Datenmodellierung: Grundlage für skalierbare Dateninfrastrukturen
Bevor eine Datenbank entsteht, braucht es einen klaren Bauplan: das Datenmodell. Die Wahl des passenden Modelltyps entscheidet darüber, ob eine Dateninfrastruktur langfristig stabil wächst. Wird die falsche Struktur gewählt, entstehen Probleme, die später nur mit hohem Aufwand zu beheben sind. Datenmodelle können hier unterstützen.
Moderne Pipelines für das Daten-Streaming
Mit einem Realtime-Daten-Streaming erhalten Unternehmen Echtzeit-Einblicke in ihr Business. Althergebrachte Punkt-zu-Punkt-Verbindungen reichen dafür nicht aus, argumentiert Confluent. Streaming-Pipelines beschleunigen Abläufe und Analysen und senken zudem die Kosten.
Customer Data Platforms bündeln Kundenwissen
Customer Data Platforms, die an Data Warehouses angebunden sind, werden zum Schlüssel für erfolgreiche Kampagnen auf Basis Künstlicher Intelligenz. Das zeigt der aktuelle Report von Twilio über den Einsatz der hauseigenen Customer Data Platform Twilio Segment.
Struktur gefragt: vom Daten-See zum Daten-Sumpf
Wollen Unternehmen Kundeninteraktionen in Online- und Offline-Kanälen untersuchen, brauchen sie eine Datenanalyse. Eine Lösung dafür ist ein Data Lake. Ohne Metadaten und Governance wird daraus schnell ein Datensumpf, warnt der Analytik-Spezialist Double Cloud.
Edge Computing fordert die Rechenzentren heraus
Ein Data Warehouse in einem zentralen Rechenzentrum – so laufen bisher die meisten Analytics-Anwendungen. Künftig wird ein großer Teil Datenhaltung und Auswertungen ans Edge wandern, argumentiert der Speicherspezialist Pure Storage.
Process Mining mit einer In-Memory-Datenbank
Prozessanalyse ohne Umweg über einen Data Lake: In der Kombination des Process-Mining-Werkzeugs PAFnow mit der analytischen Datenbank Exasol optimieren Anwender IST-Prozesse ohne Implementierungsaufwand.
SAP-Anwender wollen den Wandel steuern
„Hyperchange – IT in der neuen Realität“ lautet das Thema der Technologietage der SAP-Benutzervereinigung DSAG. Im Fokus steht die Frage, wie Betriebe mit Analytics und der Cloud im Wettbewerb gewinnen.
Mangelnde Datenintegrität verfälscht Big-Data-Analysen
Integritätskontrolle bei immer größer werdenden, vermehrt unstrukturierten Datensätzen ist eine große Herausforderung vor allem unter dem Aspekt der Datensicherheit. Automatisierung kann dabei helfen, die Integrität von Daten im Zeitalter von Big Data zu gewährleisten.