Denodo: Drei Datenstrategie-Trends für 2021

1. Verbreitung der KI-gestützten Data-Fabric

Durch die Pandemie wurde deutlicher denn je, dass die Bereitstellung von Informationen für das Business maßgeblich beschleunigt werden muss. Mit herkömmlichen Verfahren zur Datenintegration lässt sich dies aber oftmals nicht mehr bewerkstelligen. Die Integration neuer Datenquellen in heterogene Infrastrukturen wird zunehmend komplex und es dauert schlichtweg zu lange, bis den Datenkonsumenten neue Abfragen bereitgestellt werden können. Vor diesem Hintergrund wenden sich immer mehr Unternehmen von traditionellen Daten-Architekturen ab und setzen auf agilere Formen zur Datenintegration, wie etwa jene der Logical Data-Fabric. Dieses Konzept steht für eine nahtlose Datenintegration in heterogenen Umgebungen sowie die schnelle Bereitstellung von Informationen für das Business.

Dieser Trend wird sich in 2021 konsolidieren und immer mehr Organisationen werden eine ganzheitliche Datenstrategie verfolgen. Insbesondere das Konzept der Data-Fabric wird dabei eine wichtige Rolle spielen. Diese agilen Architekturen ermöglichen einen zuverlässigen Echtzeit-Datenfluss ohne physische Replikation der Daten. Außerdem wird sich die Implementierung von KI-Technologien in der Data-Fabric weiter etablieren, um für mehr Automatisierung insbesondere in den Bereichen Data-Discovery, Performance-Optimierung und Workload-Management zu sorgen.

2. Cloud-Integration statt Cloud-Migration

Die meisten Unternehmen befinden sich mittlerweile schon in der Cloud-Migrationsphase: Mehr als 60 Prozent der Organisationen nutzen die Cloud und 25 Prozent verfolgen gar einen Cloud-First-Ansatz, so eine aktuelle Studie von Denodo. Im Rahmen der Covid-19 Pandemie hat sich dieser Trend noch weiter verstärkt und viele Unternehmen haben die Vorteile von Cloud-Computing erkannt. Bisher lag der Fokus hierbei auf der Migration von Daten in die Cloud. Dieser Ansatz verspricht zwar Erfolg, kann aber zu sogenannten „Technischen Schulden“ führen – also negativen Konsequenzen aufgrund von unzureichender technischer Umsetzung von Software – denn die neuen Systeme werden oftmals nur sehr locker an die bestehende IT-Infrastruktur angedockt.

In 2021 verschiebt sich der Fokus von der reinen Migration, hin zu einer vollumfänglichen Integration der Cloud in die Datenstrategie. Vorbei sind die Zeiten, in denen versucht wurde, alle Daten physisch an einem Ort zu konsolidieren: Dies erscheint vor dem Hintergrund der schieren Menge und Heterogenität der Daten als nicht mehr zeitgemäß. Vielmehr versprechen moderne Architekturen wie das logische Data-Warehouse oder die Logical Data-Fabric eine nahtlose Integration aller Unternehmensdaten ohne physische Replikation. Komplexe Zugriffsberechtigungen können zentral sowie sicher gemanagt und dem Business die Daten in Echtzeit zur Analyse bereitgestellt werden.

3. Monetarisierung von Daten

Die bestmögliche Daten-Nutzung für Advanced-Analytics zur Ableitung strategischer Handlungsempfehlungen hat für die meisten Organisationen bereits eine hohe Priorität. Hierfür wird in die Modernisierung von Datenarchitekturen investiert, um die Datenkonsumenten aus dem Business mit den benötigten Datensets zu versorgen.

Im Jahr 2020 hat uns die Pandemie vor Augen geführt, wie wichtig der schnelle Zugang zu akkuraten und vollständigen Daten ist, um die richtigen Entscheidungen treffen zu können. Viele große Unternehmen verfügen daher bereits über wertvolle Daten-Services. In 2021 werden wir beobachten, dass immer mehr Unternehmen ihre Data-Services bereitstellen sowie auf der anderen Seite 3rd-party Daten-Services in die eigenen Analytics mit einzubeziehen.

So können heute beispielsweise bereits Geolokalisierungs-Daten von Telekommunikationsunternehmen bezogen werden, Finanzunternehmen bieten Informationen zur Bewertung von Finanzanlagen an und Unternehmen im Immobiliensektor verkaufen Statistiken zum Wohnungsmarkt. Dieser Trend der Monetarisierung von Daten wird sich in 2021 auch auf andere Industrien und Sektoren ausweiten. Technologisch gesehen wird deshalb der Bedarf an Data-as-a-Service-Tools, wie zum Beispiel GraphQL, Datenvirtualisierung oder API Management-Tools, ansteigen.