Datentrends und Vorhersagen für das Jahr 2023 – Nachfrageverhalten im Visier
Datenkataloge und Datenmanagement-Tools werden obsolet, sofern sie nicht Teil einer größeren Plattform sind
Vor einigen Jahren äußerte Gartner, dass Datenkataloge der letzte Schrei im Bereich Datenmanagement und Datenanalyse seien. Das Konzept an sich ist nicht neu: die Erkenntnis, dass eine gemeinsame Definition für alle Geschäftsbegriffe, Ziele, Datensätze und Systeme notwendig ist. Was wir jedoch beobachten, ist der Übergang von einfachen Taxonomien hin zu Ontologien, also zu einem wirklichen Verständnis der Beziehungsklassen und der Struktur von Daten und Regeln, sowie zur Festlegung von Beschränkungen für die Verwaltung der Daten. Es geht um weit mehr als nur eine reine Klassifizierung. Unternehmen haben dies vereinzelt bereits implementiert, allerdings oft in Silos und nicht übergeordnet, über Geschäftsbereiche hinweg.
Einzelne Tools, die nur eine Funktion erfüllen, werden aber nicht ausreichen, um den wachsenden Herausforderungen im Datenmanagement gewachsen zu sein. Selbst Definitionen sowie Kriterien, die von Analysten zur Klassifizierung der Branchenführer verwendet werden, ändern sich rasch. Begriffe wie „Augmented“ oder „Discovery“ etc werden klassischen Kategorien (Datenqualität, Integration, Stammdatenmanagement) vorangestellt, um die Anforderungen und den vernetzten Charakter dieser Produkte zu unterstreichen. Es ist zu erwarten, dass langjährigen Marktführer im kommenden Jahr ins Hintertreffen geraten und die Innovatoren hier die Führung übernehmen.
Unternehmen wechseln zunehmend von Data-Mesh-Architekturen zum Data-Fabric-Ansatz
Die Data-Mesh-Architektur ist eine Strategie zur Dezentralisierung der Daten – mit dem Ziel, Kohärenz zwischen verschiedenen Geschäftsbereichen herzustellen. Sie ist in erster Linie personenorientiert. In der Regel sind Datenexperten involviert, die sich mit dem Thema befassen, Informationen kennzeichnen, Regeln entwerfen sowie verstehen, wer zu den Daten beiträgt, um ein besseres Bewusstsein dafür zu schaffen, wie Daten auf Unternehmensebene genutzt werden können.
Im Gegensatz dazu ist ein Data-Fabric-Ansatz stärker automatisiert. Er nutzt KI/ML und ist nicht auf erfahrene Datenwissenschaftler angewiesen. Dieses Entwurfsmuster wird für Unternehmen immer wichtiger werden. Unternehmen, die nicht bereit sind, zu einem automatisierten Ansatz übergehen, werden nicht mithalten können und nicht in der Lage sein, den gesamten potentiellen Wert Ihrer Systeme und Daten zu erschließen.
Datenmanagement in der Cloud gewinnt weiter an Bedeutung
Für Unternehmen, die sich von althergebrachten Datenmanagementprodukten verabschieden möchten, bieten sich jetzt viel mehr Möglichkeiten, da immer mehr Lösungen cloud-nativ werden. Sie sind auf Erweiterbarkeit und Integration ausgelegt und bieten die Möglichkeit, ein „Best-of-Breed“-Lösungspaket zu erstellen, das genau auf die Bedürfnisse eines Kunden zugeschnitten ist.
Wenn wir über Cloud-Infrastruktur, Integration, Data Lakes, Analyseplattformen etc. nachdenken, wird deutlich, dass Kunden zunehmend in der Lage sein möchten zu prüfen, wie sie diese Funktionen zwischen strategischen Anwendungsanbietern und ihren Cloud-Plattformanbietern kombinieren können.
Ein Kunde, der beispielsweise die Entscheidung getroffen hat, seine IT-Infrastruktur in die Cloud zu verlagern, wird einen Cloud-Anbieter auswählen wollen, der nicht nur Rechen- und Speicherleistung, sondern auch Datenmanagementlösungen und Datendienste anbietet, die seine Modernisierungsbemühungen insgesamt beschleunigen. Diese Dienste müssen im Hinblick darauf betrachtet werden, wie gut sie mit den Kerngeschäftsanwendungen, die auf dieser Cloud-Plattform ausgeführt werden, zusammenarbeiten. Die Möglichkeit, Kernanwendungen mit umfangreichen Funktionen über die Infrastruktur hinaus zu erweitern, stellt sicher, dass der Umzug das bestmögliche Geschäftsergebnis bringt und nicht nur ein bloßer Austausch von Investitionsausgaben mit Betriebsausgaben ist. Daher werden Plattformen, Anwendungen und Tools, die diese Integration und Erweiterung beschleunigen oder aber einfacher machen, insgesamt stärker nachgefragt werden.
Die Nachfrage nach der Datenbeobachtbarkeit wird steigen
Wenn es um Daten und Datenmigration geht, sprechen wir über eine große Menge beweglicher Teile. Für eine optimale Lösung können mehrere Anwendungsanbieter und Cloud-Anbieter miteinbezogen sein. Um all dies in den Griff zu bekommen, benötigen Unternehmen ein besseres Verständnis über den Zustand der Daten in Ihren Systemen sowie die Auswirkungen, die dieser Zustand – ob gut oder schlecht – auf das Unternehmen hat. Datenbeobachtung ermöglicht es, den Zustand der Daten zu beurteilen sowie Probleme zu beheben, bevor sie sich verschlimmern.
Das Konzept stammt eigentlich aus dem DevOps-Bereich und nutzt die Fähigkeit, Silos zwischen Entwicklung und IT-Betrieb zu beseitigen, um eine kooperative, schnelle und iterative Produktbereitstellung zu ermöglichen. Die Datenbeobachtung lehnt sich im Grunde an die Vorteile von DevOps an und wendet sie auf unternehmenskritische Daten an.
Datenbeobachtung ist eine Maßnahme oder ein Ansatz, der einer Organisation hilft, wirklich zu verstehen, wie gut ihre Daten das Geschäft unterstützen.
Wenn Unternehmen ihre Teams nicht in die Lage versetzen, die Auswirkungen von Daten auf das Geschäft wirklich zu verstehen, und ihnen nicht die dazu erforderlichen Tools zur Verfügung stellen, um diese Probleme zu lösen, werden Sie insgesamt ineffizient arbeiten und mehr Kosten verursachen als nötig.
Kunden werden von ihren Anbietern zunehmend erwarten, dass sie in der Lage sind, greifbare geschäftliche Auswirkungen nachzuweisen
Wenn Anbieter über Softwarefunktionen sprechen sowie darüber, wie Funktionen im Vergleich zu denen eines anderen Produkts aussehen, bieten sie Kunden keinen Mehrwert. Anbieter müssen vielmehr in der Lage sein, die geschäftlichen Auswirkungen der Software auf das Unternehmen und den mit der Implementierung verbundenen ROI aufzuzeigen. Sie müssen in der Lage sein, einen Bezug zu den Dingen herzustellen, die der Vorstand und der CEO des Kunden als Schlüsselkennzahlen verwenden. Wenn Anbieter nicht in der Lage sind, einen klaren Bezug zum tatsächlichen Wert herzustellen, werden Sie ihre Software nicht verkaufen können.
Über Syniti
Syniti löst komplexeste Datenherausforderungen, indem es auf einzigartige Weise intelligente, KI-gesteuerte Software und umfassendes Daten-Know-how kombiniert, um sichere und herausragende Geschäftsergebnisse zu erzielen. Seit über 25 Jahren arbeitet Syniti mit den Fortune-2000-Unternehmen zusammen, um wertvolle Erkenntnisse zu gewinnen, die Wachstum ankurbeln, Risiken reduzieren und Wettbewerbsvorteile vergrößern. Die verbindende Plattform von Syniti für die Unternehmensdatenverwaltung unterstützt Datenmigration, Datenqualität, Datenreplikation, Stammdatenverwaltung, Analysen, Datenverwaltung sowie Datenstrategie in einer einzigen, einheitlichen Lösung. Syniti ist ein Portfoliounternehmen der Private-Equity-Gesellschaft Bridge Growth Partners LLC. Weitere Informationen unter www.syniti.com.
Kontakt
Syniti
Erin Grohs
115 4th Avenue #205
02494 Needham Heights, MA
973.580.6983
erin.grohs@syniti.com