![\"Image\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2022\/04\/coggia-pascal-management-team-artefact-300x300.jpeg\")
Was ist eine Data Masche? Wie unterscheidet es sich von einem data See?<\/h2><\/div>Der urspr\u00fcngliche Architekt des Begriffs ist Zhamak Dehghani, ein Thoughtworks<\/a> Berater und Verfechter der Dezentralisierung von data. Einfach ausgedr\u00fcckt, ist Data Mesh ein verteilter Architekturansatz f\u00fcr die Verwaltung von analytischem data. Er erm\u00f6glicht es den Endbenutzern, auf data zuzugreifen und es dort abzufragen, wo es sich befindet, ohne es zun\u00e4chst in einen data-See oder ein Lager zu transportieren. Eine dezentralisierte Data Mesh-Strategie behandelt data als Produkt und bietet dom\u00e4nenspezifischen Teams die M\u00f6glichkeit, data \u00fcber eine Selbstbedienungsplattform mit eingebettetem data governance zu verwalten.<\/p>\n<\/div>Data Lakes sind minimal verwaltete Lagerbereiche f\u00fcr rohes Domain data. Sie sollten unbegrenzten Zugang zu data bieten, um den Engpass von zentralisierten, streng verwalteten data-Lagern zu vermeiden, aber sie neigten dazu, unter schlechter data-Qualit\u00e4t und Problemen bei der Auffindbarkeit zu leiden. Bestimmte verwaltete data-See-Projekte haben diese Probleme mit einigem Erfolg angegangen, aber sie neigen dazu, die relative Zug\u00e4nglichkeit des data dadurch zu verringern. Data Mesh zielt darauf ab, diese Probleme durch Dezentralisierung zu l\u00f6sen und so diese so genannten \u201cdata-S\u00fcmpfe\u201d vollst\u00e4ndig zu vermeiden.<\/p>\n<\/div>
Was ist mit \u201cdata als Produkt\u201d gemeint?<\/h2><\/div>Ich betrachte das Ganze ein wenig wie den App Store. Sie laden einfach eine App herunter, wenn Sie etwas anderes tun m\u00f6chten. Warum sollte das bei data nicht auch so sein? Betrachten Sie es strukturell: Was sind die Bestandteile eines data-Produkts?<\/p>\n<\/div>
- <\/i><\/span>\n
Es muss auffindbar sein: Die Leute m\u00fcssen das Produkt data finden k\u00f6nnen;<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Sie muss ansprechbar sein - die Menschen m\u00fcssen wissen, wie sie damit umgehen k\u00f6nnen;<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Es muss selbsterkl\u00e4rend sein;<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Sie muss sicher und vertrauensw\u00fcrdig sein; sie muss Interoperabilit\u00e4t bieten.<\/p>\n<\/div><\/li><\/ul>
All dies deutet darauf hin, dass ein data-Produkt auf einer Struktur sitzt, die es erm\u00f6glicht, zu interagieren. Es ist nicht isoliert. Sie k\u00f6nnen nicht einfach ein paar data zusammenschmei\u00dfen, sie in einen S3-Eimer stecken und es ein data-Produkt nennen. Sie m\u00fcssen die Eigentumsverh\u00e4ltnisse und die Verwaltung darum herum regeln.<\/p>\n<\/div>
Was sind die Vorteile f\u00fcr Unternehmen?<\/h2><\/div>Es gibt viele Vorteile, die Data Mesh f\u00fcr Unternehmen und funktions\u00fcbergreifende Teams bieten kann:<\/p>\n<\/div>
- <\/i><\/span>\n
Durch die Dezentralisierung von data wird die Geschwindigkeit und die Zug\u00e4nglichkeit verbessert, so dass data f\u00fcr jeden Benutzer im Unternehmen viel leichter auffindbar und nutzbar ist.<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Da die Teams ihr eigenes data einbinden und ihre eigenen data-Produkte verwalten, k\u00f6nnen sie es nach eigenem Ermessen visualisieren und operationalisieren, was die Innovation f\u00f6rdert.<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Die Entscheidungsfindung und die Zeit bis zur Markteinf\u00fchrung werden beschleunigt, was zu h\u00f6heren Ums\u00e4tzen und einer besseren Kundenbindung f\u00fchrt - und letztlich die Kosten senkt.<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Und die gesch\u00e4ftliche Agilit\u00e4t im Allgemeinen wird dadurch verbessert, da Produktfunktionen nur dort eingerichtet werden, wo sie ben\u00f6tigt werden, und nicht auf einer unternehmensweiten Basis.<\/p>\n<\/div><\/li><\/ul>
Was sind die Herausforderungen bei der Einf\u00fchrung von Data Mesh?<\/h2><\/div>Es ist wichtig zu wissen, dass Data Mesh nicht nur eine Technologie<\/em> Schicht, erfordert es eine Denkweise<\/em> Verschiebung. Unternehmen m\u00fcssen lernen, data als Produkt zu betrachten, als data governance<\/a> und Eigentum. Die Verlagerung von Unternehmen von zentralem zu dezentralem Eigentum und die Verlagerung von Organisationen von Pipelines zu Produkten, bei denen data-Domains an erster Stelle stehen, wird einige Arbeit erfordern.<\/p>\nEinige andere Probleme werden unter anderem von folgenden Autoren genannt Deloitte<\/a>:<\/p>\n<\/div>- <\/i><\/span>\n
Duplizierung von data zwischen verschiedenen Dom\u00e4nen: Wenn data f\u00fcr die Bed\u00fcrfnisse einer neuen Dom\u00e4ne verwendet wird, die sich von der Quelldom\u00e4ne unterscheidet, entstehen Redundanzen, die sich m\u00f6glicherweise auf die Ressourcennutzung und die Kosten der data-Verwaltung auswirken k\u00f6nnen.<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Implementierung von f\u00f6derierten data governance und Qualit\u00e4tskonformit\u00e4t: Bei der Koexistenz unabh\u00e4ngiger data-Produkte und -Pipelines k\u00f6nnen Qualit\u00e4tsprinzipien leicht \u00fcbersehen werden, was zu umfangreichen technischen Schulden f\u00fchrt. Diese Verantwortlichkeiten und Grunds\u00e4tze m\u00fcssen identifiziert und entsprechend zusammengef\u00fchrt werden.<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Erhebliches Change Management ist erforderlich: Die Einf\u00fchrung des dezentralisierten Data Mesh-Betriebs erfordert erhebliche Anstrengungen beim Change Management.<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Die Wahl der Technologie bestimmt die gesamten data platform-F\u00e4higkeiten. Daher m\u00fcssen Technologieentscheidungen, die sowohl unternehmensweit standardisiert als auch zukunftssicher f\u00fcr alle erforderlichen data-Funktionen sind, praktisch angegangen werden. Unsachgem\u00e4\u00dfe Technologieentscheidungen k\u00f6nnen leicht zu data-Produkten f\u00fchren, die im Laufe der Zeit die technischen Schulden erh\u00f6hen.<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Data Mesh ist nicht dazu gedacht, alle unternehmensweiten data in einem einzigen Bericht zusammenzufassen: Auch wenn das \u00fcbergeordnete Ziel die data-Zug\u00e4nglichkeit ist, sollte es innerhalb eines Rahmens Freiraum geben. In Data Mesh sind data-Eigent\u00fcmerschaft und data-F\u00e4higkeiten auf funktions\u00fcbergreifende Dom\u00e4nen-Teams verteilt, so dass Schl\u00fcsselelemente wie ein konsistentes Metadata-Framework und gemeinsame Plattformen Teil einer erfolgreichen Implementierung von Data Mesh bleiben.<\/p>\n<\/div><\/li><\/ul>
Wann ist ein Unternehmen bereit, eine Data Mesh-Strategie einzuf\u00fchren?<\/h2><\/div>Es h\u00e4ngt davon ab, wie gut das Unternehmen vorbereitet ist. Aber es kommt auch darauf an, mit wem Sie sprechen. Ein Chief Data Officer, der eine riesige zentrale Organisation aufgebaut hat, ist vielleicht noch nicht bereit f\u00fcr Data Mesh, weil er erst einmal herausfinden muss, wie diese Funktionen zusammengef\u00fchrt werden k\u00f6nnen. Die meisten Unternehmensleiter verstehen jedoch die Notwendigkeit, die data-Assets in Richtung der Randbereiche und des Unternehmens zu demokratisieren, da sie von dem zentralisierten Ansatz oft frustriert sind.<\/p>\n<\/div>
Sie m\u00fcssen auch wissen, was auf technischer Ebene geschehen muss, um das Netz zu kontrollieren und zu steuern, denn wenn Sie es nicht richtig einrichten, kann es sich in den Wilden Westen verwandeln. Es gibt also eine Reihe von Schritten zu befolgen.<\/p>\n<\/div>
- <\/i><\/span>\n
Der erste Schritt besteht darin, eine Architekturpr\u00fcfung durchzuf\u00fchren, um alle Kernkomponenten einer potenziellen Data Mesh-Architektur zu definieren, die das Unternehmen bereits besitzt, und zu ermitteln, wie diese genutzt werden k\u00f6nnen, um die Mitarbeiter in die Lage zu versetzen, Produktteams aufzubauen.<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Gibt es ein zentrales Team, das die Plattform erstellen kann, auf der das Data Mesh aufgebaut wird? Diese Plattform muss von Anfang an vorhanden sein. Die Infrastruktur ist das, was die Distributionsf\u00e4higkeit erm\u00f6glicht.<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Stellen Sie sicher, dass das Projekt die Unterst\u00fctzung und das Engagement des Unternehmens und der Stakeholder hat, um auf allen Ebenen erfolgreich zu sein.<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Verf\u00fcgt das Projekt \u00fcber die notwendigen Investitionen, um das Data Mesh aufzubauen, und \u00fcber die F\u00e4higkeiten, es zu verwalten? Denn beides ist unerl\u00e4sslich.<\/p>\n<\/div><\/li>
- <\/i><\/span>\n
Sobald diese Schritte abgeschlossen sind, ist es an der Zeit, mit dem Aufbau der Produktteams zu beginnen.<\/p>\n<\/div><\/li><\/ul>
Der \u00dcbergang zu einem Data Mesh ist ein schrittweiser Prozess, denn alle Elemente, die Sie bereits haben - data-Seen, data-Warehouses - m\u00fcssen mit dem Data Mesh verbunden werden, sie k\u00f6nnen nicht einfach weggeworfen werden. Die Menschen werden diese Informationen und den Wert und die Governance, die sie bereits umgibt, haben wollen.<\/p>\n<\/div>
Welche Arten von Unternehmen setzen Data Mesh erfolgreich ein?<\/h2><\/div>Zurzeit wird Data Mesh erfolgreich im Finanzdienstleistungssektor eingesetzt. ING<\/a> ist ein gutes Beispiel. F\u00fcr Banken ist es sinnvoll, Data Mesh zu verwenden - es unterst\u00fctzt das st\u00e4rkere data governance und bietet daher mehr Sicherheit. Mit Data Mesh m\u00fcssen sich Betrugserkennungssysteme nicht mit anderen Systemen verbinden und jeden Tag dasselbe data abrufen. Stattdessen k\u00f6nnen Unternehmen dom\u00e4nenspezifische data-Produkte erstellen, die ihre Experten f\u00fcr die Erkennung von Anomalien nutzen k\u00f6nnen, um bessere Modelle und Ergebnisse zu erzielen.<\/p>\n<\/div>
Der urspr\u00fcngliche Architekt des Begriffs ist Zhamak Dehghani, ein Thoughtworks<\/a> Berater und Verfechter der Dezentralisierung von data. Einfach ausgedr\u00fcckt, ist Data Mesh ein verteilter Architekturansatz f\u00fcr die Verwaltung von analytischem data. Er erm\u00f6glicht es den Endbenutzern, auf data zuzugreifen und es dort abzufragen, wo es sich befindet, ohne es zun\u00e4chst in einen data-See oder ein Lager zu transportieren. Eine dezentralisierte Data Mesh-Strategie behandelt data als Produkt und bietet dom\u00e4nenspezifischen Teams die M\u00f6glichkeit, data \u00fcber eine Selbstbedienungsplattform mit eingebettetem data governance zu verwalten.<\/p>\n<\/div> Data Lakes sind minimal verwaltete Lagerbereiche f\u00fcr rohes Domain data. Sie sollten unbegrenzten Zugang zu data bieten, um den Engpass von zentralisierten, streng verwalteten data-Lagern zu vermeiden, aber sie neigten dazu, unter schlechter data-Qualit\u00e4t und Problemen bei der Auffindbarkeit zu leiden. Bestimmte verwaltete data-See-Projekte haben diese Probleme mit einigem Erfolg angegangen, aber sie neigen dazu, die relative Zug\u00e4nglichkeit des data dadurch zu verringern. Data Mesh zielt darauf ab, diese Probleme durch Dezentralisierung zu l\u00f6sen und so diese so genannten \u201cdata-S\u00fcmpfe\u201d vollst\u00e4ndig zu vermeiden.<\/p>\n<\/div> Ich betrachte das Ganze ein wenig wie den App Store. Sie laden einfach eine App herunter, wenn Sie etwas anderes tun m\u00f6chten. Warum sollte das bei data nicht auch so sein? Betrachten Sie es strukturell: Was sind die Bestandteile eines data-Produkts?<\/p>\n<\/div> Es muss auffindbar sein: Die Leute m\u00fcssen das Produkt data finden k\u00f6nnen;<\/p>\n<\/div><\/li> Sie muss ansprechbar sein - die Menschen m\u00fcssen wissen, wie sie damit umgehen k\u00f6nnen;<\/p>\n<\/div><\/li> Es muss selbsterkl\u00e4rend sein;<\/p>\n<\/div><\/li> Sie muss sicher und vertrauensw\u00fcrdig sein; sie muss Interoperabilit\u00e4t bieten.<\/p>\n<\/div><\/li><\/ul> All dies deutet darauf hin, dass ein data-Produkt auf einer Struktur sitzt, die es erm\u00f6glicht, zu interagieren. Es ist nicht isoliert. Sie k\u00f6nnen nicht einfach ein paar data zusammenschmei\u00dfen, sie in einen S3-Eimer stecken und es ein data-Produkt nennen. Sie m\u00fcssen die Eigentumsverh\u00e4ltnisse und die Verwaltung darum herum regeln.<\/p>\n<\/div> Es gibt viele Vorteile, die Data Mesh f\u00fcr Unternehmen und funktions\u00fcbergreifende Teams bieten kann:<\/p>\n<\/div> Durch die Dezentralisierung von data wird die Geschwindigkeit und die Zug\u00e4nglichkeit verbessert, so dass data f\u00fcr jeden Benutzer im Unternehmen viel leichter auffindbar und nutzbar ist.<\/p>\n<\/div><\/li> Da die Teams ihr eigenes data einbinden und ihre eigenen data-Produkte verwalten, k\u00f6nnen sie es nach eigenem Ermessen visualisieren und operationalisieren, was die Innovation f\u00f6rdert.<\/p>\n<\/div><\/li> Die Entscheidungsfindung und die Zeit bis zur Markteinf\u00fchrung werden beschleunigt, was zu h\u00f6heren Ums\u00e4tzen und einer besseren Kundenbindung f\u00fchrt - und letztlich die Kosten senkt.<\/p>\n<\/div><\/li> Und die gesch\u00e4ftliche Agilit\u00e4t im Allgemeinen wird dadurch verbessert, da Produktfunktionen nur dort eingerichtet werden, wo sie ben\u00f6tigt werden, und nicht auf einer unternehmensweiten Basis.<\/p>\n<\/div><\/li><\/ul> Es ist wichtig zu wissen, dass Data Mesh nicht nur eine Technologie<\/em> Schicht, erfordert es eine Denkweise<\/em> Verschiebung. Unternehmen m\u00fcssen lernen, data als Produkt zu betrachten, als data governance<\/a> und Eigentum. Die Verlagerung von Unternehmen von zentralem zu dezentralem Eigentum und die Verlagerung von Organisationen von Pipelines zu Produkten, bei denen data-Domains an erster Stelle stehen, wird einige Arbeit erfordern.<\/p>\n Einige andere Probleme werden unter anderem von folgenden Autoren genannt Deloitte<\/a>:<\/p>\n<\/div> Duplizierung von data zwischen verschiedenen Dom\u00e4nen: Wenn data f\u00fcr die Bed\u00fcrfnisse einer neuen Dom\u00e4ne verwendet wird, die sich von der Quelldom\u00e4ne unterscheidet, entstehen Redundanzen, die sich m\u00f6glicherweise auf die Ressourcennutzung und die Kosten der data-Verwaltung auswirken k\u00f6nnen.<\/p>\n<\/div><\/li> Implementierung von f\u00f6derierten data governance und Qualit\u00e4tskonformit\u00e4t: Bei der Koexistenz unabh\u00e4ngiger data-Produkte und -Pipelines k\u00f6nnen Qualit\u00e4tsprinzipien leicht \u00fcbersehen werden, was zu umfangreichen technischen Schulden f\u00fchrt. Diese Verantwortlichkeiten und Grunds\u00e4tze m\u00fcssen identifiziert und entsprechend zusammengef\u00fchrt werden.<\/p>\n<\/div><\/li> Erhebliches Change Management ist erforderlich: Die Einf\u00fchrung des dezentralisierten Data Mesh-Betriebs erfordert erhebliche Anstrengungen beim Change Management.<\/p>\n<\/div><\/li> Die Wahl der Technologie bestimmt die gesamten data platform-F\u00e4higkeiten. Daher m\u00fcssen Technologieentscheidungen, die sowohl unternehmensweit standardisiert als auch zukunftssicher f\u00fcr alle erforderlichen data-Funktionen sind, praktisch angegangen werden. Unsachgem\u00e4\u00dfe Technologieentscheidungen k\u00f6nnen leicht zu data-Produkten f\u00fchren, die im Laufe der Zeit die technischen Schulden erh\u00f6hen.<\/p>\n<\/div><\/li> Data Mesh ist nicht dazu gedacht, alle unternehmensweiten data in einem einzigen Bericht zusammenzufassen: Auch wenn das \u00fcbergeordnete Ziel die data-Zug\u00e4nglichkeit ist, sollte es innerhalb eines Rahmens Freiraum geben. In Data Mesh sind data-Eigent\u00fcmerschaft und data-F\u00e4higkeiten auf funktions\u00fcbergreifende Dom\u00e4nen-Teams verteilt, so dass Schl\u00fcsselelemente wie ein konsistentes Metadata-Framework und gemeinsame Plattformen Teil einer erfolgreichen Implementierung von Data Mesh bleiben.<\/p>\n<\/div><\/li><\/ul> Es h\u00e4ngt davon ab, wie gut das Unternehmen vorbereitet ist. Aber es kommt auch darauf an, mit wem Sie sprechen. Ein Chief Data Officer, der eine riesige zentrale Organisation aufgebaut hat, ist vielleicht noch nicht bereit f\u00fcr Data Mesh, weil er erst einmal herausfinden muss, wie diese Funktionen zusammengef\u00fchrt werden k\u00f6nnen. Die meisten Unternehmensleiter verstehen jedoch die Notwendigkeit, die data-Assets in Richtung der Randbereiche und des Unternehmens zu demokratisieren, da sie von dem zentralisierten Ansatz oft frustriert sind.<\/p>\n<\/div> Sie m\u00fcssen auch wissen, was auf technischer Ebene geschehen muss, um das Netz zu kontrollieren und zu steuern, denn wenn Sie es nicht richtig einrichten, kann es sich in den Wilden Westen verwandeln. Es gibt also eine Reihe von Schritten zu befolgen.<\/p>\n<\/div> Der erste Schritt besteht darin, eine Architekturpr\u00fcfung durchzuf\u00fchren, um alle Kernkomponenten einer potenziellen Data Mesh-Architektur zu definieren, die das Unternehmen bereits besitzt, und zu ermitteln, wie diese genutzt werden k\u00f6nnen, um die Mitarbeiter in die Lage zu versetzen, Produktteams aufzubauen.<\/p>\n<\/div><\/li> Gibt es ein zentrales Team, das die Plattform erstellen kann, auf der das Data Mesh aufgebaut wird? Diese Plattform muss von Anfang an vorhanden sein. Die Infrastruktur ist das, was die Distributionsf\u00e4higkeit erm\u00f6glicht.<\/p>\n<\/div><\/li> Stellen Sie sicher, dass das Projekt die Unterst\u00fctzung und das Engagement des Unternehmens und der Stakeholder hat, um auf allen Ebenen erfolgreich zu sein.<\/p>\n<\/div><\/li> Verf\u00fcgt das Projekt \u00fcber die notwendigen Investitionen, um das Data Mesh aufzubauen, und \u00fcber die F\u00e4higkeiten, es zu verwalten? Denn beides ist unerl\u00e4sslich.<\/p>\n<\/div><\/li> Sobald diese Schritte abgeschlossen sind, ist es an der Zeit, mit dem Aufbau der Produktteams zu beginnen.<\/p>\n<\/div><\/li><\/ul> Der \u00dcbergang zu einem Data Mesh ist ein schrittweiser Prozess, denn alle Elemente, die Sie bereits haben - data-Seen, data-Warehouses - m\u00fcssen mit dem Data Mesh verbunden werden, sie k\u00f6nnen nicht einfach weggeworfen werden. Die Menschen werden diese Informationen und den Wert und die Governance, die sie bereits umgibt, haben wollen.<\/p>\n<\/div> Zurzeit wird Data Mesh erfolgreich im Finanzdienstleistungssektor eingesetzt. ING<\/a> ist ein gutes Beispiel. F\u00fcr Banken ist es sinnvoll, Data Mesh zu verwenden - es unterst\u00fctzt das st\u00e4rkere data governance und bietet daher mehr Sicherheit. Mit Data Mesh m\u00fcssen sich Betrugserkennungssysteme nicht mit anderen Systemen verbinden und jeden Tag dasselbe data abrufen. Stattdessen k\u00f6nnen Unternehmen dom\u00e4nenspezifische data-Produkte erstellen, die ihre Experten f\u00fcr die Erkennung von Anomalien nutzen k\u00f6nnen, um bessere Modelle und Ergebnisse zu erzielen.<\/p>\n<\/div>Was ist mit \u201cdata als Produkt\u201d gemeint?<\/h2><\/div>
Was sind die Vorteile f\u00fcr Unternehmen?<\/h2><\/div>
Was sind die Herausforderungen bei der Einf\u00fchrung von Data Mesh?<\/h2><\/div>
Wann ist ein Unternehmen bereit, eine Data Mesh-Strategie einzuf\u00fchren?<\/h2><\/div>
Welche Arten von Unternehmen setzen Data Mesh erfolgreich ein?<\/h2><\/div>