Der Hauptzweck der Implementierung einer Datenarchitektur besteht darin, die Methoden und Protokolle sowie die Systeme zum Erfassen, Speichern, Verwalten und Teilen von Daten im gesamten Unternehmen zu standardisieren, um die Entscheidungsfindung zu verbessern.

In modernen Unternehmen werden die meisten Entscheidungen in Echtzeit getroffen, und um eine effiziente und echtzeitfreundliche Datenverwaltungsinfrastruktur zu ermöglichen, legen Datenarchitekten die Grundlage oder den zugrunde liegenden Entwurf für die organisatorische Datenverwaltung.

In jüngerer Zeit das Konzept der Moderne Datenarchitektur ist auf die zunehmende Einführung der Cloud durch Unternehmen zurückzuführen, gefolgt von einer radikalen Umstellung auf Cloud-Plattformen für alle oder die meisten Datenverwaltungsaufgaben. Das können nur Cloud-Plattformen mit ihren vielfältigen Lösungen bieten Geschwindigkeit, Skalierbarkeit und Benutzerfreundlichkeit von Datenverwaltungsplattformen der Enterprise-Klasse ohne Beeinträchtigung der Datenqualität (Governance-Probleme).

Die wesentliche Abweichung von der traditionellen Datenarchitektur liegt in der Art und Weise, wie Daten in einer modernen Umgebung behandelt werden Datenmanagement-Plattform. Die Datenverarbeitung vor Ort war kompliziert, zeitaufwändig und ressourcenintensiv. Die Cloud bot revolutionäre Lösungen für die Datenerfassung, -speicherung, -vorbereitung und -verarbeitung.

Mit einer Datenabstraktionsschicht, der modernen Datenarchitektur macht die Geschäftsdatenanalyse einfach, schnell, konsistent, effizient und echtzeitfreundlich.

Datenarchitekturtrends: Was Sie 2022 erwarten können

Die herausragenden Merkmale moderner Datenarchitektur sind:

• Automatisierte Datenpipelines: Automatisiert Datenintegration Prozesse in der Cloud stellen sicher, dass Daten effizient in alle Teile der Organisation fließen, ohne die Datenqualität zu beeinträchtigen.
• Datensicherheit: Daten ohne vorhandene Sicherheitsmechanismen können nicht als Geschäftsgut betrachtet werden. Cloud-basierte Datenarchitekturen verfügen über strenge Datensicherheitsrichtlinien durch kontrollierten Datenzugriff und Autorisierungsmechanismen. Diese Systeme sind auch mit den Datenschutzbestimmungen von GDPR und HIPAA konform.
• Skalierbarkeit der Daten: Die Cloud ermöglicht ein robustes Datenmanagement, das bei Bedarf kostensensibel nach oben oder unten skaliert werden kann.
• KI- oder maschinelle Lernfähigkeiten: Die integrierten KI- und maschinellen Lernfunktionen moderner Datenarchitekturen erleichtern agile und genaue Datenverwaltungsprozesse, von der Datenerfassung bis hin zu erweiterten Datenanalysen.
• Endbenutzerkontrolle der Ergebnisse: Die Cloud versetzt die Benutzer in die Lage zu bestimmen, wann und welche Daten sie von ihren Datenverwaltungssystemen benötigen.
• Vertrauenswürdige Datenfreigabe: Während die gemeinsame Nutzung von Daten dazu beiträgt, isolierte Daten aufzulösen, wirft sie Bedenken hinsichtlich des Datenschutzes und der Governance auf. Die Cloud ermöglicht einen vertrauenswürdigen Datenaustausch, was bedeutet, dass alle mit der „gleichen Version der Wahrheit“ arbeiten.

Dieser Gartner-Artikel beschreibt, welche Rolle die Datenarchitektur in der gesamten Unternehmensarchitektur einer datengesteuerten Organisation spielt. EIN DBTA-Artikel über den Aufbau einer modernen Datenarchitektur von Grund auf.

Datenarchitekturtrends 2022 zum Anschauen

Aus der langen Liste der Datenarchitekturtrends die das Jahr 2021 geprägt haben, erwähnenswert sind hier die Demokratisierung des Datenzugriffs, die KI-fähige Architektur und der Aufstieg des Analyseingenieurs, der Datenstruktur, des Datenkatalogs, DevOps, und natürlich die Wolke. Viele dieser 2021-Trends werden weiter zunehmen, reifen und die Datenarchitekturlandschaft 2022 dominieren.

Acht Datenarchitektur-Trends für 2022, die Sie beobachten und verfolgen sollten, sind:

• Datenstruktur: Dieser Trend, der sich ab 2021 fortsetzt, verspricht standardisierte und konsistente Datendienste in der gesamten Organisation. Entsprechend Gartner, Data Fabric „dient als integrierte Layer-Fabric von Daten und verbindenden Prozessen“ für Echtzeitanalysen mit Daten, die sich in verteilten Umgebungen befinden. Mit der Ausreifung der Datenintegrationstechnologien ist dies eine eindeutige Trendmöglichkeit im Jahr 2022.
• Hybrid- und Multi-Cloud: Obwohl die Public Cloud am besten für moderne Datenarchitekturen geeignet ist, zwingen nagende Datensicherheits- und Governance-Probleme Unternehmen dazu, Hybrid- und Multi-Cloud-Optionen in Betracht zu ziehen. Als Datenstruktur erleichtert die schnelle Datenanalyse in allen Arten von Cloud-Konfigurationen, das Wachstum der Datenstruktur bedeutet auch das Wachstum von Hybrid- und Multi-Cloud.
• Informationskatalog: Dieser Trend setzt sich ab 2021 fort und fördert eine Architektur, die auf Informationskatalogen basiert, die Datenproduzenten und Datenkonsumenten helfen, die ihnen zur Verfügung stehenden Daten zu verstehen. Ein zusätzlicher Vorteil besteht darin, dass Informationskataloge sowohl Datennutzern als auch Analysten dabei helfen, „Semantik nicht nur auf Daten, sondern auch [auf] Berichte, Analysemodelle, Entscheidungen und andere Analysewerte anzuwenden“, so Tapan Patel, Senior Manager for Data Management bei SAS. Da Informationskataloge noch ausgereift sind, stößt diese Technologie bereits auf positive Resonanz.
• Wachstum von Data Lakehouse: Da Unternehmen weiterhin mit nicht verbundenen Datensilos und proprietären Daten kämpfen, wird die Notwendigkeit einer einzigen Datenarchitektur wird deutlicher.  Seehäuser versprechen eine Zukunft von Open Source, KI- und ML-gestützter, Cloud-freundlicher, einheitlicher Einzeldatenarchitektur.
• Demokratisierung von Daten und Analysen: Eine gemeinsame Studie von G
  oogle und Harvard Business Review (HRB) zeigt, dass die meisten Führungskräfte die Bedeutung des demokratisierten Datenzugriffs und der demokratisierten Analytik für den Erfolg eines Unternehmens anerkennen. Mit Cloud-Datenarchitekturen wird dieser Trend im Jahr 2022 rasant zunehmen.
• Wachstum der KI/ML-Fähigkeiten (Automatisierung): Cloud-basierte Datenarchitekturen bieten dem technischen Personal einen schnellen Zugriff auf alle Ressourcen sie müssen damit arbeiten. Einerseits sind die Speicher-, Rechen- und Netzwerkressourcen von Cloud-Umgebungen denen von On-Premise-Rechenzentren weit überlegen; Auf der anderen Seite macht die Konnektivität der Dateninfrastruktur die gemeinsame Nutzung von Ressourcen in lokalen, privaten, öffentlichen und hybriden Cloud-Umgebungen für KI/ML-Operationen einfach und effizient. Daher wird das anhaltende Wachstum von Cloud-basierten Datenarchitekturen das Wachstum von KI/ML-Funktionen oder Automatisierung begünstigen.
• Datennetz: Das Datennetz Framework bietet eine „Demokratisierung“ des Datenzugriffs und der Datenverwaltung. In diesem Szenario werden die Daten sorgfältig kuratiert und von Domänenexperten verwaltet. Data Mesh ist eine bahnbrechende Technologie zur Beseitigung technischer Barrieren sowie menschlicher Probleme aus Datenverwaltungsumgebungen.
• Data Governance und Qualität: Hin- und hergerissen zwischen widersprüchlichen Kräften der Innovation und der Einhaltung regulatorischer Hindernisse, sind Unternehmer und Betreiber bestrebt, strenge Data Governance-Maßnahmen in ihren Unternehmen umzusetzen. Eine aktuelle Studie von Teradata zeigt, dass 77 % der befragten Unternehmensleiter zugeben, dass ihre Unternehmen sich mehr Sorgen um Datenqualität und Governance machen als je zuvor. Dieser neue Ansatz wird Unternehmen dabei helfen, Vorurteile bei KI-gestützten Entscheidungen zu bekämpfen.

Gedanken zur Zukunft von Datenarchitekturen

Die drei großen Treiber der Zukunft der Dateninfrastruktur lässt sich als Umstellung auf Public Cloud, mehr SaaS und verstärktes Data Engineering beschreiben.

Wechseln Sie zu Public Cloud-Plattformen

Ab 2015 läutete eine Umstellung auf die Cloud für Datenverwaltungsdienste die Ära der offenen Datenarchitektur ein. Die öffentlichen Cloud-Plattformen für Datenverwaltungsdienste erforderten die Trennung von Speicher- und Rechendiensten und bevorzugten die Integration von Diensten, die von verschiedenen Dienstanbietern (Apache-Lösungen) für verschiedene Dienste angeboten wurden. Dieser Trend setzt sich zunehmend durch und zeigt keine Verlangsamung. Das Ende proprietärer Datenverwaltungsressourcen und -systeme und das Wachstum der eigenständigen Datenschicht in modernen Datenarchitekturen haben zu skalierbareren und effizienteren Lösungen geführt.

Wachstum von SaaS-Service-Layern

Dies hat offene Datenarchitekturen sehr erfolgreich gemacht. SaaS-Dienste machen Downloads, Installationen, Konfiguration oder regelmäßige Wartung von Software-Assets durch einzelne Unternehmen überflüssig. Somit ermöglicht eine offene Datenarchitektur, durchsetzt mit SaaS-Diensten, eine einfach zu verwaltende Datenverwaltungslösung ohne Vor-Ort-Fußabdruck in Bezug auf Kosten und Wartung. Zum Beispiel bietet Dremio Cloud in Kombination mit SaaS-Diensten am meisten skalierbar, sicher, gut verwaltet, mehrstufig Datenverarbeitungsfunktionen für alle Unternehmen mit vollständig integrierten BI-Lösungen.

Data Engineering Lösungen, die von Anbietern von Data Lake-Lösungen angeboten werden, haben die schwierigen Aufgaben der Data-Engineering- und Data-Management-Teams rationalisiert. Zum Beispiel, Projekt Nessie, eine „Metastore“-Lösung für Data Lakes und Lakehouses, erleichtert Data-Engineering-Aufgaben.

Bild verwendet unter Lizenz von Shutterstock.com

• Coinsmart. Europas beste Bitcoin- und Krypto-Börse.
• Platoblockkette. Web3-Metaverse-Intelligenz. Wissen verstärkt. DEN FREIEN ZUGANG.
• CryptoHawk. Altcoin-Radar. Kostenlose Testphase.
• Quelle: https://www.dataversity.net/data-architecture-trends-in-2022/