การ์ทเนอร์ ตั้งชื่อ Data Fabric เพื่อช่วยองค์กรในการตรวจสอบและจัดการข้อมูลและแอปพลิเคชันของตน การรวบรวมข้อมูลและการเป็นองค์กรที่ขับเคลื่อนด้วยข้อมูลเป็นสิ่งที่ท้าทายกว่าที่เคย เนื่องจากธุรกิจต่างๆ ใช้แอปที่หลากหลาย และข้อมูลจะมีไดนามิกมากขึ้น
บริษัทต่างๆ ต้องการกลยุทธ์ที่ครอบคลุมในบรรดาการพัฒนาเทคโนโลยีข้อมูลและการวิเคราะห์สิบอันดับแรกเพื่อแก้ปัญหาดังกล่าว ข้อมูลจากแหล่งข้อมูลและหลายประเภทถูกรวมเข้าด้วยกันเพื่อสร้างแหล่งข้อมูลเสมือนแบบครบวงจร การเข้าถึงและการแลกเปลี่ยนข้อมูลที่ราบรื่นทั่วทั้งโครงสร้างพื้นฐานแบบกระจายนี้เกิดขึ้นได้ด้วยสถาปัตยกรรมแบบบูรณาการนี้ โดยไม่คํานึงถึงแอปพลิเคชัน แพลตฟอร์ม หรือสถานที่จัดเก็บ
ในบล็อกนี้ เราจะพูดถึงว่า Data Fabric คืออะไร ความสําคัญ เคล็ดลับ และแนวทางปฏิบัติที่ดีที่สุด
Data Fabric คืออะไร?
Data Fabric เป็นสถาปัตยกรรมแบบบูรณาการที่ใช้ข้อมูลเพื่อนําเสนอปลายทางในสภาพแวดล้อมมัลติคลาวด์แบบไฮบริดที่มีความสามารถที่สอดคล้องกัน สถาปัตยกรรมแบบบูรณาการนี้ช่วยเพิ่มการมองเห็น การเข้าถึง และการควบคุมโดยการสร้างวิธีการที่สอดคล้องกันสําหรับกลยุทธ์การจัดการข้อมูล สิ่งสําคัญที่สุดคือมันสร้างความสอดคล้องทั่วทั้งสภาพแวดล้อมของคุณทําให้สามารถใช้และแบ่งปันข้อมูลได้ทุกที่
สถาปัตยกรรมแบบบูรณาการนี้เป็นเครื่องมือหลักสําหรับหลายบริษัทในการแปลงข้อมูลดิบให้เป็นข่าวกรองธุรกิจที่นําไปปฏิบัติได้ ทําให้การวิเคราะห์สามารถเข้าถึงได้มากขึ้น โดยเฉพาะอย่างยิ่งสําหรับการใช้ AI และการเรียนรู้ของเครื่อง เนื่องจากสามารถลดความพยายามในการจัดการข้อมูลได้มากถึง 70% Gartner จึงเลือกให้เป็นเทรนด์เทคโนโลยีเชิงกลยุทธ์อันดับต้น ๆ สําหรับปี 2022
เรียนรู้เกี่ยวกับ: การจัดการข้อมูลลูกค้า
บริษัทต่างๆ มักคัดลอกข้อมูลของตนเพื่อรวมไว้ในที่เดียว ซึ่งมีค่าใช้จ่ายสูงและอาจทําให้เกิดปัญหาการปฏิบัติตามข้อกําหนดและความปลอดภัยของข้อมูลตลอดวงจรชีวิตของข้อมูล แต่ยังมีเหตุผลที่ดีในการรวมข้อมูลนั้น ธุรกิจจํานวนมากอาจเลือกใช้โครงสร้างข้อมูลเป็นโซลูชันทางสถาปัตยกรรมเพื่อให้สามารถ:
- เข้าถึงข้อมูลที่มีอยู่
- ควบคุมวงจรชีวิตของข้อมูล
- ทําให้กระบวนการเคลื่อนย้ายข้อมูลเป็นไปโดยอัตโนมัติ
ความสําคัญของโครงสร้างข้อมูล
องค์กรไม่สามารถใช้ประโยชน์และเพิ่มมูลค่าของข้อมูลได้ทั้งหมดเนื่องจากปัญหาต่างๆ รวมถึงการเข้าถึงข้อมูลที่จํากัด (เช่น ผู้ที่ต้องการข้อมูลไม่สามารถเข้าถึงข้อมูลได้) และความซับซ้อนของการรวมข้อมูล
การรวมข้อมูลแบบดั้งเดิมไม่เพียงพอสําหรับความต้องการทางธุรกิจอีกต่อไป เช่น การแปลงสากล การเชื่อมต่อแบบเรียลไทม์ ฯลฯ หลายบริษัทต้องการความช่วยเหลือในการรวม ผสานรวม และแปลง ข้อมูลองค์กร จากแหล่งต่างๆ
Data Fabric ช่วยให้ผู้ใช้เข้าถึงข้อมูลที่หลากหลายได้ทันทีและช่วยให้สามารถแสดงภาพได้ไม่ว่าผู้ใช้จะอยู่ที่ใด การกํากับดูแลและการจัดการข้อมูลในภูมิทัศน์ข้อมูลแบบมัลติคลาวด์สามารถทําให้ผู้ใช้ง่ายขึ้นโดยใช้แฟบริกข้อมูล
เคล็ดลับและแนวทางปฏิบัติที่ดีที่สุด
ข้อมูลเมตาทางธุรกิจ การดําเนินงาน และทางเทคนิคควรได้รับการจัดการอย่างแข็งขันหากโครงสร้างข้อมูลได้รับการควบคุมอย่างดี แคตตาล็อกข้อมูลและพจนานุกรมทางธุรกิจจะต้องมีให้สําหรับพนักงานบริษัททุกคนเพื่อให้สิ่งนี้เกิดขึ้น
ทุกคนในองค์กรสามารถแบ่งปันความรู้เกี่ยวกับข้อมูลขณะใช้งานข้อมูลได้ ต้องเก็บกําหนดการไว้สําหรับแหล่งที่มาของต้นทางทั้งหมดเพื่อให้มีการนําเข้าข้อมูลเมตาในอัตราที่อนุญาตให้มีการเบี่ยงเบนข้อมูลในปริมาณที่เหมาะสม
นี่คือเคล็ดลับและแนวทางปฏิบัติที่ดีที่สุด:
-
ใช้โมเดลกระบวนการ DataOps
แม้ว่าแนวคิดของ dataOps และ data fabric จะแตกต่างกัน แต่ dataOps สามารถเป็นตัวเปิดใช้งานที่สําคัญได้ กระบวนการข้อมูล เครื่องมือ และผู้คนที่ใช้ข้อมูลเชิงลึกล้วนเชื่อมโยงกันอย่างใกล้ชิด ตามแบบจําลองของกระบวนการ DataOps
ผู้ใช้อยู่ในตําแหน่งที่จะพึ่งพาข้อมูลอย่างต่อเนื่องใช้เครื่องมือที่มีอยู่อย่างมีความหมายและใช้ข้อมูลเชิงลึกเพื่อปรับปรุงการดําเนินงาน โมเดลนี้และการออกแบบสถาปัตยกรรมของผ้าข้อมูลทํางานร่วมกันอย่างกลมกลืน ผู้ใช้จะต้องมีโมเดลกระบวนการ DataOps และทัศนคติของ DataOps เพื่อใช้ประโยชน์สูงสุดจากมัน
-
หลีกเลี่ยงการสร้างที่จัดเก็บข้อมูลดิบอื่น
เมื่อสร้างแฟบริกข้อมูลปัญหาทั่วไปคืออาจกลายเป็นเพียงที่จัดเก็บข้อมูลดิบอื่น . หากมีส่วนประกอบทางสถาปัตยกรรม เช่น แหล่งข้อมูล การวิเคราะห์ เทคนิค BI การส่งข้อมูล และการใช้ข้อมูล แต่ API และ SDK หายไป ผลลัพธ์จะไม่ใช่โครงสร้างข้อมูลที่แท้จริง
คําว่า “Data Fabric” หมายถึงการออกแบบสถาปัตยกรรมมากกว่าเทคโนโลยีเฉพาะ คุณสมบัติที่โดดเด่นของการออกแบบนี้รวมถึงการทํางานร่วมกันของส่วนประกอบและความพร้อมในการผสานรวม ด้วยเหตุนี้ องค์กรจึงต้องจัดลําดับความสําคัญของเลเยอร์การเชื่อมต่อ การส่งข้อมูลที่ราบรื่น และการส่งมอบข้อมูลเชิงลึกอัตโนมัติไปยังอินเทอร์เฟซส่วนหน้าที่เชื่อมต่อใหม่
-
ตระหนักถึงภาระหน้าที่ด้านกฎระเบียบและการปฏิบัติตามข้อกําหนดของคุณ
การออกแบบโครงสร้างข้อมูลจึงสามารถช่วยในเรื่องความปลอดภัย การกํากับดูแลแบบเรียลไทม์ และการปฏิบัติตามกฎระเบียบ ข้อมูลไม่ได้กระจายไปในหลายระบบ ดังนั้นจึงมีโอกาสน้อยที่ข้อมูลที่ละเอียดอ่อนอาจถูกเปิดเผย
สิ่งสําคัญคือต้องเข้าใจการปฏิบัติตามกฎระเบียบและข้อบังคับที่บังคับใช้กับข้อมูลของคุณ ข้อมูลประเภทต่างๆ อาจอยู่ภายใต้กรอบการกํากับดูแลและกฎหมาย คุณสามารถจัดการกับสิ่งนี้ได้โดยใช้ขั้นตอนการปฏิบัติตามข้อกําหนดอัตโนมัติที่บังคับให้แปลงข้อมูลตามความจําเป็นเพื่อให้เป็นไปตามข้อกําหนดทางกฎหมาย
-
ใช้การวิเคราะห์กราฟเพื่อค้นหาการเชื่อมต่อระหว่างกัน
ด้วยการใช้กราฟความรู้เพื่อแสดงข้อมูลเมตาและความสัมพันธ์ของข้อมูลการวิเคราะห์กราฟจึงเป็นทางเลือกที่ชาญฉลาดกว่าฐานข้อมูลเชิงสัมพันธ์ แทนที่จะใช้สตริงข้อความเพียงอย่างเดียว แต่จะเติมข้อมูลด้วยบริบทเชิงความหมายเพื่อทําความเข้าใจว่าข้อมูลระบุอะไร
กราฟความรู้สามารถให้ข้อมูลเชิงลึกด้านการดําเนินงานและธุรกิจโดยการตรวจสอบความเชื่อมโยงระหว่างแหล่งข้อมูล เมื่อเทียบกับวิธีฐานข้อมูลเชิงสัมพันธ์ การรวมข้อมูลที่หลากหลายจะดีกว่า และข้อมูลเชิงลึกที่ค้นพบยังมีประโยชน์ต่อผู้ใช้ทางธุรกิจมากกว่าอีกด้วย เนื่องจากเป้าหมายหลักของสถาปัตยกรรมแบบบูรณาการนี้คือการเปิดใช้งานการใช้แหล่งข้อมูลต่างๆ อย่างกว้างขวางโดยไม่ซ้ําซ้อน กราฟความรู้ที่ขับเคลื่อนโดยการวิเคราะห์กราฟจึงเหมาะอย่างยิ่งสําหรับสิ่งทอข้อมูล
-
สร้างตลาดข้อมูลสําหรับนักพัฒนาพลเมือง
โดยปกติสถาปัตยกรรมแบบบูรณาการนี้จะผลิตและส่งข้อมูลเชิงลึกโดยตรงไปยังแอปพลิเคชันทางธุรกิจหรือสร้างที่เก็บข้อมูลที่กระจัดกระจายสําหรับการตรวจสอบโดยไอทีหรือทีมข้อมูลของคุณ ตลาดข้อมูลที่ทําให้การเข้าถึงเป็นประชาธิปไตยสําหรับนักพัฒนาพลเมืองเป็นอีกวิธีหนึ่งในการใช้ประโยชน์จากความเป็นไปได้
ข้อมูลจากตลาดนี้สามารถใช้เพื่อสร้างโมเดลใหม่สําหรับกรณีการใช้งานที่เกิดขึ้นใหม่โดยผู้ใช้ทางธุรกิจที่มีความเข้าใจพื้นฐานเกี่ยวกับการวิเคราะห์ข้อมูลและประสบการณ์การวิเคราะห์ธุรกิจหลายปี ธุรกิจสามารถช่วยให้นักพัฒนาพลเมืองสามารถใช้งานได้ในรูปแบบใหม่และยืดหยุ่นนอกเหนือจากการพัฒนา BI ที่ใช้เฉพาะกรณี
-
ใช้เทคโนโลยีโอเพ่นซอร์ส
เมื่อสร้างการประดิษฐ์ข้อมูลโอเพ่นซอร์สสามารถเป็นตัวเปลี่ยนเกมได้ เนื่องจากมีวัตถุประสงค์เพื่อให้สามารถขยายได้และพร้อมสําหรับการผสานรวมเทคโนโลยีโอเพ่นซอร์สจึงเหมาะสมที่สุดสําหรับสถาปัตยกรรม
เนื่องจากอาจต้องมีการลงทุนจํานวนมากและคุณต้องการปกป้องการลงทุนนั้นแม้ว่าคุณจะตัดสินใจโอนผู้ให้บริการในภายหลังส่วนประกอบโอเพนซอร์สอาจช่วยให้คุณพึ่งพาผู้ขายรายเดียวน้อยลง อย่าลืมดูโปรเจ็กต์ Open Data Fabric ที่เพิ่งเปิดตัว ซึ่งช่วยให้ไปป์ไลน์การประมวลผลข้อมูลการสตรีมแบบกระจายอํานาจโดยใช้ข้อมูลขนาดใหญ่และบล็อกเชน
-
เปิดใช้งานการผลิตโค้ดเนทีฟ
ฟังก์ชันที่สําคัญของโซลูชัน Data Fabric ของคุณคือการสร้างโค้ดแบบเนทีฟ ซึ่งช่วยให้สามารถสร้างโค้ดที่สามารถใช้สําหรับ การรวมข้อมูลลูกค้าได้โดยอัตโนมัติ อาจเป็นไปได้ที่จะสร้างโค้ดที่เหมาะสมที่สุดในภาษาต่างๆ หลายภาษา รวมถึง Spark, SQL และ Java แม้ว่าจะวิเคราะห์ข้อมูลที่เข้ามาก็ตาม
ผู้เชี่ยวชาญด้านไอทีสามารถใช้โค้ดนี้เพื่อรวมระบบใหม่ที่ API และ SDK อาจยังต้องใช้อยู่ วิธีนี้จะช่วยให้คุณสามารถรวมระบบข้อมูลใหม่ได้อย่างรวดเร็วและง่ายดายโดยไม่ต้องกังวลเกี่ยวกับต้นทุนการรวมหรือการลงทุนที่สูง นอกจากนี้ยังช่วยให้คุณเร่งการเปลี่ยนแปลงทางดิจิทัลของคุณ โปรดจําไว้ว่าการสร้างโค้ดดั้งเดิมจําเป็นต้องทํางานร่วมกับตัวเชื่อมต่อสําเร็จรูปเพื่อให้ใช้งานง่าย
-
ปรับปรุง Data Fabric สําหรับ Edge Computing
องค์กรต่างๆ อาจใช้อุปกรณ์ IoT ของตนให้เกิดประโยชน์สูงสุดโดยการปรับการผลิตข้อมูลให้เข้ากับการประมวลผลที่ขอบ Edge Data Fabric ซึ่งมักเรียกกันว่า edge-to-cloud data fabric ถูกสร้างขึ้นโดยเฉพาะเพื่อช่วยในการปรับใช้ IoT มันเปลี่ยนงานที่เกี่ยวข้องกับข้อมูลที่สําคัญออกจากแอปพลิเคชันส่วนกลางและไปยังเลเยอร์ขอบอื่นที่กระจายแต่เชื่อมโยงอย่างใกล้ชิด
ตัวอย่างเช่น โรงงานอัจฉริยะอาจใช้ Edge Data Fabric เพื่อกําหนดน้ําหนักของตู้สินค้าโดยอัตโนมัติ (โดยไม่ต้องติดต่อกับระบบคลาวด์ส่วนกลาง) และเริ่มเลือกขั้นตอน อํานวยความสะดวกในการดําเนินการอัตโนมัติและเร่งการตัดสินใจที่ไม่สามารถทําได้ด้วยแบบรวมศูนย์ทั่วไป กระบวนทัศน์ที่จัดเก็บข้อมูลดิบ
เรียนรู้เกี่ยวกับ: การจัดการข้อมูลกับการกํากับดูแลข้อมูล
บทสรุป
สามารถถ่ายโอนข้อมูลได้ตามต้องการระหว่างส่วนประกอบ โครงสร้างข้อมูลใช้เพื่อจัดการทรัพยากรและการตั้งค่าในทรัพยากรทางกายภาพและเสมือนต่างๆ จากที่เดียว ซึ่งช่วยลดปริมาณการจัดการข้อมูลที่จําเป็น
Data Fabrics นําเสนอมุมมองที่ครอบคลุมของข้อมูล รวมถึงข้อมูลแบบเรียลไทม์ ซึ่งช่วยลดเวลาที่ต้องใช้ในการค้นหา สืบค้น และใช้กลยุทธ์ที่สร้างสรรค์ พวกเขายังเสนอการวิเคราะห์ข้อมูลที่ลึกขึ้น ซึ่งช่วยปรับปรุงข่าวกรองขององค์กร
ด้วยโซลูชันสําหรับทุกวิชาและทุกอุตสาหกรรม QuestionPro เป็นมากกว่าซอฟต์แวร์สํารวจ พวกเขายังให้บริการ ซอฟต์แวร์และบริการการจัดการข้อมูล รวมถึงไลบรารีการวิจัย InsightsHub ติดต่อกับทีม QuestionPro หากคุณต้องการความช่วยเหลือเกี่ยวกับการสร้างข้อมูล
