Passenden Cloud-Dienst auswählen

Blog / Cloud Technologie Trends / taod Consulting GmbH

Daten und Kontext

Kategorien
Data Strategy, Data Management

Schlagworte
Modern Data Stack, Tech Stack, Cloud Data Tools

Autor
Frederic Bauerfeind

Lesedauer
4 Minuten

Fünf bemerkenswerte Technologien für Cloud Data Management

 

Technologien sind nicht mehr nur Mittel zum Zweck. Technologien sind das Fundament für die Resilienz und Progressivität eines jeden Unternehmens. Die Herausforderung liegt in der Identifizierung des passenden Technologie-Stacks, dessen Grundpfeiler in einer modernen Cloud-Architektur verankert sind. Künftig wird keine Geschäftsstrategie mehr ohne parallele Technologiestrategie funktionieren. Mit dem Verzicht auf Technisierung würde sich jedes Unternehmen selbst ins digitale Mittelalter katapultieren.

So weit, so klar. Doch die Menge an Entscheidungen, die es nun zu treffen gilt, überfordert nicht wenige. Strategische Themen wie Cloud-Implementierung oder Data-Science-Offensiven sind teilweise noch vollständig ungeklärt, zudem wirft die Auswahl der geeigneten Technologien und Endgeräte viele Fragen auf. Der Aufbau eines Technologie-Stacks ist außerdem nicht mehr nur Thema für die IT-Abteilung, sondern betrifft alle Mitarbeitenden im Unternehmen. Denn diese sind ein zentraler Erfolgsfaktor für die digitale Transformation.

 

Technologien und Tools – der richtige Stack ist entscheidend

Welche Technologie, welches Tool, welcher Stack ist also der richtige für ein Unternehmen? Die Antwort hierauf ist natürlich eine hochindividuelle Angelegenheit. Einige Cloud-Technologien setzen sich derzeit jedoch deutlich durch, da sie umfangreich und flexibel auf die unterschiedlichsten Kundenbedürfnisse eingehen. Aus unserer Sicht und Praxiserfahrung heraus sollten Unternehmen diese fünf Technologien im Auge behalten:

 

1. Microsoft Azure für die Hybrid Cloud

Azure gehört mit AWS und Google zu den Top-3-Anbietern im Bereich Cloud-Technologien – und wird immer beliebter. Dazu dürfte auch das erweiterte Hybrid-Cloud-Angebot beitragen, dass Unternehmen den Einstieg in die Cloud-Umgebung erleichtert. Anwendungen und Prozesse können problemlos erst einmal teilweise in die Cloud ausgelagert werden, während das Unternehmen parallel weiterhin vertraute On-Premise-Lösungen nutzt. Ein großer Vorteil für Microsoft sind zudem etablierte Kosmen wie Microsoft 365 oder Power BI. Unternehmen, die bereits auf diese oder andere Lösungen aus dem Microsoft-Universum bauen, sehen die Entscheidung für Azure als logischen Ausbau ihres Tech-Stacks. Doch nicht nur die Affinität zum Anbieter, sondern auch die umfangreichen, wie flexiblen Lösungen und Services überzeugen. Sicherheit wird bei Microsoft ohnehin groß geschrieben: Das Azure Security Center nutzt eine Vielzahl physischer, infrastruktureller und operationaler Verfahren zum grundlegenden Schutz von Azure, auch ohne ergänzendes Zutun.

 

2. Fivetran für die cloudbasierte Datenintegration

Laut Bigdata-Insider verdoppelte der Anbieter für automatisierte Datenintegration im letzten Jahr erneut seinen Jahresumsatz sowie seine Kundenbasis. Fivetran managt als cloudbasierter Datenintegrations-Service die Data-Pipelines seiner Kunden und bietet den sofortigen Zugang zu mehr als 1,5 Billionen Datenzeilen pro Monat. Dank des ELT-Stacks (Extraction-Load-Transform) werden Daten schneller bereitgestellt. Fivetran macht Daten aus verschiedensten Quellstrukturen in einem Data Warehouse (DWH) oder anderen Datenbanken gänzlich ohne eigenes Coding und mit einem sehr geringen Wartungsaufwand möglich. So bleibt mehr Zeit für die Analyse. George Fraser, CEO von Fivetran, sieht als Vision, „den Zugang zu Daten so einfach und verlässlich, wie Strom aus der Steckdose zu machen.“ Analysten können mit Fivetran bessere Entscheidungen treffen. Denn das Tool managt jeden Monat mehr als 700.000 Schema-Änderungen. Solche Modifikationen führen üblicherweise dazu, dass ETL-Pipelines unterbrochen werden und erst wieder laufen, wenn sie von Dateningenieuren angepasst wurden. Aktuelle Daten stehen stehen jederzeit zur Verfügung, auch wenn sich die Quellsysteme ändern.

 

3. Snowflake als Cloud Data Warehouse

„I love data. I love Computer Science.“
„Me too.“
Mit Leidenschaft, Kreativität und herausragender fachlicher Expertise sorgten die beiden Snowflake-Gründer Benoit Dageville und Thierry Cruanes für die größte Bromance (siehe Snowflake-Video!) und Erfolgsgeschichte im Bereich Data Warehousing innerhalb der letzten zehn Jahre. Sie fingen bei null an und bauten eine Datenplattform auf, die sich die immense Kraft der Cloud zunutze machte. Das System trennt Data Computing und Data Storage voneinander, was einer Revolution im Bereich Data Warehousing gleich kam – und auch heute immer noch einzigartig ist. Fast jede andere Datenbank kombiniert beides miteinander, das heißt sie müssen eine maximale Systemlast tragen und auch die damit verbundenen Kosten. Die Daten können alle an einem einzigen Ort gespeichert werden, die Berechnungen indes werden unabhängig voneinander durchgeführt. Damit positioniert sich Snowflake als Data Warehouse-as-a-Service. Im letzten Jahr verzeichnete Snowflake ein dreistelliges Wachstum des Produktumsatzes. „In Verbindung mit diesem schnellen Wachstum konnten wir die betriebliche Effizienz verbessern und gleichzeitig unsere Präsenz weltweit ausbauen“, sagt Frank Slootman, CEO von Snowflake. Die Erfolgsgeschichte geht weiter!

 

4. dbt für die cloudbasierte Datentransformation

Alle Daten in ein Data Warehouse zu integrieren kann aufgrund Komplexität und Heterogenität der Daten mehr als herausfordernd sein. Im Bereich Analytics Engineering ist Datentransformation der Arbeitsschritt, der zwischen dem Laden der Daten in das Warehouse und der späteren Analyse steht. Das Data Building Tool dbt erleichtert auf SQL-Basis diesen Vorgang erheblich. Einfach gesagt ist dbt ein Transformations- und Modellierungstool, das die Arbeit von Software Engineers innerhalb des Prozesses der Datentransformation maßgeblich und cloudbasiert unterstützen kann. Das Tool ist mittlerweile der Standard, um ungleiche Daten miteinander zu verflechten. Innerhalb des Technologie-Stacks des Unternehmens, idealerweise in Kombination mit Snowflake und Fivetran, kann und sollte dbt eine routinierte Rolle spielen.

 

5. Tableau ermöglicht Self-Service-Analysen in der Cloud

Als vollständig in der Cloud gehostete Analyseplattform erleichtert Tableau die Erstellung interaktiver visueller Analyse von Daten. Der Cloud-Dienst wird vom Anbieter selbst als populärste moderne Analytics-Plattform der Welt beschrieben, hilft Menschen und Organisationen dabei, stärker datengesteuert zu arbeiten. Dass dies nicht mehr nur eine Vision ist, lässt sich im Data-Alltag klar erkennen: Die äußerst übersichtlichen und leicht zu konfigurierenden Dashboards ermöglichen es auch nicht-technischen Analysten und Endbenutzern, Daten in verständliche Grafiken umzuwandeln. Dabei lässt sich Tableau an jede Datenquelle anbinden. Stärkster Konkurrent des Analyse-Tools ist derzeit sicher Microsoft Power BI, das sich aber in markanten Punkten unterscheidet (Lesen Sie hierzu auch unsere Blog-Beitrag Power BI vs. Tableau!).

 

Auswahl der Cloud-Dienste bleibt Herkulesaufgabe

Sicherlich ist es immer eine sehr individuelle und komplexe Entscheidung, welche Dienste und Tools schlussendlich Bestandteil des Technologie-Stacks werden. Zahlreiche Faktoren wie die Berücksichtigung der IT-Strategie, betriebswirtschaftliche Sichtweisen und historische Dienstleisterverbundenheit beeinflussen einen Auswahlprozess bis ins kleinste Detail. Bei dem oben stehenden Überblick handelt es sich um die aus unserer Sicht derzeit wertvollsten, zukunftsorientiertesten und innovativsten Tools, die wir zudem aus Erfahrung sehr gut kennen.

Das ist eine optionale Überschrift

Kontakt aufnehmen
UP
linkedin facebook pinterest youtube rss twitter instagram facebook-blank rss-blank linkedin-blank pinterest youtube twitter instagram