In Integrationsprojekten kommt immer häufiger der neue Ansatz der Datenvirtualisierung zum Einsatz. Doch was ist das und wie wirkt er sich in der Praxis aus?

Die Datenvirtualisierung kann moderne Datenarchitekturen grundlegend transformieren und so die Flexibilität von Unternehmen erhöhen. Sie kann die Produkt- und Serviceinnovation beschleunigen sowie Unternehmen dabei unterstützen, Kosteneinsparungen bei ihren Investitionen in die Dateninfrastruktur zu erzielen. Unternehmen, die bereits Datenvirtualisierung nutzen, können schneller auf ihre Daten zugreifen und stattdessen mehr Zeit auf die gewinnbringende Nutzung ihrer Daten verwenden.

Datenvirtualisierung: Eine Definition

In ihrer Reinform ist die Datenvirtualisierung ein Ansatz zur Datenintegration, der es einem Nutzer oder einer Anwendung erlaubt, Daten abzurufen, ohne dafür technische Details wie deren physischen Standort, Datenstruktur und Semantik zu benötigen. Doch was heißt das in der Praxis?

Die Datenvirtualisierung vereinfacht den Zugriff auf Daten auf dreierlei Arten. Erstens verbirgt sie die Komplexität der Datenspeicherung und des Datenmanagements in den Tiefen des IT-Systems, indem sie diese in leichter zu verstehende Unternehmensansichten mit konsistenten Datendefinitionen umwandelt.

Zweitens stellt sie sicher, dass diese Unternehmensansichten in allen Strukturen und Formaten vorliegen, die von der breiten Palette an Analysetools heutzutage genutzt werden. Das ermöglicht es den Anwendern mit variierenden Kompetenzniveaus, von Datenwissenschaftlern einerseits bis zu Business-Analysten andererseits, einen geschäftlichen Nutzen aus diesen Daten zu ziehen.

Drittens bietet sie einen Self-Service-Ansatz, bei dem Anwender verschiedene Unternehmensansichten nutzen, um die für die Unterstützung ihrer Analysen am besten geeigneten Datensätze zu suchen und zutage zu fördern.

Gleichzeitig verbessert die Datenvirtualisierung die Art und Weise, wie die IT arbeitet. Sie erlaubt der IT, Daten konsistent über Anwendungsfälle hinweg zu provisionieren, während sie für ordnungsgemäße Datensicherheit und die Einhaltung von gesetzlichen und Compliance-Anforderungen sorgt. Die Entkopplung der Datenquellen von den Konsumenten verringert die Notwendigkeit von Datenkopien und vereinfacht den Übergang von Daten in die Cloud. Und indem sie den Zugriff auf Daten via Self-Service unterstützt, reduziert die IT ihren Backlog und verbessert ihre Reaktionsfähigkeit.

Die „Time-to-Solution“ ist folglich bedeutend kürzer als bei anderen Integrationsansätzen wie beispielsweise der physischen Datenkonsolidierung. Und durch die Fokussierung auf strategische Anwendungsfälle, die einen schnellen Ertrag liefern, können Unternehmen diese Technologie nutzen, um schon während der Umstellung auf eine modernere, dezentralisierte Datenarchitektur geschäftlichen Nutzen daraus zu ziehen. Eine Win-win-Situation.

Datenvirtualisierung verstehen

Man stelle sich die Datenvirtualisierung als einen einfacheren Weg vor, Daten von verschiedenen Quellen in einer einheitlichen Data-Sharing-Umgebung in Echtzeit zu integrieren und umzuwandeln. Je mehr geschäftsrelevante Daten vorliegen, desto einfacher wird es, Analytik und Datenwissenschaften anzuwenden, um neue Gelegenheiten für das Unternehmenswachstum und Innovationen auszumachen.
Beispielsweise können Unternehmen schnell sowohl auf Geschäfts- als auch Kundendaten zugreifen und diese miteinander kombinieren, um sich einen vollständigen Überblick über die Interaktionen mit ihren Kunden zu verschaffen. Diese holistischen Daten ermöglichen es wiederum, den Kundenkontakt zu verbessern, die Kundenzufriedenheit zu steigern, die Kundenfluktuation zu senken und höhere Umsätze zu erzielen.

Ein Beispiel für Datenvirtualisierung in der Praxis ist Bayer Crop Sciences, die ihre Daten dafür nutzen, maßgeschneiderte Lösungen für einen optimierten Erkenntnisgewinn und Weitergabe der Analyseergebnisse entlang der gesamten Wertschöpfungskette zu entwickeln. Dank Datenvirtualisierung trägt das Unternehmen Informationen über Pflanzenschutz, Keimplasma und Pflanzeneigenschaften zusammen, beginnend mit der Ermittlung der Daten und dem Zugriff darauf in den unterschiedlichsten Datenquellen bis hin zu ihrer Weitergabe an den Bereich Produktlieferung.

Bessere Analysen, bessere Ergebnisse

Ein weiteres Beispiel, wie Datenvirtualisierung in der Praxis aussieht, zeigt sich bei der Datenanalyse, die einem eSports-Team dabei hilft, seine Ergebnisse zu verbessern. So kann ein Team oder eine Liga mittels Analysen den Moment sowie die Position besser verstehen und identifizieren, in denen die Spieler Teilsiege und Punkte erringen.

Desgleichen lassen sich im traditionellen Sport biometrische Daten für die Verbesserung der Leistungsdaten, zum Beispiel eines Fahrrad-Teams, heranziehen. Ein auf Basis der Analyseergebnisse optimierter Trainingsplan kann dazu beitragen, dass die Fahrer bei den Turnieren und Meisterschaften Höchstleistung erbringen. In beiden Beispielen wird die Datenanalyse dank Datenvirtualisierung deutlich vereinfacht.

Es gibt keinen allgemeingültigen Weg, moderne Datenarchitekturen zu entwerfen und einzurichten. Jedes Unternehmen und jede Branche muss vielmehr einen individuellen Ansatz verfolgen. Das zentrale Element eines jeden solchen Vorhabens ist jedoch die Datenvirtualisierung, denn damit lässt sich der Ansatz schneller in die Tat umsetzen.

Flexibler, schneller, einfacher

Datenvirtualisierung optimiert die Integration der Daten und schafft einen zentralen Zugriffspunkt darauf – unternehmensweit. Die Nutzer können dadurch schneller, flexibler und einfacher auf Veränderungen reagieren und so die Anforderungen ihrer datengesteuerten Unternehmen und Organisationen besser erfüllen. Das maximiert den Wert der Daten und bietet dem Geschäft zusätzliche Vorteile.

Lori Witzel ist Director of Research for Analytics and Data Management bei TIBCO und José María Gómez Hidalgo arbeitet als Solutions Consultant bei TIBCO.

TIBCO