um die Notwendigkeit der Datenreplikation zu reduzieren
  • Vereinfachter Einstieg in Analytics

IT-Anforderungen:

  • Standardisierte Bereitstellung von genehmigten Ressourcen für Data Discovery – dies stellt Support und schnellere Wertschöpfung sicher
  • Einhaltung der Produktions-SLAs
  • Virtualisierung für einfacheren Datenzugriff und Analysen in hoher Geschwindigkeit
  • Kosteneffizienz durch optimierte und rationalisierte Ressourcen
  • Verwaltung und Überwachung des Ressourcenverbrauchs für Produktion und Discovery

 

Empfehlungen

IT-orientiert:

  • Bereitstellung einer Analytics-Plattform für Discovery/Innovation mit adäquater Leistung bei Computing, Speicherung und Konnektivität, um die Anforderungen an Analytics aus geschäftlicher Sicht zu unterstützen.
  • Eine Umgebung fördern, die die Reibung beim Übergang von Datenanalysen von der Explorationsphase in die Produktion minimiert.

o Frameworks und Prozesse für die Analyse, um neue Daten und Analysen einfach in die Produktion zu überführen – mit der geeigneten Data Governance, um eine kontinuierliche Qualität der Daten und Analysen zu gewährleisten.

o Proaktive Zusammenarbeit mit den Geschäftsanwendern, um neue Tools und Technologien zu bewerten, die ihren Anforderungen entsprechen.

  • Einfache Auto-Provisioning-Funktionen für Anwender, damit diese Sandbox-Ressourcen einrichten können.
  • Schnelle Datenübertragung zwischen Datenspeicher-Plattformen, die Latenzen in der Datenübertragung reduziert und die Notwendigkeit der Datenreplikation minimiert.
  • Einrichten von Funktionen und Richtlinien zur Datenvirtualisierung, die den einfachen Zugriff auf Daten in mehreren Datenspeichern erlauben.
  • Ausgewogenheit zwischen den IT-Anforderungen an Leistung, Flexibilität und Gesamtbetriebskosten für das analytische Ökosystem und den geschäftlichen Anforderungen an Discovery und Innovation.
  • Implementierung von Workload-Management-Funktionen, die sicherstellen, dass die Produktion ihre SLAs einhalten kann und gleichzeitig Discovery-Umgebungen den direkten Zugriff auf Produktionsdaten ermöglichen.

Geschäftsorientiert:

  • Nutzung von IT-gesicherten Umgebungen, um Discovery-Analysen mit geringerem Aufwand in die Produktion zu überführen.
  • Einsatz des von der IT bereitgestellten Auto-Provisioning-Prozesses für schnelleren Zugriff auf Analyse-Umgebungen.
  • Einsatz von Datenvirtualisierung, um Daten bei Bedarf über SQL aus mehreren Datenspeichern zusammenzuführen, anstatt Ladejobs zu erstellen. Dies schafft minimierte Datenreplikation, bessere Datenqualität und schnellere Erkenntnisse aus den Daten.
  • Proaktive Zusammenarbeit mit der IT bei neuen Technologien, die Lücken in der Geschäftsstrategie schließen.
  • Der Fokus liegt darauf, schnell zu Erkenntnissen zu gelangen, nicht auf der Leistung in der Discovery-Phase.

Dank der Einfachheit können Benutzer schnell ihre eigenen analytischen Sandboxen bereitstellen, um sich auf die Datenanalyse zur Lösung ihrer Geschäftsprobleme zu konzentrieren. Die IT kann sicherstellen, dass die Ressourcen unterstützt, überwacht und verwaltet werden, um einen Überblick über die geladenen Daten und die ausgeführten Analyseprozesse zu erhalten. Die Anwender haben eine große Auswahl an verschiedenen Arten von Ressourcen und die IT-Abteilung hat einen Überblick über die zugewiesenen und genutzten Ressourcen.

Zugänglichkeit der Daten bei ausreichender Sicherheit und Governance, um die Kontrolle zu behalten

Geschäftsanwender müssen Daten innerhalb des Unternehmens suchen und finden können – unabhängig von Speicherort, Format oder Quelle. Gleichzeitig muss die IT-Abteilung Data-Governance-Prozesse sicherstellen, die sensible Daten schützen:

Business-Anforderungen:

  • Einfaches Auffinden von Speicherort, Bedeutung, Qualität, Sensibilität und Kontext von Daten innerhalb des Unternehmens
  • Einfacher Zugang zu vorhandenen Daten
  • Einfache Berechtigungen zum Laden neuer Daten aus externen Quellen zur Datenexploration
  • Neue Analysen und Daten schneller in die Produktion bringen
  • Höhere Effizienz durch Austausch von Analysedaten und -prozessen zwischen Datenanalysten
  • Zugang zu aktuellen technischen und operativen Metadaten

IT-Anforderungen:

  • Umfassendes Metadaten-Management
  • Einsicht, wie Daten in der Data Discovery verwendet werden
  • Daten mit Zugriffsschutz angemessen sichern
  • Kontinuierliche Überwachung von Sandbox-Workloads und -Daten, um Sicherheitsrisiken zu minimieren
  • Sicherstellen, dass neu geladene Benutzerdaten aus unbekannten Quellen nicht mit anderen Benutzern geteilt werden können
  • Möglichkeiten zur Operationalisierung innerhalb und über User-Sandboxes hinweg identifizieren
  • Zugang zu aktuellen geschäftlichen und kollaborativen Metadaten

Empfehlungen

IT-orientiert:

  • Aufbau eines Datenkatalogs, der automatisch geschäftliche sowie operative und technische Metadaten aus wichtigen analytischen Datenspeichern wie z. B. Data Warehouse sammelt.
  • Gemeinsam mit den Business-Anwendern umfassende Governance-Regeln für Daten und Analyse in der Produktionsumgebung sowie flexible Governance für die Discovery-Umgebung sicherstellen.
  • Grundprinzipien für die Discovery-Umgebung (Sandboxes) festlegen, wie z. B. begrenzte gemeinsame Datennutzung in der Explorationszone.
  • Vereinfachte Self-Service-Prozesse für Business-Anwender für Datenzugriff in der Discovery-Zone
  • Klassifizierungsregeln für die Zuverlässigkeit von Daten erstellen, um Anwender für den Status von Daten innerhalb des analytischen Ökosystems zu sensibilisieren.
  • Sandbox-Umgebungen proaktiv überwachen, um Möglichkeiten zur Verlagerung von Workloads aus der Exploration in die Produktion zu identifizieren.
  • Daten aus den Discovery-Zonen im Hinblick auf gesetzliche Bestimmungen, Datenschutz und Auditing-Verfahren überwachen und – falls erforderlich – gemeinsam mit den Anwendern potenzielle Verstöße gegen die Compliance verhindern.

Geschäftsorientiert:

  • Die Grundprinzipien für Discovery-Umgebungen befolgen.
  • Den Datenkatalog nutzen, um die vertrauenswürdigsten Daten zu identifizieren – für Analysen von höchster Qualität und effiziente Operationalisierung.
  • Business-Experten sollten ihr Know-how in den Datenkatalog einbringen.
  • Levels für Datenqualität und Vertraulichkeit in die Zugriffsanfrage integrieren – für einen schnelleren Zugriff und Implementierungs-Workflow.
  • Für die Discovery-Umgebung Datenvirtualisierung nutzen, die durch im Hintergrund laufende Prozesse den plattformübergreifenden Zugriff auf Daten vereinfacht.
  • Autorisierte Technologien und IT-Entwicklungsstandards einsetzen (wenn möglich), damit die IT mit geringem Zeit- und Arbeitsaufwand Discovery-Analysen in die Produktion überführen kann.
  • Transformation von Sandbox-Daten dokumentieren, um die Operationalisierung zu beschleunigen.

Fazit

Business und IT haben sehr unterschiedliche Anforderungen, müssen aber eng zusammenarbeiten, damit ein Unternehmen erfolgreich ist. Wenn die IT-Abteilung die mühsame Kontrolle über die Discovery-Umgebungen aufgibt, kann sie sich stärker darauf konzentrieren, Analysen und Daten in die Produktion zu bringen. Wenn die Business-Anwender sich flexiblere, konsistentere Kontrollen zunutze machen, können sie schneller geschäftlichen Mehrwert generieren. Reibungsarmer Zugriff auf Unternehmensdaten über die von den Anwendern gewählten Tools ist für beide Seiten von Vorteil. Das Framework für Analysefunktionen bietet einen Ansatz, der die Anforderungen von Business und IT gleichermaßen berücksichtigt. Unternehmen, die solche Frameworks anwenden, werden die Innovation beschleunigen und ihre Mitbewerber übertreffen.

* Dwayne Johnson und Mark Mitchell sind Principal Ecosystem Architects bei Teradata

(ID:47105345)