Streszczenie: Wzrost samodzielnego dostępu i przetwarzania danych spowodował pojawienie się nowych użytkowników technologii Data Management, a także nowych zastosowań tej technologii. Tradycyjnie z tych rozwiązań korzystali deweloperzy danych, jednak obecnie ich rola ewoluuje, a coraz większe znaczenie mają funkcje wspierające automatyzację procesów. Kolejną grupą są stewardzi danych, którzy odpowiadają za poprawność danych i tworzenie reguł ich używania. Analitycy danych, tacy jak data scientists, również coraz częściej przetwarzają dane na własne potrzeby, co wymaga od systemów dostosowanych narzędzi. Wszystkie grupy użytkowników oczekują efektywnej nawigacji po danych, odpowiednich narzędzi i mechanizmów kontroli dostępu. Nowoczesne rozwiązania Data Management powinny wspierać demokratyzację dostępu do danych, autonomiczne funkcje i inteligentne wsparcie dla projektów ad hoc.
Nasilająca się tendencja samodzielnego dostępu i przetwarzania danych powoduje, że pojawili się zupełnie nowi użytkownicy rozwiązań Data Management i nowe przypadki zastosowań tej technologii.
Tradycyjnie z rozwiązań Data Management korzystają deweloperzy danych: znają dane, wiedzą, jak napisać i uruchamiać procesy ekstrakcji, transformacji i ładowania (ETL), ze względu na wiedzę techniczną i doświadczenie mogą pełnić funkcje instruktorów, ekspertów od SQL. Ich rola w dalszym ciągu jest znacząca i jakkolwiek w zupełności radzą sobie, wykorzystując języki programistyczne, to obserwuje się wzrost oczekiwań co do wbudowanych, zaawansowanych funkcji wspierających, automatyzujących powtarzalne czynności i zwiększających przez to efektywność ich pracy.
Data Management w dobie cyfryzacji. Część 2: użytkownicy i funkcje
Rys.3. Typy użytkowników rozwiązań Data Management
Kolejna grupa to stewardzi danych. Odpowiadają za poprawność i kompletność danych, raportowanie nieprawidłowości i błędów. Nie zawsze posiadają wybitne umiejętności techniczne, konieczne do pisania procesów przetwarzania danych, ale to oni tworzą reguły korzystania z danych i logiki łączenia danych z różnych zbiorów, utrzymują dane referencyjne, mają w swojej pieczy dane główne klienta czy produktu (master data).
Trzecią klasą użytkowników są analitycy danych. To mogą być data scientists, kreatorzy raportów albo analitycy biznesowi, którzy zwykle byli odbiorcami wyników końcowych, wykorzystywanych do zaawansowanych analiz lub złożonych raportów, jednak coraz częściej wyrażają zainteresowanie samodzielnym przetwarzaniem danych na swoje potrzeby. Posiadają zróżnicowane umiejętności i różny stopień znajomości wykorzystywanych danych, więc oczekują od rozwiązań ułatwień technicznych kompensujących braki w umiejętnościach oraz przejrzystego kompendium wiedzy o zgromadzonych danych.
Wszystkie te grupy mają różne potrzeby odpowiadające ich rolom w organizacji, ale wszyscy potrzebują efektywnej nawigacji po dostępnych źródłach danych, zestawu dopasowanych do własnych potrzeb narzędzi i interfejsów oraz zupełnie nowej kategorii funkcjonalności do zarządzania bezpieczeństwem i dostępem do danych. W czasach demokratyzacji uległa zmianie rola dewelopera jako strażnika bezpieczeństwa danych, dlatego od rozwiązań Data Management oczekuje się wbudowanych mechanizmów kontroli i uwierzytelniania użytkowników danych zlokalizowanych w przedsiębiorstwie i w zasobach chmurowych.
Jakie zatem powinny być kluczowe cechy nowoczesnego rozwiązania Data Management klasy Enterprise?
Przede wszystkim powinno wspierać demokratyzację dostępu do danych. Każda z grup użytkowników powinna mieć do dyspozycji narzędzia umożliwiające skorzystanie z jego wszystkich funkcji, przy czym interfejsy i dostępne procedury powinny być dopasowane do roli i umiejętności użytkowników.
Po drugie, dostępne funkcje powinny mieć charakter autonomiczny, ułatwiający ich użycie poza samym systemem, w dowolnym miejscu firmowej architektury, w sposób analogiczny do integracji poprzez interfejs aplikacyjny API. Takie rozwiązanie ma na celu wielokrotne wykorzystanie danej funkcjonalności w wielu procesach czy projektach, a także ogranicza zbędny ruch danych. Dobrym przykładem jest wbudowanie w bazę czy strumień danych algorytmów kontroli jakości czy algorytmów profilujących.
Kolejną istotną cechą jest inteligentne wsparcie dla użytkowników realizujących projekty ad hoc, eksplorujących dane w poszukiwaniu nowych rozwiązań i zastosowań danych. Paleta narzędzi umożliwiająca jednoczesny dostęp do danych w różnych formatach i technologiach, wspierająca czyszczenie, integrację i eksplorację danych w znaczący sposób redukuje czasochłonność całego procesu, a jednocześnie eliminuje lub znacząco odciąża bardziej zaawansowanych technicznie deweloperów.
Data Management w dobie cyfryzacji. Część 2: użytkownicy i funkcje
Rys.4. Nowoczesne rozwiązanie Data Management
Skrócenie czasu i redukcja uciążliwości związanych z eksploracją i przetwarzaniem danych pozostawia użytkownikom więcej czasu na wydobycie wartości z danych. Rozwiązania Data Management nie są przecież celem samym w sobie, ale środkiem do realizacji działań przynoszących konkretne korzyści biznesowe.
Określenie „rozwiązanie klasy Enterprise” oznacza przede wszystkim trzy cechy: łatwy dostęp do danych dla różnych grup użytkowników (o czym była już mowa), skalowalność, możliwość bieżącego zarządzania zbiorami big data, zawierającymi miliardy rekordów oraz niezawodność i zaufanie do danych niezbędne przy przetwarzaniu danych dla systemów o krytycznym znaczeniu dla przedsiębiorstwa.
Ostatni element to wsparcie dla spójnej polityki zarządzania jakością i bezpieczeństwem. Powinno uwzględniać współczesne trendy w technologii informatycznej, takie jak ograniczanie ruchu danych między systemami, lokalizacje rozproszone (we własnej infrastrukturze, w chmurze, w urządzeniach) oraz tendencję do ekstrakcji ze strumienia danych jedynie istotnych informacji i ignorowania szumu. Zapewnienie odpowiedniej jakości oraz zarządzanie i monitorowanie dostępu do danych w każdej lokalizacji z osobna oraz w całej organizacji wymaga sprawnych, elastycznych narzędzi.
Rozwiązania Data Management w dobie cyfryzacji to przede wszystkim:
właściwe dane, we właściwym formacie i czasie, te powtarzalne na potrzeby operacyjne oraz te ad hoc na potrzeby podejmowania decyzji i tworzenia nowych rozwiązań biznesowych,
przejrzysty wgląd w jakość, dający decydentom pewność, że podejmowane decyzje wsparte są odpowiedniej jakości danymi,
uczynienie z danych istotnej dla firmy wartości, przeniesienie z głębokiego technicznego zaplecza do centrum dowodzenia.
Ten tekst jest częścią projektu How to do IT. To twój sprawdzony przewodnik po cyfrowej transformacji i technologiach dla biznesu. Zapisz się na newsletter projektu!
