Data Management on Cloud

Strukturierte wie unstrukturierte Daten aller Formate müssen problemlos aufgenommen und verarbeitet werden können. Hierzu bedarf es wartungsfreier nativer Schnittstellen zur effizienten Anbindung von Quell- und Zielsystemen. 

Bei der Weiterverarbeitung der Daten muss die Übertragungsgeschwindigkeit und die Rechenleistung zum Datenvolumen passen. 

Darüber hinaus muss die Stabilität des Betriebs gewährleistet werden. Dies kann durch einen homogenen Technologiestack und aufeinander abgestimmte, automatisiert gewartete Dienste geschehen.
 

Ein stetig wachsendes Eingangsvolumen an Daten muss sicher gespeichert und für sekundenschnelle Auftragsausführung und für Analyseworkloads effizient verfügbar gemacht werden. Dabei muss sich die Speicher-Infrastruktur intelligent dem wachsenden Datenvolumen anpassen. 

Teildatenbestände sollten abhängig von der jeweiligen Zugriffsfrequenz kostenoptimal gespeichert werden, ohne zusätzlichen Wartungs- oder operativen Aufwand. 
 

Daten müssen ganzheitlich und zusammenhängend unter Einbezug von Machine Learning und KI-Technologien analysiert und ausgewertet werden können. Sind hierzu große Datenspeicher notwendig, sollten diese zur Kosteneinsparung nur temporär für die Dauer der Analyse bereitstehen. 

Damit Data Scientisten mit den jeweils aktuellsten Versionen der Werkzeuge für Business Insights und Analyse effizient arbeiten können, sollten diese in für Zusammenarbeit geeigneten Umgebungen zur Verfügung stehen. Ohne Wartungsfenster zum Einspielen von Patchen oder Updates. 

Um den Aufwand von Datenanalysen, Prototypen und das Ausführen von datengesteuerten Anwendungen zu minimieren, bedarf es einer integrativen Umgebung, wobei die Entwicklung und Dokumentation mit den für Data Scientisten gängigen Sprachen und Werkzeugen erfolgen muss. Hierüber sollten auch interaktive Visualisierungen und Business-Intelligence Funktionen über alle Datenquellen entwickelt und verwaltet werden können, so dass Benutzer im Self-Service eigene Dashboards und Reporte erstellen und für interne und externe Konsumenten publizieren können. 
 

Einer steigenden Anzahl von Stakeholdern muss ein einfacher aber dennoch sicherer und berechtigter Zugriff auf die richtigen Daten bereitgestellt werden können. Dabei sollte mindestens das gleiche Maß an Datenschutz und Datensicherheit wie in einer On-Premise-Lösung angewendet werden. In Cloud Umgebungen betreiben große Cypersecurity-Teams hochmoderne Sicherheitssteuerungen bis herunter auf Hardware- und Firmware-Ebene, um das höchste Maß an Datensicherheit zu bieten. 

Ein Date Lifecycle Management muss dafür sorgen, dass Änderungen und Löschungen personenbezogener Daten DSGVO-konform protokolliert und an Folgesysteme weitergegeben wird. 

Mit Redundanz muss sichergestellt sein, dass die Daten verfügbar sind und im Notfall wiederhergestellt werden können, falls es zu vorübergehenden Hardwareausfällen kommt. Um eine weitere Schutzebene für lokale Notfälle oder Naturkatastrophen zu schaffen, sollte das Replizieren von Daten über Rechenzentren oder geografische Regionen hinweg möglich sein.