Datavolumes blijven groeien en het gebruik van streaming analytics wordt daarom nog wijdverspreider, dus veel bedrijven beginnen te beseffen dat bestaande Data Governance-praktijken ook moeten evolueren om relevant te blijven.
“Er wordt meer gevraagd van het bestuursplatform van een organisatie dan ooit tevoren”, zegt insider Robert Chernesky uit de sector over het belang van de overgang naar Gegevensbeheer 3.0:
“De evolutie van Data Governance omvat een continuüm, en elke stap bouwt voort op de vorige stap om te evolueren naar een geautomatiseerd Data Governance-programma gericht op automatisering van bedrijfsprocessen … Hoewel de technische afstamming buitengewoon waardevol en noodzakelijk is, is de organisatie verlamd, tenzij het kan Data Governance evolueren naar een zakelijk publiek dat ernaar verlangt data governance te begrijpen vanuit een zakelijke context. “
Gegevensbeheer: het regelgevingskader voor gegevensbeheer
Deze dagen, Gegevensbeheer richt zich vaak op naleving van de regelgeving en omvat meerdere datafuncties zoals datakwaliteit, Master Data Management (MDM), metadatabeheer en gegevensbeveiliging. De Data Governance-strategie van een organisatie brengt de regels en voorschriften voor het benoemen, delen, opslaan en verwerken van gegevens in kaart en definieert de verschillende rollen en verantwoordelijkheden die zijn toegewezen voor het afhandelen van bestuurstaken binnen een organisatie.
Een Data Governance-strategie wordt des te kritischer wanneer een organisatie ervoor kiest om naar een pure cloud of hybride cloud model. In dat scenario speelt governance een belangrijke rol bij het in kaart brengen van een veilig datamigratieproces door middel van beheerst beleid en procedures. Het uiteindelijke doel van a gedegen Data Governance-strategie is om een vlotte en efficiënte uitwisseling en beheer van gegevens binnen de onderneming te garanderen.
In De evolutie van gegevensbeheer, Olivia Hinkle voorspelt dat Data Governance nog belangrijker zal worden voor de onderneming naarmate de data zich de komende jaren uitbreidt:
“Gegevensprivacy, gegevensbeveiliging en gegevensbeheer zijn allemaal nauw met elkaar verweven, en ze moeten allemaal op de juiste manier worden uitgevoerd om zakelijk succes te behalen … vooral nu er nieuwe technologische ontwikkelingen, nieuwe vereisten op het gebied van privacy en nieuwe trends in consumentengedrag opduiken.”
Streaming Analytics: technologie voor het omgaan met IoT-gegevens
Data Governance speelt ook een belangrijke rol bij analytics met betrekking tot de Internet of Things (IoT) apparaatgegevens, wat in grote lijnen gegevens betekent die zijn gegenereerd door sensoren, slimme meters, tags, live sociale gegevens en andere verbonden apparaten. Het belang van dit soort gegevens is dat ze in realtime beschikbaar zijn – en veel verschillende technologieën zoals big data, Hadoop, NoSQL en in-memory processing komen samen om de streaminggegevens voor te bereiden voor zowel realtime als latere analyses. De constant hoge investeringen in streaming analyses door bedrijven geven aan hoe belangrijk de analyse van ‘sensorgegevens’ is in bedrijfsbudgetten. Deze trend zet zich waarschijnlijk door in een hyperverbonden bedrijfsecosysteem.
De meeste zakelijke functies, waaronder verkoop, klantenservice, operaties en productie, gebruiken IoT-apparaten om realtime of bijna realtime analyses te verzamelen en uit te voeren. Omdat IoT-gegevens behoorlijk verschillen van conventionele bedrijfsgegevens (bijvoorbeeld historische of beschrijvende gegevens), moeten ze anders worden behandeld in termen van verzameling, opslag, opschoning en parsering. In de meeste gevallen zijn IoT-gegevens ongestructureerd en bevatten ze gemengde tekst, afbeeldingen en zelfs videobeelden.
Gegevensbeheer en streaminganalyse: een noodzakelijk duo
In Trends in bedrijfsanalyses, Merkt Evan Terry op dat:
“Enterprise-analysetechnologie wordt steeds geavanceerder door machine learning, kunstmatige intelligentie en streaminganalyses, maar je kunt niet profiteren van deze vooruitgang zonder een solide basis.”
Dat omvat ‘briljante basics’ zoals datakwaliteit en datagovernance.
In het huidige zakelijke landschap kunnen steeds meer bedrijfseigenaren en exploitanten geen functioneren bedenken zonder streaminganalyses. Data Governance en streaming analytics zijn nauw met elkaar verbonden, aangezien goed beheerde analytics betekent dat meer zakelijke gebruikers de resultaten kunnen vertrouwen.
Of het nu gaat om preventief onderhoud in productie-eenheden, tijdige monitoring van kritieke patiënten, locatiegebaseerde marketing voor retailers, nauwkeurige weersvoorspellingen of de zelfrijdende auto, alle moderne use-cases voor analyse zijn verweven met streaming analyses. Met streaminganalyses kunnen gegevens van sensoren worden verzameld en in realtime worden geanalyseerd voor onmiddellijke actie. Het opbouwen van een datagestuurde cultuur zorgt ervoor dat datagovernance ten goede komt aan de analyse-inspanningen van de onderneming.
Streaminganalyses transformeren met gegevensbeheer
Bij streaming analytics worden binnenkomende data via slimme datamodellen en algoritmes zo snel verwerkt dat de streaming data in veel gevallen geen kans krijgt om opgeslagen te worden. Dit is een belangrijke verandering ten opzichte van het conventionele analyseproces. Een ander belangrijk kenmerk van streaming-analyse is dat tijdens de gegevensverwerkingsfase de relevantie en urgentie van actie onmiddellijk wordt bepaald voor het genereren van waarschuwingen.
Beheren grote datavolumes is geen gemakkelijke taak, vooral niet als het datavolume explosief toeneemt. Aan de ene kant van het spectrum zie je de groei van geavanceerde analyseplatforms om streaminggegevens aan te pakken; Aan de andere kant kan uw bedrijf te maken hebben met de uitdagingen van grootschalige datatoegang en -deling, terwijl het zich houdt aan de regels voor gegevensprivacy zoals GDPR of CCPA. Inderdaad, de recente groei van privacyreglement hebben bedrijfsanalyses en machine learning-projecten vertraagd, wat doorgaans ten goede komt aan streaminganalyses. Bedrijven zijn op zoek naar end-to-end Data Governance-oplossingen om grote hoeveelheden gegevens te verwerken en te verwerken zonder strikte regelgeving te overtreden.
In Datastreaming: zeven onverwachte paden die we vandaag volgen, Ori Rafael benadrukt de rol van Data Governance:
“Nu de belangstelling voor datawetenschap en geavanceerde analyses toeneemt, en terwijl SaaS en web- en mobiele applicaties blijven floreren, is het aantal en het bereik van bedrijven die datastreaming gebruiken uitgebreid … Door de complexiteit van het streamen van data moet er aanzienlijk meer nadruk worden gelegd over metadatabeheer, gegevensbeheer en ETL-testen, in vergelijking met traditionele relationele databases. “
In dat geval wordt het van cruciaal belang om de bron van de gegevens, de toegangscontrole en de details van het datagebruik te kennen. Dat is de functie van Data Governance in een typische use case voor streaming analytics. De gecentraliseerde database wordt vaak gebruikt om de uitdagingen van Data Governance te verzachten, namelijk datastromen en datacorrelatietaken door analisten. Een datawarehouse kan ook handig zijn bij het implementeren van een gedegen Data Governance-strategie in een grote onderneming.
Naarmate datameren toenemen en het streamen van gegevens toeneemt, moet het datagovernancebeleid zich voortdurend aanpassen en evolueren, aldus Thomas Brence in Analytics transformeren met gegevensbeheer:
“Door te helpen bij het opbouwen van een datagestuurde cultuur die zich richt op samenwerken in plaats van op controle, en door het juiste bestuursniveau voor uw datameer te kiezen, kunnen uw analyseprojecten slagen met vertrouwde, beheerde data als kern. Dit niveau van vertrouwen helpt ervoor te zorgen dat in uw hele organisatie op uw analyse kan worden vertrouwd om belangrijke zakelijke beslissingen te nemen en strategische initiatieven te stimuleren. “
Afbeelding gebruikt onder licentie van Shutterstock.com
