01.10.2021 -
Data Ops ist ein Thema, mit dem sich Jenna Sargent auskennt. Sie ist Online und Social Media Herausgeberin bei der SD Times. Sie kümmert sich um die Themenbereiche Data, Programmiersprachen, Microsoft und UI Framework. In der SD Times stellt Jenna Sargent die Frage, ob Data Ops der nächste große Boom sein wird. Zuerst haben die Entwicklungsteams ihre Ops bekommen, dann die Sicherheitsteams. Geht der Trend nun so weiter, dass auch die Ingenieurteams ihre Ops erhalten werden? Data-Ingenieure machen sich gerade bereit, DataOps-Praktiken zu adaptieren. Im Folgenden fassen wir Sargents Artikel zusammen.
Weiterlesen »
01.10.2021 -
Data Ops ist ein Thema, mit dem sich Jenna Sargent auskennt. Sie ist Online und Social Media Herausgeberin bei der SD Times. Sie kümmert sich um die Themenbereiche Data, Programmiersprachen, Microsoft und UI Framework. In der SD Times stellt Jenna Sargent die Frage, ob Data Ops der nächste große Boom sein wird. Zuerst haben die Entwicklungsteams ihre Ops bekommen, dann die Sicherheitsteams. Geht der Trend nun so weiter, dass auch die Ingenieurteams ihre Ops erhalten werden? Data-Ingenieure machen sich gerade bereit, DataOps-Praktiken zu adaptieren. Im Folgenden fassen wir Sargents Artikel zusammen.
Was bedeutet DataOps eigentlich?
Gartner hat DataOps als „eine kollaborative Datenmanagementmethode“ definiert, die „darauf ausgerichtet ist, die Kommunikation, Integration und Automatisierung von Datenflüssen zwischen Managern und Verbrauchern von Daten innerhalb eines Unternehmens zu verbessern“. Es handelt sich also vornehmlich um eine Prozedur, die von Menschen vorangetrieben wird, und nur sekundär um eine Technologie. Man kann DataOps also nicht kaufen. DataOps könnte man als das DevOps im Datenengineering beschreiben. Es ist eher eine Facette von DevOps und funktioniert nach demselben Prinzip, also mit agilen Methoden.
Was will DataOps?
DataOps will ganz allgemein gesehen Kommunikationsprobleme zwischen Entwicklern und Stakeholdern aus dem Weg schaffen. Es ist nicht selten zu beobachten, dass es zu Verständigungsproblemen kommt, wenn jemand in einer Organisation oder einem Unternehmen nach einem Reporting oder einer Datengrundlage fragt. Wer auch immer dieser Anfrage nachkommt, hat oft nicht alle Informationen oder ist nicht in der Lage, zu verstehen, welche Art von Daten tatsächlich benötigt wird. Der Anfragende erhält Daten, mit denen er nichts anfangen kann. Die Anfrage muss neu formuliert werden und es kommt zu Doppelarbeit und Frustration. Indem man alle Stakeholder stets einbindet, kann dies vermieden werden. Ein weiterer Aspekt von DataOps ist die Verbesserung der Nutzung von Daten. Es geht um die Steigerung der Geschwindigkeit in der Datennutzung, die Steigerung der Zuverlässigkeit von Daten, eine Verbesserung der Verständlichkeit von Daten und um die effizientere Verwaltung von Daten. Die Analyse und Nutzung von Daten muss aber auch zur Entwicklungsstrategie eines Unternehmens passen. Idealerweise ist ein Datenexperte in jedem Scrum Team zu finden.
Zusammenhang zwischen DevOps und DataOps
Firmen mit weniger Erfahrung auf dem Gebiet des Datenmanagements neigen dazu, das Datenhandling outzusourcen und nach der Wasserfallmethode zu arbeiten. Firmen, die bereits mit DevOps arbeiten, haben eher einen Hang dazu, sich auch mit DataOps zu befassen, sei es in der Anwendung oder in der Automatisierung. DataOps ist leichter zu verstehen, wenn man sich bereits mit DevOps befasst hat und die meisten Unternehmen begreifen das Prinzip recht schnell. Die DevOps-Strukturen können in gewisser Weise auf DataOps angewendet werden. DataOps ohne jegliche Vorkenntnisse im DevOps zu implementieren, ist jedoch ein schwieriges Unterfangen.
Wohin entwickelt sich DataOps?
DataOps ist in den Augen fast aller damit befassten Berater etwas, das in Zukunft an Bedeutung gewinnen und bald nicht mehr aus dem Unternehmensalltag wegzudenken sein wird. Allerdings gehen die meisten auch davon aus, dass es noch eine Weile brauchen wird, bis DataOps so weit verbreitet ist, dass es als Standard gesehen werden kann. Allgemein ist die Tatsache, dass sich Firmen Gedanken darüber machen, wie sie ihre Daten in Zukunft am besten verarbeiten, eine gute Sache. Eine Studie von Nexla und Pulse Q&A zeigte, dass im Jahr 2018 etwa 73% der befragten amerikanischen Unternehmen in DataOps investiert haben. Die zahlreichen Umwälzungen auf dem Markt und die Änderungen hin zu mehr Agilität haben es nötig gemacht, auch über Daten nachzudenken. DevOps war erfolgreich. Warum sollte man das Erfolgsrezept also nicht anpassen und nutzen? Es wird in diesem Bereich aktuell viel angeboten, aber auch die aktive Nachfrage steigt. „Was ist das und wie können wir davon profitieren?“ lautet die Standardfrage der Unternehmen und die Antwort ist zwar nicht kurz, aber höchst interessant. Es ist damit zu rechnen, dass in den kommenden Jahren immer mehr Best Practices Beispiele konkret aus der Wirtschaft kommen.
Was gibt es Neues?
Der Trend geht unter anderem dahin, DataOps auch von Seite der KI zu betrachten. Algorithmen haben ihren Teil dazu beigetragen, DataOps besser zu machen und voranzutreiben. KI wird immer besser darin, Daten zu kategorisieren und zu verarbeiten. Datenanalysten haben viele interessante Wege gefunden, um Machine Learning in der Datenverarbeitung einzusetzen. Natürlich gibt es auch neue Tools, die man kaufen kann. Ein anderer Trend weist dahin, dass sich die Rolle von Architekten in den DataOps Strukturen ändert. Nachdem viele Entwickler Architekten als eher hinderlich im agilen Entwicklungsprozess betrachtet haben, spielen sie nun wieder eine wichtigere Rolle, denn sie sind nun wieder von großer Bedeutung für die Entwicklung von Visionen und Mustern. Selbstverständlich muss man in diesem Zusammenhang auch auf den Themenbereich des Datenschutzes schauen, denn zum Beispiel die Europäische Datenschutzrichtlinie und andere ähnliche Regularien hatten und haben immer noch einen enormen Einfluss darauf, wie die Wirtschaft mit Daten umgehen darf oder muss. Auf keinen Fall darf der Aspekt der Datensicherheit aus den Augen gelassen werden – aber das ist ein Thema für sich.
« Alle Beiträge