1. Die Data Fabric wird zur Basis dezentral arbeitender Organisationen

Digitale Unternehmen, die Verbreitung von Online-Vertriebskanälen und Remote Work sorgen zunehmend für ein komplexes und vielfältiges Ökosystem aus Nutzern, Anwendungen und der Daten-Infrastruktur. Insbesondere letztere kann sich über lokale Server, Single- oder Multi-Clouds sowie einer Kombination aus diesen und über Ländergrenzen hinweg erstrecken. Viele Unternehmen werden deshalb im Jahr 2022 eine Data Fabric implementieren, um verteilte Datenbestände, mithilfe logischer, physischer oder hybrider Ansätze zu vereinheitlichen. Hierdurch werden Unternehmen in der Lage sein, Aufgaben im Bereich der Datenintegration, -aufbereitung und -bereitstellung zu automatisieren und die Time-to-Delivery signifikant zu verkürzen.

Laut einer aktuellen TEI-Studie von Forrester geht eine Data Fabric basierend auf einer modernen Datenvirtualisierungs-Plattform sogar noch einen Schritt weiter, indem sie Datenmanagement-Funktionen mithilfe von KI/ML automatisiert und zusätzliche semantische Funktionen mittels Datenkatalog, Datenaufbereitung und Datenmodellierung bereitstellt.

2. Datenbasierte Entscheidungsfindung hält unternehmensweit Einzug

Entscheidungsintelligenz setzt sich aufgrund der riesigen erfassten Datenmengen immer mehr durch. Dabei werden reguläre BI-Dashboards durch KI/ML-gesteuerte Systeme zur Entscheidungsunterstützung ergänzt. Dadurch können Unternehmen Vorhersagen über die Auswirkungen bestimmter Maßnahmen treffen sowie manche Maßnahmen gegenüber anderen empfehlen, damit das System lernt.

Im kommenden Jahr bietet „Decision Intelligence“ das Potenzial, Beurteilungen genauer und schneller vorzunehmen, da maschinengenerierte Entscheidungsprozesse in einer Geschwindigkeit ablaufen, die Menschen nicht erreichen können. Allerdings verfügen Maschinen noch nicht über ein Bewusstsein. Daher sollten Unternehmen, die Entscheidungsintelligenz in ihren BI-Stack integrieren, die Ergebnisse kontinuierlich kontrollieren und unbeabsichtigte Folgen vermeiden, indem sie die Entscheidungsparameter entsprechend anpassen.

3. Data-Mesh-Architekturen zunehmend verbreitet

Je größer und komplexer ein Unternehmen, desto stärker müssen sich zentrale Daten-Teams mit einer Vielzahl von Abteilungen, Datenkonsumenten und Datenanforderungen auseinandersetzen. Data Mesh ist ein neuer dezentraler Datenarchitekturansatz, der darauf abzielt, Engpässe zu beseitigen und Datenentscheidungen näher an diejenigen zu bringen, die die Daten verstehen.

Größere Organisationen werden eine solche Architektur daher künftig vermehrt implementieren. Da die einzelnen Teams und Abteilungen besser verstehen, wie sie ihre Daten nutzen werden, führt die Möglichkeit, eigene Dateninfrastrukturen zu definieren und zu implementieren zu weniger Iterationen bis die spezifischen Business- und Qualitäts-Anforderungen erfüllt sind. Data Mesh etabliert dennoch eine einheitliche Infrastruktur, die es Abteilungen ermöglicht, Datenprodukte zu erstellen und gemeinsam zu nutzen und gleichzeitig Standards für Interoperabilität, Qualität, Governance und Sicherheit umzusetzen.

4. Adaptive Daten-Architekturen erhöhen die Schlagkraft der Data Scientists

Monolithische Architekturen gehören bereits der Vergangenheit an und werden in 2022 weiter zurückgedrängt. Da globale Unternehmen mit über Speicherorte und Ländergrenzen verteilten Daten arbeiten, ist eine physische Konsolidierung aller Unternehmensdaten an einem zentralen Ort praktisch unmöglich. Bei einer adaptiven Architektur können Organisationen hingegen bestimmte Tools für den Aufbau von Teilen oder der gesamten Dateninfrastruktur wählen. Eine Data Fabric bestehend aus einem Datenkatalog-, einem Datenintegrations-, einem Metadaten- und einem semantischen Tool ist ein Beispiel hierfür. Die Möglichkeit, eine Low-Code- oder No-Code-Dateninfrastruktur aufzubauen, bietet Flexibilität und ein hohes Maß an Benutzerfreundlichkeit. Auch sind sie infolge weniger abhängig von der IT. Für 2022 ist zu erwarten, dass Unternehmen den Aufbau adaptiver Daten- und Analyseumgebungen beschleunigt vorantreiben werden, wodurch sie einen Vendor Lock-in vermeiden und Flexibilität und Agilität gewinnen.

5. Konzepte Small und Wide Data Analytics erhalten an Zugkraft

KI/ML verändern die Art und Weise, wie Unternehmen arbeiten. Bislang lag der Fokus auf der Analyse riesiger bestehender Datenmengen – und Big Data wird auch weiterhin Bestand haben, jedoch verlieren ältere historische Daten an Wert. Im laufenden Jahr werden Unternehmen vermehrt auf die Analyse von Small Data setzen, um hochpersonalisierte Erkenntnisse beispielsweise über individuelle Kunden zu generieren und deren Einstellung zu bestimmten Produkten oder Services zu einem bestimmten Zeitpunkt zu erfassen. Wide Data Analytics – wobei strukturierte, unstrukturierte und semi-strukturierte Daten aus verschiedenen Datenquellen zu Analysenzwecken kombiniert werden – ist noch vergleichsweise neu. Angesichts des Tempos, mit dem Unternehmen Geodaten, maschinell erzeugte Daten, Social-Media-Daten und andere Datentypen nutzen, wird diese Art der Analyse aber ebenfalls in 2022 an Zugkraft gewinnen.