Az üzleti agilitás miatt szükség lehet a nyers adathalmazok gyors elemzésének képességére, de ez nem teszi feleslegessé a klasszikus adattárházakat.
Amikor közel két évtizede megjelentek az első adattárházak a vállalatoknál, a legnagyobb kihívást az adatínség, az üzletileg releváns adatok megtalálása és kinyerése jelentette. Manapság viszont inkább az adatbőség jelent gondot, mondja Zborovján Gábor, a T-Systems Digitális IT megoldások presales területének vezetője. A kihívás mára az lett, hogy rendkívüli mennyiségű és változatos formátumú adatból miként lehet kiválogatni az üzletileg hasznosíthatókat.
Ne fulladj a tóba!
Az adatbőség miatt számos vállalatnál használnak data lake-et, amelyben a maga eredeti formájában összegyűjthető mindenféle strukturált és strukturálatlan adat, az adatbázisoktól a videókon át a Facebook-bejegyzésekig. Az adatokat akár közvetlenül a data lake-ből is ki lehet nyerni további feldolgozásra és elemzésre. – Ezzel a megközelítéssel azonban nem árt vigyázni – figyelmeztet Ponori-Thewrewk Ajtony, a T-Systems BI és Big Data tanácsadója. Bár valóban lehetővé teszi az adatok gyors kiaknázását, önmagában csak káoszt jelent. Az adatok integrálásával, strukturálásával, egységes fogalmi keretbe helyezésével az adattárházak továbbra is rendkívül fontos feladatokat látnak el. A T-Systems szakértői éppen ezért a hibrid adattárház koncepció megvalósítását, vagyis a data lake és az adattárház együttes használatát tanácsolják.
Fedezd fel és aknázd ki!
Hogyan működik egy ilyen rendszer? Az új adatköröket először a data lake-be vezetik be, ahol azonnal el is kezdenek kísérletezni az adatokkal. „Villámgyorsan készíthetünk elemzési szcenáriókat, kideríthetjük, hogy melyik adattal tudunk kezdeni valamit, milyen összefüggéseket érdemes vizsgálni, melyeket nem. Ez a data discovery, az adatok értelmezésének fázisa”, mesél az első lépésről Ponori-Thewrewk Ajtony.
|
Raktár és svédasztal Elvileg minden üzleti felhasználó végezhetné az elemzéseket a data lake-ből közvetlenül kinyert adatokon, de nem tanácsos, és Ponori-Thewrewk Ajtony egy szemléletes példával el is magyarázza, hogy miért nem. „A data lake olyan, mint az étterem nyersanyagraktára. Az ott lévő hozzávalókból mindent el lehet készíteni, pont úgy, ahogy a vendég szeretné. Ehhez azonban szakértelem és idő kell. Az adattárház a svédasztal: hegyekben állnak az elkészített ételek, szabadon lehet közülük választani, kedvünk szerint ízesíthetjük, és két perccel azután, hogy beléptünk az étterembe, már ehetünk is. Az adatok esetében a fogyasztást a könnyen kezelhető dashboardok és vizualizációs eszközök segítik”, mondja. |
Amikor aztán kiderült, hogy milyen adatokból milyen információt lehet és érdemes kinyerni, mire van szüksége az üzletnek, már érdemes a kiválasztott adatokat megfelelő formában és struktúrában integrálni az adattárházba. Az ott tárolt adatokhoz sztenderd lekérdezéseket és dashboardokat készítenek, és megfelelő vizualizációval látják el, hogy az üzleti felhasználók értelmezni is tudják azokat. „A kontroll és az adatgovernance szempontjából nélkülözhetetlen az adattárház, de az új kor kihívásainak menedzselésére önmagában már kevés”, mondja Zborovján Gábor.
Az adatelemzés azonban nemcsak technológiai kérdés, teszi hozzá. Hiába a legmodernebb BI-eszköz, ha az üzleti felhasználók nem tudják értelmezni az adatokat. Éppen ezért a technológiai fejlesztéseket mindig követnie kell a vállalati adatkultúrának, a dolgozók képzettségének is.
