Basil Faruqui, BMC: Warum DataOps Orchestrierung benötigt, um zu funktionieren
Daten waren schon immer die Währung, auf der Unternehmen operieren – und sie reichen bis an die Spitze. Analysten und Meinungsführer betonen fast einhellig die Bedeutung, dass der CEO aktiv in Dateninitiativen involviert sein sollte. Doch was in den Kleingedruckten oft untergeht, ist die Anerkennung, dass viele Datenprojekte nie in die Produktion gelangen. Im Jahr 2016 wurde dies von Gartner auf nur 15% geschätzt.
Die Operationalisierung von Datenprojekten war ein entscheidender Faktor, um Organisationen dabei zu helfen, die Datenflut in eine umsetzbare Digitalisierungsstrategie zu verwandeln, und DataOps knüpft an das an, was mit DevOps begonnen wurde. Doch es gibt eine weitere Warnung von Gartner: Organisationen, die bis 2024 über keinen nachhaltigen Rahmen für die Operationalisierung von Daten und Analysen verfügen, werden um bis zu zwei Jahre zurückgeworfen.
Für eine erfolgreiche Operationalisierung ist eine gute Orchestrierung erforderlich, wie Basil Faruqui, Direktor für Lösungsmarketing bei BMC, erklärt. „Wenn Sie darüber nachdenken, einen Daten-Pipeline aufzubauen, sei es für ein einfaches BI-Projekt oder ein komplexes KI- oder maschinelles Lernprojekt, dann haben Sie Daten-Erfassung, Daten-Speicherung und -Verarbeitung sowie Daten-Erkenntnis, und unter all diesen vier Phasen werden verschiedene Technologien verwendet“, erklärt Faruqui. „Und alle sind sich einig, dass dies in der Produktion automatisiert sein sollte.“
Hier kommt Control-M von BMC ins Spiel, insbesondere BMC Helix Control-M. Control-M ist seit mehr als drei Jahrzehnten ein integraler Bestandteil vieler Organisationen und ermöglicht es Unternehmen, täglich Hunderttausende von Stapeljobs auszuführen und komplexe Operationen wie das Supply Chain Management zu optimieren. Aber eine immer komplexere technologische Landschaft, von On-Premises bis zur Cloud, sowie eine verstärkte Nutzung von SaaS-basierter Orchestrierung zusammen mit dem Verbrauch, machten es 2020 zu einer Selbstverständlichkeit, BMC Helix Control-M einzuführen.
„CRMs und ERPs waren schon eine Weile auf dem SaaS-Weg, aber wir begannen, mehr Nachfrage aus der Operationswelt nach SaaS-Verbrauchsmodellen zu sehen“, erklärt Faruqui.
Der Vorteil eines etablierten Unternehmens – BMC wurde 1980 gegründet – besteht darin, dass viele Kunden Control-M einfach auf modernere Anwendungsfälle ausgedehnt haben. Ein Beispiel für eine große Organisation – und langjähriger Kunde von BMC – mit einer äußerst komplexen Lieferkette ist der Lebensmittelhersteller Hershey’s.
Neben der zeitkritischen Notwendigkeit, ein Unternehmen mit verderblichen und empfindlichen Waren zu führen, hat das Unternehmen Azure signifikant übernommen und einige bestehende ETL-Anwendungen in die Cloud verschoben, während Hershey’s auf einer komplexen SAP-Umgebung aufbaut. Inmitten dieser Infrastruktur führt Control-M, in den Worten des Hershey’s Analysten Todd Lightner, ‚wörtlich unser Geschäft‘.
Faruqui kehrt zu den Phasen der Daten-Erfassung, Speicherung, Verarbeitung und Erkenntnis zurück, um zu erklären, wie Hershey’s eine bedeutende Ferienkampagne angehen oder entscheiden würde, wohin Produkte versendet werden sollen. „Alles basiert auf Daten“, erklärt Faruqui. „Sie erfassen Daten von vielen Systemen des Aufzeichnung, die Daten von außerhalb des Unternehmens erfassen; sie ziehen all das in riesige Daten-Lakes, in denen sie KI- und ML-Algorithmen ausführen, um viele dieser Ergebnisse zu ermitteln, und fließen in die Analyseebene ein, wo Geschäftsführer Dashboards und Berichte einsehen können, um wichtige Entscheidungen zu treffen.
„Sie sind ein wirklich gutes Beispiel für jemanden, der Orchestrierung und Automation mit Control-M als strategische Option genutzt hat“, fügt Faruqui hinzu.
Doch das führt zu einem weiteren wichtigen Punkt. DataOps ist ein wichtiger Teil der Strategie von BMC, aber nicht der einzige. „Daten-Pipelines sind abhängig von einer Schicht von Anwendungen sowohl darüber als auch darunter“, sagt Faruqui. „Wenn Sie sich Hershey’s vorstellen, der herauszufinden versucht, welche Art von Promotion sie durchführen sollten, stammt ein Großteil dieser Daten möglicherweise von SAP. Und SAP ist kein statisches System; es ist ein System, das ständig mit Workflows aktualisiert wird.
„Also, wie weiß die Daten-Pipeline, dass SAP tatsächlich fertig ist und die Daten bereit für die Daten-Pipeline sind? Und wenn sie die Strategie herausgefunden haben, muss all diese Information zurück zu SAP, weil die Bestellung von Rohstoffen und allem anderen nicht in der Daten-Pipeline passieren wird, sondern in ERPs“, fügt Faruqui hinzu.
„Also kann Control-M diese Verbindung über diese Schicht herstellen, was sich von vielen der Tools unterscheidet, die im DataOps-Bereich existieren.“
Faruqui spricht auf der AI & Big Data Expo Europe in Amsterdam im September darüber, wie Orchestrierung und Operationalisierung der nächste Schritt in den DataOps-Reisen von Organisationen sind. Erwarten Sie daher nicht nur Geschichten und bewährte Verfahren darüber, wie eine erfolgreiche Reise aussieht und wie Daten-Pipeline-Orchestrierung über Hybridumgebungen hinweg, die mehrere Clouds mit On-Premises kombinieren, erstellt wird, sondern auch einen Blick in die Zukunft – und laut Faruqui wird die Komplexität nur in eine Richtung gehen.
„Ich denke, eine der Dinge, die weiterhin herausfordernd sein werden, ist, dass es einfach viele verschiedene Tools und Fähigkeiten gibt, die im Bereich KI und ML aufkommen“, erklärt er. „Wenn Sie sich AWS, Azure, Google ansehen und auf ihrer Website auf ihre KI/ML-Angebote klicken, ist das ziemlich umfangreich, und bei jeder Veranstaltung, die sie machen, kündigen sie neue Fähigkeiten und Dienste an. Das ist auf der Anbieterseite.
