26
SONDERTEIL
ERP 2020
MIDRANGE
MAGAZIN · 07/2016
Experttalk Datenmanagement: Gregor Stöckler, Datavard
Unternehmen brauchen effektive Strategien
Der Siegeszug von Big Data stellt Unternehmen vor große Herausforderungen.
Gregor Stöckler, geschäftsführender Gesellschafter von Datavard, erklärt im Interview
mit dem Midrange Magazin (MM), welchen Stellenwert eine passende Strategie für das
professionelle Datenmanagement einnimmt.
MM:
Wie können Unternehmen in Zei-
ten von Big Data ihre Datenmanage-
ment-Strategie optimieren?
Stöckler:
Eine effektive Datenmanage-
ment-Strategie ist die Voraussetzung,
um betrieblichen Nutzen aus Big Data
oder Industrie 4.0 -Anwendungen ziehen
zu können. Fehlendes oder nicht optima-
les Datenmanagement ist in vielen Un-
ternehmen ein verstecktes Problem. In
gleichem Maße, wie z. B. das Geschäfts-
volumen zunimmt, wächst auch die
Menge an Daten, die keinen entschei-
denden Einfluss auf das Tagesgeschäft
haben. Zu jedem beliebigen Zeitpunkt
werden nur rund 12 bis 17 Prozent ei-
nes Systems aktiv genutzt. Der Anteil an
temporären Daten im System beträgt in
vielen Firmen bis zu einem Drittel. Mit
einem intelligenten Datenmanagement
können Unternehmen ihre Datenbank
um 30 bis 50 Prozent schrumpfen. Um
sich diesem Thema zu nähern, empfehle
ich, fünf Fragen zu beantworten.
MM:
Wie lauten diese Punkte?
Stöckler:
Erstens – wie klassifizieren
wir Daten – etwa nach Anwendung, Ow-
ner, wer oder was erzeugt diese Daten,
Use Case, Art des Zugriffs, Sensitivität,
strukturiert / unstrukturiert etc. Als
zweites: Welches Ziel verfolgen wir pro
Datenklasse – hinsichtlich legaler Aufbe-
wahrung, Sicherheit, Geschwindigkeit,
Kosten, Verfügbarkeit, Qualität. Drit-
tens: Wie viele Daten haben und erwar-
ten wir pro Datenklasse. Viertens: Was
bedeuten diese Anforderungen für alte,
bestehende und geplante Anwendungen
sowie fünftens: Welche Veränderungen
werden dadurch notwendig.
MM:
Was können Unternehmen tun, um
das Datenwachstum langfristig im Griff
zu behalten?
Stöckler:
Es ist wichtig, dass eine effek-
tive Datenmanagement-Strategie und
die Spezifikation jeder Anwendung ein
Ende des Lebenszyklus von Daten vor-
gibt. Idealerweise besteht diese aus drei
Teilen: aktive Nutzung, passive Nutzung
– sprich die Daten müssen verfügbar
sein – und die mögliche Vernichtung. Um
dies zu automatisieren und automatisch
zu überwachen, haben wir Lösungen
entwickelt, welche die Nutzung der Da-
ten analysieren und proaktiv Vorschläge
zur idealen Speicherung machen.
MM:
Welche Rolle spielt das Thema Sto-
rage für Unternehmen, die SAP HANA
im Einsatz haben oder auf diese Platt-
form migrieren möchten?
Stöckler:
SAP HANA provoziert die
Frage nach der Wichtigkeit von Daten,
da die Kosten der Infrastruktur steigen
und sich die Geschwindigkeit des Zu-
griffs dramatisch erhöht. Das ist nicht
das richtige für alle Anwendungsfälle
und Daten. SAP spricht daher von Data
Tiering oder Multi-Temperature-Daten.
Diese Konzepte gehen davon aus, dass
Daten sowohl innerhalb SAP HANA als
auch auf externe Datenspeicher ver-
teilt werden, um eine Performance- und
kostenoptimale Lösung für unterschied-
liche Daten zu finden. Wir haben über
150 Unternehmen weltweit geholfen,
diese Fragen zu beantworten und sich
auf die Migration nach SAP HANA vor-
zubereiten.
MM:
Wie wichtig sind Technologien wie
SAP Sybase IQ und Apache Hadoop?
Stöckler:
SAP IQ und Hadoop sind zwei
wichtige Bausteine im SAP-Stack der Zu-
kunft. Während SAP IQ vor allem durch
die Geschwindigkeit analytischer An-
wendungsfälle besticht, ist Hadoop zu
Recht eine der wichtigste Eckpfeiler von
Big Data-Architekturen. Die fast gren-
zenlose Skalierbarkeit und die niedrigen
Kosten bieten unschlagbare Vorteile. Mit
der generellen Verfügbarkeit von SAP
HANA VORA bietet SAP zusätzlich eine
vordefinierte Integration beider Welten.
Dieses Add-on zu SAP HANA erlaubt den
Zugriff auf Daten in Hadoop aus HANA
heraus und das Verschmelzen von Da-
tentöpfen aus beiden Welten.
Gregor Stöckler,
geschäftsführender
Gesellschafter von
Datavard: „SAP
IQ und Hadoop
sind zwei wichtige
Bausteine im SAP-
Stack der Zukunft.“
Quelle: Datavard
rhh
ó
