Data fabric architecture: Οι βασικές δυνατότητες ενός ιστού δεδομένων

Για να απλοποιηθεί η πρόσβαση στα δεδομένα και να καταφέρουν οι χρήστες να αξιοποιήσουν τις διαθέσιμες πληροφορίες, οι οργανισμοί χρειάζονται μια καλύτερη λύση-προσέγγιση που θα παρέχει αξιόπιστες πληροφορίες και επιχειρηματικά αποτελέσματα πιο γρήγορα και πιο αξιόπιστα. Υπάρχουν πολλές διαφορετικές προσεγγίσεις, αλλά αυτό που στην πραγματικότητα χρειάζεται είναι μία αρχιτεκτονική που μπορεί να χρησιμοποιηθεί ανεξάρτητα από την «περιουσία» των δεδομένων κάθε οργανισμού. Η Data Fabric αρχιτεκτονική απλοποιεί την πρόσβαση που έχουν οι χρήστες στα δεδομένα προσφέροντας ένα υβριδικό τοπίο “multicloud” και βελτιωμένα MLOps και με λειτουργίες τεχνητής νοημοσύνης. Με άλλα λόγια, ελαχιστοποιεί τα εμπόδια που μπορεί να παρουσιαστούν κατά την πρόσβαση, παρέχοντας ταυτόχρονα υψηλή προστασία και την μέγιστη ευελιξία στους χρήστες. Με αυτήν την προσέγγιση, οι οργανισμοί δεν χρειάζεται να μεταφέρουν όλα τα δεδομένα τους σε μια ενιαία τοποθεσία ή σε ένα χώρο αποθήκευσης δεδομένων, ούτε πρέπει να ακολουθήσουν μια εντελώς αποκεντρωμένη προσέγγιση. Οι βασικές δυνατότητες ενός ιστού δεδομένων είναι οι εξής:

Ένας κατάλογος «γνώσης»: Ο κατάλογος γνώσεων χρησιμεύει ως βιβλιοθήκη με πληροφορίες σχετικά με τα δεδομένα σας. Για να σας βοηθήσει να κατανοήσετε τα δεδομένα σας, ο κατάλογος περιέχει ένα γλωσσάρι επιχειρήσεων, ταξινομήσεις, στοιχεία δεδομένων (προϊόντα δεδομένων) με σχετικές πληροφορίες όπως επιχειρηματικούς όρους που σχετίζονται με κάθε στοιχείο δεδομένων, κατόχους δεδομένων, πληροφορίες δραστηριότητας και πολλά ακόμα.

Αυτοματοποιημένος εμπλουτισμός δεδομένων: Για να δημιουργήσετε τον κατάλογο γνώσης, χρειάζεστε υπηρεσίες αυτοματοποιημένης διαχείρισης δεδομένων. Αυτές οι υπηρεσίες περιλαμβάνουν τη δυνατότητα αυτόματης ανακάλυψης και ταξινόμησης δεδομένων, εντοπισμού ευαίσθητων πληροφοριών, ανάλυσης ποιότητας δεδομένων, κ.λπ. Για την αντιμετώπιση ενός τόσο μεγάλου όγκου δεδομένων εντός της επιχείρησης, ο αυτοματοποιημένος εμπλουτισμός δεδομένων απαιτεί έξυπνες υπηρεσίες που καθοδηγούνται από τη μηχανική μάθηση.

Πρόσβαση σε δεδομένα αυτοεξυπηρέτησης: Αυτές οι υπηρεσίες επιτρέπουν στους χρήστες να βρίσκουν, να κατανοούν, να χειρίζονται και να χρησιμοποιούν εύκολα τα δεδομένα με βασικές δυνατότητες διακυβέρνησης όπως δημιουργία προφίλ δεδομένων, προεπισκόπηση δεδομένων, προσθήκη ετικετών και σχολιασμών σε σύνολα δεδομένων, χρησιμοποιώντας διασυνδέσεις SQL ή API.

Έξυπνη ενοποίηση: Οι δυνατότητες ενοποίησης δεδομένων είναι ζωτικής σημασίας για την εξαγωγή, την απορρόφηση, τη ροή, και τη μετατροπή δεδομένων, ανεξάρτητα από το πού βρίσκονται. Χρησιμοποιώντας πολιτικές δεδομένων που έχουν σχεδιαστεί για να μεγιστοποιούν ταυτόχρονα την απόδοση και να ελαχιστοποιούν το κόστος αποθήκευσης και εξόδου, η έξυπνη ενοποίηση συμβάλλει στη διασφάλιση του απορρήτου των δεδομένων. Διακυβέρνηση, ασφάλεια και συμμόρφωση δεδομένων: Με έναν ιστό δεδομένων, υπάρχει ένας ενοποιημένος και συγκεντρωτικός τρόπος δημιουργίας πολιτικών και κανόνων. Η δυνατότητα αυτόματης σύνδεσης αυτών των πολιτικών και κανόνων με τα διάφορα στοιχεία δεδομένων μέσω μεταδεδομένων, όπως ταξινομήσεις δεδομένων, επιχειρηματικοί όροι, ομάδες χρηστών, ρόλοι και άλλα είναι εύκολα προσβάσιμα. Αυτές οι πολιτικές και κανόνες, που περιλαμβάνουν ελέγχους πρόσβασης δεδομένων, απόρρητο δεδομένων, προστασία δεδομένων και ποιότητα δεδομένων, που μπορούν στη συνέχεια να εφαρμοστούν και να επιβληθούν σε μεγάλη κλίμακα.

Τεύχος 63