Veri ağına genel bakış

Veri ağı, bilgiye bakmanın yeni bir yolunu temsil eder. Büyüyen kavramdan doğar ki veriler aslında kendisi bir ürün, bir araç, bir araç, son bir araç - sadece işletmelerin daha sonra geriye dönük bir girişimde bir araya gelip analiz etmesi değil, zaten yaşanmış olan şeyleri anlamak için bir araç.

Veri ağı tanımı

Veri ağı, veri yönetimine yönelik olarak dağıtılmış bir mimari çerçeve kullanan bir yaklaşımdır. Başka bir deyişle, söz konusu verilerin ne anlama geldiğini ve bu verileri en iyi şekilde nasıl kullanacağınızı anlamak için uzman uzmanlığına sahip kullanıcılara işletme genelinde belirli veri kümelerinin sahipliğini ve sorumluluğunu yayar.

Veri ağı mimarisi, veri gölleri ve depolar gibi çeşitli kaynaklardan veri bağlar ve çeker. Ardından ilgili veri kümelerini işletme genelinde uygun insan uzmanlarına ve etki alanı ekiplerine dağıtır. Esasen merkezi veri gölündeki hacimli bir data jumble'ı sıralanır ve onu anlamak ve kullanmak için en uygun olanlara yönetilebilir öbeklere dağıtılır.

Veri ağı kaynakları

Veri ağı, büyük, karmaşık organizasyonlardaki veri mimarilerini ölçeklendirmenin zorluklarına yanıt olarak 2009 yılı civarında ortaya çıkmıştır. Veri ağının ardındaki temel fikir, veri sahipliğini ve mimarisini merkezden kaldırmak, verileri bir ürün olarak ele almak ve etki alanı odaklı ekiplere sorumluluk tayin etmektir. Veri ağı, etki alanına dayalı tasarım, ürün düşünme ve kendi kendine hizmet altyapısı ilkelerini bir araya getirerek kuruluşların monolitik darboğazlar oluşturmadan veri sistemlerini ölçeklendirmesini sağlar.

Merkezi veri yönetimi modelleri büyük organizasyonlarda genellikle şu nedenlerden dolayı başarısız olur:

• Teslimattaki darboğazlar: Tek bir merkezi ekip aşırı yüklenerek veri erişimini ve analitikleri yavaşlatır.
• Sahiplik boşlukları: Etki alanlarında veri kalitesine ilişkin net sorumluluk tutarsız standartlara ve güven sorunlarına yol açmaz.
• Ölçeklenebilirlik sorunları: Veri hacmi ve karmaşıklık arttıkça merkezi sistemler büyük genel masraf olmadan ölçeklenmekte zorlanır.
• Yetersiz etki alanı bilgisi: Merkezi ekipler, iş alanlarını derinlemesine anlamadan düşük kaliteli veya yanlış uyumlu veri ürünlerine yol açar.
• Sınırlı çeviklik: Tek bir ekip aracılığıyla koordinasyon gerektiren değişiklikler, değişen iş ihtiyaçlarına yanıt verme sürecini yavaşlatır.

Veri ağı avantajları

Eski veritabanları ve sınırlı veri yönetimi altyapıları, verilerin tek bir kasada tutulacak ve birkaç veri yöneticisinin takdirine bağlı olarak belirlenecek bir şey olduğu fikrine katkıda bulunmuştur. Artık veriler, işinizi yönlendiren yakıttır; bunun nasıl işe yarayacağını en iyi bilen ve rekabetçi zamanlarda kâr elde etmeyi en iyi bilen konu uzmanlarına serbestçe verilmelidir.

Veri ağı mimarisinin temel avantajları üç kategoride özetlenebilir:

Ölçeklenebilirlik ve çeviklik

Daha fazla veri erişilebilirliği: Veri ağı, kurumunuzdaki tüm doğru kişilerin işlerinde en iyi şekilde olması için ihtiyaç duydukları verilere erişebilmesini sağlar.

Özelleştirilebilir veri kanalları ve süreçleri: En iyi ve potansiyel en kârlı projelerin çoğu, başarıya ulaşmak için gereken benzersiz ve özelleştirilmiş veri kümelerini küre etme zahmetinden dolayı rafa kaldırılır. Veri ağı ile ekipler, geleneksel zaman veya kaynak kaybı olmadan yeni proje modellerine hızla erişebilir ve bunları test edebilir.

Azaltılmış dar boğazlar: Bu, hem BT ekipleri hem de veri sahipleri için bariz bir kazançtır. Dahası, bir kırgınlık ve tahriş kaynağını azaltarak işletmeler, sağlıklı iş geliştirme yolunda duran siloları parçalamaya yardımcı olabilir.

Kalite ve güven

Geliştirilmiş analitik özellikleri: Kurumlar verileri her gün kullanılacak bir ürün olarak gördüğünde ekipler planlama ve stratejiye ilk veri yaklaşımı benimsemeye başlar. Bu, hataların azalmasına ve iş geliştirmeye daha objektif, daha az fikir odaklı bir yaklaşıma yol açar.

Etki alanları arası işbirliği ve yeniden kullanım

Merkezi veri yönetimi ekiplerinde daha az gerginlik: Bu, yalnızca birikimleri ve hayal kırıklıklarını azaltmanın yanı sıra yetenekli BT ekiplerinizin daha uzmanlaşmış, ilgi çekici ve kârlı takiplere ayırması için sayısız saat ayırmanız anlamına gelir.

Veri ağı, sahipliği merkezden kaldırarak ve verileri bir ürün olarak işleyerek kuruluşların daha hızlı hareket etmesine, içgörülere güven oluşturmasına ve etki alanları genelinde sorunsuz bir şekilde ölçeklenmesine olanak sağlar.

Veri ağının temel ilkeleri

Veri gölleri ve veri ağı hakkında konuştuğumuzda esasen büyük verilerden bahsediyoruz. Verileri “büyük” yapan şey sadece çok büyük hacmi değil. Diğer kriterlerin yanı sıra, büyük veriler karmaşık, değişken, hızlı üretilmiş ve yapılandırılmamış olmakla da tanımlanır.

Doğrusal veri tabanı elektronik tablo gibidir: tüm veri bileşenlerinin sığması gereken sütunlar, satırlar ve değişmez kategoriler içerir. Makine, sensör ve endüstriyel kaynaklardan elde edilen verilerin bir kısmı yapılandırılır ve düzgün bir şekilde doğrusal bir veritabanına sığar. Veri hacminizin ne kadar çok olduğu fark etmeksizin %100 yapılandırılmış ise büyük veri ölçütlerini karşılamaz ve doğrusal bir veritabanında barındırılabilir. Bu da filtrelemeyi ve ayıklamayı nispeten basit hale getirir.

Ama giderek modern büyük veriler yapılandırılmamış ve görsel bileşenlerden, açık uçlu metinlerden ve hatta video ve zengin medyadan oluşur. Bu önemli veriler birçok şirket için binlerce terabayt bilgi içerebilir ve basitçe standart bir doğrusal veritabanında saklanamaz.

Veri gölünü girin. Büyük veri hacimleri artmaya başlayınca veri gölleri karmaşık verilerin depolanabileceği ve ham biçiminde merkezi bir havuzdan erişilebileceği bir yer olarak geliştirildi. Veri gölleri büyük veri sorununa mükemmel bir çözüm sunarken, yine de zayıflıkları vardır. Veri gölleri belirli analitik özelliklerden yoksundur ve bunları alma, endeksleme, dönüştürme, sorgulama ve analitik işlevselliği için diğer hizmetlere bağımlı hale getirir.

Veri göllerinin getirdiği zorlukları dört veri ağı ilkesi ele alır:

1. Etki alanı sahipliği

Veri göllerinde sahiplik, çok fazla oyuncunun ne zaman ürettiğini ve verilere eriştiğini tanımlamak için karmaşıktır. Açıkça tanımlanmış rol ve sorumlulukların yokluğunda, aynı veri kümesi farklı taraflarca farklı şekilde yönetilebilir, bu da kullanılmasını zorlaştıran tutarsızlıklar yaratır. Aynı şekilde diğer veriler de sonuçta onu kullanacak olanlar tarafından etkin bir şekilde yönetilmeyince ihmal edilmeye son verilir.

Veri ağı mimarisi, sahipliği merkezden kaldırarak bunu çözer. Her ekip veya alan uzmanının ürettikleri ve kullandıkları verileri yönetebilmesi için veri yönetişiminin açık bir şekilde alan adı ile dağıtılmasını sağlar. Veri ağları bunu desteklemek için veri modelleme, güvenlik politikaları ve uyumluluğun merkezi kontrolüne de olanak sağlamak üzere birleştirilmiş bir yönetişim yapısı kullanır. Veri ağı sahipliği sorumluluk oluşturur ve veri kullanılabilirliğini iyileştirir.

2. Ürün olarak veriler

Veri gölleri, veri hacmi çok büyük olduğunda veya merkezi veri yöneticileri bunu anlamadığında veri kalitesini sağlayamaz. Veri ağı mimarisi, verileri temel olarak değerli bir ürün olarak ele alır ve bu da verilerin kalitesini ve eksiksizliğini veri yönetiminin önüne koyar. Muhtemelen her takım, topladıkları verilerden ekstrapolasyon yapmak istedikleri en önemli kriterleri ve sorunları bilir. Veri ağı, bu ölçütler ve öncelikleri mimariye entegre ederek daha büyük veri kümeleri dahil olsa bile temiz, taze ve eksiksiz verilerin sürekli ve önceliklendirilmiş teslimatının sağlanmasına yardımcı olabilir. Ve elbette makine öğrenmesi algoritmaları uygulandığında bu ölçütler ve sonuç olarak elde edilen veri kümeleri zaman içinde giderek daha doğru ve kullanışlı hale gelir.

3. Kendi kendine hizmet veren veri platformu

Veri gölleri, merkezi mimarileri ve geleneksel olarak zor veri alma süreçleri ve protokolleri nedeniyle darboğazlar oluşturabilir. Bu genellikle, büyük miktarda konsolide edilmiş verinin kontrolünün tek bir BT veya veri yönetimi ekibine ulaştığı anlamına gelir. Ayrıca veri hacimleri (ve veri alma talebi) arttıkça bu BT ekipleri fazla vergilendirilir.

Ayrıca verilerin, veri yönetişimi ilkelerine uyumluluğu ve uyumluluğu sağlamak için uygun şekilde gözden geçirilmesi ve yapılandırılması gerekir. Nedensiz basınçla karşı karşıya kalırken, şirkete potansiyel risk ve kayıp üreten bu uyum aşamaları sayesinde acele etme eğilimi olabilir. Veri ağı ilkeleri, kendi kendine hizmet veren bir veri platformunu etkinleştirerek bunu ele alır. Verilere daha fazla ilgi duyan yetkili uzman kullanıcılara erişim ve kontrol sağlar, bunların hepsi sıkı, pişirilmiş güvenlik protokolleri kullanırken. Bu, darboğazları azaltır ve veri teslimatını hızlandırır.

4. Federasyon yönetimi

Merkezsizleşme kilit önemdeyken, organizasyonlar yönetimden vazgeçemez. Veri ağı, özerkliği tutarlılık ile dengelemek için birleştirilmiş bir yönetişim modeli kullanır. Bu, etki alanlarının kendi veri ürünlerini yönettiği ancak organizasyon genelinde güvenlik, uyumluluk ve birlikte çalışabilirlik için paylaşılan standartlara uyması gerektiği anlamına gelir. Veri ağı yönetişiminin bu karma yaklaşımı, güvenden veya düzenlemelere bağlılıktan ödün vermeden çeviklik sağlar.

Veri ağı zorlukları mevcut olsa da merkezi olmayan ve demokratikleştirilmiş veri yönetimi mimarisi, işletmeleri daha akıllı, daha çevik ve daha doğru hale getirdi. Nasıl? Doğru verilerin sağlanmasıyla, ihtiyaç duydukları her yerde ve her an doğru kişilere anında ulaşılabilir. Veri ağı, ekiplerin temel verilere daha hızlı ve engelsiz erişim elde edebilmesi için bir ürün olarak veriyi gerçek hale getirerek engelleri azaltır ve bilgi değerini önceliklendirir.

Veri ağı mimarisi ve çerçeveleri

Veri ağının, verileri temel bir iş yönetimi aracı olarak ele alan merkezi olmayan bir veri mimarisi biçimi olduğunu tartıştık. Ayrıca bağımsız ekiplerin, merkezi olarak belirlenen veri yönetimi uygulamalarıyla uyumluluğu sağlarken bir yandan da iş ve uzmanlık alanlarındaki verileri işlemekten nasıl sorumlu oldukları. Akıldaki bu değişiklik veri ağı çekirdeğindedir.

Veri ağı mimarisine kuş gözüyle bakış

Veri ağlarında, etki alanları temel üreticiler ve veri tüketicileridir ve her biri, kalite ve alakayı sağlamak için verilerini bir ürün olarak alır. Self servis platform, otomatik güvenlik ve uyumluluk özelliklerinin yanı sıra bu veri ürünlerinin yayınlanması, keşfedilmesi ve tüketilmesi için altyapı sağlar. Yönetişim, birleştirilmiş bir modelde çalışır ve yerel özerklikle birlikte çalışabilirlik ve güvenlik için küresel standartları denetler, böylece alan adları organizasyon genelinde güven ve tutarlılığı korurken yenilik yapabilir.

Veri ağı mimarisinin nasıl birbirine uyduğunu daha iyi anlamak için üç ana bileşenine göz atalım.

Veri kaynakları

Bunlar, birincil ham verilerin beslendiği havuzu (veri gölü gibi) temsil eder. İster bulut IIoT ağlarından, müşteri geri bildirim formlarından ister ıskartaya çıkarılan web verilerinden toplanmış olsun, bu, kullanıcıların ağ genelinde gerektiği şekilde referans alacağı ve işleyeceği ham girdi verileridir. Veri gölü yaklaşımı tüm bu verileri tek bir merkezi yere taşıyacak olsa da bunun yerine veri ağı metodolojisi, bir dizi sorumlu etki alanında bu ham verilerin alınması, depolanması, işlenmesi ve ayıklanmasına ilişkin sorumluluğu dağıtır.

Veri ağı altyapısı

Bilgiler yalnızca münferit departman etki alanlarında izole edilmez, aynı zamanda belirlenen veri yönetişimi yönergelerine uygun kalırken organizasyonun operasyonel ağında da paylaşılabilir. Bu, veri ağının temel iki bileşeninin doğrudan bir sonucudur: Kendi kendine hizmet eden bir veri platformu ve federasyon yönetimi. Kendi kendine hizmet veren veri platformu, her bir alan adının evrensel olarak alınması, dönüştürülmesi, işlenmesi ve verilerin sunulması için ihtiyaç duyulan araç ve altyapıyı sağlar. Bu arada, federasyon yönetim ilkeleri bir organizasyon genelinde standardizasyonu sağlar ve tüm etki alanı ekipleri arasında verilerin zahmetsiz bir şekilde birlikte çalışabilirliğini sağlar.

Veri sahipleri

Bir veri ağının son bileşeni olarak veri sahipleri, departmanlarının verileri için uyumluluk, yönetişim ve kategorizasyon protokollerini uygulamaktan sorumludur. Örneğin, İK dosyaları belirli güvenlik protokolleri kullanılarak saklanmalı, bu veya bu amaç için kullanılmamalıdır, yalnızca böyle bir kişi için serbest bırakılmalıdır. Elbette her departmanın departmanına veya amaçlarına özgü kategorileri ve veri türleri olacaktır. Bir veri gölü sisteminde BT ekiplerinin, göle eşya dökmüş tüm farklı veri sahipleri için tüm bu farklı protokolleri ve kategorileri karşılaması gerekir. Veri ağı mimarisi, alan sahiplerine bu konularda tam yetki ve kontrol veriyor çünkü yine kendi verilerini yönetmek ve kalite standartlarını karşılamasını sağlamak için konu alanı uzmanlarından kim daha iyi?

Veri ağı işletim modeli

Veri ağı işletim modeli, ölçekte merkezi olmayan veri yönetimi sağlamak için kişileri, süreçleri ve teknolojiyi bir araya getiriyor. Bu iş birliği, tek bir merkezi ekibe güvenmeden güveni, çevikliği ve yeniden kullanımı teşvik ederek verilerin kuruluş genelinde sorunsuz bir şekilde akmasını sağlar. Veri ağı, paylaşılan standartları uygulayarak ve ortak bir platform, tutarlı biçimler ve arama terimleri ile veri ürünlerinin yayımlanmasına ve tüketilmesine yönelik yönetişim kuralları sağlayarak birlikte çalışabilirlik ve keşfedilebilirlik sağlar. Veri katalogları ve kayıt denemeleri gibi veri ağı araçları ekiplerin organizasyon genelinde veri ürünlerini hızlı bir şekilde bulmasına, güvenli bir şekilde erişmesine ve kullanmasına olanak sağlar.

Modern bir şehir olarak bir veri ağı düşünün: Her mahalle (alan), yerel ihtiyaçlarını en iyi bildikleri için kendi enerji üretim ve hizmetlerini (su, elektrik ve atık gibi) yönetir. Şehir, mahallelerin bağlantı kurabilmesi, şehir kaynaklarına erişebilmesi ve kaos yaşamadan işbirliği yapabilmesi için yollar ve toplu taşıma (kendi kendine hizmet platformu) ve güvenlik standartları (yönetim) gibi ortak altyapı sağlamaktadır. Bu şekilde kaynaklar şehir genelinde serbestçe akar, herkes ortak kurallara uyar ve inovasyon yerel olarak gelişirken tüm şehir sorunsuz çalışır.

Uygulamada veri ağı: Örnekler ve kullanım durumları

Veri yönetimi çözümlerinin gelişmesi ve daha başarılı olması için çok çeşitli uygulama ve işlemler için kullanılabilir ve ilgili olmaları gerekir. Veri ağı mimarisi ve kullanıcı dostluğu geliştikçe, organizasyonların bir ürün ve araç olarak verilere güvenli ve dağıtılmış bir yaklaşımla gelişebileceği iş işlevlerinin arttığını görüyoruz.

Bazı yaygın veri ağı iş kullanım durumlarını inceleyelim.

Satış

Satış ekipleri için duyum edinme, besleme ve kapatma işlemleri gerçekleşir. Satış ekibi üyeleriniz yönetim görevlerini yaparken masalarında ne kadar çok zaman harcarsa yeni müşterilerle o kadar az ilişki kurmak zorunda kalırlar. Veri ağı mimarisi ile satış ekibi kullanıcılarının, parmaklarının ucunda en güçlü ve ilgili veri kümelerine ve bileşimlerine sahip olmak için veri yönetimi ve alma uzmanları olması gerekmez. Satış departmanları analiz etmek için doğru verilere sahip olduğunda daha eyleme dönüştürülebilir içgörülere ve stratejilere dönüşür.

Satış verileri ağı örneği: Bölgesel veya ürüne özgü satış ekipleri, merkezi bir BT ekibinde beklemeden doğru tahmin ve gerçek zamanlı gösterge tabloları sağlayarak CRM ve kanal veri etki alanlarına sahip olabilir.

Tedarik zinciri ve lojistik

Modern tedarik zincirleri çok çeşitli aksaklıklara karşı savunmasızdır. Şirketler hızlı bir şekilde pivot yapabildiğinde ve hem tehditlere hem de fırsatlara eşit çeviklikle yanıt verebildiğinde rekabet avantajı elde edilir. Günümüzün küresel tedarik zinciri verileri; müşteri geri bildirimlerinden IIoT ağlarına ve dijital ikizlere kadar yoğun ve hızlı bir şekilde geliyor. Deneyimli ve tasarruflu tedarik zinciri yöneticileri, gerçek zamanlı olarak bu veri kümelerinden herhangi birini düzenleyip ayrıntılandırabildiğinde işletmeler güçlü bir içgörü ve bilgi kaynağı elde eder.

Tedarik zinciri veri ağı örneği: Tedarik zinciri optimizasyonu; stok düzeylerine, tedarikçi performansına ve lojistik verilerine ilişkin gerçek zamanlı görünürlük gerektirir. Veri ağı, her bir etki alanına (tedarik, depolama, nakliye) veri ürünlerinin sahipliğini sağlar, daha hızlı kararlar alınmasını ve maliyet açısından verimli operasyonlar sağlar.

Üretim

Tedarik zincirinin bir parçası olarak, bir şirketin üretim operasyonları hızlı pazar değişimlerine ve değişken müşteri taleplerine eşit derecede savunmasızdır. Geçmişte tasarım ve Ar-Ge;D ekiplerinin diğer departmanlardan beslenen, tarihsel müşteri verilerine güvenmesi gerekirdi. Günümüzde veri ağı, taslak tablosunun arkasındaki, R&D ve test ekiplerinde ve üretim katına kadar tüm yollardaki kullanıcılara canlı veri erişimi getiriyor. Gerçek zamanlı müşteri geri bildirimi, ürün geliştirmeyi anında bilgilendirebilir ve IIoT ağları ve dijital simülasyonlar fabrikaların daha güvenli, daha hızlı ve daha verimli çalışmasına yardımcı olabilir.

Üretim veri ağı örneği: Üretim yeri düzeyindeki ekipler sensör ve makine performansı verilerine sahip olabilir, böylece tahmine dayalı bakım sağlar ve merkezi olmayan analitikler aracılığıyla kesinti süresini azaltır.

Pazarlama

Bugün müşteri talep ve beklentileri geleceği şekillendiriyor ve benzeri görülmemiş bir hızla değişiyor ve büyüyor. Tek bir markanın tipik olarak sosyal medya, hedeflenen dijital reklamlar ve çevrimiçi ve omnichannel alışveriş portalları genelinde çok sayıda tüketici temas noktası vardır. Mevcut pazarda hızlı özelleştirme, daha kısa ürün yaşam döngüleri ve muazzam düzeyde tercih ve rekabet için artan istek görülüyor. Modern pazarlamacılar, bu trendleri anlamak ve bunların önüne geçmek için çok çeşitli veri kümelerine gerçek zamanlı ve eş zamanlı erişime ihtiyaç duyar. Geçmişte bu, diğer departmanlardan bu verilerin talep edilmesi (ve beklenmesi) anlamına geliyordu. Ancak bir veri ağı kurulumuyla pazarlamacılar bu verileri anında kendi şartlarına göre düzenleyebilir ve bunlara erişebilir.

Pazarlama verileri ağı örneği: Müşteri 360 görünümü oluşturmak e-posta, sosyal reklamlar ve ücretli reklamlar gibi birden fazla kanaldan veri entegre etmeyi gerektirir. Veri ağı, kişiselleştirilmiş kampanyalar ve daha iyi müşteri deneyimleri için doğru, gerçek zamanlı analizler sağlayarak her kanalın veri ürününe sahip olmasını sağlar.

İnsan kaynakları

İK ekiplerinin büyük miktarlarda karmaşık ve hassas verileri yönetmesi gerekmektedir. Uzaktan ve hibrit işyerlerine yönelik artan eğilimle bu veriler her geçen gün daha karmaşık ve coğrafi olarak çeşitleniyor. İK ekiplerinin bu kadar acil olarak üstte durması gereken sürekli değişen uyum ve yasal sorunlar kümesinden bahsetmemek lazım. İK liderleri işe alımdan emekliliğe kadar herhangi bir kuruluştaki en geniş olarak farklı veri kümelerinden bazılarını doğrulayabilmeli, değerlendirebilmeli ve analiz edebilmelidir. Veri ağı mimarisi, uygun güvenlik protokollerine ve sıkı kısıtlı erişime olanak sağlar. Aynı zamanda, yetkili İK kullanıcılarının karmaşık iç protokollere ve çok departmanlı bürokrasiye bağımlı olmadan verilere ve bilgilere hızlı bir şekilde erişmesini sağlar.

İK veri ağı örneği: İşe alım, bordro ve performans yönetimi ekipleri, kendi veri etki alanlarını yönetebilir, uyumluluğu iyileştirebilir ve stratejik karar alma için gerçek zamanlı iş gücü analitikleri sağlayabilir.

Finans

İK'da olduğu gibi, finans ve muhasebe ekipleri de çok önemli ve hassas verilerden sorumludur. Modern ERP sistemleri finansı devrim haline getirerek bellek içi veritabanı teknolojisini kullanarak anlık raporları, analizleri ve projeksiyonları özelleştirir. Yine de finans ekipleri en iyi veri tabanlarını ve ERP'leri kullanırken bile, uzun süreli ve sert kültürler, ağır silolar ve bürokratik, eski okul süreçleri nedeniyle çoğu zaman hâlâ engellerle karşılaşıyorlar. Veri ağı mimarisi, finans verilerine nasıl bakıldığı ve yönetildiği konusunda temel bir değişim sunar. Hatta kuruluşlar ekipleri kendi yaşlandırma veri süreçlerini sahiplenmeye ve revize etmeye teşvik ettiğinde gerçekleşebilecek durgun düşünceyi sarsabilir.

Finans veri ağı örneği: Mali planlama ekipleri gelir, gider ve yatırım veri etki alanlarına sahip olabilir, tek bir merkezi ekibe güvenmeden doğru tahmin ve çevik senaryo modellemesi sağlayabilir.

Veri ağının sadece başka bir vzzword olmadığı ve ciddiye alınması gereken bir veri stratejisi trendi olduğu açık. Her ölçekten ve sektörden şirket veri ağı kullanıyor ve içgörüler ve değer oluşturmak için verileri kullanmanın yollarını arıyor.

Veri ağı alternatifleri

Veri ağı, veri yönetimine yerel bir yaklaşım sunarken tek seçenek değildir. Veri gölleri ve veri ambarları gibi geleneksel mimariler büyük hacimli verileri merkezileştirmek ve depolamak için yaygın olarak kullanılmaya devam ederler, genellikle yapılandırılmış ve yapılandırılmamış veri yeteneklerini birleştiren veri gölleri ile eşleştirilir. Veri kumaşı gibi diğer modeller, çeşitli sistemler arasında veri entegrasyonu ve orkestrasyon için birleşik bir katman oluşturmaya odaklanır. Her alternatif ölçeklenebilirliği, yönetişimi ve erişilebilirliği farklı şekilde ele alarak seçimi organizasyonel ihtiyaçlara ve olgunluğa bağlı hale getirir.

Veri ağı alternatiflerine ve bunların nasıl kıyaslandığına bakalım.

Veri ağı ve veri gölü/göl

Veri ağı ve veri ambarı karşılaştırması

Veri ağı ve veri kumaşı karşılaştırması

Veri ağı uygulanıyor

Veri ağı uygulamak, yerel merkezsizliği paylaşılan standartlarla dengeleyen stratejik bir yaklaşım gerektirir. Anahtar veri ağı adımları şunlardır:

1. Pilot alan adlarını tanımlayın: İki veya üç etki alanını net iş değeri ve güçlü veri olgunluğuyla seçerek küçük adımlarla başlayın. Bu ekipler, organizasyon genelinde ölçeklendirme yapmadan önce veri ağı modelini kanıtlayan erken benimseyenler olarak görev yapacaktır.
2. Platformu oluşturma: Veri ürünlerini yayımlamak, keşfetmek ve tüketmek için ortak araçlar sunan kendi kendine hizmet veren bir veri platformu oluşturun. Buna veri katalogları, API'ler ve etki alanı ekipleri için sürtüşmeyi azaltmak için otomatikleştirilmiş güvenlik özellikleri dahildir.
3. Federasyon yönetimini tanımlama: Etki alanlarının otonomisine izin verirken güvenlik, uyumluluk ve birlikte çalışabilirlik için küresel standartları uygulayan yönetişim politikaları oluşturun. Yönetişim; net roller, veri ürünü tanımları ve kalite beklentileri içermelidir.

Kaçınılması gereken anti-desenler

Veri ağı doğal organizasyon kalıplarına uymayarak yanlış yapıldığında karışıklığa ve anlaşmazlığa yol açabilir. Veri ağındaki bir anti-desen, yararlı görünen ancak sonuçta mimarinin temel ilkelerini baltalayan yinelenen bir yaklaşım veya uygulamadır. Kaçınılması gereken önleyici desenler şunları içerir:

• Veri ağını yalnızca merkezi başka bir veri gölü olarak ele alma.
• Kültürel değişimi yok saymak—teknoloji tek başına mülkiyet sorunlarını çözmeyecektir.
• İş değerini kanıtlamadan önce platform üzerinde mühendislik.
• Veri kalitesi için net sorumluluk eksikliği.
• Pilot etki alanlarında veri ağı modeli doğrulanmadan çok hızlı ölçeklendirme.

Veri ağı için beş en iyi uygulama

1. Küçük başlayın ve yineleyin: Ölçeklendirmeden önce süreçleri iyileştirmek için pilot alan adlarını kullanın.
2. Verileri bir ürün olarak ele alma: Her veri kümesi için sahiplik, SLA'lar ve kullanılabilirlik standartları tanımlayın.
3. Paylaşılan araçlara yatırım yapma: Alan adı ekipleri için yayınlamayı ve keşfetmeyi kolaylaştırın.
4. Yönetişimi erken katlayın: Başlangıçtan itibaren uyumlulukla özerkliği dengeleyin.
5. İş sonuçlarına odaklanma: Veri ürünlerini yalnızca teknik hedeflerle değil, ölçülebilir değerle uyumlu hale getirin.

Organizasyonlar, etki alanı sahipliğini, sağlam bir platformu ve birleşik yönetimi birleştirerek geleneksel merkezi modellerin darboğazları olmadan çevikliği, güveni ve etki alanları arası işbirliğini geliştirebilir.

Ölçüm ve metrikler

Başarıyı değerlendirmek için, teknik performansı iş sonuçlarıyla dengeleyen veri ağı metrikleri gerekir. Bu metrikler şunları içerebilir:

• Veri ürünü kalitesi SLOs/SLA'lar: Temel ancak tek tip olarak uygulanmak yerine her bir etki alanının bağlamına göre uyarlanmalıdır. Örnek veri ürünü KPI'leri:

  • Veri tazeliği: Kararlaştırılan zaman aralığında güncellenen veri ürünlerinin yüzdesi; örneğin, saatlik veya günlük
  • Eksiksizlik: Veri kümeleri arasında doldurulan gerekli alanların yüzdesi
  • Kullanılabilirlik: Veri ürünlerinin canlı kullanım süresi (örneğin, %99,9)

• Tüketicinin benimsenmesi ve yeniden kullanımı: Güçlü bir değer göstergesi olabilir ancak bunun doğru şekilde ölçülmesi genellikle ekipler arasındaki kullanım modellerinin ve geri bildirimlerin izlenmesini içerir. Örnek tüketici benimseme ve yeniden kullanım KPI'leri şunlardır:

  • Veri ürünü başına benzersiz tüketici sayısı
  • Etki alanları arası yeniden kullanım oranı: Birden fazla etki alanı tarafından tüketilen veri ürünlerinin yüzdesi
  • Anketlerden veya geri bildirimlerden elde edilen tüketici memnuniyeti puanı

• Öngörüye geçiş süresi ve hizmet maliyeti: Merkezi modellere kıyasla verimlilik kazançlarını vurgular, ancak bu iyileştirmeler organizasyonel olgunluğa ve temel süreçlere bağlıdır. Örnek öngörü süresi ve hizmet maliyeti KPI'leri şunlardır:

  • Veri talebinden eyleme dönüştürülebilir analize kadar ortalama süre
  • Merkezi modele kıyasla operasyonel maliyette azalma
  • Veri taleplerinde karşılanamayanların yüzdesi

• Yakalamak için ortak rakip farkı: Rakiplerin mücadele ettiği alanlara odaklanın ve bunları geride bırakmak için veri ağı ilkelerini kullanın. KPI'leri yakalamak için örnek rakip farkı:

  • Veri ürünü özellikleri (örneğin, iyileştirilmiş bulunabilirlik, daha hızlı veri erişimi) yoluyla giderilen tanımlanmış rakip zayıf noktalarının sayısı
  • Rakiplere karşı yeni veri ürünleri için pazara giriş avantajı
  • Rakip tahminlere kıyasla self servis benimseme oranında artış

Bu metrikler birlikte, veri ağının tüm karşılaştırmalara tek boyutlu uyum sağlamadan çeviklik, güven ve ölçeklenebilirlik sunup sunmadığına ilişkin yönlü bir öngörü sağlar.

Data Mesh SSS'ler