Data Mesh -yleisnäkymä

Tietoverkko on uusi tapa tarkastella tietoja. Kasvavasta käsitteestä syntyy, että data on itse asiassa tuote, työkalu, keino päämäärään – ei vain jotain, jota yritykset keräävät ja analysoivat myöhemmin taaksepäin katsoen yrittäessään ymmärtää jo tapahtuneita asioita.

Data Mesh -määritys

Data Mesh on lähestymistapa tiedonhallintaan, joka käyttää hajautettua arkkitehtonista kehystä. Toisin sanoen se levittää omistajuuden ja vastuun tietyistä tietoaineistoista koko liiketoimintaan käyttäjille, joilla on asiantuntemusta ymmärtääkseen, mitä tieto tarkoittaa ja miten sitä hyödynnetään parhaalla mahdollisella tavalla.

Data Mesh -arkkitehtuuri yhdistää ja piirtää dataa eri lähteistä, kuten tietojärvistä ja varastoista. Sen jälkeen se jakaa relevantit tietojoukot asianmukaisille inhimillisille asiantuntijoille ja toimialueryhmille koko liiketoiminnassa. Pohjimmiltaan laajamittainen tiedonsiirto keskitetyssä tietojärvessä lajitellaan ja jaetaan hallittaviksi lohkoiksi niille, jotka parhaiten ymmärtävät ja hyödyntävät sitä.

Tietojen mesh-alkuperät

Data Mesh sai alkunsa noin vuonna 2009 vastauksena suurien, monimutkaisten organisaatioiden data-arkkitehtuurien skaalauksen haasteisiin. Data Meshin ydinajatuksena on hajauttaa datan omistusta ja arkkitehtuuria, käsitellä dataa tuotteena ja kohdistaa vastuu toimialakeskeisille tiimeille. Data Mesh yhdistää eri alojen suunnittelun, tuoteajattelun ja itsepalveluinfrastruktuurin periaatteet, joiden avulla organisaatiot voivat skaalata tietojärjestelmiä luomatta monoliittisia pullonkauloja.

Keskitetyt tiedonhallintamallit epäonnistuvat suurissa organisaatioissa usein seuraavista syistä:

• Toimituksen pullonkaulat: Yksittäinen keskustiimi ylikuormittuu, mikä hidastaa tiedonsaantia ja analytiikkaa.
• Omistajuuteen liittyvät puutteet: Selkeä vastuu tietojen laadusta eri aloilla ei aiheuta epäyhtenäisiä standardeja ja luottamusongelmia.
• Skaalautuvuusongelmat: Datavolyymin ja kompleksisuuden kasvaessa keskitettyjen järjestelmien on vaikea skaalata ilman massiivisia yleiskustannuksia.
• Heikko toimialan tietämys: Keskustiimeillä ei ole syvällistä ymmärrystä liiketoiminta-alueista, mikä johtaa heikkolaatuisiin tai virheellisiin datatuotteisiin.
• Rajoitettu ketteryys: Muutokset, jotka edellyttävät koordinaatiota yhden tiimin kautta, hidastavat kykyä reagoida liiketoiminnan muuttuviin tarpeisiin.

Dataverkon edut

Vanhat tietokannat ja rajalliset tiedonhallintainfrastruktuurit ovat osaltaan vaikuttaneet siihen, että tietoja säilytetään yhdessä holvissa ja että niitä käytetään muutamien tietojen hallinnoijien harkinnan mukaan. Nyt data on polttoaine, joka ohjaa yritystäsi; se pitäisi antaa vapaasti niille oppiaine-asiantuntijoille, jotka osaavat parhaiten saada sen toimimaan ja ajamaan voittoa kilpailuaikana.

Dataverkkoarkkitehtuurin tärkeimmät edut voidaan tiivistää kolmeen luokkaan:

Skaalautuvuus ja ketteryys

Parempi tietojen käytettävyys: Data Mesh varmistaa, että kaikki oikeat henkilöt koko organisaatiossasi voivat käyttää tarvitsemiaan tietoja – ollakseen ehdottoman parhaita työpaikoissaan.

Mukautettavat tietoputket ja -prosessit: Monet parhaista ja potentiaalisesti kannattavimmista projekteista hyllytetään, koska menestykseen tarvittavien ainutlaatuisten ja räätälöityjen tietokokonaisuuksien kuratointi on valtavaa. Dataverkon avulla tiimit voivat nopeasti käyttää ja testata uusia projektimalleja ilman perinteistä ajan tai resurssien menetystä.

Vähentyneet pullonkaulat: Tämä on ilmeinen voitto/voitto sekä IT-tiimeille että datan omistajille. Lisäksi vähentämällä turhautumista ja ärsytystä yritykset voivat auttaa purkamaan siiloja, jotka estävät liiketoiminnan terveen kehityksen.

Laatu ja luottamus

Parannetut analyysitoiminnot: Kun organisaatiot näkevät datan tuotteena, jota käytetään päivittäin, tiimit alkavat lähestyä suunnittelua ja strategiaa ensin. Tämä johtaa virheiden vähenemiseen ja objektiivisempaan ja vähemmän mielipiteeseen perustuvaan lähestymistapaan liiketoiminnan kehittämisessä.

Alueille yhteinen yhteistyö ja uudelleenkäyttö

Keskitettyjen tiedonhallintatiimien rasituksen vähentäminen: Tämä tarkoittaa paitsi ruuhkien ja turhautumisen vähentämistä myös lahjakkaiden IT-tiimien lukemattomien tuntien vapauttamista erikoistuneemmille, mielenkiintoisemmille ja kannattavammille tavoitteille.

Hajauttamalla omistajuutta ja käsittelemällä tietoja tuotteena tietoverkko antaa organisaatioille mahdollisuuden liikkua nopeammin, rakentaa luottamusta tietoihin ja skaalata saumattomasti eri toimialoilla.

Tietoverkon keskeiset periaatteet

Kun puhumme datajärvistä ja dataverkoista, puhumme pohjimmiltaan big datasta. Se, mikä tekee datasta ”isoa”, ei ole vain sen valtava volyymi. Muun muassa big data määritellään myös siten, että se on monimutkaista, vaihtelevaa, nopeasti tuotettua ja jäsennelemätöntä.

Lineaarinen tietokanta on kuin laskentataulukko: siinä on sarakkeita, rivejä ja muuttumattomia luokkia, joihin kaikkien tietokomponenttien on sovittava. Osa koneista, antureista ja teollisista lähteistä tuotetusta datasta on jäsennelty ja sopii siististi lineaariseen tietokantaan. Riippumatta siitä, kuinka paljon datavolyymia sinun on käsiteltävä, jos se on 100-prosenttisesti jäsennelty, se ei täytä big data -kriteerejä ja se voidaan sijoittaa lineaariseen tietokantaan, joten suodatus ja poiminta on suhteellisen helppoa.

Mutta yhä enenevässä määrin moderni big data on jäsenntelemätöntä ja koostuu visuaalisista komponenteista, avoimesta tekstistä ja jopa videosta ja rikkaasta mediasta. Tämä tärkeä tieto voi sisältää tuhansia teratavuja tietoa monille yrityksille, eikä sitä yksinkertaisesti voi tallentaa tavalliseen lineaariseen tietokantaan.

Syötä tietojärvi. Kun massadatavolyymit alkoivat kasvaa, tietojärviä kehitettiin paikaksi, johon monimutkaista dataa voitiin tallentaa ja käyttää keskusarkistosta sen raakamuodossa. Vaikka datajärvet ovat erinomainen ratkaisu big data -ongelmaan, niillä on kuitenkin heikkouksia. Tietojärvillä ei ole tiettyjä analyyttisiä ominaisuuksia, joten ne ovat riippuvaisia muista palveluista haku-, indeksointi-, muunto-, kysely- ja analyysitoiminnoissa.

Neljä dataverkkoa koskevaa periaatetta ratkaisee tietojärvien asettamat haasteet:

1. Verkkotunnuksen omistajuus

Tietojärvien omistajuus on monimutkaista määritellä, milloin liian moni pelaaja tuottaa ja käyttää dataa. Selkeästi määriteltyjen roolien ja vastuiden puuttuessa eri osapuolet voivat hallinnoida samoja tietoja eri tavoin, mikä aiheuttaa epäjohdonmukaisuuksia, jotka vaikeuttavat sen käyttöä. Samoin muut tiedot jäävät huomiotta, kun niitä eivät hallinnoi aktiivisesti ne, jotka viime kädessä käyttävät niitä.

Data Mesh -arkkitehtuuri ratkaisee tämän hajauttamalla omistajuutta. Se varmistaa, että tietojen hallinnointi jaetaan selkeästi alueittain siten, että jokainen tiimi tai toimialueen asiantuntija hallitsee tuottamiaan ja käyttämiään tietoja. Tämän tueksi tietoverkot käyttävät myös yhdistettyä hallintorakennetta, joka mahdollistaa myös tietomallinnuksen, turvallisuuskäytäntöjen ja vaatimustenmukaisuuden keskitetyn valvonnan. Data Mesh -omistajuus luo vastuullisuutta ja parantaa tietojen käytettävyyttä.

2. Tiedot tuotteena

Tietojärvet voivat epäonnistua tietojen laadun varmistamisessa, kun tietojen määrä kasvaa liian suureksi tai kun keskustietojen hallinnoijat eivät itse ymmärrä sitä. Data Mesh -arkkitehtuuri käsittelee dataa pohjimmiltaan arvokkaana tuotteena, mikä asettaa datan laadun ja täydellisyyden tiedonhallinnan etusijalle. Oletettavasti jokainen tiimi tietää tärkeimmät kriteerit ja ongelmat, joita he haluavat ekstrapoloida keräämistään tiedoista. Kun nämä kriteerit ja prioriteetit integroidaan arkkitehtuuriin, tietoverkko voi auttaa varmistamaan puhtaan, tuoreen ja täydellisen datan jatkuvan ja priorisoidun toimittamisen myös silloin, kun on kyse suuremmista tietokokonaisuuksista. Tietenkin koneoppimisalgoritmeja sovellettaessa näistä kriteereistä ja niistä johtuvista tietojoukoista tulee ajan mittaan yhä tarkempia ja hyödyllisempiä.

3. Itsepalveleva tietoalusta

Tietojärvet voivat luoda pullonkauloja keskitetyn arkkitehtuurinsa ja perinteisesti vaikeiden tiedonhakuprosessien ja -protokollien vuoksi. Tämä tarkoittaa tyypillisesti sitä, että suuri määrä konsolidoituja tietoja ohjataan vain yhdelle tietotekniikka- tai tiedonhallintaryhmälle. Kun tietomäärät (ja sen haun kysyntä) lisääntyvät, näitä IT-tiimejä verotetaan liikaa.

Lisäksi tietoja on tarkistettava ja jäsenneltävä asianmukaisesti, jotta voidaan varmistaa tietojen hallinnointiperiaatteiden noudattaminen ja noudattaminen. Kohtatessaan kohtuuttomia paineita voi olla taipumus kiirehtiä näiden vaatimustenmukaisuusvaiheiden läpi, mikä aiheuttaa yritykselle mahdollisen riskin ja tappion. Data Mesh -periaatteet käsittelevät tätä ottamalla käyttöön itsepalvelevan tietoalustan. Se antaa pääsyn ja hallinnan valtuutetuille erikoistuneille käyttäjille, joilla on suurempi intressi dataa kohtaan – samalla kun he käyttävät tiukkoja, upotettuja suojausprotokollia. Tämä vähentää pullonkauloja ja nopeuttaa tietojen toimittamista.

4. Yhdistetty hallinto

Vaikka hajauttaminen on avainasemassa, organisaatiot eivät voi luopua hallinnosta. Data Mesh käyttää yhdistettyä hallintomallia autonomian ja yhdenmukaisuuden tasapainottamiseen. Tämä tarkoittaa, että verkkoalueet hallinnoivat omia datatuotteitaan, mutta niiden on noudatettava jaettuja tietoturva-, vaatimustenmukaisuus- ja yhteentoimivuusstandardeja koko organisaatiossa. Tämä dataverkon hallinnan hybridi lähestymistapa takaa ketteryyden tinkimättä luottamuksesta tai sääntelyn noudattamisesta.

Vaikka dataverkkoihin liittyy haasteita, hajautettu ja demokratisoitu tiedonhallinnan arkkitehtuuri on tehnyt liiketoiminnasta älykkäämpää, ketterämpää ja tarkempaa. Miten? Varmistamalla, että oikeat tiedot ovat välittömästi oikeiden ihmisten saatavilla missä ja milloin tahansa. Data Mesh tekee data-as-a-product todellisuudesta todellisen, vähentäen esteitä ja priorisoimalla tiedon arvoa, jotta tiimit voivat päästä nopeammin ja esteettömästi olennaisiin tietoihin.

Tietoverkkoarkkitehtuuri ja -kehykset

Olemme keskustelleet siitä, miten data mesh on hajautettu tietoarkkitehtuurin muoto, joka käsittelee dataa olennaisena liiketoiminnan hallinnan työkaluna. Ja mikä tärkeintä, miten riippumattomat tiimit ovat vastuussa tietojen käsittelystä omalla työalueellaan ja asiantuntemuksestaan, varmistaen samalla keskitetysti määritettyjen tiedonhallintakäytäntöjen noudattamisen. Tämä ajattelutavan muutos on dataverkon ytimessä.

Lintuperspektiivinäkymä tietoverkkoarkkitehtuurista

Dataverkon alueet ovat datan keskeisiä tuottajia ja kuluttajia, jotka kukin omistavat tietonsa tuotteena laadun ja relevanssin varmistamiseksi. Itsepalvelualusta tarjoaa infrastruktuurin näiden datatuotteiden julkaisemiseen, löytämiseen ja käyttöön sekä automaattiset tietoturva- ja vaatimustenmukaisuusominaisuudet. Hallinto toimii yhdistetyssä mallissa, joka tasapainottaa yhteentoimivuutta ja turvallisuutta koskevat globaalit standardit paikallisen autonomian kanssa, joten toimialat voivat innovoida säilyttäen samalla luottamuksen ja johdonmukaisuuden koko organisaatiossa.

Jotta ymmärtäisimme paremmin, miten dataverkkoarkkitehtuuri sopii yhteen, sukelletaan sen kolmeen pääkomponenttiin.

Tietolähteet

Nämä edustavat tietovarastoa – kuten tietojärveä – johon syötetään ensisijaisia raakatietoja. Olipa kyse sitten pilvipohjaisista IIoT-verkoista, asiakaspalautelomakkeista tai kaavituista verkkotiedoista, nämä ovat raakasyöttötietoja, joita käyttäjät käyttävät ja käsittelevät tarpeen mukaan koko verkossa. Vaikka tietojärvelähestymistapa siirtäisi kaikki nämä tiedot yhteen keskitettyyn paikkaan, tietoverkkomenetelmä sen sijaan jakaa vastuun näiden raakatietojen saannista, tallennuksesta, käsittelystä ja poiminnasta vastuullisten toimialueiden sisällä.

Data Mesh -infrastruktuuri

Tiedot eivät ole ainoastaan erillisiä yksittäisten osastojen toimialueilla, vaan niitä voidaan myös jakaa tahtomattaan organisaation koko operatiivisessa verkossa noudattaen vakiintuneita tiedonhallintaohjeita. Tämä on suora seuraus kahdesta keskeisestä tietoverkon pilarista: itsepalvelualusta ja liittovaltion hallinto. Itsepalveleva tietoalusta tarjoaa kunkin toimialueen tarvitsemat työkalut ja infrastruktuurin, joiden avulla ne voivat yleisesti vastaanottaa, muuntaa, käsitellä ja palvella tietojaan. Samaan aikaan yhdistetyt hallintoperiaatteet varmistavat standardoinnin koko organisaatiossa, mikä mahdollistaa datan vaivattoman yhteentoimivuuden kaikkien toimialatiimien välillä.

Tietojen omistajat

Tietoverkon lopullisena komponenttina tietojen omistajat ovat vastuussa vaatimustenmukaisuus-, hallinto- ja luokitteluprotokollien soveltamisesta osastojensa tietoihin. Esimerkiksi HR-tiedostot on tallennettava käyttäen tiettyjä suojausprotokollia, niitä ei saa käyttää tähän tai tähän tarkoitukseen, ne on vapautettava vain tällaiselle henkilölle. Jokaisella osastolla on tietenkin luokkia ja tietotyyppejä, jotka ovat yksilöllisiä osastolleen tai tarkoituksilleen. Tietojärvijärjestelmässä IT-tiimien on tartuttava kaikkiin näihin eri protokolliin ja luokkiin kaikille eri tietojen omistajille, jotka ovat kaataneet tavaraa järveen. Dataverkkoarkkitehtuuri antaa verkkotunnusten omistajille täyden toimivallan ja valvonnan näissä asioissa, koska kuka taas paremmin kuin kohdealueen asiantuntijat voivat hallinnoida omia tietojaan ja varmistaa, että ne täyttävät laatustandardit?

Dataverkon toimintamalli

Data Mesh -toimintamalli kokoaa yhteen ihmiset, prosessit ja teknologian hajautetun tiedonhallinnan mahdollistamiseksi mittakaavassa. Tämä yhteistyö varmistaa, että tiedot kulkevat saumattomasti koko organisaatiossa, mikä edistää luottamusta, ketteryyttä ja uudelleenkäyttöä luottamatta yhteen keskitettyyn tiimiin. Tietoverkko mahdollistaa yhteentoimivuuden ja löydettävyyden valvomalla yhteisiä standardeja ja tarjoamalla yhteisen alustan, yhdenmukaiset muodot ja hakutermit sekä hallinnointisäännöt datatuotteiden julkaisemista ja käyttöä varten. Data Mesh -työkalujen, kuten tietokatalogien ja rekisterien, avulla tiimit voivat nopeasti löytää, käyttää turvallisesti ja käyttää tietotuotteita koko organisaatiossa.

Ajattele dataverkkoa nykyaikaisena kaupunkina: Jokainen kaupunginosa (alue) hallinnoi omia apuvälineitään ja palveluitaan – kuten vettä, sähköä ja jätettä – koska he tietävät paikalliset tarpeensa parhaiten. Kaupunki tarjoaa yhteisen infrastruktuurin, kuten tiet ja julkisen liikenteen (itsepalvelualusta) ja turvallisuusstandardit (hallinto), jotta kaupunginosat voivat muodostaa yhteyksiä, käyttää kaupungin resursseja ja tehdä yhteistyötä ilman kaaosta. Näin resurssit virtaavat vapaasti ympäri kaupunkia, kaikki noudattavat yhteisiä sääntöjä ja innovaatiot menestyvät paikallisesti samalla kun koko kaupunki toimii sujuvasti.

Tietoverkko käytännössä: Esimerkkejä ja käyttötapauksia

Jotta tiedonhallintaratkaisut kehittyisivät ja menestyisivät paremmin, niiden on oltava käyttökelpoisia ja relevantteja monenlaisissa sovelluksissa ja toiminnoissa. Tietoverkkoarkkitehtuurin ja käyttäjäystävällisyyden parantuessa näemme, että yhä useammat yritykset voivat parantaa liiketoimintaansa turvallisella ja hajautetulla lähestymistavalla dataan tuotteena ja työkaluna.

Tutkitaan joitakin yleisiä Data Mesh -liiketoimintakäyttötapauksia.

Myynti

Myyntitiimien osalta kaikki riippuu liidien hankinnasta, vaalimisesta ja sulkemisesta. Mitä enemmän myyntitiimin jäsenet käyttävät aikaa työpöydällään hallinnollisten tehtävien hoitamiseen, sitä vähemmän aikaa heillä on luoda suhteita uusiin asiakkaisiin. Data Mesh -arkkitehtuurin avulla myyntitiimin käyttäjien ei tarvitse olla tiedonhallinnan ja haun asiantuntijoita, jotta heillä on käytettävissään tehokkaimmat ja relevanteimmat tietojoukot ja yhdistelmät. Kun myyntiosastoilla on kaikki oikeat tiedot analysoitavaksi, ne muunnetaan käytännöllisemmiksi analyyseiksi ja strategioiksi.

Myyntitietojen verkkoesimerkki: Alueelliset tai tuotekohtaiset myyntitiimit voivat omistaa CRM- ja pipeline-tietoalueensa, mikä mahdollistaa tarkan ennustamisen ja reaaliaikaiset kojetaulut odottamatta keskitettyä IT-tiimiä.

Toimitusketju ja logistiikka

Nykyaikaiset toimitusketjut ovat alttiita valtaville häiriöille. Kilpailuetu syntyy, kun yritykset pystyvät toimimaan nopeasti ja reagoimaan sekä uhkiin että mahdollisuuksiin tasavertaisella ketteryydellä. Tämän päivän globaali toimitusketjudata on tulossa paksuina ja nopeina – asiakaspalautteesta IIoT-verkostoihin ja digitaalisiin kaksosiin. Kun kokeneet ja taitavat toimitusketjun johtajat pystyvät itse kuratoimaan ja porautumaan mihin tahansa näistä tietokokonaisuuksista reaaliajassa, yritykset saavat vahvan tiedon ja ymmärryksen lähteen.

Toimitusketjun tietojen verkkoesimerkki: Toimitusketjun optimointi edellyttää reaaliaikaista näkyvyyttä varastotasoihin, toimittajien suorituskykyyn ja logistiikkatietoihin. Data Mesh antaa jokaiselle verkkotunnukselle – hankinnalle, varastoinnille, kuljetukselle – tietotuotteidensa omistuksen, mikä mahdollistaa nopeammat päätökset ja kustannustehokkaan toiminnan.

Tuotanto

Osana toimitusketjua yrityksen valmistustoiminnot ovat yhtä alttiita nopeille markkinasiirtymille ja asiakkaiden vaihteleville vaatimuksille. Aiemmin suunnittelu- ja T&D-tiimien olisi turvauduttava historiallisiin asiakastietoihin, jotka on syötetty niille muilta osastoilta. Tällä hetkellä dataverkko tuo käyttäjille reaaliaikaisen datan käyttöoikeuden laadintataulukon taakse, T&D- ja testaustiimeihin ja aina valmistuslattiaan asti. Reaaliaikainen asiakaspalaute voi auttaa tuotekehitystä hetkessä, ja reaaliaikainen intel IIoT-verkoista ja digitaalisista simulaatioista voi auttaa tehtaita toimimaan turvallisemmin, nopeammin ja tehokkaammin.

Esimerkki dataverkkojen valmistuksesta: Kasvitason tiimit voivat omistaa anturi- ja koneen suorituskykytietoja, mikä mahdollistaa ennakoivan kunnossapidon ja vähentää seisokkeja hajautetun analytiikan avulla.

Markkinointi

Tänä päivänä asiakkaiden vaatimukset ja odotukset muokkaavat tulevaisuutta ja muuttuvat ja kasvavat ennennäkemätöntä vauhtia. Yksittäisellä brändillä on tyypillisesti lukemattomia kuluttajien kontaktipisteitä sosiaalisessa mediassa, kohdennettuja digitaalisia mainoksia sekä verkko- ja monikanavaisia ostosportaaleja. Nykyiset markkinat näkevät kasvavan halun nopeaan räätälöintiin, lyhyempään tuotteiden elinkaareen ja valtavaan valinnanasteeseen ja kilpailuun. Ymmärtääkseen näitä trendejä ja päästäkseen niistä eteenpäin nykyaikaiset markkinoijat tarvitsevat reaaliaikaisen ja samanaikaisen pääsyn monenlaisiin tietojoukkoihin. Aiemmin tämä on merkinnyt tietojen pyytämistä (ja odottamista) muilta osastoilta. Data Mesh -asetuksen avulla markkinoijat voivat kuitenkin kuratoida ja käyttää näitä tietoja tällä hetkellä, omilla ehdoillaan.

Markkinointitietojen verkkoesimerkki: Asiakkaan 360-näkymän luominen edellyttää tietojen integrointia useista kanavista, kuten sähköpostista, sosiaalisista ja maksetuista mainoksista. Data Meshin avulla kukin kanava voi omistaa datatuotteensa, mikä takaa tarkan ja reaaliaikaisen näkemyksen räätälöidyistä kampanjoista ja paremmista asiakaskokemuksista.

Henkilöstöhallinta

HR-tiimien on hallittava suuria määriä erittäin monimutkaisia ja arkaluonteisia tietoja. Kasvava trendi etä- ja hybridityöpaikkoihin tekee datasta yhä monimutkaisempaa ja maantieteellisesti monipuolisempaa joka päivä. Puhumattakaan jatkuvasti muuttuvista vaatimustenmukaisuus- ja lakiasioista, joiden kärjessä HR-tiimien on kiireellisesti pysyttävä. Palkkaamisesta eläkkeelle HR-johtajien täytyy pystyä validoimaan, arvioimaan ja analysoimaan joitain organisaation laajimmin toisistaan poikkeavia tietojoukkoja. Data Mesh -arkkitehtuuri mahdollistaa asianmukaiset suojausprotokollat ja tiukasti rajoitetun pääsyn. Samalla se antaa valtuutetuille HR-käyttäjille mahdollisuuden käyttää tietoja nopeasti ja ilman riippuvuutta monimutkaisista sisäisistä protokollista ja moniosaisesta byrokratiasta.

HR-tietojen verkkoesimerkki: Rekrytointi-, palkanlaskenta- ja suoritusten hallintatiimit voivat hallita omia tietotoimialueitaan, parantaa vaatimustenmukaisuutta ja ottaa käyttöön reaaliaikaiset henkilöstöanalyysit strategista päätöksentekoa varten.

Taloushallinto

Kuten henkilöstöhallinnossa, myös taloushallinnon ja kirjanpidon tiimit ovat vastuussa valtavan tärkeistä ja arkaluonteisista tiedoista. Nykyaikaiset ERP-järjestelmät mullistavat taloushallinnon käyttämällä in-memory-tietokantatekniikkaa ajantasaisten raporttien, analyysien ja projektioiden mukauttamiseen. Vaikka taloustiimit käyttävätkin parhaita tietokantoja ja ERP-ohjelmia, ne kohtaavat kuitenkin usein esteitä, jotka johtuvat pitkäaikaisista ja jäykistä kulttuureista, raskaista siiloista ja byrokraattisista, vanhanaikaisista prosesseista. Tietoverkkoarkkitehtuuri tuo perustavanlaatuisen muutoksen siihen, miten taloushallinnon tietoja tarkastellaan ja hallitaan. Se voi jopa ravistella pysähtynyttä ajattelua, joka voi tapahtua, kun organisaatiot valtuuttavat tiimejä omistamaan ja tarkistamaan omia vanhenevia dataprosessejaan.

Taloushallinnon tietojen verkkoesimerkki: Rahoitussuunnittelutiimit voivat omistaa tuotto-, kulu- ja investointitietojen alueet, mikä varmistaa tarkan ennustamisen ja ketterän skenaariomallinnuksen ilman, että luottaisi yhteen keskustiimiin.

On selvää, että data mesh ei ole vain toinen buzzword ja on datastrategian trendi, joka on otettava vakavasti. Kaikenkokoiset ja -teolliset yritykset käyttävät Data Mesh -verkkoa ja etsivät tapoja käyttää tietoja analyysien ja arvon luomiseen.

Data Mesh -vaihtoehdot

Dataverkko tarjoaa hajautetun lähestymistavan tiedonhallintaan, mutta se ei ole ainoa vaihtoehto. Perinteisiä arkkitehtuureja, kuten tietojärviä ja tietovarastoja, käytetään edelleen laajasti suurten tietomäärien keskittämiseen ja tallentamiseen, usein yhdistettynä tietolatteisiin, jotka yhdistävät strukturoidun ja rakenteettoman datan ominaisuuksia. Muut mallit, kuten tietokangas, keskittyvät luomaan yhtenäisen kerroksen tietojen integrointia ja orkestrointia varten eri järjestelmissä. Jokaisessa vaihtoehdossa käsitellään skaalautuvuutta, hallintoa ja saavutettavuutta eri tavoin, jolloin valinta riippuu organisaation tarpeista ja kypsyydestä.

Katsotaan tietoverkkovaihtoehtoja ja niiden vertailua.

Tietoverkko vs. tietojärvi/lakehouse

Tietoverkko vs. tietovarasto

Tietoverkko vs. tietokangas

Toteutetaan tietoverkkoa

Dataverkon toteuttaminen edellyttää strategista lähestymistapaa, joka tasapainottaa hajauttamisen yhteisten standardien kanssa. Keskeiset Data Mesh -askeleet:

1. Tunnista pilottialueet: Aloita pienistä valitsemalla kaksi tai kolme aluetta, joilla on selkeä liiketoiminta-arvo ja vahva tietojen kypsyys. Nämä tiimit toimivat varhaisina hyväksyjinä, todistaen tietoverkkomallin ennen skaalausta koko organisaatiossa.
2. Luo alusta: Rakenna itsepalveleva tietoalusta, joka tarjoaa yhteiset työkalut datatuotteiden julkaisemiseen, löytämiseen ja käyttöön. Tämä sisältää tietoluettelot, API-rajapinnat ja automaattiset suojausominaisuudet verkkotunnustiimien kitkan vähentämiseksi.
3. Määritä yhdistetty hallinnointi: Luo hallintokäytäntöjä, jotka valvovat turvallisuutta, vaatimustenmukaisuutta ja yhteentoimivuutta koskevia globaaleja standardeja ja sallivat samalla toimialueiden autonomian. Hallinnon tulisi sisältää selkeät roolit, datatuotteiden määritelmät ja laatuodotukset.

Anti-malleja välttää

Kun tietoverkko tehdään väärin noudattamatta luonnollisia organisaatiomalleja, se voi johtaa sekaannukseen ja eripuraisuuteen. Tietoverkon antimalli on toistuva lähestymistapa tai käytäntö, joka vaikuttaa hyödylliseltä mutta lopulta heikentää arkkitehtuurin perusperiaatteita. Ehkäiseviä kuvioita, joita voidaan välttää, ovat:

• Kohdellaan tietoverkkoa vain toisena keskitettynä tietojärvenä.
• Kulttuurisen muutoksen huomiotta jättäminen – teknologia ei yksin ratkaise omistusongelmia.
• Alustan ylisuunnittelu ennen liiketoiminnan arvon todistamista.
• Tietojen laadusta ei ole selkeää vastuuta.
• Skaalataan liian nopeasti validoimatta tietoverkkomallia pilottialueilla.

Viisi parasta tietoverkkoa koskevaa käytäntöä

1. Aloita pieni ja iteroi: Käytä pilottiverkkotunnuksia prosessien tarkentamiseen ennen skaalausta.
2. Käsittele tietoja tuotteena: Määritä omistajuus-, palvelutasosopimukset ja käytettävyysstandardit jokaiselle tietojoukolle.
3. Investoi jaettuun työkaluun: Tee julkaisemisesta ja löytämisestä helppoa verkkotunnustiimeille.
4. Upota hallinto aikaisin: Tasapainota autonomia ja vaatimustenmukaisuus alusta alkaen.
5. Keskity liiketoiminnan tuloksiin: Kohdista datatuotteet mitattavissa olevaan arvoon, ei vain teknisiin tavoitteisiin.

Yhdistämällä toimialueen omistajuuden, vankan alustan ja yhdistetyn hallinnon organisaatiot voivat parantaa ketteryyttä, luottamusta ja toimialueiden välistä yhteistyötä – ilman perinteisten keskitettyjen mallien pullonkauloja.

Mittaus ja mittarit

Onnistumisen arviointi edellyttää tietojen mesh-mittareita, jotka tasapainottavat teknistä suorituskykyä ja liiketoiminnan tuloksia. Näitä mittareita voivat olla:

• Datatuotteiden laatu SLOs/SLA: Olennaiset, mutta ne on räätälöitävä kunkin verkkotunnuksen kontekstin mukaan sen sijaan, että niitä sovellettaisiin yhdenmukaisesti. Esimerkkitietotuotteen KPI:t ovat:

  • Tietojen tuoreus: sovitun aikaikkunan sisällä päivitettyjen datatuotteiden prosenttiosuus – esimerkiksi tunti- tai päiväkohtainen
  • Täydellisyys: kaikkien tietojoukkojen täyttämien pakollisten kenttien prosenttiosuus
  • Saatavuus: Datatuotteiden käytettävyysaika – esimerkiksi 99,9 %

• Kuluttajien omaksuminen ja uudelleenkäyttö: Voi olla vahva arvonilmaisin, mutta sen tarkka mittaaminen edellyttää usein käyttötapojen ja palautteen seuraamista tiimien välillä. Esimerkkejä kuluttajien käyttöönoton ja uudelleenkäytön avaintunnusluvuista ovat:

  • Ainutkertaisten käyttäjien lukumäärä datatuotetta kohti
  • Alueille yhteinen uudelleenkäyttöaste: useiden verkkoalueiden käyttämien tietotuotteiden prosenttiosuus
  • Kuluttajien tyytyväisyyspisteet kyselyistä tai palautteesta

• Ajankohtaisuus ja kustannustehokkuus: Korosta tehokkuusetuja keskitettyihin malleihin verrattuna, mutta nämä parannukset riippuvat organisaation kypsyydestä ja perustason prosesseista. Esimerkkejä analytiikka- ja palvelukustannustunnusluvuista ovat:

  • Keskimääräinen aika tietopyynnöstä toimintakelpoiseen analyysiin
  • Toimintakustannusten aleneminen keskitettyyn malliin verrattuna
  • Tietopyyntöjen rästien vähenemisprosentti

• Kilpailijoiden yhteinen kuilu: Keskity alueisiin, joilla kilpailijat kamppailevat ja käyttävät dataverkon periaatteita niiden ylittämiseen. Esimerkki kilpailijan aukosta KPI:iden sieppauksessa:

  • Tietotuoteominaisuuksilla korjattujen tunnistettujen kilpailijoiden heikkouksien lukumäärä – esimerkiksi parempi löydettävyys, nopeampi tietojen käyttö
  • Uusien datatuotteiden markkinaehtoinen etu kilpailijoihin verrattuna
  • Itsepalvelukäyttöönottoasteen kasvu kilpailijoiden arvioihin verrattuna

Yhdessä nämä mittarit antavat suuntaa antavaa tietoa siitä, tarjoaako dataverkko ketteryyttä, luottamusta ja skaalautuvuutta olettamatta, että kaikki mittarit sopivat yhteen.

Data Meshin usein kysytyt kysymykset