Wozu benötige ich Datenvirtualisierung?

Friedhelm Reydt Seit 2018 kümmere ich mich bei Fischer um das Strategische Partnermanagement. Zuvor war ich für namhafte IT-System-, Medien- und Beratungshäuser in unterschiedlichen Rollen tätig.

Erfahren Sie alles zum Thema Datenvirtualisierung und ist die Möglichkeit, auf Daten zuzugreifen ohne sich Gedanken darüber zu machen, in welchem Quellsystem und in welchen Datenstrukturen sie physikalisch gespeichert sind.

Inhaltsverzeichnis:

    Datenvirtualisierung

    Moderne Konzepte wie IoT und Industrie 4.0 liefern Maschinendaten automatisiert in diversen Formaten an unterschiedliche Produktivsysteme. Man spricht von Massendaten – englisch Big Data. Eine physische Datenintegration zu Analysezwecken ist bei solchen Datenmengen viel zu kostenintensiv und im Fall zeitversetzter Datenreproduktionen im Endergebnis fehleranfällig. Klassische Data Warehouse oder Data Mart Ansätze verlieren somit vollkommen ihren Reiz, da die Daten zu Analysezwecken immer erst in ein übergeordnetes System kopiert werden müssen. Man spricht dabei von physischer Datenintegration.

    Während bei der physischen Datenintegration Informationen in der Datenstruktur ihres Quellsystems in eine erweiterte Datenstruktur kopiert werden, verbleiben bei einer Datenvirtualisierung sämtliche Informationen im Quellsystem.

    Eine übergeordnete Abstraktionsschicht ermöglicht den virtuellen Zugriff auf die angebundenen Datenquellen und das übergreifende Reporting. Die Konsistenz der Daten wird dabei durch entsprechende Funktionalitäten über definierte Informationsmodelle sichergestellt. Dem Unternehmen ist es möglich, systemübergreifende Sichten zu generieren, ohne Redundanzen in der Datenhaltung in Kauf nehmen zu müssen. Die definierten Sichten liefern dabei stets aktuelle Informationen, da diese in Echtzeit aus den Daten der Produktivsysteme generiert werden. Je nach Leistungsumfang des Systems zur Datenvirtualisierung ist es möglich, die so selektierten Daten in einem gewünschten Format einem Zielsystem z.B. einem Dashboard oder einer Service-App zur Verfügung zu stellen.

    Neue, datenbasierte Geschäftsmodelle können somit mit Hilfe der Datenvirtualisierung mit geringem Zeitaufwand mit den erforderlichen Daten ausgestattet und unternehmerische Entscheidungsprozesse aufgrund fundierter Informationen erheblich beschleunigt werden.

    Zusammenfassung: Vor- und Nachteile der Datenvirtualisierung

    Vorteile

    • Zeitersparnis in der Realisierung von Anwendersichten
    • Anwendersichten liefern aktuelle Informationen
    • Verlässlichkeit der Analyseergebnisse
    • Kostenersparnis bei IT-Ressourcen z.B. in der Datenhaltung und im Daten Management
    • Verbesserte Sicherheit z.B. durch Reduzierung möglicher Datenlecks
    • Amortisierung der Lösung innerhalb eines Jahres möglich
    • Reduzierung der Time-to-Market bei neuen digitalen Serviceideen und Produkten

    Nachteile

    • Häufige Abfragen der Abstraktionsschicht kann zu Performanceeinbrüchen in den Produktivsystemen führen
    • Es sind nur Echtzeitanalysen möglich (Analysen der Datenhistorie bedingen den Einsatz einer Data Warehouse Lösung)