{"id":12102,"date":"2017-12-21T14:02:21","date_gmt":"2017-12-21T13:02:21","guid":{"rendered":"https:\/\/www.sysbus.eu\/?p=12102"},"modified":"2017-12-20T10:08:08","modified_gmt":"2017-12-20T09:08:08","slug":"daten-konsolidieren-analysieren-handeln","status":"publish","type":"post","link":"https:\/\/www.sysbus.eu\/?p=12102","title":{"rendered":"Daten konsolidieren, analysieren, handeln"},"content":{"rendered":"
\"\"<\/a>
Benjamin Krebs ist Area Manager Germany \u2013 Unstructered Data and Analytics bei Dell EMC<\/figcaption><\/figure>\n

Autor\/Redakteur: Benjamin Krebs, Area Manager Germany \u2013 Unstructered Data and Analytics bei Dell EMC<\/a>\/gg<\/p>\n

Big Data er\u00f6ffnet Unternehmen neue, handlungsrelevante Einblicke. Durch die konsequente Nutzung von Erkenntnissen aus der Analyse interner und externer Datenquellen k\u00f6nnen Unternehmen schneller besser fundierte Entscheidungen treffen und damit ihre Wettbewerbsposition verbessern. Die digitale Transformation umfasst daher immer auch Big Data Analytics.<\/p>\n

<\/p>\n

Big-Data-Projekte sind kein Selbstl\u00e4ufer. Oft k\u00e4mpfen Unternehmen damit, den bestm\u00f6glichen Nutzen durch den Einsatz ihrer vorhandenen Datenbest\u00e4nde zu erzielen. Die h\u00e4ufigsten Gr\u00fcnde daf\u00fcr: Die Anforderungen f\u00fcr Big-Data-Analysen haben sich aus einem konkreten Anlass heraus ergeben. Nachdem das Projekt im Marketing oder im Vertrieb abgeschlossen war, hat niemand die Initiative ergriffen, die Methoden und Verfahren auf weitere Anwendungsszenarien zu \u00fcbertragen. Ein einzelner Erfolg ist verpufft. Ein zweites, immer wieder anzutreffendes Problem: Es vergeht zu viel Zeit, bis handlungsrelevante Ergebnisse vorliegen. Eine der Ursachen daf\u00fcr: Datenanalysten verwenden den Gro\u00dfteil ihrer Zeit daf\u00fcr, Daten zu suchen, zusammenzuf\u00fchren und bereinigen, bevor sie sich auf die Analyse und Handlungsempfehlungen konzentrieren k\u00f6nnen.<\/p>\n

Funktionalit\u00e4ten f\u00fcr Datenanalysten und Entwickler<\/strong><\/p>\n

Die Kombination aus Cloud-nativer und Big-Data-Anwendungsentwicklung mit Selfservice-Funktionalit\u00e4ten f\u00fcr Datenanalysten, wie sie beispielsweise Dell EMC Analytic Insights Module bereitstellt, bietet gute Voraussetzungen, um diese Herausforderungen zu meistern. Eine entscheidende Rolle dabei spielt eine schl\u00fcsselfertige Entwickler- und Analytics-Plattform. Gerade die M\u00f6glichkeiten, mit Hilfe Cloud-nativer Applikationen rasch umsetzbare Erkenntnisse aus der Datenanalyse zu gewinnen, sind entscheidend f\u00fcr Unternehmen, die sich Wettbewerbsvorteile durch die digitale Transformation sichern wollen.<\/p>\n

\"\"<\/a>
Die schnelle Bereitstellung von Cloud-nativen Anwendungen f\u00fcr die Datenanalyse steigert die Geschwindigkeit, mit der sich Unternehmen durch den Analysezyklus bewegen (Quelle: Dell EMC)<\/figcaption><\/figure>\n

Eine durchg\u00e4ngige L\u00f6sung, die Entwickler und Datenanalysten nach dem DevOps-Modell zusammenbringt, hat dar\u00fcber hinaus den Vorteil, dass sich damit zentral f\u00fcr alle Benutzer klare Governance-Regeln definieren und deren Einhaltung \u00fcberwachen lassen. Die IT-Verantwortlichen definieren Vorgaben, die festlegen, wer welche Daten einsehen und weiter aufbereiten darf. Ziel dabei ist es, dass die Datensicherheit und die Corporate Governance f\u00fcr alle Benutzer, Applikationen und Datenquellen zu jeder Zeit gew\u00e4hrleistet sind.<\/p>\n

Informationen in einem Data Lake zusammentragen<\/strong><\/p>\n

Damit Analysten aus den Fachabteilungen einen m\u00f6glichst einfachen und schnellen Zugriff auf die ben\u00f6tigten Daten erhalten, werden diese in einem Data Lake vorgehalten. Hier konsolidieren die IT-Verantwortlichen die Informationen aus den verschiedenen Quellen an einem einzigen Ort. Der Data Lake reduziert die Komplexit\u00e4t von Speichersilos, die mit dem Zugriff auf gro\u00dfe Mengen von ansonsten verteilt gespeicherten Daten verbunden ist. Durch die Unterst\u00fctzung eines Multiprotokollzugriffs via SMB (Server Message Block), NFS (Network File System), FTP, HTTP, NDMP (Network Data Management Protocol), Swift und HDFS (Hadoop Distributed File System) k\u00f6nnen die Cloud-nativen Applikationen Daten ohne einen weiteren Konvertierungsaufwand in ihrem nativen Format speichern und abrufen.<\/p>\n

Analysen nach dem Selfservice-Prinzip f\u00f6rdern<\/strong><\/p>\n

Eine der Zielgruppen von Selfservice-Funktionalit\u00e4ten sind die nicht-technischen Anwender aus den Fachabteilungen. Damit diese den Data Lake nutzen, eigenst\u00e4ndig Analysen vornehmen und besser fundierte Entscheidungen treffen k\u00f6nnen, m\u00fcssen sich die gesuchten Daten problemlos im Zugriff befinden. Eine Kuratierungsfunktion im Data Lake stellt eine zentrale Ansicht aller vor Ort vorhandenen, indizierten und aufbereiteten Daten sowie ausgew\u00e4hlter externer Quellen bereit. Der wichtigste Vorteil: Datenanalysten und Anwender aus den Fachabteilungen m\u00fcssen sich nicht mehr um die oft zeitraubende Aufbereitung der Daten k\u00fcmmern, sondern k\u00f6nnen sich darauf konzentrieren, wie sich mit den aufbereiteten Informationen schneller und effizienter bestimmte Ziele erreichen lassen \u2013 etwa bei der Analyse des Kundenverhaltens, der Bereitstellung personalisierter Finanzdienste oder der Kundengewinnung und Kundenbindung.<\/p>\n

<\/p>\n

Teams und einzelne Analysten aus den verschiedenen Fachabteilungen sind damit in der Lage, in voneinander unabh\u00e4ngigen Bereichen des Data Lake zu arbeiten, ohne die Abl\u00e4ufe von Kollegen zu beeintr\u00e4chtigen. In diesen Bereichen k\u00f6nnen Mitarbeiter im Data Lake vorhandene sowie weitere externe Daten durchsuchen, aufbereiten und auswerten. Der Datenzugriff wird dabei durch Richtlinien gesteuert. Damit kann auch die Datenherkunft bei externen Quellen und die Ende-zu-Ende-Sicherheit auf Datenebene \u00fcberwacht und nachvollzogen werden.<\/p>\n

\"\"<\/a>
Ein Data Lake konsolidiert alle verf\u00fcgbaren Daten an einem Ort und bildet das Fundament f\u00fcr Big-Data-Analysen (Quelle: Dell EMC)<\/figcaption><\/figure>\n

In Telekommunikationsunternehmen etwa liefert ein Data Lake \u2013 im optimalen Fall in Echtzeit \u2013 Einblicke in die Netzwerkauslastung. Techniker sind mit diesen Daten in der Lage, die Infrastruktur weiter zu optimieren. Nutzungstrends und demografische Analysen liefern Ansatzpunkte f\u00fcr ein proaktives Marketing, um neue Kunden zu gewinnen und zus\u00e4tzliche Marktsegmente zu erschlie\u00dfen. Finanzdienstleister nutzen neue Technologien, um in allen Fachabteilungen ihre kundenzentrierte operative Effizienz zu steigern und neue Umsatzpotenziale zu erschlie\u00dfen. Sie setzen Vertriebsma\u00dfnahmen um, testen deren Wirkung und optimieren ihre Aktivit\u00e4ten immer weiter, um die gew\u00fcnschten Ergebnisse zu erzielen. In schnellen Zyklen werden neue Finanzprodukte im Markt eingef\u00fchrt und deren Erfolg permanent \u00fcberpr\u00fcft. Zudem erm\u00f6glicht die Datenanalyse schneller und genauer als bislang, m\u00f6gliche Anlagerisiken zu erkennen und rechtzeitig gegenzusteuern.<\/p>\n

Ergebnisse ihrer Arbeiten k\u00f6nnen die Teams und Analysten in einem Data and Analytics Catalog ver\u00f6ffentlichen. Die besten M\u00f6glichkeiten, die Vorteile der Datenanalyse zu maximieren sind die Zusammenarbeit, Freigabe und Wiederverwendung. Ver\u00f6ffentlichte Ergebnisse und Best Practices k\u00f6nnen im gesamten Unternehmen f\u00fcr vorhandene und neue Prozesse und Applikationen eingesetzt werden. Damit sparen Kollegen Zeit f\u00fcr die Suche, Evaluation, Aggregationen und den z\u00fcgigen Einsatz von Daten und Ergebnissen. Durch die Wiederverwendung vertrauensw\u00fcrdiger Informationen steigt auch der Wert der Daten.<\/p>\n

\"\"<\/a>
Dell EMC Analytic Insights Module l\u00e4uft in einer Native Hybrid Cloud und enth\u00e4lt alle grau markierten Komponenten. Im blau markierten Bereich \u2013 oberhalb des Analytic Layers \u2013 k\u00f6nnen Unternehmen ihre eigenen Tools einbinden. (Quelle: Dell EMC)<\/figcaption><\/figure>\n

Entscheidend ist in diesem Zusammenhang eine datenzentrierte Sicherheit, die es Unternehmen erm\u00f6glicht, differenzierte Regeln f\u00fcr den Datenzugriff zu definieren, die \u00fcber alle Anwender, Applikationen und Storage-Einheiten hinweg gelten. Die Sicherheitsfunktionen sollten es erlauben, granulare Zugriffsrichtlinien zu definieren, die Dateien, Tabellen, Spalten, Zeilen, Zellen oder Zellteilen zugeordnet werden k\u00f6nnen.<\/p>\n

Vernetzung im Unternehmen f\u00f6rdern<\/strong><\/p>\n

Die Verkn\u00fcpfung von Cloud-nativer und Big-Data-Anwendungsentwicklung mit Selfservice-Funktionalit\u00e4ten f\u00fcr Datenanalysten bringt Fachbereiche und IT-Abteilung enger zusammen als bisher. Datenanalysten, nicht-technische Mitarbeiter aus den Fachbereichen, Applikationsentwickler und IT-Infrastrukturteams vernetzen sich und jede dieser Gruppen kann von den \u00fcber einen Data Lake und die Cloud-Plattform bereitgestellten Daten und Tools profitieren \u2013 egal in welcher Branche.<\/p>\n

\"\"<\/a>
Wichtige k\u00fcnftige Anwendungsszenarien f\u00fcr Big Data in den Branchen Telekommunikation und Finanzdienstleistungen (Quelle: IDC\/Umfrage von Dell EMC 2016)<\/figcaption><\/figure>\n

Eine Hybrid Cloud, bei der die Applikationsentwicklungs- und Bereitstellungsplattform in der Cloud l\u00e4uft und sich der Data Lake im Rechenzentrum eines Unternehmens befindet, tr\u00e4gt zur besseren Abstimmung zwischen der IT und den Fachbereichen bei. Durch die Verzahnung der Daten- und Analyseservices mit der Applikationsumgebung k\u00f6nnen Entwickler Erkenntnisse aus den Analysen rasch in neue Anwendungen umsetzen oder vorhandene erweitern.<\/p>\n

Die Applikationen sind in der Lage, gr\u00f6\u00dfere Datenvolumina zu erfassen und daraus neue Erkenntnisse zu generieren. Im n\u00e4chsten Zyklusschritt flie\u00dfen diese in die Datenanalyseprozesse ein, mit denen wiederum die Anwendungen weiter optimiert werden. Damit entsteht eine permanent optimierte L\u00f6sung, bei der die Entwicklung, die Implementierung, der Betrieb und die Verwaltung von Cloud-nativen Anwendungen vereinfacht werden und damit letztlich die Produktivit\u00e4t und betriebliche Effizienz in den Fachabteilungen steigen.<\/p>\n","protected":false},"excerpt":{"rendered":"

Autor\/Redakteur: Benjamin Krebs, Area Manager Germany \u2013 Unstructered Data and Analytics bei Dell EMC\/gg Big Data er\u00f6ffnet Unternehmen neue, handlungsrelevante<\/p>\n","protected":false},"author":3,"featured_media":12096,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"colormag_page_container_layout":"default_layout","colormag_page_sidebar_layout":"default_layout","footnotes":""},"categories":[8,750],"tags":[2064,3091,5607,2588,6257,10256,183,4602,1752,10734,422,1994,5701,4419,1306,5439,10733,2587,5871,3437,7184,3401],"class_list":["post-12102","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artikel","category-big-data","tag-analyse","tag-analytics","tag-best-practice","tag-cifs","tag-cloud","tag-data-lake","tag-dell","tag-devops","tag-emc","tag-finanzdienst","tag-ftp","tag-governance","tag-hdfs","tag-http","tag-hybrid","tag-insight","tag-ndmp","tag-nfs","tag-selfservice","tag-smb","tag-swift","tag-vertrieb"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/12102","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=12102"}],"version-history":[{"count":1,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/12102\/revisions"}],"predecessor-version":[{"id":12103,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/12102\/revisions\/12103"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/media\/12096"}],"wp:attachment":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=12102"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=12102"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=12102"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}