Geschätzte Lesezeit: 7 minuti
Wenn Daten aus verschiedenen Quellen stammen, sei es CRM, Social-Media-Feeds oder Daten zu Verhaltensereignissen. Und diese Daten werden wahrscheinlich in verschiedenen Tools und Systemen im gesamten Technologie-Stack gespeichert (z. B. Legacy-Systeme, Cloud-basierte Tools usw.). Data Warehouse o See).
Der erste Schritt bei der Datenorchestrierung besteht darin, Daten aus all diesen verschiedenen Quellen zu sammeln und zu organisieren und sicherzustellen, dass sie für das Ziel korrekt formatiert sind. Womit wir bei der Transformation wären.
Die Daten liegen in verschiedenen Formaten vor. Es kann strukturiert, unstrukturiert oder halbstrukturiert sein, oder für dasselbe Ereignis gelten möglicherweise unterschiedliche Namenskonventionen zwischen zwei internen Teams. Beispielsweise könnte ein System das Datum als 21. April 2022 erfassen und speichern, während ein anderes es im numerischen Format 20220421 speichern könnte.
Um all diese Daten sinnvoll nutzen zu können, müssen Unternehmen sie häufig in ein Standardformat umwandeln. Die Datenorchestrierung kann dazu beitragen, den Aufwand für den manuellen Abgleich all dieser Daten und die Anwendung von Transformationen auf der Grundlage der Daten-Governance-Richtlinien und des Überwachungsplans Ihres Unternehmens zu reduzieren.
Ein entscheidender Teil der Datenorchestrierung besteht darin, Daten für die Aktivierung verfügbar zu machen. Dies geschieht, wenn saubere, konsolidierte Daten zur sofortigen Verwendung an nachgelagerte Tools gesendet werden (z. B. zum Erstellen einer Kampagnenzielgruppe oder zum Aktualisieren eines Business Intelligence-Dashboards).
Bei der Datenorchestrierung geht es im Wesentlichen darum, isolierte Daten und fragmentierte Systeme aufzulösen. Alluxio weiß es zu schätzen dass die Datentechnologie alle 3-8 Jahre großen Veränderungen unterliegt. Das bedeutet, dass ein 21 Jahre altes Unternehmen seit seiner Gründung möglicherweise sieben verschiedene Datenverwaltungssysteme durchlaufen hat.
Die Datenorchestrierung hilft Ihnen auch dabei, Datenschutzgesetze einzuhalten, Datenengpässe zu beseitigen und die Datenverwaltung durchzusetzen – nur drei (unter vielen) guten Gründen für die Implementierung.
Datenschutzgesetze wie die DSGVO und der CCPA enthalten strenge Richtlinien für die Datenerhebung, -nutzung und -speicherung. Ein Teil der Compliance besteht darin, Verbrauchern die Möglichkeit zu geben, der Datenerfassung zu widersprechen oder zu verlangen, dass Ihr Unternehmen alle ihre personenbezogenen Daten löscht. Wenn Sie nicht genau wissen, wo Ihre Daten gespeichert sind und wer darauf zugreift, kann es schwierig sein, diesen Bedarf zu decken.
Seit Inkrafttreten der DSGVO haben wir Millionen von Löschanträgen gesehen. Es ist wichtig, ein solides Verständnis des gesamten Lebenszyklus von zu haben geben um sicherzustellen, dass nichts entgeht.
Ohne Datenorchestrierung sind Engpässe eine ständige Herausforderung. Nehmen wir an, Sie sind ein Unternehmen mit mehreren Speichersystemen, die Sie nach Informationen abfragen müssen. Die für die Abfrage dieser Systeme verantwortliche Person muss wahrscheinlich viele Anfragen durchgehen, was bedeutet, dass es zu Verzögerungen zwischen den Teams kommen kann die sie brauchen der Daten und derjenigen, die dort sind erhalten effektiv, was wiederum dazu führen kann, dass die Informationen veraltet sind.
In einer gut orchestrierten Umgebung würde diese Art von Start und Stopp eliminiert. Ihre Daten werden bereits zur Aktivierung an nachgelagerte Tools übermittelt (und diese Daten werden standardisiert, sodass Sie auf ihre Qualität vertrauen können).
Datenverwaltung ist schwierig, wenn Daten über mehrere Systeme verteilt sind. Unternehmen haben keinen vollständigen Überblick über den Datenlebenszyklus und sind unsicher, welche Daten gespeichert werden (z. B wo) schafft Schwachstellen, beispielsweise weil personenbezogene Daten nicht ausreichend geschützt werden.
Data Orchestration hilft, dieses Problem zu lösen, indem es eine größere Transparenz bei der Datenverwaltung bietet. Dies ermöglicht es Unternehmen, ungültige Daten proaktiv zu blockieren, bevor sie Datenbanken erreichen oder sich auf die Berichterstellung auswirken, und Berechtigungen für den Datenzugriff festzulegen.
Beim Versuch, Datenorchestrierung zu implementieren, können verschiedene Herausforderungen auftreten. Hier sind die häufigsten, die Sie beachten sollten, und wie Sie sie vermeiden können.
Datensilos kommen in Unternehmen häufig, wenn nicht sogar schädlich, vor. Da sich Technologie-Stacks weiterentwickeln und unterschiedliche Teams für unterschiedliche Aspekte des Kundenerlebnisses zuständig sind, kann es nur allzu leicht passieren, dass Daten über verschiedene Tools und Systeme hinweg isoliert werden. Das Ergebnis ist jedoch ein unvollständiges Verständnis der Unternehmensleistung, das von blinden Flecken in der Customer Journey bis hin zu Misstrauen gegenüber der Genauigkeit von Analysen und Berichten reicht.
In Unternehmen fließen immer Daten von mehreren Touchpoints in verschiedene Tools. Der Abbau von Silos ist jedoch unerlässlich, wenn diese Unternehmen einen Mehrwert aus ihren Daten ziehen wollen.
In den letzten Jahren haben sich einige Trends hinsichtlich der Art und Weise herauskristallisiert, wie Unternehmen den Fluss und die Aktivierung ihrer Daten verwalten. Ein Beispiel hierfür ist die Echtzeit-Datenverarbeitung, bei der Daten innerhalb von Millisekunden nach ihrer Erzeugung verarbeitet werden. Echtzeitdaten sind in allen Branchen von entscheidender Bedeutung geworden und spielen dabei eine SchlüsselrolleIoT (zum Beispiel Näherungssensoren in Autos), Gesundheitswesen, Lieferkettenmanagement, Betrugserkennung und nahezu sofortige Personalisierung. Insbesondere mit Fortschritten beim maschinellen Lernen und der künstlichen Intelligenz ermöglichen Echtzeitdaten Algorithmen undkünstliche Intelligenz um schneller zu lernen.
Ein weiterer Trend war die Verlagerung auf Technologien, die darauf basieren Cloud. Während einige Unternehmen vollständig umgezogen sind Cloud, andere verfügen möglicherweise weiterhin über eine Mischung aus On-Premise-Systemen und Cloud-basierten Lösungen.
Hinzu kommt die Entwicklung der Art und Weise, wie Software erstellt und bereitgestellt wurde, die sich darauf auswirkt, wie die Datenorchestrierung durchgeführt wird.
– Keine Datenbereinigung und -validierung integriert
– Arbeitsabläufe nicht testen, um reibungslose und optimierte Prozesse sicherzustellen
– Verzögerte Reaktionen auf Probleme wie Dateninkonsistenzen, Serverfehler und Engpässe
– Keine klare Dokumentation zur Datenzuordnung, Datenherkunft und einem Überwachungsplan vorhanden
So messen Sie den ROI der Datenorchestrierung:
– Grundlegende Leistung verstehen
– Haben Sie klare Ziele, KPIs und Vorgaben für die Datenorchestrierung vor Augen
– Berechnen Sie die Gesamtkosten der eingesetzten Technologie sowie Zeit und interne Ressourcen
– Messen Sie wichtige Kennzahlen wie Zeitersparnis, Verarbeitungsgeschwindigkeit und Datenverfügbarkeit usw.
BlogInnovazione.it
Der Marinesektor ist eine echte globale Wirtschaftsmacht, die auf einen 150-Milliarden-Milliarden-Markt zusteuert...
Letzten Montag gab die Financial Times einen Deal mit OpenAI bekannt. FT lizenziert seinen erstklassigen Journalismus…
Millionen von Menschen zahlen für Streaming-Dienste monatliche Abonnementgebühren. Es ist eine weitverbreitete Meinung, dass Sie…
Coveware by Veeam wird weiterhin Dienstleistungen zur Reaktion auf Cyber-Erpressungsvorfälle anbieten. Coveware wird Forensik- und Sanierungsfunktionen anbieten …
