Wat is een Data Fabric?

Vaak geassocieerd met kunstmatige intelligentie (AI) en machine learning (ML), is een data fabric een van de belangrijkste tools voor het omzetten van ruwe data in bedrijfsinformatie.

Maar wat is een data fabric precies?

Een data fabric is een architectuur en software die een geünificeerde verzameling van data-assets, databases en database-architecturen binnen een onderneming biedt. Het faciliteert de eind-tot-eind-integratie van verschillende data-pijpleidingen en cloud-omgevingen door het gebruik van intelligente en geautomatiseerde systemen.

Data fabrics zijn belangrijker geworden door de grote ontwikkelingen in de hybride cloud, internet of things (IoT), AI en edge computing. Dit heeft geleid tot een enorme toename van big data, wat betekent dat organisaties nog meer te beheren hebben.

Om met deze big data om te gaan, moeten bedrijven zich richten op de unificatie en governance van data-omgevingen, wat verschillende uitdagingen met zich meebrengt, zoals data-silo’s, beveiligingsrisico’s en knelpunten in besluitvorming. Deze uitdagingen hebben ertoe geleid dat data management-teams data fabric-oplossingen hebben overgenomen, die helpen om data-systemen te unificeren, privacy en beveiliging te versterken, governance te verbeteren en meer data-toegang te bieden aan werknemers.

Data-integratie leidt tot meer data-gedreven besluitvorming, en hoewel ondernemingen historisch gezien verschillende data-platforms hebben gebruikt voor specifieke aspecten van het bedrijf, maken data fabrics het mogelijk om data op een meer samenhangende manier te bekijken. Alles dit leidt tot een beter begrip van de klantlevenscyclus en helpt bij het vestigen van verbindingen tussen data.

Wat is het doel van een Data Fabric?

Data fabrics worden gebruikt om een geünificeerd beeld van de gerelateerde data te creëren, wat toegang tot informatie ongeacht de locatie, database-associatie of structuur mogelijk maakt. Data fabrics vereenvoudigen ook analyse met AI en machine learning.

Een ander doel van een data fabric is om applicatie-ontwikkeling te faciliteren, aangezien het een gemeenschappelijk model creëert voor toegang tot informatie los van de traditionele applicatie- en database-silo’s. Deze modellen bieden betere toegang tot informatie, maar ze verbeteren ook de efficiëntie door een enkele laag te creëren waarop toegang tot data kan worden beheerd over alle resources.

Hoewel er geen enkele data-architectuur is voor een data fabric, wordt vaak gezegd dat er zes fundamentele componenten zijn voor dit type data-kader:

1. Data Management: Verantwoordelijk voor data-governance en beveiliging van data.

2. Data Ingestion: Brengt cloud-data samen en identificeert verbindingen tussen gestructureerde en ongestructureerde data.

3. Data Processing: Raffineert de data om ervoor te zorgen dat alleen relevante data wordt weergegeven voor data-extractie.

4. Data Orchestration: Een zeer belangrijke laag van het kader die verantwoordelijk is voor het transformeren, integreren en reinigen van data zodat het kan worden gebruikt over het hele bedrijf.

5. Data Discovery: Maakt nieuwe manieren mogelijk om data-bronnen te integreren.

6. Data Access: Maakt het mogelijk om data te consumeren, zorgt ervoor dat de juiste machtigingen voor bepaalde teams aanwezig zijn om te voldoen aan regelgeving en helpt bij het weergeven van relevante data door het gebruik van dashboards en andere data-visualisatie-tools.

Voordelen van een Data Fabric

Er zijn veel zakelijke en technische voordelen van data fabrics, zoals:

• Doorbreken van Data Silo’s: Moderne bedrijven lijden vaak aan data-silo’s, aangezien moderne databases geassocieerd zijn met groepen van applicaties en vaak groeien als nieuwe applicaties aan het bedrijf worden toegevoegd. Data-silo’s bevatten data van verschillende structuren en formaten, maar data fabrics kunnen toegang tot bedrijfsinformatie verbeteren en verzamelde data gebruiken om operationele efficiëntie te verbeteren.

• Unificeren van Databases: Data fabrics helpen bedrijven ook om databases te unificeren die over een groot gebied zijn verspreid. Ze zorgen ervoor dat de locatieverschillen geen barrières vormen voor toegang. Data fabrics vereenvoudigen applicatie-ontwikkeling en kunnen worden gebruikt om specifieke applicatie-data-gebruik te optimaliseren zonder data minder toegankelijk te maken voor andere applicaties. Ze kunnen ook data unificeren die al in silo’s is verplaatst.

• Eén Manier om Informatie te Bekijken: Data fabrics verbeteren applicatie-portabiliteit en fungeren als één manier om toegang te krijgen tot informatie in zowel de cloud als het datacenter.

• Inzichten Genereren op een Versnelde Manier: Data fabric-oplossingen kunnen gemakkelijk complexe datasets verwerken, wat de tijd tot inzicht versnelt. Hun architectuur maakt vooraf gebouwde analytische modellen en cognitieve algoritmen mogelijk om data op schaal en snelheid te verwerken.

• Gebruikt door Technische en Niet-Technische Gebruikers: Data fabrics zijn niet alleen gericht op technische gebruikers. De architectuur is flexibel en kan worden gebruikt met een breed scala aan gebruikersinterfaces. Ze kunnen helpen bij het bouwen van dashboards die door bedrijfsleiders kunnen worden begrepen, of hun geavanceerde tools kunnen worden gebruikt voor data-exploratie door data-wetenschappers.

Beste Praktijken voor het Implementeren van Data Fabrics

De wereldwijde data-markt is constant in uitbreiding, en er is een sterke vraag naar in deze ruimte. Veel bedrijven zoeken naar het implementeren van een data-architectuur om hun bedrijfsdata te optimaliseren, en ze volgen enkele algemene beste praktijken.

Een dergelijke praktijk is om een DataOps-procesmodel te omarmen. Data fabric en DataOps zijn niet identiek, maar volgens een DataOps-model is er een nauwe verbinding tussen data-processen, tools en gebruikers. Door gebruikers te laten vertrouwen op data, kunnen ze de tools gebruiken en inzichten toepassen. Zonder een DataOps-model kunnen gebruikers moeite hebben om voldoende uit de data fabric te halen.

Een andere beste praktijk is om te voorkomen dat de data fabric verandert in nog een data-lake, wat een veelvoorkomend verschijnsel is. Bijvoorbeeld, een echte data fabric kan niet worden bereikt als je alle architectonische componenten hebt, zoals data-bronnen en analytics, maar geen van de API’s en SDK’s. Data fabric verwijst naar de architectuur-ontwerp, niet naar één technologie. En enkele van de kenmerkende trekken van de architectuur zijn interoperabiliteit tussen componenten en integratieklaarheid.

Het is ook cruciaal voor de organisatie om haar compliance- en regelgevingsvereisten te begrijpen. Een data fabric-architectuur kan beveiliging, governance en regelgevingscompliance verbeteren.

Aangezien data niet verspreid is over systemen, is er een kleinere dreiging van gevoelige data-exposure. Met dat gezegd, is het belangrijk om de compliance- en regelgevingsvereisten te begrijpen voordat een data fabric wordt geïmplementeerd. Verschillende data-typen kunnen onder verschillende regelgevingsjurisdicties vallen. Één oplossing is om geautomatiseerde compliance-beleid te gebruiken die ervoor zorgt dat data-transformatie voldoet aan wetten.

Gebruiksgevallen van Data Fabrics

Er zijn veel verschillende gebruiksgevallen voor een data fabric, maar enkele zijn zeer gewoon. Één dergelijk gebruiksgeval is de virtuele/logische verzameling van geografisch diverse data-assets om toegang en analyse te faciliteren. De data fabric wordt meestal gebruikt voor centraal bedrijfsbeheer in dit geval. Omdat de gedistribueerde lijnoperaties die data verzamelen en gebruiken worden ondersteund door traditionele applicatie- en data-toegangs-/query-interfaces, is er veel te winnen voor organisaties die regionale of nationale segmentatie van hun activiteiten hebben. Deze organisaties hebben vaak centraal beheer en coördinatie nodig.

Een ander belangrijk gebruiksgeval voor data fabrics is het vestigen van een geünificeerd data-model na een fusie of overname. Wanneer deze plaatsvinden, veranderen de database- en data management-beleid van de voorheen onafhankelijke organisatie vaak, wat betekent dat het moeilijker wordt om informatie te verzamelen over organisatorische grenzen. Een data fabric kan dit overwinnen door een geünificeerd beeld van data te creëren dat het gecombineerde bedrijf in staat stelt om te harmoniseren op één data-model.