In den letzten Monaten hat Gartner seine Reihe "Data and Analytics Summit 2022" gestartet, zuerst in London und kürzlich in Orlando, Florida. Eine Erkenntnis aus diesen Veranstaltungen ist, dass die Mitteilungen der Anbieter und die Diskussionen von Gartner im Zusammenhang mit dem Data Fabric Framework von Gartner deutlich zugenommen haben.
Wenn Sie kein Mitglied der Datenmanagement-, Analyse- und IT-Community sind oder den Kopf in den sprichwörtlichen Sand gesteckt haben, wird Gartners Data Fabric weitgehend als konkurrierendes Dezentralisierungs-Framework zu dem von Zhamak Dehghani (früher bei ThoughtWorks) gegründeten und weiterentwickelten Data Mesh Decentralization Framework angesehen.
Mitbringsel
Es ist nichts Ungewöhnliches, dass sich die Nachrichtenübermittlung verschiebt, das ist zu erwarten und passiert ständig. Interessanter war das Ausmaß der Verwirrung, die sich beim Versuch, die Unterschiede zwischen Data Mesh- und Data Fabric-Ansätzen zu verstehen, immer weiter ausbreitet. Als ich dieses Thema mit den Analysten von Gartner auf den Veranstaltungen des Gartner Data and Analytics Summit ansprach, wurde die Menge des Hypes und der Diskussion um Data Fabric und Data Mesh anerkannt. Laut Gartner-Vertretern "werden mehr Fragen zu Data Mesh und Data Fabric beantwortet als je zuvor". Gleichzeitig hieß es: "Data Mesh und Data Fabric können nebeneinander existieren, sie schließen sich nicht gegenseitig aus."
Gartner vertritt jedoch eine widersprüchliche Meinung zu Data Mesh, wie aus dem jüngsten Hype Cycle for Data Management (2022) hervorgeht, in dem Data Mesh als "obsolet vor dem Plateau" bezeichnet wird [Anmerkung am Rande: Es sei Ihnen verziehen, wenn Sie dieses Vorgehen von Gartner als selbstsüchtig empfinden]. Aus den Diskussionen mit den Analysten schließe ich, dass Gartner Data Mesh nicht deshalb als "veraltet" bezeichnet hat, weil sie es für überholt halten, sondern weil sie davon ausgehen, dass Data Mesh in einem Data Fabric-Framework aufgehen wird, da sie behaupten, Data Fabric sei der umfassendere und aggregierte Ansatz für Data Governance und Master Data Management. Meines Erachtens muss diese Behauptung hinterfragt werden, da Dehghani in seinem über 340 Seiten starken Buch Data Mesh, Delivering Data-Driven Value at Scale (in dem Data Mesh erklärt wird) ein ganzes Kapitel dem Prinzip der Federated Computational Governance widmet. In dem Buch wird die Governance bei Data Mesh zwar berücksichtigt, aber nicht in Form eines zentralisierten Modells.
Nichtsdestotrotz versucht Gartner mit seinem Dokument Data Mesh and Data Fabric the Same or Different? (Juni 2022, G00769853) versucht Gartner, auf die wachsende Verwirrung zu reagieren, die offenbar von Unternehmensarchitekten und Verantwortlichen für Daten und Analysen ausgeht. Gartner vertritt den Standpunkt (siehe Abbildung 1), dass sowohl Data Mesh- als auch Data Fabric-Ansätze dasselbe Ziel verfolgen, nämlich den einfachen Zugriff auf Daten, aber Data Fabric liefert "kontinuierliches Lernen und Evaluierung unter Verwendung von Metadaten", während bei Data Mesh "die Neugier und Vollständigkeit der KMU über Erfolg oder Misserfolg entscheidet". Gartner führt in dem Dokument weiter aus, dass in der ersten Hälfte des Jahres 2022 weniger als 1,5 % des weltweiten IT-Marktes direkte Erfahrungen mit beiden Ansätzen haben. Es wird erwartet, dass es in den nächsten 3 bis 5 Jahren große Unterschiede in der Praxis und bei der Umsetzung geben wird."
Wir sollen also glauben, dass alle über Data Mesh und Data Fabric reden, aber niemand tut es?
Das reicht, um den Kopf explodieren zu lassen.
Der wahrscheinlichste Grund für die geringe Erfahrung von 1,5 % liegt darin, dass unabhängig von dem Rahmen, dem man folgen möchte, Data Mesh oder Data Fabric, schwierig zu implementieren und sicherlich kein Produkt von der Stange ist, das man kaufen kann, wie die meisten Befürworter (und Verweigerer) von Data Mesh wissen.
Föderierte Integration: Der Schlüssel zum Erreichen eines Data Mesh oder Data Fabric
Eine weitere Beobachtung des jüngsten Gartner Data and Analytics Summit in Orlando war, dass relativ viele Technologien vorgestellt wurden, die sich sowohl an die IT als auch an die Geschäftsbereiche richteten, und nicht nur an die IT. Es liegt die Vermutung nahe, dass der Buzz der Datenvernetzung auch etwas damit zu tun hat. Das Eigentum der Geschäftsgruppen an den Daten ist eines der vier Hauptprinzipien des Data-Mesh-Konzepts (die anderen drei Prinzipien sind: Daten als Produkt, Selbstbedienung und föderierte Computer-Governance).
Diese Grundsätze sind leicht gesagt, aber mit einem einzigen Produkt nur schwer zu verwirklichen.
Aus diesem Grund haben wir bei SnapLogic ein föderiertes Modell entwickelt, das für IT-, Geschäftsanwender und Datenexperten spezifische Erfahrungen bietet und gleichzeitig eine logische Trennung der Bereiche ermöglicht, wenn dies gewünscht wird. Zum Beispiel können Sie mit jeder SnapLogic-Plattforminstanz Arbeitsbereiche erstellen, die wir Orgs nennen. Jede Org hat eine logische Trennung: Geschäftsteams können ihre eigene Org haben, die IT kann eine Org haben, usw. Dann können alle Orgs, obwohl sie verteilt sind, global überwacht und verwaltet werden.
Wir verwenden einen visuellen, grafischen Designansatz für deklaratives SQL. Wir ergänzen dies mit KI-gestützter Integration, die bei der Erstellung eines Datenflusses oder einer Geschäftsprozess-Pipeline Empfehlungen für die nächsten Schritte ausspricht. Zusammen vereinfachen diese Funktionen die Integration für alle Beteiligten erheblich. Selbst unsere erfahrensten Benutzer geben an, dass sie bei der Erstellung von Pipelines mit unserem KI-gestützten Integrationsassistenten Iris 50 bis 60 % ihrer Zeit einsparen, wenn sie ihn nicht verwenden.
SnapLogic-Benutzer sparen im Vergleich zur manuellen Codierung noch mehr Zeit. Dies ermöglicht eine Selbstbedienung in großem Umfang. Unsere größten Installationen haben Hunderte, wenn nicht Tausende von Personen, die ihre eigenen Integrationen durchführen.
Außerdem kombinieren wir Datenintegration, App-to-App-Integration und API-Entwicklung/-verwaltung (APIM) in einer Plattform.
Möchten Sie eine vollständige Trennung der Teams und eine vollständige Dezentralisierung? Möchten Sie Datenprodukte gemeinsam nutzen?
APIs sind der Schlüssel zu diesem Ziel, und das Angebot von APIM als Teil der SnapLogic-Integration wird Ihnen das Leben leichter machen.
Wir ziehen es vor, die Verwirrung zu durchschauen und nicht über den einen oder anderen Ansatz zu debattieren, sondern Sie einen Schritt näher an ein Data Mesh- und Data Fabric-Framework heranzuführen - wenn dies die Richtung ist, in die Sie gehen wollen. Unserer Meinung nach wollen Sie geschäftliche Agilität und Beschleunigung in großem Maßstab, aber Sie können auf die verrückte Komplexität verzichten, die mit den modernen Datenplattformansätzen von heute einhergeht.
In den Worten unseres visionären CEO, Gauarv Dhillon, "moderne Datenplattformen werden gebaut, nicht gekauft".
Überzeugen Sie sich selbst von der führenden Self-Service-Integrationsplattform und fordern Sie eine individuelle Demo an.
