Moderne Datenarchitekturen für Analytics

Ihr Experte für Fragen

Stephan Bautz
Senior Manager bei PwC Deutschland
Tel.: +49 170 536 1456
E-Mail

 

Data Architecture – Zentraler Baustein für datengetriebene Entscheidungen

Datenarchitekturen haben sich in den letzten Jahren stark geändert. Dabei haben sich neben den bekannten Lösungen (Data Warehouse / Data Lake) auch weniger bekannte (z. B. Data Fabric) oder Mischformen (z. B. Data Lakehouse) als Best Practices etabliert, die aber wenige Jahre später schon wieder überholt wurden. Diese schnellen Evolutionsschritte zeigen, dass es vor allem wichtig ist, auf die sich ändernden Anforderungen durch neue Daten-Use-Cases eingehen zu können und dabei gleichzeitig flexibel in der zugrundeliegenden Technologie zu sein.

Moderne Datenarchitekturen stellen keine Technologie in den Fokus, sondern ermöglichen Mitarbeitende die Verantwortung für ihre Daten(-produkte) zu übernehmen.

Die Erfahrung aus einer Vielzahl von Projekten zeigt, dass es auf 6 zentrale Elemente ankommt, die Hand in Hand gehen und sauber aufeinander abgestimmt werden müssen: (1) Anwendungsfälle, (2) Daten, (3) Technologie, (4) Prozesse, (5) Mitarbeiter & Organisation sowie (6) Kultur. Dass es bei Datenarchitekturen nicht mehr nur um Technologien geht zeigt vor allem der neueste Trend, das Data Mesh, indem es die Organisation und damit vor allem Prozesse, Mitarbeiter und Kultur in den Vordergrund stellt.

Viele Beteiligte, eine Architektur

Eine moderne Data Architecture lässt die Grenzen zwischen Datenarchitektur und Technologiearchitektur verschwimmen und sorgt dafür, dass Anwendern benötigte Daten in der richtigen Qualität, Geschwindigkeit und Granularität zur Verfügung stehen. Gleichzeitig sind viele unterschiedliche Stakeholder am Lifecycle und an den Prozessen eines Datensatzes beteiligt. Von Entstehung und Ablage in einem Speicher über die Erzeugung von Datenprodukten, der Verifikation, der Nutzung in AI-Modellen und der Bereitstellung in einem Data Marketplace bis zur finalen Nutzung sind viele Methoden, Technologien und Teams beteiligt. Diese arbeiten teils zentralisiert, wie man es bei großen Speichern wie Data Lakes kennt, bis hin zu hochspezialisierten Teams, die im Business sitzen. Wir unterstützen Sie dabei, eine moderne Data Architecture zu entwerfen, die aus dieser Landstraße eine Autobahn macht.

Infografik: Übersicht einer modernen Data Architecture

Unsere Services im Überblick

Data Readiness Assessment

Anhand weniger definierter Fragen bewerten wir anhand einer effizienten Analyse die aktuelle Reife der analytischen Fähigkeiten Ihrer Datenlandschaft. Hierdurch erhalten Sie eine schnelle Einordnung und können die nächsten Schritte zum Steigern des Reifegrades strukturiert angehen.

Zentrale vs. Dezentrale Architekturen

Der in den letzten Jahren oft verwendete Data Lake ist ein Architektur-Pattern, bei dem Daten zentral in einem skalierbaren Datenspeicher abgelegt und von ebenfalls zentralisierten Teams verwaltet werden. Dazu zählen vor allem die Rollen Data Ingestion, Data Engineering / Data Quality und Data Science, welche zentral aufgebaut wurden, um analytische Use Cases im ganzen Unternehmen zu ermöglichen.

In letzter Zeit hat sich mit dem Data Mesh Konzept ein neuer Trend entwickelt, der diese zentralen Teams als Bottleneck identifiziert und versucht, durch organisatorische Anpassungen die Schwachstellen des Data Lake Konzepts aufzulösen. Gleichzeitig wird in einem Data Mesh auch der Umgang mit Daten geändert, da diese als sogenannte „Data Products“ bereitgestellt und wiederverwendet werden. Das Data Mesh Konzept greift dabei Einflüsse aus den Lösungsmustern „Microservice“, „Data Fabric“, „Data Virtualization“ und „Data Marketplace“ auf und kombiniert diese mit einer zentralen Dateninfrastruktur.

Was empfehlen wir?

Jedes Unternehmen ist einzigartig in seinen Businesszielen, den bestehenden Systemen sowie in der Datenorganisation und -kultur. In unserem Ansatz nutzen wir einen Readyness-Check um Ihren individuellen Stand zu evaluieren und eine Vision & Mission abzuleiten. Darauf aufbauend entwickeln wir gemeinsam mit Ihnen ein strategisches Zielbild, dass im Folgenden weiter verfeinert und implementiert wird.

Infografik: Roadmap

Weitere Schwerpunkte von Data Intelligence

Follow us
Hide

Contact us

Andreas Hufenstuhl

Andreas Hufenstuhl

Partner, Data & AI Use Cases, PwC Germany

Tel.: +49 1516 4324486

Stephan Bautz

Stephan Bautz

Senior Manager, PwC Germany

Tel.: +49 170 5361456