<img src="https://track.adform.net/Serving/TrackPoint/?pm=268420" width="1" height="1" alt="">

Derfor er et data warehouse ikke nok!

5 min. læsetid
16. maj 2019 Skrevet af: Thomas Andersen Del med en ven     

Er det klassiske data warehouse ved at uddø? Med sit simple teknologisk setup står det ikke distancen, sammenlignet med en moderne dataplatform og alle dens muligheder for at brede data ud. Men rygterne om data warehousets udryddelse er stærkt overdrevne. Behovet for governed data, der er konforme og som kan bruges til rapportering og analyse-brug, er der nemlig stadig. Men dit data warehouse kan ikke længere stå alene. 

Hvor vi tidligere var vant til, at vores platform kun bestod af et data warehouse, består den i dag af mange ting, der co-eksisterer og interagerer med hinanden. En moderne dataplatform skal derfor ikke ses som en erstatning for dit data warehouse, men snarere som en udvidelse. Og det vil give dig mange fordele at bygge en platform, der supplerer dit eksisterende data warehouse:

Governance sikres
I stedet for at have en masse isolerede dataøer, kommer det hele til at hænge sammen med en moderne platform. Derved sikrer du dig, at du har governance på plads. Og når du får større sammenhæng på den platform, du arbejder med, kan du også bedre integrere outcome af dine modeller i de andre flows.  

Flere brugertyper kommer i spil
En moderne platform kan imødekomme flere forskellige brugertyper med forskellige kompetencer og databehov. En efterspørgsel der kun stiger i takt med, at flere og flere brugere får data mellem hænderne.

Synergier i dataforberedelsen
Én af de største opgaver i at arbejde med data er dataforberedelsen. Den opgave deler dataplatformen med data warehouset, og det giver mere synergi. Hvis du forbereder din data til eksempelvis machine learning, så har du næsten også gjort det til dit DW. Eller omvendt. Du sparer tid, afkorter processer og beriger data over hele linjen.

Real og near real-time
Fordi vi får en større variation over datakilder, får vi også et større forretningsbehov for at få data i real-time eller næsten real-time. Især når vi taler IoT-analytics og embedded analytics, lever en moderne platform op til kravene om rapporter og analyser i real-time.

Sensor- og log-data
Eftersom en moderne platform har et mix af, hvordan data er lagt til rette – både i forhold til modelleret data og rådata – gør den det nemmere for os at forholde os til såkaldt event-data, hvor vi måske skal tage stilling til resultaterne med det samme.

Procesautomatisering
En moderne platform giver mange nye muligheder, og særligt når vi taler machine learning, kan vi ikke alene bruge data til at forudsige, men også begynde at lave automatiske handlinger på baggrund af dem. Det kunne være at sætte processer op, som autonome systemer tager handling på, også kendt som Robotic Process Automation.

En tilpasset løsning
En moderne platform er typisk en PaaS-løsning, og det er en helt anden måde at skrue et system sammen på. Tidligere skulle man proportionere ens server til en vis størrelse, uden rigtigt at vide, hvad ens behov ville være ude i fremtiden. Med Platform-as-a-Service er din platform cloud-baseret og serverless, og det giver dig en stor fleksibilitet, at du vælger den teknologi, der passer jer – og så skalerer den størrelsesmæssigt efter, hvad I har brug for.

Ingen vedligeholdelse
Dertil kommer, at du ikke skal vedligeholde servere, opgradere software eller betale for hosting eller it-kælder. Du skal ikke bekymre dig om operativsystemer eller pasning af sikkerhedshuller, for det bliver alt sammen varetaget at jeres cloud-provider.

Hent guiden om den moderne dataplatform
I guiden kan du læse om:

  • Data: fra supportfunktion til mission critical
  • 3 håndgribelige fordele. 1 enormt potentiale.
  • Traditionel vs. moderne
  • 5 spørgsmål og svar 

Hent guiden nu

Links til dig, der vil vide mere: