Co je datové sítě?
Datová síť je přístup ke správě dat, který využívá distribuovaný architektonický rámec.
Přehled datových sítí
Datová síť představuje nový způsob pohledu na informace. Vzniká z rostoucí koncepce, že data jsou vlastně sama o sobě produktem, nástrojem, prostředkem k dosažení cíle – ne jen něco, co podniky shromažďují a analyzují později v zaostalém pokusu pochopit věci, které se již staly.
Definice datové sítě
Datová síť je přístup ke správě dat, který využívá distribuovaný architektonický rámec. Jinými slovy: šíří vlastnictví a odpovědnost za konkrétní datové soubory v rámci celého podniku, na uživatele, kteří mají odborné znalosti, aby pochopili, co tyto údaje znamenají a jak je co nejlépe využít.
Architektura datových sítí propojuje a čerpá data z různých zdrojů, jako jsou datová jezera a sklady, a distribuuje příslušné datové soubory příslušným odborníkům na lidské zdroje a týmy domén v celém podniku. V podstatě je objemný jumbl dat v centrálním datovém jezeře roztříděn a distribuován do zvládnutelných bloků do těch, které jsou nejvhodnější pro jejich pochopení a využití.
Zásady datových sítí pro výzvy datového jezera
Když mluvíme o datových jezerech a datových sítích, mluvíme v podstatě o Big Data. To, co dělá data „Big“, není jen jejich obrovský objem. Kromě jiných kritérií jsou Big Data také definována jako komplexní, variabilní, rychle generovaná a nestrukturovaná.
Lineární databáze je jako tabulka: má sloupce a řádky a neměnné kategorie, do kterých se musí vejít všechny datové komponenty. Některá data generovaná ze strojů, senzorů a průmyslových zdrojů jsou strukturována a úhledně zapadají do lineární databáze. Bez ohledu na to, s jakým objemem dat se musíte vypořádat, pokud je 100% strukturovaný, nesplňuje kritéria velkých dat a může být uložena v lineární databázi, takže je relativně jednoduché filtrovat a extrahovat.
Moderní Big Data jsou však stále více nestrukturovaná a skládají se z vizuálních komponent, otevřeného textu a dokonce i videa a bohatých médií. Tato klíčová data mohou obsahovat tisíce terabajtů informací pro mnoho společností a jednoduše nemohou být uložena ve standardní lineární databázi.
Zadejte datové jezero. Jak začaly objemy velkých dat narůstat, byla datová jezera vyvíjena jako místo, kde bylo možné ukládat komplexní data a přistupovat k nim z centrálního úložiště v jeho syrovém formátu. Zatímco datová jezera představují vynikající řešení problému velkých dat, přesto mají slabé stránky. Datová jezera postrádají určité analytické vlastnosti, což je činí závislými na jiných službách pro vyhledávání, indexování, transformaci, dotazování a analytické funkce. Z hlediska řízení podniku představují datová jezera také tři další výzvy:
1. Komplexní vlastnictví Vlastnictví v datových jezerech je složité definovat, kdy příliš mnoho hráčů generuje a přistupuje k datům. Při absenci jasně definovaných rolí a odpovědností mohou různé strany spravovat stejnou množinu dat různě, což vede k nekonzistencím, které znesnadňují použití. Stejně tak ostatní data končí zanedbáváním, když je aktivně neřídí ti, kteří je nakonec budou využívat. Architektura datových sítí zajišťuje, že správa dat je jasně distribuována podle domény tak, aby každý tým nebo specialista na domény řídil data, která produkují a používají. Za tímto účelem používají datové sítě také federovanou strukturu řízení, která také umožňuje centrální řízení modelování dat, bezpečnostních zásad a dodržování předpisů.
2. Kvalita dat Datová jezera mohou selhat v zajištění kvality dat, když je objem dat příliš velký nebo když to sami centrální správci dat nechápou. Architektura datových sítí zásadně zachází s daty jako s cenným produktem, který staví kvalitu a úplnost dat do popředí správy dat. Každý tým pravděpodobně zná nejdůležitější kritéria a problémy, které si přeje extrapolovat z údajů, které shromažďuje. Začleněním těchto kritérií a priorit do architektury může datové sítě pomoci zajistit nepřetržité a prioritní poskytování čistých, čerstvých a kompletních dat, a to i v případě, že se jedná o větší datové soubory. A samozřejmě, když jsou použity algoritmy strojového učení, jsou tato kritéria a výsledné množiny dat v průběhu času stále přesnější a užitečnější.
3. Kritická místa Datová jezera mohou vytvářet úzká místa díky své centralizované architektuře a tradičně obtížným procesům a protokolům pro vyhledávání dat. To obvykle znamená, že kontrola velkého množství konsolidovaných dat spadá pod jeden IT nebo tým pro správu dat. A s rostoucím objemem dat (a poptávkou po jejich načítání) jsou tyto IT týmy příliš zdaňovány.
Kromě toho musí být údaje řádně přezkoumány a strukturovány, aby byl zajištěn soulad a dodržování zásad správy údajů. Když čelíme nepřiměřenému tlaku, může se projevit tendence spěchat v těchto fázích dodržování předpisů, což pro společnost vytváří potenciální riziko a ztrátu. Architektura datových sítí naproti tomu umožňuje přístup a kontrolu autorizovaným specializovaným uživatelům, kteří mají větší zájem o data – a to vše při použití přísných, zapečetěných bezpečnostních protokolů.
Zásady datových sítí vznikly v přímé reakci na tyto rostoucí problémy s datovým jezerem. Decentralizovaná a demokratizovaná architektura správy dat učinila podniky chytřejšími, agilnějšími a přesnějšími tím, že zajišťuje, aby správná data byla okamžitě dostupná správným lidem, kdekoli a kdykoli je potřebují. Datová síť dělá z dat jako produktu skutečnou realitu, snižuje překážky a upřednostňuje hodnotu informací tak, aby týmy mohly získat rychlejší a neomezený přístup k základním datům.
Architektura datových sítí vysvětlena
Diskutovali jsme o tom, jak je datová síť decentralizovanou formou datové architektury, která zachází s daty jako s nezbytným nástrojem pro řízení podniku. A co je důležité, nezávislé týmy jsou zodpovědné za zpracování dat v rámci své oblasti práce a odborných znalostí a zároveň zajišťují dodržování centrálně stanovených postupů správy dat. Tato změna myšlení je jádrem datové sítě.
Abychom lépe pochopili, jak je toho dosaženo, můžeme vidět architekturu datových sítí jako tři hlavní komponenty:
1. Zdroje dat představují úložiště (jako datové jezero), do kterého se přenášejí primární nezpracovaná data. Ať už jsou shromažďovány z cloudových sítí IIoT, formulářů pro zpětnou vazbu zákazníků nebo vyřazených webových dat, jedná se o nezpracovaná vstupní data, na která budou uživatelé v celé síti odkazovat a zpracovávat je podle potřeby. Zatímco přístup k datovému jezeru by sloučil všechna tato data do jednoho centrálního místa, metodika datových sítí místo toho distribuuje odpovědnost za příjem, ukládání, zpracování a extrakci těchto nezpracovaných dat v rámci řady odpovědných domén.
2. Infrastruktura datových sítí znamená, že tyto informace nejsou izolovány pouze v rámci jednotlivých domén oddělení, ale mohou být také sdíleny dle libosti napříč provozní sítí organizace, přičemž zůstávají v souladu se zavedenými pokyny pro správu dat. To je přímý výsledek dvou klíčových pilířů datové sítě: samoobslužné datové platformy a federované správy. Samoobslužná datová platforma poskytuje nástroje a infrastrukturu potřebné pro každou doménu pro univerzální příjem, transformaci, zpracování a obsluhu jejich dat. Mezitím federované zásady správy zajišťují standardizaci napříč organizací, což umožňuje snadnou interoperabilitu dat mezi všemi týmy domén.
3. Vlastníci dat jsou konečnou součástí datové sítě a jsou odpovědní za uplatňování protokolů shody, řízení a kategorizace dat svých oddělení. Například soubory HR musí být uloženy pomocí určitých bezpečnostních protokolů, nesmí být použity pro tento nebo tento účel, musí být vydány pouze takové osobě. Samozřejmě, každé oddělení bude mít kategorie a typy dat jedinečné pro své oddělení nebo účely. V systému datového jezera se musí IT týmy setkat se všemi těmito různými protokoly a kategoriemi pro všechny různé vlastníky dat, kteří vysypali věci do jezera. Zatímco architektura datových sítí dává vlastníkům domén plnou autoritu a kontrolu nad těmito záležitostmi, protože opět, kdo lépe než specialisté na danou oblast spravuje své vlastní údaje a zajišťuje, aby splňoval standardy kvality.
Datová síť v praxi: Kdo ji používá a proč
Aby se řešení pro správu dat vyvíjela a stala se úspěšnějšími, musí být použitelná a relevantní pro širokou škálu aplikací a operací. S tím, jak se architektura datových sítí a uživatelská přívětivost zlepšují, vidíme větší škálu podnikových funkcí, které lze rozšířit bezpečným a distribuovaným přístupem k datům jako produktu a nástroji.
Zde jsou některé běžné obchodní případy použití:
Prodej: Pro prodejní týmy jde vše o získávání, péči a uzavírání tipů. Čím více času členové prodejního týmu stráví na svých pracovištích při administrativních úkolech, tím méně času budou muset budovat vztahy s novými zákazníky. S architekturou datových sítí nemusí být uživatelé prodejního týmu experty na správu a vyhledávání dat, aby měli co nejvýkonnější a nejrelevantnější datové sady a kombinace na dosah ruky. Když mají prodejní oddělení všechna správná data k analýze, převádí se do praktičtějších analýz a strategií.
Dodavatelský řetězec a logistika: Moderní dodavatelské řetězce jsou ohroženy obrovskou škálou narušení. Konkurenční výhoda nastává, když se společnosti mohou rychle otočit a reagovat na hrozby i příležitosti se stejnou agilitou. Dnešní data globálního dodavatelského řetězce jsou hustá a rychlá – od zpětné vazby od zákazníků až po sítě IIoT a digitální dvojčata. Když zkušení a zdatní manažeři dodavatelských řetězců sami dokáží v reálném čase kurovat a procházet některé z těchto datových sad, firmy získají silný zdroj informací a pochopení.
Výroba: V rámci dodavatelského řetězce jsou výrobní operace společnosti stejně citlivé na rychlé změny na trhu a nestálé požadavky zákazníků. V minulosti se týmy designu a výzkumu a vývoje musely spoléhat na historické údaje o zákaznících, které jim byly předávány z jiných oddělení. Dnes datová síť přináší uživatelům živý přístup k datům za přípravnou tabulkou, k týmům výzkumu a vývoje a testování a až do výrobní haly. Zpětná vazba od zákazníků v reálném čase může okamžitě informovat o vývoji produktů a up-to-the-minute intel ze sítí IIoT a digitálních simulací může pomoci továrnám provozovat bezpečnější, rychlejší a efektivnější provoz.
Marketing: Požadavky a očekávání zákazníků dnes formují budoucnost a mění se a rostou nebývalým tempem. Jedna značka má typicky nesčetné kontaktní body pro spotřebitele napříč sociálními médii, cílenými digitálními reklamami a online a vícekanálovými nákupními portály. Současný trh vidí rostoucí touhu po rychlém přizpůsobení, kratší životní cykly produktů a obrovskou úroveň výběru a konkurence. Pro pochopení a využití těchto trendů musí mít moderní marketéři v reálném čase a současný přístup k široké škále datových sad. V minulosti to znamenalo požadovat (a čekat na) tato data z jiných oddělení. S nastavením datové sítě však marketéři mohou tato data v tuto chvíli kurovat a přistupovat k nim za svých vlastních podmínek.
Lidské zdroje: Personální týmy musí řídit velké množství extrémně složitých a citlivých údajů. A s rostoucím trendem na vzdálených a hybridních pracovištích se data každým dnem komplikují a geograficky rozmanitější. Nemluvě o neustále se měnícím souboru compliance a právních otázkách, které musí personální týmy tak naléhavě udržet na vrcholu. Vedoucí personalisté musí mít možnost ověřovat, posuzovat a analyzovat některé z nejrozšířenějších datových sad v jakékoli organizaci. Architektura datových sítí umožňuje odpovídající bezpečnostní protokoly a přísně omezený přístup – a zároveň umožňuje autorizovaným uživatelům HR přístup k datům a informacím rychle a bez závislosti na komplexních interních protokolech a víceresortní byrokracii.
Finance: Stejně jako u HR, i finanční a účetní týmy jsou zodpovědné za nesmírně důležité a citlivé údaje. Moderní ERP systémy přinášejí revoluci v oblasti financí, využívají technologii in-memory databáze k přizpůsobení aktuálních výkazů, analýz a projekcí. I když finanční týmy používají nejlepší databáze a ERP, často stále čelí překážkám, protože jsou sužovány dlouhotrvajícími a tuhými kulturami, těžkými silami a byrokratickými procesy ve starých školách. Architektura datových sítí přináší zásadní posun v tom, jak jsou finanční data nahlížena a spravována – a může dokonce otřást stagnujícím myšlením, které se může stát, když mají týmy možnost vlastnit a revidovat své vlastní procesy stárnutí dat.
Je jasné, že datové sítě nejsou jen dalším heslem a je to trend datové strategie, který je třeba brát vážně. Společnosti všech velikostí a odvětví používají datové sítě a hledají způsoby, jak používat data k vytváření přehledů a hodnot.
Výhody datové sítě
V minulosti přispěly starší databáze a infrastruktury pro správu omezených dat k pocitu, že data mají být uchovávána v jediném trezoru a vydávána na základě uvážení několika správců dat. Nyní jsou data hnacím motorem vašeho podnikání a měla by být volně dána těm specialistům, kteří nejlépe vědí, jak to udělat a zvýšit zisk v konkurenčních časech.
Hlavní výhody architektury datových sítí lze shrnout takto:
Zvýšená přístupnost dat. Datová síť zajišťuje, že všichni ti správní lidé ve vaší organizaci budou mít přístup k datům, která potřebují – aby byli na svých pozicích naprosto nejlepší.
Vylepšené analytické schopnosti. Když se na data pohlíží jako na produkt, který se má používat každý den, týmy začnou přistupovat k plánování a strategii jako první. To vede ke snížení počtu chyb a k objektivnějšímu přístupu k rozvoji podnikání, který je méně zaměřený na názory.
Přizpůsobitelné datové kanály a procesy. Mnohé z nejlepších a potenciálně nejziskovějších projektů jsou odloženy díky obrovským potížím s omezením jedinečných a přizpůsobených datových sad potřebných k dosažení úspěchu. S datovým sítí mohou týmy rychle přistupovat k novým modelům projektů a testovat je bez tradiční ztráty času nebo zdrojů.
Kritická místa mohou být snížena. Pro IT týmy i vlastníky dat je to očividná výhra/výhra. Navíc omezením zdroje frustrace a podráždění mohou podniky pomoci rozbít sila, která stojí v cestě zdravému rozvoji podnikání.
Snížení zátěže centrálních týmů pro správu dat. To znamená nejen snížení zbytků a frustrace, ale také uvolnění nesčetných hodin pro vaše talentované IT týmy věnovat se více specializovaným, zajímavým a ziskovým snahám
Časté dotazy k datové síti
Datová a analytická řešení SAP
Identifikujte, analyzujte a transformujte nejrelevantnější data v celém podniku.
Nápady, které jinde nenajdete
Zaregistrujte se pro dávku business intelligence doručenou přímo do vaší schránky.