Browsing: Datenmanagement

Wörterbücher für Geschäftsleute sind voll von Plattitüden. Natürlich sollten sie ihre Kunden kennen, sind ihre Mitarbeiter der wichtigste Vermögensgegenstand und ihre Unternehmen nur so gut wie deren Produkte. Doch bleiben diese Aussagen so lange Binsenweisheiten, wie die Unternehmen nicht wissen, was sie wissen – weil sie die Silogrenzen ihrer zahllosen Systeme und Datentöpfe nicht überwinden können und deshalb keine 360-Grad-Sicht zum Beispiel auf ihre Kunden haben?

Datenmengen wachsen exponentiell, gleichzeitig entwickeln Unternehmen Produkte, um diese Daten zu nutzen und ihren Kunden bessere Dienstleistungen anzubieten. Dieses exponentielle Wachstum kann jedoch nicht einfach durch ein ähnliches Wachstum von Ausgaben in Infrastruktur und Personal aufrechterhalten werden. Heute stehen in jeder der großen Clouds (AWS, Azure) über hundert Dienste zur Verfügung, die zum Aufbau einer Datenplattform genutzt werden können. Weiterhin gibt es Hunderte von Unternehmensdiensten, die ebenfalls in eine Datenplattform integriert werden müssen. Datenverantwortliche und Plattform-Administratoren haben die Aufgabe, die richtigen Dienste und Produkte bereitzustellen, um die Datenanforderungen ihres Unternehmens zu erfüllen. Diese Dienste müssen skalierbar, zuverlässig, richtlinienkonform und innerhalb…

Rechenzentren entwickeln und verändern sich so stark, dass es schwierig sein kann, Schritt zu halten: Schlagworte wie Cloud, Hybrid Cloud, Multi-Cloud, Software as a Service wie Office 365, Virtualisierung und Container bringen einen massiven Änderungsbedarf der aktuellen Storage-Konzepte mit sich, denn sie führen zu einer Massenfragmentierung der Daten. Sicherung und Wiederherstellung gehören traditionell zu den wichtigsten Aufgaben im Speicherumfeld. Doch die angestammten Backup- und Restore-Lösungen – inklusive der zugehörigen Wiederherstellungspläne – sind in vielen Fällen nicht mehr zeitgemäß. Modernere Konzepte sind gefragt, die vor allem eine schnelle Wiederherstellung bieten: Die „Restore-Messlatte“ liegt heutzutage bereits bei Hunderten von virtuellen Maschinen (VMs)…

Unternehmen verfügen über eine Fülle von Informationen, die in verschiedenen Quellen gespeichert sind. Diese Daten für Reportings, Business Intelligence und Machine Learning zusammenzuführen, ist eine der größten Herausforderungen, wenn es darum geht, Geschäftsnutzen aus Daten zu ziehen. Das Data Ingestion Network führt alles zusammen.

Die Im Zeitalter von Big Data könnte man davon ausgehen, dass man gar nicht genug Daten haben könnte. Denn aus Daten lassen sich in der Theorie wichtige Erkenntnisse ziehen, die Unternehmen zu ihrem Vorteil nutzen können. Und so sammeln Unternehmen seit Jahren fleißig Daten aus immer mehr Quellen ein – und stehen damit auch vor der immer komplexeren Aufgabe diese Daten sinnvoll verarbeiten zu müssen.

Bereits im ersten Teil dieser Beitragsreihe  wurde gezeigt, dass das Volumen der am Edge erzeugten Daten zu groß sein wird, als dass ihre Analyse komplett in der Public Cloud erfolgen wird. Ein neuer Ansatz muss her, der aus dem industriellen Internet der Dinge echtes Edge Computing macht – allen Ressourcenbeschränkungen der Geräte zum Trotz. Zwei Beispiele sollen diesen Ansatz verdeutlichen.

1 2 3