Gerald Reif
Principal Architect, Director
Blogserie | From Data to Business Value with Data Mesh | #4
Autor: Gerald Reif
Um mit einem Data Mesh erfolgreich zu sein, muss man nicht nur die vier Prinzipien (Blog #2) verstehen und deren Technologien (Blog #3) beherrschen, sondern vor allem auch den Menschen miteinbeziehen. Denn ein Data Mesh ist ein soziotechnischer Ansatz, bei dem auch die Organisation auf den zielgerichteten und effizienten Aufbau und Ausbau des Data Mesh ausgerichtet sein muss. In diesem Blogpost stellen wir die dafür benötigten Teams und deren Organisation vor, um mit einem Data Mesh die Transformation zu einer Data-Driven Company zu meistern.
In vielen Unternehmen wird ein zentrales Data Warehouse (DWH) als Basis für Analysen und Reportings eingesetzt. Soll eine neue Datenquelle gebunden werden oder auch nur ein bestehender Datensatz um eine Tabelle/Spalte erweitert werden, ergeht ein Auftrag an das zentrale DWH-Team. Da das DWH-Team die zentrale Anlaufstelle für alle Reporting- und Datenanalyseanfragen ist, wird die Kapazität in diesem Team häufig zum Bottleneck. In der Praxis haben wir bei dieser Teamorganisation folgende Herausforderungen festgestellt:
Beim Data Mesh verfolgt man einen dezentralen Ansatz. Der Fokus liegt dabei darauf, die Domänen zu befähigen, möglichst selbstständig ihre Datenprodukte zu erstellen und zu betreiben. Deshalb ist es sinnvoll, die Aufgaben in folgenden drei Teams zu strukturieren:
Plattform, Consulting und Domänen Teams - das sind die drei essenziellen Teams, um ein Data Mesh effizient aufzubauen. Die Datenprodukte werden dezentral von den Teams erstellt und betrieben, welche das fachliche Knowhow in der jeweiligen Domäne besitzen. Ausserdem wird dem Aspekt Rechnung getragen, dass das technische Wissen über den Aufbau der Analytics-Plattform nicht in den Domänen Teams vorhanden sein muss. Abhängig von der Grösse des Unternehmens können die Grenzen der Teams ineinander übergehend gestaltet sein. Zum Beispiel können Mitarbeiter des Consulting Teams beim Aufbau der Analytics-Plattform mitarbeiten, da diese die Services aus Anwendersicht kennen und so sicherstellen können, dass die Domänen Teams nach anerkannten Best Practices arbeiten können. Sollte ein Domänen Team zu wenig Erfahrung im Umgang mit der Analytics Plattform haben, so hilft das Consulting Team mit der Expertise in Data Engineering und Data Science aus.
Zusätzlich zu den vorgestellten drei Teams sind noch weitere Rollen/Teams involviert, wenn ein Data Mesh in einem Unternehmen eingeführt wird. Der Data Steward ist zum Beispiel dafür verantwortlich, dass die Data-Governance-Richtlinien des Unternehmens von der Analytics-Plattform und den Datenprodukten eingehalten werden. Das Cloud Foundation Team ist verantwortlich, dass die Cloud Services in die Enterprise IT Architektur integriert werden und sorgt für die sichere Anbindung des On-Premises Rechenzentrums zum Netzwerk des Cloud Providers. Die IT Security stellt sicher, dass durch die Architektur und Konfiguration der Cloud Services keine Sicherheitsrisiken eingegangen werden.
In diesem Blogpost haben wir vorgestellt, wie die drei zentralen Teams (Plattform, Consulting und Domänen Team) organisiert sein sollten, wenn unternehmensweit ein Data Mesh für Datenanalyse, Reporting und Machine Learning eingeführt wird. Wir haben zudem beleuchtet, welche Rolle der Data Steward, das Cloud Foundation Team sowie die IT Security bei der Einführung eines Data Mesh spielen. Sind diese Teams im Unternehmen klar definiert und aufeinander eingespielt, lässt sich der Schritt von einem zentralen DWH hin zu einem dezentralen Data Mesh meistern. Zusammenfassend kann gesagt werden, dass auch dieser Ansatz mit dem Menschen steht und fällt.
Blog #1 die Motivation dahinter
Blog #2 ihre vier Prinzipien
Blog #3 die technische Umsetzung
Blog #4 ihre Teams