5G-Abdeckung in Deutschland: EU-Bericht und Wirklichkeit
Redaktion Digital Chiefs
Ein neuer EU-Bericht zu den Fortschritten der Digitalisierung in den Mitgliedsstaaten bescheinigt Deutschland ...
Jahrzehntelang war man bemüht, den Datenschatz zentral zu horten und Spezialist:innen darüber wachen zu lassen. Data Mesh geht den entgegengesetzten Weg, die Datenhoheit dezentral in die Domänen oder Geltungsbereiche zu legen, wo die Daten entstehen.
Computer, Scanner, Digitalkameras, E-Commerce, Smartphones, Tablets, die zunehmende Digitalisierung und Vernetzung einschließlich die über IoT-Geräte haben dazu beigetragen, dass die Datenflut immer mehr anwächst. Viele der Daten sind nur semistrukturiert oder gänzlich unstrukturiert, füllen aber als Big Data die über Data-Warehouse-, Data-Lake- und Cloud-Technologien meist zentral gehaltenen Datenspeicher in vielen Unternehmen und anderen Organisationen. Und dort wachen wie gesagt meist Spezialist:innen wie Gralshüter darüber, ohne von der Außenwelt oder von den Bedürfnissen der Fachabteilungen auf operativer Ebene jeweils etwas zu wissen. Dieses Auseinandergehen der verschiedenen Interessen, hier die Data Scientist, dort die User, die ihrerseits oft gar nicht wissen, auf welchem Datenschatz Erstere sitzen, ist schon länger in der Diskussion in der IT-Welt.
Eine sehr inspirierende und begeisternde Zhamak Dehghani, Director of Emerging Technologies für Nordamerika bei der global operierenden Technologieberatung Thoughtworks, präsentiert in einem Video ihre Lösung vom Data Mesh und dem damit einhergehenden Paradigmenwechsel.
Das Wort Mesh kennen Viele vielleicht von ihrem heimischen WLAN-Netz, wo Router und ein oder mehrere Repeater für eine bessere Signalstärke und Reichweite ein „vermaschtes“ Netz bilden. Das Mesh-Data-Konzept der Technologie-Evangelistin sieht die Abkehr vom zentralen Datenhort hin zu einem domänenorientierten dezentralen Datenmanagement vor. Mit Domänen sind hier keine Network Domains, sondern im wahrsten Sinne des Wortes Zuständigkeitsbereiche in den einzelnen Business Units und Fachabteilungen gemeint.
Denn sie und ihre Kund:innen sind es, wo die Daten meist entstehen, und daher sollten sie auch Teil dieses vermaschten Datennetzes sein. Der Idee liegt gewissermaßen die Demokratisierung der IT und Digitalisierung zugrunde. Auf den Datenschatz in Unternehmen bezogen, rät Dehghani daher auch dazu, diesen nicht nur den Spezialist:innen zu überlassen, sondern mehr in die Hände von Generalisten oder von denen zu legen, die dazu beitragen oder sich dafür begeistern können.
Das soll nicht heißen, dass in den Geschäftsbereichen nur Laien das Datengeschehen mitbestimmen, sondern dort jeweils ebenfalls Datenspezialist:innen im Einsatz sind. Vor allem fehlt es der Thoughtworks-Direktorin meist auch an der Integration der Daten zwischen dem Operativen, der Operational Data Plane, und der Analytical Data Plane in den Data Warehouses oder den späteren Data Lakes. Denn das Extract, Transform, Load (ETL) kommt dort oft nur bruchstückhaft an. Vor allem habe man keinen hoch skalierbaren Zugang zu den vielfach unstrukturierten oder semistrukturierten Daten. Mit dem domänen- und produktorientierten Ansatz werde sich das ändern und man komme so viel schneller und effektiver zu verwertbaren Ergebnissen und unternehmerischen Mehrwerten, so Dehghani.
Domain-Ownership, um von der Vermittlung zwischen Datenquelle- und nutzung weg und schneller hin zu einer Wertschöpfung der Daten zu kommen.
Data-as-a-Product mit Ansätzen von Design Thinking, um Datenbestände samt Code, Richtlinien und Infrastruktur in einem kohärenten Produkt zu bündeln und nicht mehr nur als Asset zu betrachten.
Self-Service-IaaS-Datenplattform, um Reibungsverluste und technologische Komplexität in der Interaktion zwischen Datenproduzent:innen und -nutzer:innen zu beseitigen.
Federated Computional Governance für die Automatisierung von Data-Governance-Richtlinien ohne starre zentrale Kontrolle und domänenübergreifende Vereinbarungen.
Domain-oriented heißt für die Thoughtworks-Managerin unter anderem die Abkehr von fließenden hin zu dienenden Daten direkt an der Quelle, von einem kanonischen Modell hin zu multiplen Modellen für die Datenspeicherung- und -nutzung, von der oft gepredigten One Source of Truth hin zu der relevantesten Kopie für die jeweilige Business Unit und von der technologiegetriebenen, zu einer domänenorientierten Dekomposition (Zerlegung) und Verteilung der Daten.
An die Stelle von Big Platforms sollten Dehghani zufolge Protokolle treten, an die von Spezialisten wie gesagt Generalisten, an die von Mechanismen Erfahrungen und so weiter. Und was die Transformation hin zu einer Federated Computional Governance angeht, sieht sie in Zukunft eher die Bündnisse von Expert:innen bei den Domain Owners und statt den Erfolg an den Datenvolumen zu messen, solle man diesen eher an dem Wert des Mesh-Netzwerkeffekts messen, nämlich dort, wo die Daten gebraucht oder konsumiert werden.
Data-as-a-Product und Federated Computional Governance sollen dabei jeweils verhindern, dass Domänen nicht zu Datensilos werden und gleichzeitig auch den unternehmerischen Mehrwert der Datennutzung steigern helfen, um so das Potenzial der Daten voll ausschöpfen zu können. Daten sind nach dem Verständnis von Mesh Data auch nicht länger nur Nebenprodukte, sondern wertvolle Produkte, die im Netzwerk kooperieren und aufeinander aufbauen. Und aus dem daraus resultierenden Zyklus aus Daten, Analyse und Maßnahmen entwickele sich ein kontinuierlicher unternehmerischer Mehrwert, heißt es in dem deutschsprachigen Whitepaper von Thoughtworks.
Und wenn Unternehmen verteilte Data Teams aufstellen, die auch das entsprechende Fachwissen aus ihren jeweiligen Business Units haben, dann gebe es auch viel weniger Reibungsverluste bei Extraktion, Bereinigung und Analyse der Daten, wie die Data-Mesh-„Erfinderin“ Zhamak Dehghani sagt.
Der Data-Mesh-Ansatz, die Daten oder Big Data nicht zentral zusammenzuführen und ihre Hoheit darüber ein Stück weit den Fachbereichen zu übertragen, wo sie entstehen und auch echte Mehrwerte bringen, leuchtet ein. So auch, Data-as-a-Product zu behandeln und nicht nur als Nebenprodukt, dessen Wert und Nutzen oft gar nicht erkannt wird. Vor allem die (Big) Data Analytics kann davon profitieren. Die Idee ist noch relativ neu, Dehghani hat sie gerade erst 2019 präsentiert. Aber es braucht vielleicht noch ein paar starke Zugpferde, die darauf setzen, um sie noch mehr publik zu machen und tatsächlich das ganze Potenzial der wachsenden Datenflut auszuschöpfen, statt wie oft nur an der Oberfläche zu kratzen.
Quelle Titelbild: Adobe Stock / Gorodenkoff