Data Lakes statt Data Warehouse

Denn das zentrale Problem ist und bleibt: Was setzen wir anstelle der Silos?

Klassische Ansätze für Datenanalysen basieren auf der Auswertung von Datenbanken. Daneben gibt es spezielle Ansätze, um unstrukturierte Daten zu durchsuchen, zu klassifizieren und zu analysieren. Data Lakes verbinden die Welten der strukturierten und unstrukturierten Daten, sie halten alle Daten in dem ursprünglichen Format vor. Man kann es sich so vorstellen, dass alle Datenflüsse aus allen Anwendungen eines Unternehmens in einem zentralen Datenpool - oder einem Datensee - landen und von dort wieder über definierbare Abflüsse ausgeleitet werden können.

Data Lakes bieten eine Mischung aus Daten verschiedener Quellen, mit der neue Analysen einfach möglich werden. Datensilos werden dadurch vermieden. So lassen sich zum Beispiel Daten aus CRM-Datenbanken in Verbindung mit Daten aus den Social-Media-Kanälen gemeinsam auswerten. Übergreifende Analysen werden möglich, die Datenquellen nutzen, die vorher nie in Verbindung standen, und so neue Einsichten liefern.

Daten aus unterschiedlichen Quellen lassen sich auch in einem Data Warehouse aufbewahren. Doch dazu muss man zuerst die Daten aufbereiten und ein Schema planen, wie die Daten abgelegt werden sollen in Files (Dateien) und Folders (Ordnern). Bei einem Data Warehouse braucht man das Schema vorab (Schema-on-Write), während bei einem Data Lake das Schema erst zur Nutzung der Daten, also für die konkrete Datenanalyse, festgelegt wird (Schema-on-Read).

Data Lakes sparen so Zeit und Aufwand bei der Planung (Entwicklung des Schemas, Datenvorbereitung) und erhöhen die Flexibilität der Nutzer. Die Daten in den Data Lakes sind mit eindeutigen Kennzeichen und mit Metadaten versehen, damit sie gefunden und bedarfsweise gruppiert werden können, um eine gezielte Analyse zu starten.

iBusiness hat sich schon vor einiger Zeit mit dem Thema auseinandergesetzt. Wenn Sie sich mit dem Thema intensiv auseinandersetzen wollen, schauen Sie einfach mal dort vorbei (iBusiness: Smartes Wissensmanagement: So schöpfen Sie aus Data Lakes)