Undurchschaubarer Datensumpf oder kristallklarer Datensee?

Menge und Variabilität der Daten, die für Analytics zur Verfügung stehen, nehmen seit Jahren massiv zu. Gleichzeitig steigt der Anspruch, den Fachabteilungen an Flexibilität und Agilität an Auswertungen und Analyseverfahren stellen. Die Forderungen nach „agiler Self-Service-BI“ sind aus nahezu jeder Organisation zu vernehmen. Gleichzeitig üben Fachbereiche Kritik an der Umsetzungsgeschwindigkeit der entsprechenden Anforderungen durch die zentralen IT-Abteilungen. Diese wiederum sind mit der Sorge um Wartbarkeit, Stabilität und Kosten der durch die Fachbereiche genutzten operativen Systeme häufig mehr als ausgelastet. Dadurch entsteht in zunehmenden Maße eine IT der zwei Geschwindigkeiten: Fachbereiche versuchen, sich von den zentralen IT-Abteilungen zu emanzipieren und suchen nach Wegen, schnell und ergebnisorientiert Analytics-Lösungen für ihre konkreten Anforderungen zu erstellen, während zentrale IT-Abteilungen den Aufgaben der Wartung und der Abarbeitung von Anforderungen an den bestehenden Systemen kaum hinterher kommen.
In dieser Situation starten viele Unternehmen „Data Lake“ – Projekte. Daten werden in unterschiedlichsten Formaten und großen Mengen in diesem Data Lake abgelegt, und Fachbereiche erhoffen sich, möglichst schnell und flexibel tiefgreifende Erkenntnisse aus den dort abgelegten Daten erlangen zu können. Dabei laufen sie Gefahr, anstatt eines klaren, durchschaubaren Datensees einen undurchsichtigen, schmutzigen Datensumpf zu erzeugen.
Ein Data Lake droht zu ‚versumpfen‘, wenn unkontrolliert Daten in diesen See hineinfließen. Dies führt einerseits dazu, dass Fachbereiche Schwierigkeiten haben, die für ihre Aufgabenstellung relevanten Daten in diesem Datensee überhaupt zu identifizieren und zu finden. Außerdem sind in einem Datensumpf Aussagen über Verlässlichkeit, Korrektheit und Vergleichbarkeit der Daten kaum möglich.

Seiten 69 - 83