อะไรคือ Data Fabric?

บ่อยครั้งที่ Data Fabric ถูกนำมาใช้ร่วมกับ Artificial Intelligence (AI) และ Machine Learning (ML) และเป็นหนึ่งในเครื่องมือหลักในการแปลงข้อมูลดิบให้เป็นข้อมูลธุรกิจ

แต่ Data Fabric คืออะไร?

Data Fabric คือ สถาปัตยกรรมและซอฟต์แวร์ที่ให้บริการรวบรวมข้อมูลสินทรัพย์ ฐานข้อมูล และสถาปัตยกรรมฐานข้อมูลภายในองค์กร โดยอำนวยความสะดวกในการรวมข้อมูลที่หลากหลายและสภาพแวดล้อมคลาวด์ผ่านระบบอัตโนมัติและอินเทลลิเจนต์

Data Fabric มีความสำคัญมากขึ้นเมื่อมีการพัฒนาเทคโนโลยีไฮบริดคลาวด์ อินเทอร์เน็ตของสิ่ง (IoT) AI และเอดจ์คอมพิวติ้ง ซึ่งทำให้ข้อมูลขนาดใหญ่เพิ่มขึ้นอย่างมาก ซึ่งหมายความว่าองค์กรต้องจัดการข้อมูลมากขึ้น

ในการจัดการข้อมูลขนาดใหญ่นี้ องค์กรต้องมุ่งเน้นไปที่การรวมและจัดการสภาพแวดล้อมข้อมูล ซึ่งทำให้เกิดความท้าทายหลายอย่าง เช่น ข้อมูลที่ถูกแยกออกเป็นซิลโล สิ่งเหล่านี้ทำให้ทีมจัดการข้อมูลต้องใช้โซลูชัน Data Fabric เพื่อรวบรวมระบบข้อมูลเข้าด้วยกัน เพิ่มความปลอดภัยและความเป็นส่วนตัว ปรับปรุงการกำกับดูแล และให้ความสามารถในการเข้าถึงข้อมูลแก่พนักงาน

การรวมข้อมูลนำไปสู่การตัดสินใจโดยใช้ข้อมูลมากขึ้น และในขณะที่องค์กรในอดีตใช้แพลตฟอร์มข้อมูลที่แตกต่างกันสำหรับด้านต่างๆ ของธุรกิจ Data Fabric ช่วยให้สามารถมองเห็นข้อมูลได้อย่างครอบคลุมมากขึ้น ซึ่งทั้งหมดนี้นำไปสู่ความเข้าใจที่ดีขึ้นเกี่ยวกับวงจรชีวิตของลูกค้า และช่วยสร้างความเชื่อมโยงระหว่างข้อมูล

วัตถุประสงค์ของ Data Fabric คืออะไร?

Data Fabric ถูกใช้เพื่อสร้างมุมมองรวมของข้อมูลที่เกี่ยวข้อง ซึ่งอำนวยความสะดวกในการเข้าถึงข้อมูลโดยไม่คำนึงถึงที่ตั้ง ฐานข้อมูล หรือโครงสร้าง Data Fabric ยังช่วยให้การวิเคราะห์โดยใช้ AI และ Machine Learning ง่ายขึ้น

วัตถุประสงค์อีกอย่างหนึ่งของ Data Fabric คือการอำนวยความสะดวกในการพัฒนาแอปพลิเคชัน เนื่องจากสร้างแบบจำลองที่ใช้ร่วมกันในการเข้าถึงข้อมูลแยกจากซิลโลแอปพลิเคชันและฐานข้อมูลแบบดั้งเดิม แบบจำลองเหล่านี้ให้การเข้าถึงข้อมูลที่ดีขึ้น และยังช่วยเพิ่มประสิทธิภาพโดยการสร้างชั้นเดียวที่สามารถจัดการการเข้าถึงข้อมูลได้ทั่วทั้งทรัพยากร

แม้ว่าจะไม่มีสถาปัตยกรรมฐานข้อมูลเดียวสำหรับ Data Fabric แต่ thườngจะมีส่วนประกอบพื้นฐาน 6 ส่วนของเฟรมเวิร์กข้อมูลประเภทนี้:

1. การบริหารจัดการข้อมูล: รับผิดชอบในการกำกับดูแลและความปลอดภัยของข้อมูล

2. การรวบรวมข้อมูล: รวบรวมข้อมูลจากคลาวด์และระบุความเชื่อมโยงระหว่างข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง

3. การประมวลผลข้อมูล: ปรับปรุงข้อมูลเพื่อให้แน่ใจว่ามีเฉพาะข้อมูลที่เกี่ยวข้องเท่านั้นที่ถูกนำออกมา

4. การออร์เคสตร้าข้อมูล: ชั้นที่สำคัญของเฟรมเวิร์กที่รับผิดชอบในการแปลง đổiข้อมูล รวม และทำความสะอาดข้อมูลเพื่อให้สามารถใช้ได้ทั่วทั้งธุรกิจ

5. การค้นพบข้อมูล: นำเสนอวิธีการใหม่ๆ ในการรวมแหล่งข้อมูล

6. การเข้าถึงข้อมูล: อนุญาตให้เข้าถึงข้อมูล โดยรับประกันสิทธิ์ที่ถูกต้องสำหรับทีมต่างๆ เพื่อปฏิบัติตามข้อบังคับ และช่วยให้ข้อมูลที่เกี่ยวข้องผ่านการใช้แดชบอร์ดและเครื่องมือการแสดงข้อมูลอื่นๆ

ประโยชน์ของ Data Fabric

มีประโยชน์ทางธุรกิจและเทคนิคหลายอย่างของ Data Fabric เช่น

• การทำลายซิลโลข้อมูล: ธุรกิจสมัยใหม่มักต้องเผชิญกับซิลโลข้อมูล เนื่องจากฐานข้อมูลสมัยใหม่ถูกเชื่อมโยงกับกลุ่มของแอปพลิเคชัน และมักจะเติบโตเมื่อมีการเพิ่มแอปพลิเคชันใหม่เข้ามาในองค์กร ซิลโลข้อมูลเก็บข้อมูลที่มีโครงสร้างและรูปแบบที่แตกต่างกัน แต่ Data Fabric สามารถปรับปรุงการเข้าถึงข้อมูลขององค์กรและใช้ข้อมูลที่รวบรวมเพื่อปรับปรุงประสิทธิภาพการทำงาน

• การรวมฐานข้อมูล: Data Fabric ยังช่วยให้บริษัทสามารถรวมฐานข้อมูลที่กระจายอยู่ในพื้นที่กว้างๆ ได้ โดยไม่ให้ความแตกต่างในพื้นที่ส่งผลต่อการเข้าถึง Data Fabric ทำให้การพัฒนาแอปพลิเคชันง่ายขึ้น และสามารถใช้เพื่อปรับใช้ข้อมูลแอปพลิเคชันเฉพาะโดยไม่ทำให้ข้อมูลนั้นไม่สามารถเข้าถึงได้สำหรับแอปพลิเคชันอื่นๆ

• วิธีการเข้าถึงข้อมูลแบบเดียว: Data Fabric ปรับปรุงความสามารถในการย้ายแอปพลิเคชันและทำหน้าที่เป็นวิธีการเข้าถึงข้อมูลแบบเดียวทั้งในคลาวด์และศูนย์ข้อมูล

• สร้างข้อมูลเชิงลึกด้วยความเร็วที่เร็วขึ้น: โซลูชัน Data Fabric สามารถจัดการชุดข้อมูลที่ซับซ้อนได้อย่างง่ายดาย ซึ่งเร่งเวลาในการสร้างข้อมูลเชิงลึก สถาปัตยกรรมของมันทำให้สามารถสร้างโมเดลวิเคราะห์แบบพรี บิลด์และอัลกอริทึมแบบโคกนิทีฟเพื่อประมวลผลข้อมูลในระดับใหญ่และความเร็ว

• ใช้ได้ทั้งผู้ใช้ทางเทคนิคและไม่ใช่เทคนิค: Data Fabric ไม่ได้ถูกออกแบบมาเพียงสำหรับผู้ใช้ทางเทคนิคเท่านั้น สถาปัตยกรรมของมันสามารถปรับให้เข้ากับอินเทอร์เฟซผู้ใช้หลากหลายรูปแบบ และสามารถช่วยสร้างแดชบอร์ดที่ผู้บริหารธุรกิจสามารถเข้าใจได้ หรือใช้เครื่องมือที่ซับซ้อนสำหรับการสำรวจข้อมูลโดยนักวิทยาศาสตร์ข้อมูล

แนวทางปฏิบัติที่ดีที่สุดสำหรับการนำ Data Fabrics ไปใช้

ตลาดข้อมูลระดับโลกกำลังขยายตัวอย่างต่อเนื่อง และมีความต้องการที่แข็งแกร่งในพื้นที่ này หลายบริษัทต้องการนำสถาปัตยกรรมข้อมูลมาใช้เพื่อเพิ่มประสิทธิภาพข้อมูลขององค์กร และพวกเขาติดตามแนวทางปฏิบัติที่ดีที่สุดบางอย่าง

แนวทางปฏิบัติหนึ่งคือการยอมรับแบบจำลอง DataOps Data Fabric และ DataOps ไม่เหมือนกัน แต่ตามแบบจำลอง DataOps มีการเชื่อมต่ออย่างใกล้ชิดระหว่างกระบวนการข้อมูล เครื่องมือ และผู้ใช้ โดยการทำให้ผู้ใช้เชื่อมโยงกับข้อมูล พวกเขาสามารถใช้เครื่องมือและนำข้อมูลเชิงลึกไปใช้ได้ โดยไม่มีแบบจำลอง DataOps ผู้ใช้อาจต้องดิ้นรนในการดึงข้อมูลออกจาก Data Fabric

แนวทางปฏิบัติที่ดีอีกอย่างหนึ่งคือการหลีกเลี่ยงการเปลี่ยน Data Fabric ให้เป็นเพียงอีกหนึ่ง data lake ซึ่งเป็นเรื่องที่เกิดขึ้นบ่อยๆ ตัวอย่างเช่น Data Fabric ที่แท้จริงไม่สามารถบรรลุได้หากคุณมีส่วนประกอบทางสถาปัตยกรรมทั้งหมด เช่น แหล่งข้อมูลและเครื่องมือวิเคราะห์ แต่ไม่มี API และ SDK Data Fabric หมายถึงการออกแบบสถาปัตยกรรม ไม่ใช่เทคโนโลยีเดียว และคุณลักษณะที่กำหนดของสถาปัตยกรรมคือความสามารถในการทำงานร่วมกันระหว่างส่วนประกอบและความพร้อมในการรวม

สิ่งสำคัญคือองค์กรต้องเข้าใจข้อกำหนดด้านการปฏิบัติตามกฎระเบียบและข้อบังคับ สถาปัตยกรรม Data Fabric สามารถปรับปรุงความปลอดภัย การกำกับดูแล และการปฏิบัติตามกฎระเบียบ

เนื่องจากข้อมูลไม่ได้กระจายอยู่ทั่วระบบ จึงมีความเสี่ยงต่อการเปิดเผยข้อมูลที่ไวต่อความปลอดภัยน้อยลง ด้วยการทำความเข้าใจข้อกำหนดด้านการปฏิบัติตามกฎระเบียบและข้อบังคับก่อนที่จะนำ Data Fabric ไปใช้ ประเภทข้อมูลที่แตกต่างกันอาจอยู่ภายใต้เขตอำนาจศาลด้านกฎระเบียบที่แตกต่างกัน วิธีแก้ปัญหาหนึ่งคือการใช้นโยบายการปฏิบัติตามกฎระเบียบที่อัตโนมัติเพื่อให้แน่ใจว่าการเปลี่ยนแปลงข้อมูลเป็นไปตามกฎหมาย

กรณีการใช้งาน Data Fabric

มีการใช้งาน Data Fabric หลากหลาย แต่บางกรณีเป็นที่นิยมมาก เช่น การรวบรวมข้อมูลสินทรัพย์ที่กระจายอยู่ในพื้นที่ทางภูมิศาสตร์แบบเสมือนหรือแบบลอจิคัล เพื่ออำนวยความสะดวกในการเข้าถึงและวิเคราะห์ข้อมูล Data Fabric มักถูกใช้สำหรับการจัดการธุรกิจแบบส่วนกลางในกรณีนี้ เนื่องจากการดำเนินงานแบบกระจายที่รวบรวมและใช้ข้อมูลได้รับการสนับสนุนผ่านอินเทอร์เฟซการเข้าถึงข้อมูลและการสอบถามแบบดั้งเดิม จึงมีประโยชน์มากมายสำหรับองค์กรที่มีการแบ่งส่วนภูมิภาคหรือระดับชาติ

กรณีการใช้งานอีกอย่างหนึ่งของ Data Fabric คือการสร้างแบบจำลองข้อมูลที่เป็นเอกภาพหลังจากการควบรวมหรือการซื้อกิจการ เมื่อเกิดเหตุการณ์เหล่านี้ขึ้น ฐานข้อมูลและนโยบายการจัดการข้อมูลขององค์กรที่เป็นอิสระก่อนหน้านี้มักจะเปลี่ยนแปลง ซึ่งทำให้การรวบรวมข้อมูลข้ามพื้นที่องค์กรยากขึ้น Data Fabric สามารถเอาชนะสิ่งนี้ได้โดยการสร้างมุมมองรวมของข้อมูลที่ทำให้หน่วยงานที่รวมกันสามารถปรับให้เข้ากับแบบจำลองข้อมูลเดียวได้ และนโยบายการจัดการข้อมูลขององค์กรที่เคยเป็นอิสระมักจะเปลี่ยนแปลง ซึ่งทำให้การรวบรวมข้อมูลข้ามพื้นที่องค์กรยากขึ้น Data Fabric สามารถช่วยให้การรวบรวมข้อมูลนี้ง่ายขึ้นได้