Er konnte bereits zwei Jahre Erfahrung sammeln im Verfassen, Übersetzen und Korrekturlesen von Texten. Sein Ziel ist es Menschen dabei zu helfen präzise und verständlich zu kommunizieren.
Rafał hat ein Archäologie-Studium absolviert und ist sowohl von prähistorischen als auch von modernen Technologien fasziniert.
Inhaltsverzeichnis
- Was bedeutet Data Mesh?
- Warum ist Data Mesh als Konzept entstanden?
- Wie funktioniert Data Mesh?
- Wer kann von der Implementierung von Data Mesh profitieren?
- Zusammenfassung
Was bedeutet Data Mesh?
Data Mesh ist ein neu entstandener Ansatz für das Datenmanagement, der die organisatorische Agilität und die Einbeziehung von Fachexperten (SME) in die Verwaltung von Daten betont. Das Konzept selbst befindet sich in Bezug auf Business-Anwendungen noch in einem relativ frühen Reifestadium. Laut Gartner, Stand Juni 2022, lag die Marktdurchdringung bei 1-5 % schlägt aber eine interessante Alternative für das Datenmanagement vor.
Warum ist Data Mesh als Konzept entstanden?
Data Mesh entstand als Antwort auf die Probleme zentralisierter Datenverwaltungsansätze wie Data Warehouse, Data Lake und Data Hub. Einige der am häufigsten genannten Herausforderungen sind Verzögerungen und Einschränkungen beim Zugriff auf oder der Wiederverwendung von Daten. In den letzten Jahren wurde allgemein akzeptiert, dass es fast zwingend erforderlich ist, datengesteuert zu werden, um auf dem Markt erfolgreich zu sein. Die meisten Unternehmen verfolgten den Ansatz, eine zentralisierte Datenarchitektur und ein unternehmensweites Datenteam aufzubauen. In diesem Setup verlassen sich verschiedene Teile der Organisation, die ihre eigenen Entscheidungen treffen können, auf die Erkenntnisse des Datenteams.
Obwohl dieser Ansatz für viele immer noch funktioniert, ist er mit bestimmten Einschränkungen verbunden. Probleme tauchen dann auf, wenn sowohl die Menge der analysierten Daten als auch die Bedürfnisse der Stakeholder wachsen. Dies gilt insbesondere für große Unternehmen oder mehrere Organisationen, die ihre Daten miteinander austauschen möchten. Engpässe im Datenteam können zu Verzögerungen führen. Informationen über Datenerkenntnisse werden nicht rechtzeitig übermittelt und es kann nicht schnell genug auf sich ändernde Umstände reagiert werden. Dadurch sinkt die organisatorische Flexibilität und statt datengesteuert zu agieren, reagiert das Unternehmen gar nicht. Entscheidungsträger sind gezwungen, entweder auf zeitlich begrenzte Chancen zu verzichten oder handeln ohne Zugriff auf relevante Daten.
Es gibt mehrere Möglichkeiten diese Herausforderungen zu beheben. Sie könnten die Kapazität Ihres Datenteams endlos erweitern, um den Anforderungen interner Stakeholder gerecht zu werden, was allerdings nicht nachhaltig erscheint. Außerdem die zentralisierte Datenarchitektur und Teamstruktur verbessern, damit sie effektiver funktioniert. Oder Sie entscheiden sich zu einem dezentraleren Ansatz zu wechseln - Data Fabric und Data Mesh.
Wie funktioniert Data Mesh?
Die Idee hinter Data Mesh ist es, die Datenanalysefunktionen von einem zentralen Team auf mehrere Geschäftsbereiche zu verlagern – unabhängig davon, ob es sich um Abteilungen innerhalb des Unternehmens handelt oder Abteilungen, die für bestimmte Produkte verantwortlich sind. Domain-Ownership ist eine der Säulen des Data-Mesh-Konzepts.
Gleichzeitig besteht möglicherweise Bedarf an domänenbezogenen Daten in anderen Teilen der Organisation. Um dieser Nachfrage gerecht zu werden, müssen Daten als Produkt behandelt werden. Ein Produkt, dass qualitativ hochwertig, zugänglich und wiederverwendbar ist, auch außerhalb der jeweiligen Domäne. Data Governance wird auch, zumindest teilweise, in die Geschäftsdomänen verlagert. Verantwortlich ist sie für die Definition der Qualitätsstandards, Zugriffskontrollen, Metadaten und anderer Governance-Aspekte der erstellten Datenprodukte. In der Zwischenzeit bleibt die Festlegung allgemeiner Governance-Richtlinien, die Überwachung der Einhaltung und die Bereitstellung von Aufsicht und Anleitung für die Domain-Teams oft zentralisiert. Aber auch in diesen Fällen würde die zentralisierte Governance-Funktion normalerweise eng mit den Teams zusammenarbeiten, um sicherzustellen, dass Governance-Richtlinien auf die spezifischen Anforderungen jeder Domäne zugeschnitten sind.
Das zentrale Element in diesem Puzzle ist eine domänenunabhängige Datenplattform mit Funktionen und Tools, die zum Erstellen der genannten Datenprodukte erforderlich sind. Dies ermöglicht eine Self-Service-Datenanalyse und beseitigt die Engpässe, die möglicherweise mit einem einzigen, zentralisierten Datenteam auftreten können.
Insgesamt verteilt dieses Setup zwar den Besitz und die Verantwortung für Datenprodukte auf einzelne Domain-Teams, das bedeutet allerdings nicht, dass es nicht notwendig ist auch ein dediziertes Datenteam zu beschäftigen. Tatsächlich kann Data Mesh sogar noch spezialisiertere Rollen erfordern, um die dezentralisierten Datenprodukte zu unterstützen. Die Domain-Teams sind für die von ihnen erstellten Datenprodukte verantwortlich, benötigen jedoch möglicherweise dennoch Unterstützung von Datenspezialisten für Aufgaben wie Datenmodellierung, Datenqualitätssicherung, Metadatenverwaltung, Datenherkunft und Datenintegration.
Wer kann von der Implementierung von Data Mesh profitieren?
Obwohl Data Mesh klare Vorteile hat, ist es definitiv nicht für jeden zu empfehlen. Erstens: Wenn Ihre Organisation nicht unter einem Engpass leidet, welcher durch ein zentrales Datenteam verursacht wird, müssen Sie wahrscheinlich noch keinen dezentralen Ansatz implementieren. Auf der anderen Seite wäre ein Unternehmen für den Ansatz geeignet, wenn es bereits datengesteuert ist, aber Schwierigkeiten hat, durch wachsende Anforderungen, seine Flexibilität aufrechtzuerhalten.
Ein hohes Maß an Datenkompetenz in allen Geschäftsbereichen ist erforderlich, um Data Mesh erfolgreich zu implementieren. Die Verantwortung für die Erstellung qualitativ hochwertiger, wiederverwendbarer Datenprodukte kann ohne die erforderlichen Kompetenzen zu einer Belastung werden. Im Allgemeinen funktioniert dieses Konzept am besten für Organisationen, die ihre Datentransformation bereits durchlaufen haben und deren Datenreife ziemlich hoch ist.
Es ist auch wichtig, sich daran zu erinnern, dass die dezentrale Datenverwaltung für ein dezentrales Geschäftsmodell konzipiert ist. Ein Unternehmen mit mehreren autonomen Geschäftsbereichen und Engineering-Teams wird viel von der Implementierung von Data Mesh profitieren. Da die Anzahl der befugten Personen, Geschäftsentscheidungen zu treffen, zunimmt, steigt auch der Bedarf an Self-Service-Datenanalysen. Organisationen mit mehreren Produktteams und solche, die durch Fusionen und Übernahmen wachsen, eignen sich besonders gut von den Vorteilen zu profitieren, da sie häufig ein hohes Maß an Autonomie auf Abteilungsebene benötigen.
Zusammenfassung
Data Mesh ist ein vielversprechendes Konzept. Die Aussicht auf schnelleren Zugriff auf relevante Dateneinblicke und Self-Service-Datenanalysen kann für Unternehmen sehr attraktiv sein. Besonders wenn es ihnen schwer fällt schnell datengesteuerte Entscheidungen zu treffen. Sie sollten Data Mesh in Betracht ziehen, wenn Ihr Unternehmen über eine große und komplexe Datenlandschaft verfügt und die Anforderungen der Datenanalyse ein zentrales Datenteam allmählich überfordern.
Gleichzeitig kann das erforderliche Maß an Datenkompetenz der Fachexperten und die Notwendigkeit, datenbezogene Kompetenzen auf alle Geschäftsbereiche zu verteilen, eine Herausforderung darstellen. Wenn Sie allerdings diese überwinden, setzen Sie das volle Potenzial frei eine datengesteuerte Organisation zu werden.
Wenn Sie daran interessiert sind den perfekten Ansatz für das Datenmanagement für Ihr Unternehmen zu finden oder kleinere Verbesserungen zu erkunden, um geschäftlichen Nutzen aus den verfügbaren Daten zu ziehen, können Sie gerne unsere Webseite besuchen.
Er konnte bereits zwei Jahre Erfahrung sammeln im Verfassen, Übersetzen und Korrekturlesen von Texten. Sein Ziel ist es Menschen dabei zu helfen präzise und verständlich zu kommunizieren.
Rafał hat ein Archäologie-Studium absolviert und ist sowohl von prähistorischen als auch von modernen Technologien fasziniert.