Een Data Fabric, zonder gedoe aan de slag met data

Data uit verschillende bronnen samenbrengen om er ‘iets’ mee te doen is al jarenlang een wens én uitdaging van veel bedrijven. Iedereen is er wel van overtuigd dat er heel veel waarde in data zit. Complicerende factoren werpen echter drempels op voor de inzet van data. Zo blijven de hoeveelheid en soorten data toenemen. Bovendien vragen slimme data-integratie en analyse vaak diepgaande technische kennis. De drempel om de meerwaarde van data te benutten, ook door niet-dataspecialisten, moet omlaag. Een Data Fabric helpt met slimme geautomatiseerde tools.

Om de kracht van data concreet te maken, moet deze wel bij de business gebracht worden. Zij moeten begrijpen hoe ze data kunnen inzetten én geholpen worden om er inzichten uit te halen. Een Data Fabric maakt het mogelijk de juiste data overal en altijd op het juiste moment beschikbaar te stellen aan de juiste mensen. Het streven is alle onderliggende complexiteit rondom data-analyse voor de business af te vangen. Door het dataproces te automatiseren, kunnen ook mensen zonder diepgaande kennis nuttige dingen met data kunnen doen.

Praktische tools

Een Data Fabric kan helpen de kloof tussen de techniek en de business te dichten. Dit is een wezenlijke stap in de evolutie naar de concrete inzet van AI, machine learning en data science door de business. De AI-ladder binnen IBM Cloud Pak for Data helpt een organisatie de stappen naar slim datagebruik te doorlopen. Via de fases Verzamelen, Organiseren, Analyseren en Toepassen kan een organisatie de voordelen van AI sneller toepassen.

Zelflerend vermogen

Deze vier fases worden met concrete tools ondersteund. Voorheen moest je alles zelf bouwen, nu automatiseren de tools AutoSQL, AutoCatalog, AutoPrivacy en AutoAI in Cloud Pak for Data deze stappen. In het kort:

• AutoPrivacy biedt aanvullend op de Catalog tools om privacygevoelige informatie te beschermen tegen misbruik en aan wet- en regelgeving te voldoen.
• AutoSQL biedt een centrale toegang tot alle data en verlaagt de drempel tot data.
• AutoAI helpt gebruikers om zelf voorspellingen op basis van de data te maken.

Deze tools versnellen en vergemakkelijken de inzet van data door de business. Bovendien zijn ze intelligent en blijven steeds leren, waardoor de waarde van data blijft groeien. Het is wel belangrijk vast te stellen dat organisaties zich in verschillende stadia bevinden en uiteenlopende behoeften hebben. Iedere organisatie kan dus zijn eigen ideale route bepalen en mix van tools inzetten.

Een goed georganiseerd datalandschap

De effectieve inzet van data vraagt altijd een goed georganiseerd datalandschap. Data moet logisch zijn vastgelegd, gegroepeerd en geclassificeerd. Dat is noodzakelijk om te zorgen dat businessgebruikers ermee kunnen werken. Zonder die organisatie zijn selfservice datadiensten niet mogelijk. Afhankelijk van de volwassenheid van het datalandschap helpt AutoCatalog data governance in te richten en de metadata te definiëren, om zo uiteindelijk tot één versie van de waarheid te komen.

Drempel tot data verlagen

Vervolgens is het van belang dat organisaties zorgvuldig met hun data omgaan. AutoPrivacy gebruikt de data protection rules om privacy te kunnen garanderen. Vanuit privacywetgeving mogen medewerkers bijvoorbeeld niet alle klantgegevens zien. Met de metadata over de ‘echte data’ zijn de privacyregels toe te passen. Als het landschap ingericht en georganiseerd is, willen eindgebruikers wel makkelijk toegang tot deze data. AutoSQL biedt de business één ingang voor alle data. Dit geeft de mogelijkheid data te combineren waar dat eerst niet mogelijk of erg complex was. Hierdoor verlaagt de drempel om data in te zetten aanzienlijk.

Brug tussen business en data

De concrete inzet van AI, ML of data science is eenvoudiger met AutoAI. Met deze tool kunnen minder technische eindgebruikers of mensen met beperkte kennis van AI en ML toch zelf modellen ontwikkelen, trainen en in productie brengen. AutoAI geeft gebruikers suggesties op basis van wat het in de data ‘ziet’ en helpt voorspellende modellen te bouwen. Dit kan ook een opbouw naar een digital twin zijn om uiteindelijk ook processen met data te gaan optimaliseren. Zo wordt de brug tussen de business en data geslagen.

Concrete stappen zetten

Data is lang als eigendom en expertise van de IT- afdeling gezien. De laatste jaren is gebleken dat deze rol bij de business terechtkomt en thuis hoort. Inmiddels heeft de business steeds vaker de verantwoordelijkheid voor data. Om de potentie concreet te maken, hebben ze wel hulp nodig. Dit vereist een structuur die begrijpelijk is en tools die de technische aspecten rondom datagebruik vereenvoudigen. De tooling van Cloud Pak for Data helpt organisaties deze stappen te zetten. Hierdoor kan de business snel aan de slag en de meerwaarde van data concreet te maken. Alle randvoorwaarden zijn dan geregeld. Kortom, data zonder gedoe.