Skip to main content
Logical Data Management
Logical Data Management

Überblick

Die Kernidee des modernen Datenmanagements besteht darin, die Generierung datengestützter Geschäftseinblicke auf der Grundlage von zwei Hauptfaktoren zu verbessern:

  • Mehr Agilität in der Datenanalyse. Self-Service-Initiativen tragen dazu bei, die IT-Engpässe reduzieren
  • Jede Information für Analyseprozesse verfügbar zu machen

Jedes Unternehmen verfügt jedoch über eine lange Liste von Anwendungen und Systemen, die sich auf verschiedene Aspekte des Geschäfts konzentrieren, vom Lieferkettenmanagement bis zur Marketingautomatisierung und eine Vielzahl von Datensystemen wie Data Warehouses, Data Marts und Data Lakes.

Diese komplexe Datenlandschaft muss effizient verwaltet werden, um die oben genannten Ziele zu erreichen. Themen wie agile Datenintegration, Sicherheit und Governance stehen bei jeder modernen Datenstrategie im Vordergrund.

Um diese Anforderungen effektiv umzusetzen, haben sich die Unternehmen zwei verschiedenen Ansätzen zugewandt:

  1. Zentralisierte Datenstrategien auf der Grundlage einer physischen Datenkonsolidierung und
  2. Logische Datenstrategien, die auf einer konsolidierten Sicht der Daten über verschiedene Systeme hinweg basieren.
Logical Data Management

Zentralisierte Datenarchitektur und -verwaltung

Die zentralisierte Datenarchitektur und -verwaltung beruht auf dem physischen Kopieren von Daten aus mehreren Systemen in ein einziges Repository (z. B. Data Warehouse/Data Lake/House). Dies ist der traditionelle und häufigere Ansatz. Es ist relativ einfach, mit diesem Ansatz zu beginnen, aber angesichts der ständig wachsenden Anzahl von Datenquellen und der ständig steigenden Datenmengen ist er einfach nicht praktikabel und lässt Flexibilität vermissen.

Wenn Daten ständig in großen Mengen produziert werden, kontinuierlich in Bewegung sind und sich ständig verändern (z. B. IoT-Plattformen und Data Lakes), sind Versuche, all diese Daten zu sammeln, weder praktikabel noch machbar. Dadurch steigt die Nachfrage nach einer Verbindung zu Daten, nicht nur nach deren Sammlung (Datenvirtualisierung)."

Gartner Critical Capabilities für Datenintegrations-Tools, August 2022

Logical Data Management

Herausforderungen eines zentralisierten Ansatzes

Eine Lösung passt nie für alle Herausforderungen:

Operative RDBMs, noSQL, Graphen, Key-Value-Paare, Data Lake Engines, Enterprise Data Warehouse usw. existieren, um unterschiedliche Datenanforderungen zu erfüllen. Es gibt kein einzelnes Datensystem, das alle Datenanforderungen abdeckt.

Der Zeit- und Arbeitsaufwand ist erheblich:

Für jeden neuen Datenbedarf müssen aufwändige Datenreplikationsskripte entwickelt werden.

Konsolidierung kann untersagt sein:

Regionale Datenschutzbestimmungen schränken die Datenkonsolidierung oft ein.

Überwindet keine Datensilos:

Seit über 30 Jahren versuchen wir, alles in einem Data Warehouse zu konsolidieren. Die Cloud allein wird das Ergebnis nicht ändern.

Logical Data Management

Eine logische Datenarchitektur und -verwaltung ermöglicht den Zugriff auf mehrere, unterschiedliche Datenquellen, während sie den Benutzern als eine einzige "logische" Datenquelle erscheint. Es geht um die Vereinheitlichung von Daten, die in verschiedenen Systemen gespeichert und verwaltet werden, einschließlich traditioneller Datenquellen wie Datenbanken, Enterprise Data Warehouses, Data Lakes usw. und anderer Datenquellen wie Anwendungen, Big-Data-Dateien, Webservices und der Cloud, um jeden analytischen Anwendungsfall zu erfüllen.

Die logische Datenverwaltung ermöglicht es, Verfahren wie Datenermittlung, -zugriff, -sicherheit, -integration und -freigabe über eine logische (oder virtuelle) Darstellung statt direkt auf jedem physischen Quellsystem durchzuführen. Logische Datenverwaltungspraktiken ermöglichen die konsistente Umsetzung von Richtlinien und Prozessen zur Verwaltung, Integration und Nutzung der Daten eines Unternehmens, unabhängig von deren Format, dem Standort und den Fähigkeiten der einzelnen Quellsysteme.

 

Der Markt hat erkannt, dass Datenintegrationstools, die keine auf "Connect" und "Combine" basierenden Strategien für die Datenmanagement-Architektur bieten, immer zu Datensilos und/oder schlecht integrierten Infrastrukturen führen werden."

Gartner Magic Quadrant für Datenintegrations-Tools, August 2022

Logical Data Management

Vorteile des logischen Datenmanagements

illustration easy use

Nutzerfreundlich

Die Datenkonsumenten können von einem einzigen Ort aus auf alle Daten zugreifen.

Flexible Datenintegrationsoptionen

Eine Plattform, die eine ganze Reihe von Datenintegrationsoptionen unterstützt, von der vollständigen Replikation und Umwandlung bis hin zu Caching und Echtzeit-Abfrage.

Agile Data Integration

Zentralisierte Sicherheit und Governance

Zugriffskontrolle und Richtlinienimplementierung werden konsistent an einem einzigen Ort durchgeführt.

Zukunftsfähig

Die Entkopplung von Datenspeicherort und Schemata ermöglicht technologische Entwicklungen und Infrastrukturänderungen.

illustration future proof
Die Rolle einer logischen Architektur in modernen Daten und Analysen

Die Rolle einer logischen Architektur in modernen Daten und Analysen

Obwohl logische Ansätze eindeutige Vorteile bieten, müssen Unternehmen manchmal einen monolithischen Ansatz anwenden, um eine bestimmte Geschäftsanforderung zu erfüllen, und beide Ansätze können als Teil einer Gesamtstrategie für ein flexibles Datenmanagement zusammen eingesetzt werden.

Logical Data Management

Die Vorteile der logischen Datenarchitektur

Investitionen in eine logische Datenarchitektur machen sich schnell bezahlt. Durch die Implementierung einer logischen Datenschicht können Unternehmen auf jede beliebige Datenquelle zugreifen, Datensilos miteinander verbinden und jedem im Unternehmen einen 360-Grad-Blick auf Daten ermöglichen. Dieser ganzheitliche Ansatz zur Datenintegration und -verwaltung bietet eine Vielzahl von Vorteilen, darunter eine verbesserte Zusammenarbeit zwischen Daten-Eigentümern und Daten-Konsumenten. Im Folgenden werden nur einige dieser Vorteile aus der Geschäfts- und IT-Perspektive aufgeführt.

Business-Perspektive

Business-Perspektive

  • Ein Ort, an dem Sie alle Ihre Daten finden: Eine logische Datenschicht zentralisiert Ihre Daten und ermöglicht den Echtzeitzugriff auf alle Daten, einschließlich der On-Premises und in der Cloud gespeicherten Daten, mit semantischer Konsistenz.
  • Business-relevante Ansichten: Mit einer logischen Datenschicht können Unternehmen auf einfache Weise Self-Service-Ansichten ihrer Daten erstellen. Dazu werden die traditionell komplexen Datenintegrationstechnologien, -formate, -protokolle und Standortdetails eliminiert, wodurch die Daten zugänglicher und benutzerfreundlicher werden.
  • Verbesserte Datennutzung: Auch weniger technisch versierte Benutzer können Daten schnell finden, abrufen, integrieren und gemeinsam nutzen. Fachexperten im Unternehmen können in den Datenmodellierungsprozess einbezogen werden und die Zykluszeit für die Erstellung einsatzbereiter Daten verringern.
IT-Perspektive

IT-Perspektive

  • Daten in Echtzeit: Eine logische Datenschicht ermöglicht es den Beteiligten, bei Bedarf jederzeit auf die aktuellsten Daten zuzugreifen, und zwar in den bevorzugten Formaten, um eine Vielzahl von Geschäftsanwendungen zu unterstützen. Unternehmen müssen nicht mehr auf einen nächtlichen Batch-Lauf warten, um ihre Datensätze zu aktualisieren.
  • Weniger Datenwildwuchs und Duplikate: Durch die Beseitigung unnötiger Datenreplikationen mit einer logischen Datenschicht können Unternehmen ihre Flexibilität erhöhen, Risiken minimieren und Kosten senken.
  • Schnellere Datenbereitstellung: Logische Datenschichten ermöglichen eine beschleunigte Bereitstellung neuer Datensätze, so dass Unternehmen mit den sich ständig ändernden Datenanforderungen Schritt halten können.
  • Zentralisierte Sicherheit und Governance: Mit einer einzigen Ebene, die den Zugriff auf alle Unternehmensdaten umfasst, wird die Durchsetzung von Sicherheit und die Verwaltung von Datenkontrollen für jeden Benutzer über alle Datensätze hinweg viel einfacher.
Logical Data Management

Voraussetzung für logisches Datenmanagement

Für die erfolgreiche Implementierung einer logischen Datenarchitektur benötigen Unternehmen nur eine einzige Fähigkeit:

Datenvirtualisierung ist eine Technologie zur Datenintegration und Datenverwaltung, die Metadaten nutzt, um Unternehmen den Zugriff auf alle Unternehmensdaten in Echtzeit zu ermöglichen und um Daten zu entdecken, zu katalogisieren, bereitzustellen, zu kombinieren, gemeinsam zu nutzen und zu verwalten, um so eine Vielzahl von Use-Cases zu ermöglichen.

 

Erfahren sie mehr über datenvirtualisierung
LDF Architecture

Denodo Free Trial

Erleben Sie alle Vorteile von Denodo Enterprise Plus mit Agora, unserem vollständig verwalteten Cloud-Service.

FREE TRIAL STARTEN

Denodo Express

Der kostenlose Einstieg in die Datenvirtualisierung

KOSTENLOS HERUNTERLADEN