Wir befinden uns in der Ära des Daten-Überflusses. Es gibt mehr Datenquellen und -typen als je zuvor. Viele Unternehmen wollen diese Daten für die Analyse nutzen. Das setzt allerdings ein vernetztes Datenanalyse-Ecosystem mit mehrdimensionaler Skalierbarkeit voraus.
Fein-Tuning für die Analyse
In der Regel ist ein Projekt zu Beginn für einen bestimmten Anwendungsfall konzipiert. Dieser Ansatz – ein einzelner Anwendungsfalls und ein Datenprodukt nach dem anderen - lässt sich jedoch nicht skalieren. Was deswegen benötigt wird, ist
eine vernetzte Multi-Cloud-Datenplattform für Unternehmensanalysen, die skaliert werden kann, um anhand von Daten eines beliebigen Benutzers jederzeit jede Frage zu beantworten.
Eine Plattform mit mehrdimensionaler Skalierbarkeit erhöht die Möglichkeiten der Analyse über acht Kern-Domänen hinweg, ohne andere Domänen zu beeinträchtigen. Skalierungen dieser Art bieten genau die fortschrittlichen Fähigkeiten,
die Unternehmen der Zukunft benötigen. Mit ihnen werden Millionen von Modellen auf Billionen von Interaktionen ausgeführt, zu jeder Sekunde eines jeden Tages. Diese Art der Skalierbarkeit ermöglicht es Unternehmen zudem, Analysen auf granularer Kunden-, Service- und Finanz-Ebene durchzuführen.
gegen die Komplexität der Datenanalyse
Es gibt nicht viele Technologien, die eine steigende Zahl gleichzeitiger, komplexer Abfragen für große Datenmengen verarbeiten können. Sobald Technologien ein gewisses Maß an Komplexität nicht mehr erfüllen können, suchen sie nach Abkürzungen und Kompromissen in anderen Domänen.
Um eine signifikante Zunahme gleichzeitiger Abfragen zu bewältigen, müssen Anwender Folgendes tun:
- Die Komplexität ihrer Abfragen reduzieren
- Separate Plattformen implementieren
- Einen neuen Cloud-Cluster hinzufügen
- Benutzer einschränken
- Spezifischer Abfragen modifizieren
Diese Maßnahmen behindern die Wertschöpfung, erhöhen die Komplexität, reduzieren die Agilität und erhöhen die Kosten. Sie begrenzen auch die künftig erwartbare Agilität sowie die Möglichkeit, funktionsübergreifende Geschäftsfragen zu stellen. Zudem wird die Flexibilität der Benutzer limitiert, sie können nicht mehr jederzeit Fragen stellen. Aus diesem Grund muss eine vernetzte Multi-Cloud-Datenplattform für Enterprise Analytics
die Möglichkeit zur Hyperskalierung bieten.
Fünf Anforderungen an die Skalierbarkeit in einer Cloud-First-Welt
Um in einer Cloud-First-Welt zu skalieren, benötigen Unternehmen eine moderne Cloud-Analysearchitektur, die folgende fünf Forderungen unterstützt:
Diese moderne Fähigkeit erfüllt ohne Kapazitätsüberschuss die Bedingungen sowohl der Daten als auch der Anwender. Die Elastizität ermöglicht es Nutzern, Ressourcen ohne IT-Eingriff dynamisch nach oben beziehungsweise unten zu skalieren und jederzeit zu starten oder zu stoppen.
2. Integration mit First-Party-Cloud-Services.
Die enge Verzahnung mit Diensten von
Amazon Web Services, Microsoft Azure und der
Google Cloud beschleunigt die Bereitstellung von Datenanalyse-Ecosystemen.
3. Unterstützung moderner Datenquellen.
Die Unterstützung mehrerer Datentypen in einem einzigen System hilft bei der Integration von Daten, der Beseitigung von Daten- und Prozessredundanzen und ermöglicht erweiterte Analysen.
4. Integriertes Datenmanagement und skalierbare Analysen.
Eine Datenanalyseplattform sollte Analysen und Datenmanagement vereinheitlichen, um die Datenexploration, -modellierung und -bewertung in großem Maßstab in einer einzigen, benutzerfreundlichen Umgebung zu ermöglichen und Datenverwaltungsfunktionen zu automatisieren.
5. Dynamische Ressourcenzuweisung und Workload-Management.
Eine Plattform muss in der Lage sein, Systemressourcen und Benutzer-Workloads dynamisch zu verwalten.
Die acht Datendomänen der mehrdimensionalen Skalierbarkeit
Für viele Anbieter muss eine skalierbare Plattform mehrere Abfragen ausführen und zukünftige Datenwachstumsanforderungen erfüllen können. Diese Definition geht jedoch nicht weit genug. Skalierbarkeit muss auch wichtige Faktoren wie Latenz, Leistung, Zuverlässigkeit, Verfügbarkeit und Gesamtbetriebskosten berücksichtigen.
Genau genommen erfordert Skalierbarkeit acht wesentliche Domänen:
1. Datenvolumen
Speichern und verarbeiten Sie effizient Petabytes an Daten nativ und im Objekt Storage. Dies macht es einfach, auf alle Daten zuzugreifen, die für tiefe Einblicke benötigt werden.
2. Abfragereihenfolge
Verarbeiten Sie gleichzeitig große Mengen an Abfragen, um mehr Arbeit schneller zu erledigen. Optimieren Sie zahlreiche komplexe, ressourcenintensive Abfragen unter Einhaltung von Service Level Agreements (SLAs).
3. Komplexität der Abfrage
Unterstützen Sie komplexe, hochwertige Abfragen, einschließlich Multi-Join-Abfragen. Stellen Sie Fragen, die sich über verschiedene Geschäftsbereiche hinweg erstrecken, und gewinnen Sie damit neue Erkenntnisse.
4. Verfeinern der Schemata
Unterstützen Sie erweiterbare und flexible Datenschemata und ermöglichen Sie so alle Geschäftsanforderungen. Das bezieht sich auf wirklich jedes Schema – normalisierte, halbstrukturierte oder auch keine Schemata.
5. Abfrage-Datenvolumen
Dies ist die Datenmenge, die durch eine einzige Abfrage ohne manuellen Eingriff schnell und effizient verarbeitet werden kann. Mit der richtigen Plattform müssen Geschäftsanwender Abfragen nicht einschränken, da alle Daten berücksichtigt werden können.
6. Antwortzeit für Abfragen
Offerieren Sie schnelle und konsistente Reaktionszeiten, um strenge SLAs einzuhalten.
7. Datenlatenz
Laden und aktualisieren Sie Daten nahezu in Echtzeit und unterstützen Sie gleichzeitig Abfrage-Workloads. Anwender bleiben mit Geschäftsprozessen synchron und können auf Analyseanforderungen anhand aktueller Daten reagieren.
8. Gemischte Workloads
Unterstützen Sie mehrere Anwendungen/Nutzer mit sehr unterschiedlichen SLAs in einer einzigen Umgebung, um das Workload-Management zu vereinfachen, SLAs zu garantieren und Ressourcen zu maximieren.
Die so gewonnene Skalierungsfähigkeiten ermöglichen es Unternehmen, auf Basis aller Daten neue und anspruchsvolle Fragen zu stellen und so ihre Ziele zu erreichen. Zum Beispiel hilft die mehrdimensionale Skalierbarkeit Unternehmen wie der Royal Bank of Canada, moderne Datenanalysen zu nutzen. Was kann es für Sie tun?
Weitere Informationen