Apa itu Kain Data?

Disebutkan bahwa data fabric adalah elemen yang harus dimiliki untuk semua organisasi yang data-centric. Selama beberapa tahun terakhir, terminologi ini cukup relevan dengan manajemen data perusahaan dan integrasi data perusahaan. Menurut firma analis Gartner, data fabric dianggap sebagai 10 tren data dan analitik teratas untuk tahun 2021. Gartner juga memperkirakan bahwa pada tahun 2024, hampir 25% dari setiap vendor manajemen data akan menyediakan solusi data fabric yang komprehensif. Ini akan menjadi lompatan besar dari kontribusi saat ini sebesar 5%.

• Definisi Kain Data
• Kebutuhan kain data
• Arsitektur
• Kemampuan utama
• Perbandingan
• Gunakan Kasus Data Fabric
• Keuntungan dari Data Fabric

Apa itu kain data?

Sederhananya, data fabric adalah arsitektur yang disederhanakan, disatukan, dan tunggal yang mencakup seperangkat teknologi dan layanan yang terintegrasi. Koleksi ini dibuat untuk memberikan data yang terintegrasi dan diperkaya menggunakan metodologi yang benar, kepada pelanggan data yang tepat dan pada waktu yang tepat; menangani pekerjaan operasional maupun analitis.

Data fabric terdiri dari teknologi manajemen data utama seperti – katalog data, tata kelola data, integrasi data, pemipaan data, dan orkestrasi data.

Sumber: Gartner Inc., dan/atau afiliasinya

Mengapa Anda membutuhkan kain data?

Alasan mendasar mengapa organisasi membutuhkan struktur data adalah karena ia melayani banyak penggerak penyelarasan yang bersifat bisnis, teknis, dan organisasional.

Penggerak Bisnis

• Untuk penggerak bisnis, struktur data membantu mengurangi waktu untuk mengakses wawasan dan membantu dalam proses pengambilan keputusan yang lebih cepat. Ini dilakukan dengan menyalurkan data ke gudang data dan danau data, dengan cepat.

• Data fabric juga membantu dalam memberikan tampilan 360 derajat secara real-time dari semua aspek entitas bisnis seperti pelanggan, vendor, pesanan, pengiriman, produk, dll.

Penggerak Organisasi

• Data fabric berfungsi sebagai bahasa umum antara insinyur data dan konsumen data, sehingga membantu meningkatkan kolaborasi antara tim bisnis dan tim data.

• Ada kemampuan akses data swalayan yang memungkinkan konsumen mendapatkan data yang mereka butuhkan, dan pada titik waktu tertentu.

Driver manajemen data

• Manajemen persiapan data membantu ilmuwan data dan sumber daya TI lainnya untuk menghindari segala jenis tugas berulang seputar pengayaan data, transformasi, dan pembersihan data.

• Melalui data fabric, seseorang dapat memperoleh akses ke segala jenis data di seluruh perusahaan menggunakan metode apa pun. Ini termasuk pergerakan data massal, virtualisasi data, dan bahkan API.

• Data fabric juga merampingkan dan mengintegrasikan alat manajemen data saat ini yang digunakan dalam organisasi, dan mengoptimalkan alat lain yang berlebihan untuk meningkatkan efektivitas biaya.

Arsitektur Data Fabric

Arsitektur data fabric yang terdefinisi dengan baik bersifat modular dan mendukung penerapan skala besar yang dapat berupa multi-cloud, on-premise, atau bahkan penerapan hybrid. Untuk arsitektur struktur data, sumber data berkisar dari banyak sistem lama yang bekerja dalam silo hingga lingkungan cloud terbaru.

Diagram berikut memberikan gambaran tentang arsitektur data fabric

Sumber: Gartner Inc., dan/atau afiliasinya

Konsumen data fabric terdiri dari ilmuwan dan analis data, analis pemasaran, analis penjualan, dan sumber daya yang bekerja pada privasi data bersama dengan arsitek cloud.

Kemampuan utama dari data fabric

Berikut adalah serangkaian kemampuan utama yang didukung oleh data fabric saat diintegrasikan ke dalam satu platform terpadu:

1. Katalog Data
   Untuk mengkategorikan, mengklasifikasikan, dan menempatkan aset data ke dalam struktur inventaris yang tepat, sehingga menyajikannya secara visual.

2. Rekayasa Data
   Untuk mengembangkan saluran data yang andal untuk tujuan analitis dan operasional

3. Tata Kelola Data
   Untuk memastikan kualitas data dan juga untuk mematuhi peraturan dan protokol seputar privasi data, keamanan data, dan skalabilitas

4. Persiapan data
   Ini tentang mendefinisikan proses aliran data, yang juga mencakup langkah-langkah yang terlibat dalam pembersihan data, pengayaan, transformasi, dan validasi data.

5. Integrasi data & pengiriman data
   Ini melibatkan penggalian atau pengambilan data dari sumber yang dapat dipercaya dan kemudian membuatnya tersedia untuk konsumen data untuk diproses lebih lanjut. Ini dilakukan melalui API, ETL, dll.

Di atas dan di atas kemampuan inti seperti yang disebutkan di atas, ada juga kemampuan non-inti tertentu, yang dibawa oleh data fabric ke tabel.

Ini adalah sebagai berikut:

1. Skala, Volume & Performa Data
2. Aksesibilitas
3. Distribusi
4. Keamanan

Perbandingan antara Fabric Data/Data Lake/Database untuk Beban Kerja Operasional

Untuk membantu Anda memahami pentingnya data fabric, mari kita lihat perbandingan seputar pro dan kontra dari berbagai sumber data

Sementara data fabric memang berfungsi sebagai teknologi superior untuk beban kerja operasional skala tinggi, itu juga merupakan solusi yang bertindak sebagai teknologi timbal balik untuk data lake dan gudang data. Untuk jumlah beban kerja data seperti itu, data fabric dapat:

1. Menyalurkan data baru dan tepercaya ke dalamnya, untuk tujuan analitik offline.
2. Terima wawasan bisnis DARI mereka, untuk disematkan ke dalam kasus penggunaan operasional waktu nyata.

Gunakan Kasus Data Fabric

Di seluruh operasi perusahaan, ada beberapa kasus bekas yang memerlukan arsitektur data berskala tinggi dan berkecepatan tinggi yang mampu mendukung banyak transaksi. Contoh-contoh ini termasuk:

• Menghadirkan pandangan pelanggan 360 derajat

  Menyampaikan pandangan pelanggan yang komprehensif dan tunggal melalui sistem CRM, IVR, atau portal layanan mandiri pelanggan.

• Mematuhi undang-undang privasi data

  Dengan mengadopsi alur kerja yang fleksibel dan solusi otomatisasi data yang sesuai dengan kepatuhan antara orang, sistem, dan data.

• Uji data sesuai permintaan

  Membantu dalam membuat gudang data pengujian dan berbagi data pengujian anonim ke berbagai pusat data, menjaga integritas total

Keuntungan dari Data Fabric

Ada banyak keuntungan dari data fabric dibandingkan beberapa metodologi manajemen data tradisional/alternatif.

• Manajemen data yang ditingkatkan
• Layanan data yang diperluas
• Tingkat konsistensi, ketersediaan, dan daya tahan yang tinggi
• Keamanan yang sangat ketat
• Performa tinggi

Pikiran Akhir

Tim yang tidak ingin memiliki satu solusi struktur data untuk analisis data dan solusi lain untuk kecerdasan operasional. Mereka biasanya lebih suka memiliki satu data fabric untuk keduanya.

Sumber Daya Berguna Lainnya:

5 Langkah untuk Membuat Budaya Berbasis Data | TechFunnel

12 Tips Membangun Literasi Data di 2022 | corong teknologi

Pusat Data – Semua yang Perlu Anda Ketahui | corong teknologi