Was ist ein Enterprise Data Hub?

Bei der Verwaltung von big dataBei der Verwaltung von Big Data werden Unternehmen feststellen, dass es viele Abnehmer für die riesigen Datenmengen gibt, angefangen bei Anwendungen und Datenspeichern bis hin zu Menschen über verschiedene Analyse- und Berichtstools. Schließlich sind die Daten ein Ausdruck des Unternehmens, und mit der digitalen Transformation drückt sich dieses Unternehmen zunehmend in Form von Anwendungen, Daten und bereitgestellten Diensten aus. Strukturierte und unstrukturierte Daten in verschiedenen Formaten werden zu Quellen und Zielen des Austauschs zwischen funktionalen Einheiten im Unternehmen, der nicht mehr nur manuell oder mit Middleware erfolgt, sondern jetzt mithilfe von Data Lakes, Data Warehouses und Enterprise Data Hub-Technologien kollaborativ gehostet werden kann.

Die Entscheidung, welche Datenmanagement eingesetzt werden soll, hängt von den Bedürfnissen der Organisation, den Funktionen und den Anwendungsfällen ab. In vielen Organisationen, insbesondere in großen oder komplexen, besteht ein Bedarf an allen drei Technologien. Für Unternehmen ist es Nutzen , die einzelnen Lösungen zu verstehen und zu wissen, wie sie einen Mehrwert für das Unternehmen schaffen können, einschließlich der Frage, wie jede Lösung zu einer umfassenderen, leistungsfähigeren Lösung für das gesamte Unternehmen ausgebaut werden kann.

Was ist Enterprise Data Hub?

Eine Datendrehscheibe für Unternehmen hilft Unternehmen, Daten zu verwalten , die direkt - "in-line" - mit den verschiedenen Geschäftsprozessen verbunden sind, im Gegensatz zu Data Warehouses oder Data Lakes, da diese eher zur Analyse von Daten vor oder nach der Verwendung durch verschiedene Anwendungen verwendet werden. Unternehmen können die Datennutzung durch Anwendungen im gesamten Unternehmen besser steuern, indem sie die Daten durch einen Enterprise Data Hub leiten. Data Lakes, Data Warehouses, Legacy-Datenbanken und Daten aus anderen Quellen, wie z. B. Unternehmensberichtssystemen, können zur Steuerung der vom Unternehmen benötigten Daten beitragen.

Neben dem Schutz der data governance verfügt eine Datendrehscheibe für Unternehmen auch über die folgenden Funktionen:

• Möglichkeit der Nutzung von Suchmaschinen für Unternehmensdaten. Die Aktivierung von Suchmaschinen dient als Filter, um einen schnellen Zugriff auf die enormen Datenmengen zu ermöglichen, die mit einer Unternehmensdatendrehscheibe verfügbar sind.
• Datenindizierung, um eine schnellere Suche nach Daten zu ermöglichen.
• Die Datenharmonisierung verbessert die Qualität und Relevanz der Daten für jeden Verbraucher oder Daten, einschließlich der Verbesserung der Umwandlung von Daten in Informationen und von Informationen in Wissen für die Entscheidungsfindung.
• Datenintegrität, Beseitigung von Duplikaten, Fehlern und anderen Datenqualitätsproblemen im Zusammenhang mit der Verbesserung und Optimierung ihrer Nutzung durch Anwendungen.
• Stream Processing verknüpft Anwendungen mit Data Analyticseinschließlich der Vereinfachung von Datenbeziehungen innerhalb der Datendrehscheibe des Unternehmens.
• Die Datenexploration verbessert das Verständnis und erleichtert die Navigation in der riesigen Datenmenge der Datendrehscheibe.
• Verbesserte Stapelverarbeitung, Künstliche Intelligenz, Maschinelles Lernen von Daten aufgrund der oben genannten Merkmale.
• Konsolidierung der Datenspeicherung aus vielen verschiedenen Datenquellen.
• Direkte Verbrauchernutzung oder Anwendungsnutzung zur Weiterverarbeitung oder für unmittelbare Geschäftsentscheidungen.

Enterprise Data Hubs können das schnelle Wachstum der Datennutzung in einer Organisation unterstützen. Die Flexibilität bei der Nutzung mehrerer und unterschiedlicher Datenquellen ist ein großer Nutzen bei der Auswahl einer Datendrehscheibe. Die Nutzung der oben genannten Funktionen erhöht diesen Nutzen.

Unterschied zwischen Enterprise Data Hub, Daten-Lake und Data Warehouse

Data Lakes sind zentralisierte Repositories mit unstrukturierten und unstrukturierten Daten ohne Governance und Spezifikationen für organisatorische Anforderungen. Der primäre Zweck eines Daten-Lake ist es, Daten für die spätere Nutzung zu speichern, obwohl viele Data Lakes über Entwickler-Tools verfügen, die das Mining der Daten für verschiedene zukunftsorientierte Forschungsprojekte unterstützen.

Im Gegensatz zu einem Daten-Lake organisiert ein Data Warehouse die gespeicherten Daten in einer vorgeschriebenen Weise für den täglichen Gebrauch. Data-Warehouses können mehrstufig sein, um Daten aufzubereiten, umzuwandeln und abzugleichen, damit sie in Data Marts für verschiedene Anwendungen und Nutzer der Daten verwendet werden können. Ein Data Warehouse ist nicht so sehr für den täglichen Geschäftsverkehr optimiert wie eine Datendrehscheibe für Unternehmen.

Ein Enterprise Data Hub kann nicht nur Daten aus verschiedenen Unternehmensanwendungen abrufen und an diese weiterleiten, sondern auch einen Daten-Lake, ein Data Warehouse und andere Datenquellen als Input oder Ziel des Data Hubs verwenden. Sobald alle Daten für den Hub verfügbar sind, können die oben genannten Funktionen, wie z. B. Governance, auf die Daten angewendet werden. Unternehmens-Datendrehscheibe vs. Daten-Lake kann leicht anhand der zusätzlichen Funktionen der Datendrehscheibe zur Verarbeitung und Anreicherung der Unternehmensdaten unterschieden werden. Unternehmensdatendrehscheibe vs. Data Warehouse kann verwirrend sein, aber die Datendrehscheibe hat zusätzliche Funktionen zur Nutzung der Daten für eher geschäftsprozessorientierte als geschäftsanalytisch orientierte Operationen.

Architektur des Enterprise Data Hub

Das folgende Diagramm zeigt eine Datenhub-Architektur, die multiple data , den Hub selbst und die Datenkonsumenten umfasst.

Die Enterprise Data Hub Architecture ist auf die aktuellen Bedürfnisse von Unternehmen ausgerichtet. Die Architektur selbst kann wachsen, um andere Anforderungen an Datenmanagement zu erfüllen, wie z. B. die Verwendung von Daten in neuen Technologien zur Entscheidungsunterstützung und business intelligence.

Zusammenfassung

Mit der zunehmenden Einführung von disparaten Daten und Big Data Praktiken werden Unternehmens-Datendrehscheiben zu Architekturen, die ein einheitliches, integriertes Datensystem schaffen, um bessere Geschäftsprozesse im gesamten Unternehmen zu ermöglichen. Unternehmensdaten-Hubs können Daten aus beliebigen Quellen und von beliebigem Typ nutzen, um eine einzige Quelle der Datenwahrheit über die Kunden, den Service und die Produkte des Unternehmens zu schaffen. Diese einzige Quelle der Wahrheit kann im gesamten Unternehmen gemeinsam genutzt werden, um Daten für zeitnahe, leistungsfähigere Geschäftsabläufe, Automatisierung und Entscheidungsfindung auszutauschen.

Unternehmen, die über Datendrehscheiben und unterstützende Datenquellen verfügen, können wettbewerbsfähiger werden als solche, die dies nicht tun. Daten sind das Lebenselixier des Unternehmens, das optimierte und automatisierte Geschäftsprozesse und Entscheidungshilfen für Unternehmen ermöglicht, um bessere Entscheidungen zu treffen. Diese Fähigkeit ist die Zeit und die Investition für das Unternehmen wert.

Actian kann Ihnen bei der Integration Ihrer Cloud helfen. Actian DataConnect ist eine hybride Integrationslösung, mit der Sie schnell und einfach Integrationen On-Premises, in der Cloud oder in hybriden Umgebungen entwerfen, bereitstellen und verwalten können.

Über Actian Corporation

Actian macht Daten einfach. Unsere Datenplattform vereinfacht die Verbindung, Verwaltung und Analyse von Daten in Cloud-, Hybrid- und lokalen Umgebungen. Mit jahrzehntelanger Erfahrung in den Bereichen Datenmanagement und -analyse liefert Actian leistungsstarke Lösungen, die es Unternehmen ermöglichen, datengesteuerte Entscheidungen zu treffen. Actian wird von führenden Analysten anerkannt und wurde für seine Leistung und Innovation mit Branchenpreisen ausgezeichnet. Unsere Teams präsentieren bewährte Anwendungsfälle auf Konferenzen (z. B. Strata Data) und tragen zu Open-Source-Projekten bei. Im ActianBlog behandeln wir Themen wie Echtzeit-Dateneingabe, Datenanalyse, Data Governance, Datenmanagement, Datenqualität, Datenintelligenz und KI-gesteuerte Analysen.