Datengovernance mit Profisee und Microsoft Purview

Unternehmenssysteme können über mehrere Quellen für Masterdaten verfügen, d. h. die gemeinsamen Daten, die systemübergreifend freigegeben sind. Diese Tatsache kann deutlich werden, wenn Sie Datenquellen katalogisieren. Beispiele für Masterdaten sind Kunden-, Produkt-, Standort-, Ressourcen- und Anbieterdaten. Wenn Sie Profisee verwenden, um Ihre Masterdaten zusammenzuführen, zu überprüfen und zu korrigieren, können Sie diese Daten effektiv gestalten. Insbesondere können Sie damit eine gemeinsame vertrauenswürdige Plattform für Analysen und betriebliche Verbesserungen erstellen. Mithilfe der Governancedefinitionen, der Erkenntnisse und des Fachwissens, die in Microsoft Purview beschrieben sind, können Sie Ihre Plattform effektiv erstellen.

Diese Referenzarchitektur stellt eine Governance- und Datenverwaltungslösung dar, die Microsoft Purview und die Profisee-Platform für Masterdatenverwaltung (Master Data Management, MDM) bietet. Diese Dienste arbeiten zusammen, um eine Grundlage für qualitativ hochwertige, vertrauenswürdige Daten zu schaffen, die den geschäftlichen Wert der Daten in Azure maximieren. Ein kurzes Video zu dieser Lösung finden Sie unter Die Leistungsfähigkeit der vollständig integrierten Masterdatenverwaltung in Azure.

Aufbau

Das folgende Diagramm zeigt die Schritte, die Sie ausführen, wenn Sie Ihre Masterdatenlösung entwickeln und betreiben. Stellen Sie sich diese Schritte als hochgradig iterativ vor. Während sich Ihre Lösung weiterentwickelt, können Sie diese Schritte und Phasen wiederholen, manchmal automatisch und manchmal manuell. Ob Sie automatische oder manuelle Schritte verwenden, hängt von den Änderungen ab, die Ihre Masterdatenlösung, Ihre Metadaten und Ihre Daten durchlaufen.

Laden Sie eine Visio-Datei dieser Architektur herunter.

Datenfluss

Der Metadaten- und Datenfluss umfasst diese Schritte, die in der vorangegangenen Abbildung dargestellt sind:

1. Vorgefertigte Microsoft Purview-Connectors werden verwendet, um einen Datenkatalog aus Quellgeschäftsanwendungen zu erstellen. Die Connectors scannen Datenquellen und füllen den Microsoft Purview Data Catalog auf.

2. Das Masterdatenmodell wird in Microsoft Purview veröffentlicht. Masterdatenentitäten, die in Profisee MDM erstellt werden, werden nahtlos in Microsoft Purview veröffentlicht. Dieser Schritt füllt ebenfalls den Microsoft Purview Data Catalog auf und stellt sicher, dass ein Eintrag dieser kritischen Quelle von Daten in Microsoft Purview vorhanden ist.

3. Governancestandards und Richtlinien für die Datenverwaltung werden verwendet, um Entitätsdefinitionen für die Masterdaten anzureichern. Die Daten werden in Microsoft Purview mit Datenwörterbüchern und Glossarinformationen, Eigentumsdaten und Klassifizierungen vertraulicher Daten angereichert. Alle in Microsoft Purview verfügbaren Definitionen und Metadaten sind in Echtzeit in Profisee als Anleitung für die MDM-Data Stewards sichtbar.

4. Masterdaten aus Quellsystemen werden in Profisee MDM geladen. Ein Datenintegrationstoolset wie Azure Data Factory extrahiert Daten aus den Quellsystemen mithilfe eines der mehr als 100 vordefinierten Connectors oder eines REST-Gateways. Mehrere Streams mit Masterdaten werden in Profisee MDM geladen.

5. Die Masterdaten werden gemäß den Governanceregeln standardisiert, abgeglichen, zusammengeführt, angereichert und überprüft. Andere Systeme wie Microsoft Purview können Regeln für Datenqualität und Governance definieren. Profisee MDM ist jedoch das System, das diese Regeln erzwingt. Quelldatensätze werden innerhalb als auch über Quellsysteme hinweg abgeglichen und zusammengeführt, um einen möglichst vollständigen und korrekten Datensatz zu erstellen. Mithilfe von Datenqualitätsregeln werden alle Datensätze überprüft, damit geschäftliche und technische Anforderungen eingehalten werden. Jeder Datensatz, der die Validierung nicht besteht oder der eine niedrige Wahrscheinlichkeitsbewertung zurückgibt, muss gewartet werden. Um fehlgeschlagene Validierungen zu korrigieren, weist ein Workflowprozess Datensätze, die überprüft werden müssen, an Data Stewards zu. Diese sind die Experten in ihrer Geschäftsdatendomäne. Nachdem ein Datensatz überprüft oder korrigiert wurde, kann er als goldener Datensatzmaster verwendet werden.

6. Transaktionsdaten werden in eine nachgelagerte Analyselösung geladen. Ein Datenintegrationstoolset wie Data Factory extrahiert Transaktionsdaten aus Quellsystemen mithilfe eines der mehr als 100 vordefinierten Connectors oder eines REST-Gateways. Das Toolset lädt die Daten direkt in eine Analysedatenplattform wie Azure Synapse Analytics. Die Analyse dieser rohen Informationen ohne die richtigen goldenen Masterdaten ist ungenau, weil sich die Datenüberschneidungen, Nichtübereinstimmungen und Konflikte noch nicht aufgelöst sind.

7. Power BI-Connectors bieten direkten Zugriff auf die kuratierten Masterdaten. Power BI-Benutzer können die Masterdaten direkt in Berichten verwenden. Ein dedizierter Power BI-Connector erkennt und erzwingt rollenbasierte Sicherheit. Außerdem werden verschiedene Systemfelder ausgeblendet, um die Verwendung zu vereinfachen.

8. Qualitativ hochwertige, kuratierte Masterdaten werden in einer nachgelagerten Analyselösung veröffentlicht. Wenn Masterdatensätze in einen einzigen goldenen Datensatz zusammengeführt wurden, bleiben die Eltern/Kind-Verknüpfungen zu den ursprünglichen Datensätzen erhalten.

9. Die Analyseplattform verfügt über eine Reihe von Daten, die in dem Sinne zertifiziert sind, dass sie vollständig, konsistent und genau sind. Diese Daten umfassen ordnungsgemäß kuratierte Masterdaten und zugeordnete Transaktionsdaten. Diese Kombination bildet eine solide Grundlage für vertrauenswürdige Daten, die für weitere Analysen verfügbar sind.

10. Die qualitativ hochwertigen Masterdaten werden visualisiert und analysiert, und Machine Learning-Modelle werden angewendet. Das System liefert fundierte Erkenntnisse, um das Geschäft voranzutreiben.

Komponenten

• Microsoft Purview ist eine Datengovernancelösung, die einen umfassenden Einblick in die lokalen und cloudbasierten Datenbestände bietet. Microsoft Purview bietet eine Kombination aus Datenermittlung und Datenklassifizierung, Datenherkunft, Suche und Ermittlung von Metadaten sowie Verbrauchserkenntnissen. Alle diese Features helfen Ihnen, Daten in Ihrer gesamten Unternehmensdatenlandschaft zu verwalten und zu verstehen.

• Profisee MDM ist eine schnelle und intuitive MDM-Plattform, die nahtlos in Microsoft-Technologien und das Azure-Datenverwaltungsökosystem integriert wird.

• Data Factory ist ein hybrider Datenintegrationsdienst. Sie können Data Factory verwenden, um ETL-Workflows (Extrahieren, Transformieren und Laden) sowie ELT-Workflows (Extrahieren, Laden und Transformieren) zu erstellen, zu planen und zu orchestrieren. Data Factory bietet auch mehr als 100 vorgefertigte Connectors und ein REST-Gateway, das Sie verwenden können, um Daten aus Quellsystemen zu extrahieren.

• Azure Synapse Analytics ist ein schnelles, flexibles und vertrauenswürdiges Cloud-Data Warehouse, das eine massive Architektur zur Parallelverarbeitung verwendet. Sie können Azure Synapse Analytics verwenden, um Daten elastisch und unabhängig zu skalieren, zu berechnen und zu speichern.

• Power BI ist eine Suite mit Business-Analytics-Tools, die für Ihre gesamte Organisation Erkenntnisse liefern. Sie können Power BI verwenden, um eine Verbindung mit Hunderten von Datenquellen herzustellen, die Datenaufbereitung zu vereinfachen und improvisierte Analysen durchzuführen. Sie können auch hochwertige Berichte produzieren und sie dann veröffentlichen, damit Ihre Organisation sie im Web und auf mobilen Geräten nutzen kann.

Alternativen

Wenn Sie keine dedizierte MDM-Anwendung haben, finden Sie in Azure einige der technischen Funktionen, die Sie zum Erstellen einer MDM-Lösung benötigen:

• Datenqualität. Wenn Sie Daten in eine Analyseplattform laden, können Sie die Datenqualität in Integrationsprozesse einbauen. Beispielsweise können Sie hartcodierte Skripts nutzen, um Datenqualitätstransformationen in einer Data Factory-Pipeline anzuwenden.
• Datenstandardisierung und -anreicherung. Azure Maps kann Datenüberprüfung und -standardisierung für Adressdaten bieten. Sie können die standardisierten Daten in Azure Functions und Data Factory verwenden. Um andere Daten zu standardisieren, müssen Sie möglicherweise hartcodierte Skripts entwickeln.
• Verwaltung doppelter Daten. Sie können Data Factory verwenden, um Zeilen zu deduplizieren, wenn genügend Bezeichner für eine exakte Übereinstimmung verfügbar sind. Sie benötigen wahrscheinlich benutzerdefinierte hartcodierte Skripts, um die Logik zu implementieren, die zum Mergen übereinstimmender Zeilen erforderlich ist, während gleichzeitig geeignete Datenüberlebenstechniken angewendet werden.
• Data Stewardship. Sie können Power Apps verwenden, um schnell grundlegende Datenverwaltungslösungen zum Verwalten von Daten in Azure zu entwickeln. Sie können auch geeignete Benutzeroberflächen für Überprüfungen, Workflows, Benachrichtigungen und Validierungen entwickeln.

In Microsoft-zentrierten Umgebungen wird Azure Synapse Analytics im Allgemeinen als Analysedienst bevorzugt. Sie können jedoch jede beliebige Analysedatenbank verwenden. Snowflake und Databricks sind gängige Optionen.

Szenariodetails

Mit der zunehmenden Menge an Daten, die Sie in Azure laden, wächst auch die Notwendigkeit, diese Daten über alle Datenquellen und Datenconsumer hinweg ordnungsgemäß zu kontrollieren und zu verwalten. Daten, die im Quellsystem ausreichend erscheinen, erweisen sich oft als mangelhaft, wenn sie freigegeben werden. Sie können fehlende oder unvollständige Informationen, Duplizierungen und Konflikte enthalten. Deren Gesamtqualität ist möglicherweise schlecht. Was erforderlich ist, sind Daten, die vollständig, konsistent und genau sind.

Ohne qualitativ hochwertige Daten in Ihrem Azure-Datenbereich wird der wird der geschäftliche Wert von Azure untergraben, vielleicht sogar kritisch. Die Lösung besteht in der Erstellung einer Grundlage für Datengovernance und -verwaltung, die eine Wahrheitsquelle für qualitativ hochwertige, vertrauenswürdige Daten erzeugen und bereitstellen kann. Microsoft Purview und Profisee MDM arbeiten zusammen, um diese Unternehmensplattform zu bilden.

Microsoft Purview katalogisiert alle Ihre Datenquellen und identifiziert alle vertraulichen Informationen und deren Herkunft. Sie bietet dem Datenarchitekten einen Ort, die geeigneten Datenstandards zu berücksichtigen, die allen Daten auferlegt werden. Der Schwerpunkt von Microsoft Purview liegt auf Governance, um Richtlinien und Standards zu finden, zu klassifizieren und zu definieren. Die Aufgaben zum Erzwingen von Richtlinien und Standards, zum Katalogisieren von Datenquellen und zur Behebung fehlerhafter Daten fallen in den Bereich von Technologien wie MDM-Systeme.

Profisee MDM ist darauf ausgelegt, Masterdaten aus jeder Quelle zu akzeptieren. Profisee MDM gleicht die Daten dann ab, führt sie zusammen und standardisiert, überprüft, korrigiert und synchronisiert sie systemübergreifend. Dieser Prozess stellt sicher, dass Daten ordnungsgemäß integriert werden können und die Anforderungen von nachgelagerten Systemen wie Business Intelligence (BI) und Anwendungen für maschinelles Lernen erfüllen. Die integrative Profisee-Plattform erzwingt Governancestandards über mehrere Datensilos hinweg.

Besser zusammen

Microsoft Purview und Profisee MDM arbeiten besser zusammen. Wenn sie integriert sind, optimieren sie Datenverwaltungsaufgaben und stellen sicher, dass alle Systeme zusammenarbeiten, um die gleichen Standards durchzusetzen. Profisee MDM veröffentlicht sein Masterdatenmodell in Microsoft Purview, wo es an der Governance teilnehmen kann. Microsoft Purview teilt dann die Ausgabe der Governance, z. B. einen Datenkatalog und Glossarinformationen. Profisee kann die Ausgabe überprüfen und Standards durchsetzen. Durch die Zusammenarbeit schaffen Microsoft Purview und Profisee eine natürliche, bessere aufeinander abgestimmte Synergie, die tiefer geht als jedes unabhängige Angebot.

Nachdem Sie beispielsweise Unternehmensdatenquellen katalogisiert haben, könnten Sie feststellen, dass Masterdaten in mehreren Systemen vorhanden sind. Masterdaten sind die Daten, die eine Domänenentität definieren. Beispiele für Masterdaten sind Daten über Kunden, Produkte, Ressourcen, Standorte, Anbieter, Patienten, Haushalt, Menüelemente und Zutaten. Das Auflösen unterschiedlicher Definitionen sowie das Abgleichen und Zusammenführen dieser Daten aus verschiedenen Systemen ist entscheidend für die Fähigkeit, diese Daten sinnvoll zu nutzen. Um effektiv zu sein, sollten Sie Masterdaten in Profisee MDM zusammenführen, validieren und korrigieren, indem Sie Governance-Definitionen, Erkenntnisse und Fachwissen nutzen, die in Microsoft Purview detailliert beschrieben sind. Auf diese Weise bilden Microsoft Purview und Profisee MDM eine Grundlage für Governance und Datenverwaltung, und sie maximieren den Geschäftswert von Daten in Azure.

Die Alternative ist, sämtliche Informationen zu verwenden, die Sie erhalten können. Wenn Sie jedoch diesen Ansatz verwenden, riskieren Sie irreführende Ergebnisse, die Ihrem Unternehmen schaden können. Wenn Sie stattdessen qualitativ hochwertige Masterdaten verwenden, beseitigen Sie häufige Datenqualitätsprobleme. Dann liefert Ihr System fundierte Erkenntnisse, mit denen Sie Ihr Unternehmen vorantreiben können, unabhängig davon, welche Tools Sie für Analyse, maschinelles Lernen und Visualisierung verwenden. Gut kuratierte Masterdaten sind ein wichtiger Aspekt beim Aufbau einer soliden, zuverlässigen Datengrundlage.

Wenn Sie Profisee MDM mit Microsoft Purview verwenden, profitieren Sie von den folgenden Nutzen:

• Eine gemeinsame technische Grundlage. Profisee hat seinen Ursprung in Microsoft-Technologien. Profisee und Microsoft verwenden gemeinsame Tools, Datenbanken und Infrastruktur, so dass die Profisee-Lösung jedem vertraut ist, der mit Microsoft-Technologien arbeitet. Tatsächlich wurde Profisee MDM viele Jahre lang auf Microsoft Master Data Services aufgebaut. Jetzt nähert sich Master Data Services dem Ende seines Lebenszyklus, und Profisee ist die primäre Upgrade- und Ersatzlösung.
• Entwicklerzusammenarbeit und gemeinsame Entwicklung. Profisee- und Microsoft Purview-Entwickler arbeiten intensiv zusammen, um eine um eine gute, ergänzende Anpassung zwischen ihren jeweiligen Lösungen zu gewährleisten. Diese Zusammenarbeit ermöglicht eine nahtlose Integration, welche die Kundenanforderungen erfüllt.
• Gemeinsamer Vertrieb und Bereitstellungen. Profisee hat mehr MDM-Bereitstellungen in Azure, und gemeinsam mit Microsoft Purview mehr Bereitstellungen als jeder andere MDM-Anbieter. Sie können Profisee über den Azure Marketplace erwerben. Im Geschäftsjahr 2023 ist Profisee der einzige MDM-Anbieter mit einer Microsoft-Partnerzertifizierung der obersten Ebene, der über ein Angebot für Infrastructure-as-a-Service-Angebot (IaaS), Containers-as-a-Service (CaaS) oder Software-as-a-Service (SaaS) auf Azure Marketplace verfügt.
• Schnelle und zuverlässige Bereitstellung. Ein wichtiges Feature aller Unternehmenssoftware ist die schnelle und zuverlässige Bereitstellung. Laut der Gartner Peer Insights-Plattform verfügt Profisee über mehr Implementierungen, die in weniger als 90 Tagen abgeschlossen sind, als jeder andere MDM-Anbieter.
• Mehrere Domänen. Profisee bietet einen Ansatz für MDM, der von Natur aus mehrere Domänen verwendet. Es gibt keine Einschränkungen für die Anzahl der Masterdatendomänen, die Sie erstellen können. Dieser Entwurf eignet sich gut für Kunden, die planen, ihre Datenbestände zu modernisieren. Ein Kunde könnte mit einer begrenzten Anzahl von Domänen beginnen, aber letztendlich profitiert er von der Maximierung seiner Domänenabdeckung über seinen gesamten Datenbestand. Diese Domänenabdeckung ist mit der Abdeckung ihrer Datengovernance abgeglichen.
• Engineering, das für Azure entwickelt wurde. Profisee wurde für die Nutzung in der Cloud entwickelt und bietet Optionen für SaaS- und verwaltete IaaS- oder CaaS-Bereitstellungen in Azure.

Mögliche Anwendungsfälle

Eine detaillierte Liste der MDM-Anwendungsfälle dieser Lösung finden Sie weiter unten in diesem Artikel unter MDM-Anwendungsfälle. Wichtige MDM-Anwendungsfälle umfassen die folgenden Beispiele für Einzelhandel und Fertigung:

• Konsolidierung von Kundendaten für Analysen.
• Eine 360-Grad-Ansicht der Produktdaten in konsistenter und zugänglicher Form, z. B. Name, Beschreibung und Merkmale jedes Produkts.
• Erstellung von Referenzdaten zur konsistenten Ergänzung der Beschreibungen von Masterdaten. Zu den Referenzdaten gehören z. B. Listen von Ländern/Regionen, Währungen, Farben, Größen und Maßeinheiten.

Diese MDM-Lösungen helfen auch Finanzunternehmen, die bei kritischen Aktivitäten wie rechtzeitige Berichtserstellung stark auf Daten angewiesen sind.

MDM-Integration mit Microsoft Purview

Das folgende Diagramm veranschaulicht im Detail die Integration von Profisee MDM in Microsoft Purview. Zur Unterstützung dieser Integration bietet das Governance-Subsystem von Profisee eine bidirektionale Integration mit Microsoft Purview, die aus zwei unterschiedlichen Flows besteht:

• Die Veröffentlichung von Lösungsmetadaten erfolgt, wenn Ihre Datenmodellierer Änderungen an Ihrem Masterdatenmodell, an Abgleichsstrategien und den zugehörigen Unterartefakten vornehmen. Diese Änderungen werden nahtlos in Microsoft Purview veröffentlicht, sobald sie auftreten. Durch die Veröffentlichung dieser Änderungen werden die Metadaten synchronisiert, die sich auf Ihr Masterdatenmodell und ihre Lösung beziehen. Daher wird der Microsoft Purview Data Catalog weiter aufgefüllt, und Microsoft Purview verfügt über einen Eintrag dieser kritischen Datenquelle.
• Governancedetails werden zurückgegeben und für Data Stewards und Geschäftsbenutzer bereitgestellt. Diese Details sind verfügbar, wenn die Benutzer Daten anzeigen, Daten anreichern und Probleme mit der Datenqualität mithilfe des Profisee FastApp-Portals beheben.

Integrationsfunktionen von Microsoft Purview

Der Microsoft Purview-Katalog und das Glossar können Ihnen helfen, die Integration zu maximieren.

Entwurf des Masterdatenmodells

Eine der Herausforderungen bei der Vorbereitung einer MDM-Lösung besteht darin, zu bestimmen, was Masterdaten sind und welche Datenquellen verwendet werden sollen, wenn Sie Ihr Masterdatenmodell auffüllen. Sie können Microsoft Purview verwenden, um bei diesem Aufwand zu helfen. Sie können die Fähigkeit nutzen, Ihre kritischen Datenquellen zu scannen, und Sie können Ihre Data Stewards und Fachexperten (Subject Matter Experts, SMEs) einbinden. Auf diese Weise können Sie Ihren Microsoft Purview Data Catalog mit Informationen anreichern, auf die Stewards dann zugreifen können, um Ihr Masterdatenmodell besser an Ihren branchenspezifischen Systemen auszurichten. Sie können widersprüchliche Terminologie abstimmen. Das Ergebnis dieses Prozesses ist ein Masterdatenmodell, das die Terminologie und Definitionen, die Sie für Ihr Unternehmen standardisieren möchten, optimal widerspiegelt. Außerdem werden veraltete und missverständliche Formulierungen vermieden.

Der folgende Auszug aus dem umfassenderen Diagramm veranschaulicht diesen Integrationsanwendungsfall. Zunächst verwenden Sie die Systemscanningfunktionen von Microsoft Purview, um Metadaten aus Ihren branchenspezifischen Systemen zu erfassen. Als Nächstes bereiten Ihre Data Stewards und SMEs einen soliden Katalog und Kontakte vor. Anschließend können die Datenmodellierer, die mit Profisee MDM-Modellierungsdiensten arbeiten, Ihr Masterdatenmodell vorbereiten und weiterentwickeln. Diese Arbeit richtet sich an den Standards aus, die Sie in Microsoft Purview definieren.

Während Ihre Data Stewards das Modell weiterentwickeln, veröffentlichen die Modellierungsdienste innerhalb der Profisee MDM-Plattform die Änderungen, die Profisee MDM-Governancedienste erhalten. Im Gegenzug bereitet Profisee MDM diese Änderungen vor und gibt sie an Microsoft Purview weiter, damit sie in den aktualisierten Datenkatalog aufgenommen werden können. Diese Ergänzungen zum Katalog stellen sicher, dass Ihre Masterdatendefinitionen im breiteren Datenbestand enthalten sind und auf die gleiche Weise kontrolliert und verwaltet werden können wie die Metadaten Ihres branchenspezifischen Systems. Indem Sie sicherstellen, dass diese Informationen zusammen katalogisiert werden, sind Sie besser in der Lage, die Beziehungen zwischen Ihren Masterdaten und den Daten Ihrer Branchensysteme zu verwalten.

Data Stewards

Große Unternehmen, die über entsprechend komplexe und umfangreiche Datenbestände verfügen, können Herausforderungen für Data Stewards darstellen, die für die Verwaltung und Behebung von Problemen verantwortlich sind, sobald diese auftreten. Wichtige Datendomänen können komplex sein und viele unklare Attribute aufweisen, die nur langjährige Mitarbeitende mit umfangreichem institutionellem Wissen verstehen. Durch die Profisee MDM-Integration mit Microsoft Purview können Sie dieses institutionelle Wissen in Microsoft Purview erfassen und für die Verwendung in Profisee MDM verfügbar machen. Dadurch verringern Sie den hohen Bedarf an Wissen über Unternehmensdaten, wenn Sie kritische und zeitkritische Informationen verwalten.

Die folgende Abbildung veranschaulicht den Informationsfluss von Microsoft Purview zu den Data Stewards, die im FastApp-Portal von Profisee arbeiten. Der Governance Data Service ist sowohl mit Microsoft Purview als auch mit Microsoft Entra ID integriert. Dieser Dienst bietet Lookup-Funktionalität. FastApp-Portalbenutzer können diese Funktionalität verwenden, um angereicherte Governancedaten zu den Entitäten und Attributen abzurufen, mit denen sie arbeiten.

Governancedienste lösen auch Kontakte, die von Microsoft Purview empfangene werden, in ihre vollständigen Profildetails auf, die in Microsoft Entra ID verfügbar sind. Dank vollständigen Profildetails können Ihre Stewards effektiv mit Datenbesitzern und Experten zusammenzuarbeiten, während sie an der Verbesserung der Qualität Ihrer Masterdaten arbeiten.

Der Profisee MDM-Governancedialog ist die Schnittstelle, über die Data Stewards und Benutzer mit Details auf Governanceebene interagieren. Diese Benutzeroberfläche rendert von Microsoft Purview erhaltene Informationen für Benutzer. Mithilfe dieser Informationen können Benutzer die Details hinter den Daten, von denen aus der Dialog gestartet wurde, überprüfen. Wenn die im Governancedialog bereitgestellten Informationen nicht ausreichen, können Benutzer direkt zur Microsoft Purview-Benutzeroberfläche wechseln.

Data Stewards und Geschäftsbenutzer können über das FastApp-Portal auf drei Typen von Profisee MDM-Datenressourcen zugreifen:

• Profisee-Instanz, welche die Infrastruktureigenschaften der spezifischen Instanz der Profisee MDM-Plattform bereitstellt, die der Benutzer anzeigt
• Profisee-Entität, welche die Eigenschaften der Masterdatenentität (die Tabelle) bereitstellt, welche der Steward oder Benutzer gerade anzeigt
• Profisee-Attribut, welches die Eigenschaften des Attributs (z. B. das Feld oder die Spalte) bereitstellt, für das sich der Benutzer interessiert

Die folgende Abbildung veranschaulicht, wo Benutzer, die im FastApp-Portal arbeiten, Governancedetails für jeden dieser Ressourcentypen anzeigen können. Details auf Instanzenebene finden Sie im Menü Hilfe. Sie können über den Seitenzonenheader, der ein Entitätsraster enthält, auf Entitätsdetails zugreifen. Attributdetails finden Sie im Formular, das dem Entitätsraster zugeordnet ist. Greifen Sie auf die Details der Bezeichnungen zu, die dem Attribut zugeordnet sind.

Um Zusammenfassungsinformationen zu erhalten, bewegen Sie den Mauszeiger über das Governancesymbol, z. B. Microsoft Purview. Wählen Sie das Symbol aus, um das vollständige Governancedialogfeld anzuzeigen:

Um zur vollständigen Benutzeroberfläche von Microsoft Purview zu wechseln, wählen Sie im Dialogfeldheader das Governancesymbol aus. Wenn Sie das Symbol auswählen, werden Sie zu Microsoft Purview geführt im Kontext der Ressource, die Sie derzeit anzeigen. Sie können sich dann ganz einfach in Microsoft Purview bewegen, basierend auf Ihren Ermittlungsanforderungen.

MDM-Verarbeitung

Die Leistungsfähigkeit einer MDM-Lösung liegt in den Details.

Datenmodellierung

Das Herzstück Ihrer MDM-Lösung ist das zugrunde liegende Datenmodell. Sie stellt die Definition der Masterdaten in Ihrem Unternehmen dar. Die Entwicklung eines Masterdatenmodells umfasst die folgenden Aufgaben:

• Identifizieren Sie Elemente der Quelldaten aus Ihrer gesamten Systemlandschaft, die für den Betrieb Ihres Unternehmens wichtig und für die Analyse der Leistung von zentraler Bedeutung sind.
• Reichern Sie das Modell mit Elementen an, die Sie aus anderen Drittanbieterquellen erhalten, welche die Daten nützlicher, genauer und vertrauenswürdiger rendern.
• Richten Sie klare Eigentumsverhältnisse und Berechtigungen für die Elemente Ihres Datenmodells ein. Mit dieser Vorgehensweise können Sie sicherstellen, dass Sie die Sichtbarkeit und das Change Management bei der Entwicklung Ihres Modells berücksichtigen.

Die Datengovernance bietet eine kritische Grundlage für die Unterstützung:

• Ihr Governancedatenkatalog, Ihr Wörterbuch, Ihr Glossar und deren unterstützende Ressourcen sind unschätzbare Informationsquellen für Ihre Governance-Data Stewards. Mithilfe dieser Ressourcen können Stewards ermitteln, was in Ihr Masterdatenmodell aufgenommen werden soll. Sie helfen auch bei der Ermittlung von Eigentumsverhältnissen und vertraulichen Datenklassifizierungen in Microsoft Purview. Sie können die Terminologie in Ihrem Modell verstärken. Durch diese Vorgehensweise können Sie ein offizielles Lexikon für Ihr Unternehmen erstellen. Durch die Integration der Terminologie kann Ihr Masterdatenmodell auch alle esoterischen Begriffe, die in verschiedenen Quellsystemen verwendet werden, in die genehmigte Sprache des Unternehmens übersetzen.
• Drittanbietersysteme sind häufig eine Quelle für Masterdaten, die getrennt von Ihren Branchensystemen sind. Es ist wichtig, Ihrem Modell Elemente hinzuzufügen, um die Informationen zu erfassen, welche diese Systeme Ihren Daten hinzufügen, und diese Informationsquellen in Ihren Datenkatalog zurückzuspiegeln.
• Eigentumsverhältnisse und Datenzugriff, wie in Ihrem Governancekatalog identifiziert, können verwendet werden, um Berechtigungen für Zugriff und Änderungsverwaltung innerhalb Ihrer MDM-Lösung zu erzwingen. Als Ergebnis richten Sie Ihre Unternehmensrichtlinien und -anforderungen an den Tools aus, die zum Steuern und Verwalten Ihrer Masterdaten verwenden.

Quelldaten laden

Im Idealfall laden Ihre unterschiedlichen Branchensysteme Daten in Ihr Masterdatenmodell, ohne dass diese verändert oder umgewandelt werden müssen. Das Ziel ist es, eine zentralisierte Version der Daten zu haben, so wie sie im Quellsystem vorhanden sind. Zwischen dem Quellsystem und Ihrem Masterdatenrepository sollte es so wenig Treueverluste wie möglich geben. Indem Sie die Komplexität Ihres Ladeprozesses einschränken, vereinfachen Sie die Datenherkunft. Und wenn Sie Technologien wie Data Factory-Pipelines verwenden, kann Ihre Governancelösung den Flow überprüfen. Dann kann Ihre Lösung die Beziehungen zwischen Ihrem Quellsystem und Ihrem Masterdatenmodell identifizieren. Insbesondere kann Ihre Lösung Daten aus Quellsystemen extrahieren, indem sie einen der mehr als 100 vorgefertigten Connectors und ein REST-Gateway verwendet.

Datenanreicherung und -Standardisierung

Nachdem Sie die Quelldaten in Ihr Modell geladen haben, können Sie diese erweitern, indem Sie auf umfangreiche Quellen von Drittanbieterdaten tippen. Sie können diese Systeme verwenden, um die Daten zu verbessern, die Sie aus Ihren Branchensystemen erhalten. Sie können diese Systeme auch verwenden, um die Quelldaten um Informationen zu erweitern, die ihre Verwendung für andere nachgelagerte Consumer verbessern. Zum Beispiel:

• Sie können Adressüberprüfungsdienste wie Bing verwenden, um Quellsystemadressen zu korrigieren und zu verbessern. Diese Dienste können Informationen standardisieren und fehlende Informationen hinzufügen, die für den geografischen Standort und die Zustellung von E-Mails von entscheidender Bedeutung sind.
• Informationsdienste von Drittanbietern wie Dun & Bradstreet können allgemeine oder branchenspezifische Daten bereitstellen. Sie können diese Daten verwenden, um den Wert Ihres goldenen Masterdatensatzes zu erweitern. Insbesondere können Sie Informationen hinzufügen, die in Ihren unterschiedlichen Branchensystemen nicht verfügbar waren oder in Konflikt standen.

Die Veröffentlichungs-/Abonnementinfrastruktur von Profisee erleichtert es Ihnen, Ihre eigenen Drittanbieterquellen bei Bedarf in Ihre Lösung zu integrieren.

Die Fähigkeit, die Quellen und die Bedeutung hinter diesen Daten zu verstehen, ist für Daten von Drittanbietern genauso wichtig wie für Ihre internen Branchensysteme. Indem Sie Ihr Masterdatenmodell in Ihren Governancedatenkatalog integrieren, können Sie die Beziehungen zwischen internen und externen Datenquellen verwalten und gleichzeitig Ihr Modell mit Governancedetails anreichern.

Data Quality Validation und Stewardship

Nachdem Sie Ihre Daten geladen und angereichert haben, ist es wichtig, sie auf Qualität und Einhaltung von Standards zu überprüfen, die Sie über Ihre Governanceprozesse festgelegt haben. Microsoft Purview kann wiederum eine reichhaltige Quelle für Standardinformationen sein. Sie können Microsoft Purview verwenden, um die Datenqualitätsregeln zu steuern, die Ihre MDM-Lösung erzwingt. Profisee MDM kann auch Datenqualitätsregeln als Ressourcen in Ihrem Governancekatalog veröffentlichen. Die Regeln können einer Überprüfung und Genehmigung unterzogen werden, was Ihnen hilft, die mit Ihren Masterdaten verbundenen Qualitätsstandards von oben nach unten zu überwachen. Ihre Regeln sind an Masterdatenentitäten und Attribute gebunden, und diese Attribute können auf das Quellsystem zurückverfolgt werden. Deshalb können Sie die Ursache für die schlechte Datenqualität ermitteln, die aus Ihren Branchensystemen stammt.

Data Stewards sind Experten in ihrer Geschäftsdomäne. Während Stewards Probleme behandeln, die Ihre Masterdatenlösung aufdeckt, können sie den Microsoft Purview Data Governance-Katalog verwenden. Der Katalog hilft Stewards dabei, Qualitätsprobleme zu verstehen und zu beheben, sobald sie auftreten. Mit der Unterstützung von Datenbesitzern und Experten, sind Stewards in der Lage, Probleme mit der Datenqualität schnell und präzise zu lösen.

Abgleich und Survivorship

Mit angereicherten, qualitativ hochwertigen Quelldaten sind Sie nun in der Lage, einen goldenen Datensatzmaster zu erstellen, der die genauesten Informationen über Ihre verschiedenen Branchensysteme darstellt. Die folgende Abbildung veranschaulicht, wie alle Schritte zu qualitativ hochwertigen Daten führen, die für die Geschäftsanalyse verwendet werden können. Sie können diese Daten jederzeit in Ihrem gesamten Datenbestand synchronisieren.

Das Abgleichsmodul von Profisee MDM erzeugt im Rahmen des Überlebensprozesses einen goldenen Datensatz. Überlebensregeln füllen den goldenen Datensatz selektiv mit Informationen auf, die Sie über Ihre verschiedenen Quellsysteme hinweg ausgewählt haben.

Das Profisee MDM-Subsystem zur Verlaufs- und Überwachungsnachverfolgung verfolgt Änderungen, die Benutzer vornehmen. Dieses Subsystem verfolgt auch Änderungen, die von Systemprozessen wie Überlebensvorgänge durchgeführt werden. Mit Hilfe von Abgleich und Überlebensrate lässt sich der Informationsfluss von Ihren Quelldatensätzen zum Master nachvollziehen. Profisee MDM verfügt über einen Eintrag des Quellsystems, das für einen bestimmten Quelldatensatz verantwortlich ist. Sie wissen auch, wie unterschiedliche Quelldatensätze den goldenen Datensatz auffüllen. Dadurch können Sie die Datenherkunft von Ihren Analysen zurück zu den Quelldaten aufzeigen, auf die Ihre Berichte verweisen.

MDM-Anwendungsfälle

Zwar gibt es viele Anwendungsfälle für MDM, doch es gibt nur wenige Anwendungsfälle, die die meisten realen MDM-Implementierungen abdecken. Diese Anwendungsfälle konzentrieren sich auf einen einzigen Bereich, aber es ist unwahrscheinlich, dass sie nur aus diesem Bereich heraus erstellt werden. Selbst diese fokussierten Anwendungsfälle umfassen höchstwahrscheinlich mehrere Domänen. In jedem Anwendungsfall erfüllt MDM das Ziel, eine 360-Grad- oder einheitliche Ansicht der wesentlichen Datentypen zu bieten.

Kundendaten

Das Konsolidieren und Standardisieren von Kundendaten für BI-Analysen ist der häufigste MDM-Anwendungsfall. Organisationen erfassen Kundendaten über eine wachsende Anzahl von Systemen und Anwendungen hinweg. Doppelte Kundendatensätze sind das Ergebnis. Diese Duplikate befinden sich in und über Anwendungen hinweg, und sie enthalten Inkonsistenzen und Abweichungen. Die schlechte Qualität der Kundendaten schränkt den Wert moderner Analyselösungen ein. Zu den Symptomen gehören die folgenden Herausforderungen:

• Es ist schwierig, grundlegende geschäftliche Fragen wie „Wer sind unsere wichtigsten Kunden?“ und „Wie viele neue Kunden hatten wir?“ zu beantworten. Die Beantwortung dieser Fragen erfordert einen erheblichen manuellen Aufwand.
• Sie haben fehlende und ungenaue Kundeninformationen, was es schwierig macht, ein Rollup oder Drilldown in die Daten durchzuführen.
• Sie können einen Kunden nicht über Organisations- und Systemgrenzen hinweg eindeutig identifizieren oder überprüfen. Daher sind Sie nicht in der Lage, Ihre Kundendaten system- oder bereichsübergreifend zu analysieren.
• Sie haben Erkenntnisse von schlechter Qualität aus KI und maschinellem Lernen wegen schlechter Qualität der Eingabedaten.

Produktdaten

Produktdaten sind häufig auf mehrere Unternehmensanwendungen verteilt, z. B. Unternehmensressourcenplanung (Enterprise Resource Planning, ERP), Produktlebenszyklusverwaltung (Product Lifecycle Management, PLM) oder E-Commerce-Anwendungen. Daher ist es schwierig, den gesamten Katalog von Produkten zu verstehen, die inkonsistente Definitionen für Eigenschaften wie Produktname, Beschreibung und Merkmale aufweisen. Unterschiedliche Definitionen von Verweisdaten erschweren diese Situation. Zu den Symptomen gehören die folgenden Herausforderungen:

• Sie sind nicht in der Lage, verschiedene alternative hierarchische Rollup- und Drilldown-Pfade für Produktanalysen zu unterstützen.
• Bei Fertigwaren- oder Materialbeständen haben Sie Schwierigkeiten bei der Auswertung von Produktbeständen und etablierten Lieferanten. Sie haben auch doppelte Produkte, was zu einem übermäßigen Bestand führt.
• Aufgrund der widersprüchlichen Definitionen ist es schwierig, Produkte zu rationalisieren. Diese Situation führt zu fehlenden oder ungenauen Informationen in der Analyse.

Verweisdaten

Im Kontext der Analysen liegen Referenzdaten in Form zahlreicher Datenlisten vor. Diese Listen werden häufig verwendet, um andere Gruppen von Masterdaten weiter zu beschreiben. Zu den Referenzdaten gehören z. B. Listen von Ländern/Regionen, Währungen, Farben, Größen und Maßeinheiten. Inkonsistente Verweisdaten führen zu offensichtlichen Fehlern in der Downstreamanalyse. Folgende Symptome sind zu finden:

• Mehrfache Darstellungen desselben Werts. Beispielsweise wird der Bundesstaat „Georgia“ als GA und Georgia aufgelistet, was es erschwert, Daten konsistent zu aggregieren und ein Drilldown auszuführen.
• Schwierigkeiten bei der systemübergreifenden Optimierung von Daten, da es nicht möglich ist, Referenzdatenwerte zwischen Systemen zu überführen oder zuzuordnen. Beispielsweise wird die Farbe Rot im ERP-System als R und im PLM-System als Rot dargestellt.
• Schwierigkeiten bei der Verknüpfung von Zahlen in verschiedenen Organisationen aufgrund von Unterschieden bei den etablierten Verweisdatenwerten, die für die Datenkategorisierung verwendet werden.

Finanzdaten

Finanzorganisationen verlassen sich bei kritischen Aktivitäten massiv auf Daten, z. B. Monats-, Quartals- und Jahresberichte. Organisationen, die über mehrere Finanz- und Buchhaltungssysteme verfügen, haben oft Finanzdaten aus mehreren Hauptbüchern, die konsolidiert werden müssen, um Finanzberichte zu erstellen. MDM kann einen zentralisierten Hub zum Zuordnen und Verwalten von Konten, Kostenstellen, Geschäftseinheiten und anderen Finanzdatasets bereitstellen. Über den zentralisierten Hub bietet MDM eine konsolidierte Ansicht dieser Datasets. Zu den Symptomen gehören die folgenden Herausforderungen:

• Schwierigkeiten beim Aggregieren von Finanzdaten über mehrere Systeme hinweg in einer konsolidierten Ansicht
• Fehlende Prozesse zum Hinzufügen und Zuordnen neuer Datenelemente in Finanzsystemen
• Verzögerungen bei der Erstellung von Finanzberichten zum Ende des Berichtszeitraums

Überlegungen

Diese Überlegungen beruhen auf den Säulen des Azure Well-Architected Frameworks, d. h. einer Reihe von Grundsätzen, mit denen die Qualität von Workloads verbessert werden kann. Weitere Informationen finden Sie unter Microsoft Azure Well-Architected Framework.

Berücksichtigen Sie diese Faktoren, wenn Sie eine Datenverwaltungslösung für Ihre Organisation auswählen.

Zuverlässigkeit

Zuverlässigkeit stellt sicher, dass Ihre Anwendung Ihre Verpflichtungen gegenüber den Kunden erfüllen kann. Weitere Informationen finden Sie in der Überblick über die Säule „Zuverlässigkeit“.

Profisee läuft nativ in Azure Kubernetes Service (AKS) und Azure SQL-Datenbank. Beide Dienste bieten vordefinierte Funktionen zur Unterstützung von Hochverfügbarkeit.

Sicherheit

Sicherheit bietet Schutz vor vorsätzlichen Angriffen und dem Missbrauch Ihrer wertvollen Daten und Systeme. Weitere Informationen finden Sie unter Übersicht über die Säule „Sicherheit“.

Profisee authentifiziert Benutzer mithilfe von OpenID Connect, das einen OAuth 2.0-Authentifizierungsflow implementiert. Die meisten Organisationen konfigurieren Profisee MDM so, dass Benutzer*innen mit Microsoft Entra ID authentifiziert werden, wodurch sichergestellt wird, dass Sie Ihre Unternehmensrichtlinien für die Authentifizierung anwenden und erzwingen können.

Kostenoptimierung

Bei der Kostenoptimierung geht es um die Suche nach Möglichkeiten, unnötige Ausgaben zu reduzieren und die Betriebseffizienz zu verbessern. Weitere Informationen finden Sie unter Übersicht über die Säule „Kostenoptimierung“.

Die Ausführungskosten bestehen aus einer Softwarelizenz und dem Azure-Verbrauch. Um weitere Informationen zu erhalten, wenden Sie sich an Profisee.

Effiziente Leistung

Leistungseffizienz ist die Fähigkeit Ihrer Workload, auf effiziente Weise eine den Anforderungen der Benutzer entsprechende Skalierung auszuführen. Weitere Informationen finden Sie unter Übersicht über die Säule „Leistungseffizienz“.

Profisee MDM läuft nativ auf AKS und SQL-Datenbank. Sie können AKS so konfigurieren, dass Profisee MDM nach oben, unten und über Ihre Geschäftsfunktionen hinweg skaliert wird. Sie können SQL-Datenbank kann in einer Vielzahl von Konfigurationen bereitstellen, um Leistung, Skalierbarkeit und Kosten auszugleichen.

Die dynamische Skalierung ist ein fester Bestandteil der cloudnativen Architektur von Profisee, die Microservices und Container verwendet. Wenn Sie Profisee in Ihrem Cloudmandanten über Kubernetes ausführen, können Sie basierend auf Ihrer Last dynamisch hoch- und herunterskalieren. Mit dem Profisee SaaS-Dienst, der auf AKS ausgeführt wird, können Sie große Knotenpools für Ihre Pods konfigurieren. Diese Pools werden dynamisch basierend auf der Last des Systems in der mehrmandantenfähigen Infrastruktur skaliert.

Detaillierte Informationen zum Bereitstellen von Profisee und Microsoft Purview in AKS finden Sie unter Microsoft Purview – Profisee MDM-Integration.

Bereitstellen dieses Szenarios

Profisee MDM ist ein gepackter Kubernetes-Dienst. Sie können Profisee MDM als ein PaaS in Ihrem Azure-Mandanten, in jedem anderen Cloudmandanten oder lokal bereitstellen. Sie können Profisee MDM auch als ein SaaS bereitstellen, das Profisee hostet und verwaltet.

Beitragende

Dieser Artikel wird von Microsoft gepflegt. Er wurde ursprünglich von folgenden Mitwirkenden geschrieben.

Hauptautor:

• Gaurav Malhotra | Principal Group PM Manager

Melden Sie sich bei LinkedIn an, um nicht öffentliche LinkedIn-Profile anzuzeigen.

Nächste Schritte

• Verstehen der Funktionen des REST-Connectors zum Kopieren in Data Factory.
• Weitere Informationen zum nativ in Azure ausgeführtem Profisee.
• Erfahren Sie, wie Sie Profisee mithilfe einer Azure Resource Manager-Vorlage (ARM-Vorlage) in Azure bereitstellen.
• Zeigen Sie Profisee Data Factory-Vorlagen an.

Zugehörige Ressourcen

Handbücher zur Architektur:

• Extrahieren, Transformieren und Laden (ETL)
• Auswählen einer Batchverarbeitungstechnologie in Azure

Referenzarchitekturen:

• Masterdatenverwaltung mit Profisee und Azure Data Factory
• End-to-End-Analyse mit Azure Synapse
• Moderne Analysearchitektur mit Azure Databricks
• Big-Data-Analysen mit Sicherheit auf Unternehmensniveau mit Azure Synapse
• Automatisierte Enterprise BI-Instanz
• Optimieren von Marketing mit Machine Learning
• Enterprise Business Intelligence