Demokratisierung von Daten für Nutzer unterschiedlicher Qualifikationsniveaus und Charaktere

Wenn Sie ein Dateningenieur oder ein Datenarchitekt sind, dann liegen Sie wahrscheinlich nachts wach und fragen sich, wie Sie Ihre Plattformen für Datenintegration, -management und -analyse so gestalten können, dass Ihre DBAs und IT-Ops-Kollegen sie problemlos verwalten können, während eine Vielzahl von Datennutzern sie gleichzeitig nutzen kann. Diese Benutzer reichen von neuen, anspruchsvollen, praktischen Benutzern wie Entwicklern und Datenwissenschaftlern bis hin zu denjenigen, die die Daten traditionell über SQL und Ad-hoc-Abfragen nutzen, wie z. B. Geschäftsanalysten, sowie denjenigen, die mit den Daten indirekt über Geschäftsanwendungen interagieren.

Nicht jeder in Ihrem Unternehmen ist ein Data-Scientist , und angesichts der Tatsache, wie rar sie sind, wären Sie in einem ziemlich kleinen Unternehmen, wenn sie die Mehrheit der Mitarbeiter wären. Auf die Gefahr hin, die Rolle von Datenwissenschaftlern zu sehr zu verallgemeinern, benötigen sie in der Regel Daten, die das Entwerfen und training von Algorithmen unterstützen, die nachgelagert und in andere Anwendungen eingebettet und von anderen Nutzern verwendet werden können. Datenwissenschaftler benötigen oft große und vielfältige Datensätze, die jedoch selten in Echtzeit vorliegen müssen, und dennoch ist die Aktualität eine vorrangige Anforderung, da sie das heuristische training ihrer Modelle iterieren.

Anwendungsentwickler neigen ebenso wie Datenwissenschaftler dazu, mit ihren Daten über Programmier-APIs zu interagieren. Die Datensätze, mit denen sie arbeiten, sind in der Regel kleiner, oder Zeitreihen und Echtzeit, die direkt in den Geschäftsprozess eingebettet , anstatt ihn zu informieren, wie es oft bei der Arbeit eines Data-Scientist der Fall ist. Für Business-Analysten sind die Anforderungen noch einmal anders, und für die Endnutzer geht es darum, die Daten für ihre Operationen unsichtbar zu machen - selbst wenn sie für diese Operationen integral und wesentlich sind. Hier geht es darum, dass die Entwickler von Datensystemen in der Lage sein müssen, Daten zur Verfügung zu stellen, aber für verschiedene Gruppen, die nicht die gleichen Fähigkeiten, Rollen und Verantwortlichkeiten oder das gleiche Interesse an Daten haben.

Welcher Auftrag ergibt sich daraus für Dateningenieure oder Datenarchitekten? Ganz einfach. Machen Sie Daten für Menschen mit unterschiedlichen Fähigkeiten nutzbar, damit sie das, was sie brauchen, wann sie es brauchen und auf die Art und Weise nutzen können, die am nützlichsten ist. Okay, vielleicht nicht ganz so einfach. Wie vermeiden Sie im Silo , die von maßgeschneiderten Systemen verwaltet werden, wenn Sie sich auf jede dieser Gruppen beschränken?

Verstehen Sie Ihre Nutzer und wie sie Daten nutzt

Jeder in Ihrem Unternehmen hat seine eigenen Datenbedürfnisse, sowohl in Bezug auf die Art der Daten und Werkzeuge, die er oder sie nutzen muss, als auch in Bezug auf die Art und Weise, wie diese Datennutzung als effektiv angesehen wird. So gibt es vielleicht einige Benutzer, die Zugriff auf einen ganz bestimmten Datensatz benötigen, um eine bestimmte Aufgabe zu erfüllen, während andere Benutzer beispielsweise für die Planung und strategische Entscheidungsfindung Daten mit einem großen Überblick benötigen. Einige Ihrer Nutzer werden detaillierte Rohdaten benötigen, während andere kuratierte Dashboards, Berichte und Visualisierungen benötigen. In vielen Fällen werden die gleichen Nutzer in jedes der oben genannten Szenarien passen, aber in unterschiedlichen Phasen eines Projekts. In anderen Fällen werden in diesen verschiedenen Szenarien dieselben Daten in unterschiedlicher Form oder auf unterschiedliche Weise und in Kombination mit anderen Datensätzen verwendet.

Um zu verstehen, wie Sie Ihren Datennutzern zum Erfolg verhelfen können, müssen Sie das Qualifikationsniveau der Verbraucher sowie die Tools und Datensätze, die sie benötigen, verstehen. Neben den oben erwähnten Datensätzen verbringen Datenwissenschaftler beispielsweise viel Zeit damit, Daten vorzubereiten und Algorithmen von Hand zu kodieren oder Bibliotheken für KI und ML wie TensorFlow zu verwenden. Umgekehrt neigen Geschäftsanalysten eher dazu, SQL für die Berichterstellung und gängige BI- und Visualisierungstools für diese abgefragten Datensätze zu nutzen. Power-User auf der Geschäftsseite können zwar einfachere Abfragen durchführen, sind aber mit der Bearbeitung von Tabellenkalkulationen am besten vertraut, wie z. B. Ihre Finanz- und Planungsmitarbeiter. Jeder dieser Benutzer hat seine eigenen Anforderungen, nicht nur an die Daten, sondern auch an die Tools, die bestimmen, wie sie die Daten für ihre Arbeit nutzen. Hier erfahren Sie mehr über die verschiedenen Actian Datenmanagement .

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.