Dijital buluşla verileri demokratikleştirme

Kömür, petrol ve insan potansiyeli, sanayi devrimi sırasında en çok sonuç alan üç varlıktı. Bu varlıklar şirketler kurdu, piyasaları değiştirdi ve sonuçta ulusları değiştirdi. Dijital ekonomide yenilik için eşit derecede önemli üç varlık vardır: veriler, cihazlar ve insan potansiyeli. Bu varlıklar büyük bir yenilik potansiyeline sahiptir. Modern çağdaki herhangi bir yenilik çabası için veriler yeni petroldür.

Her şirkette, müşteri ihtiyaçlarını bulmak ve karşılamak için kullanılabilecek veriler vardır. Ne yazık ki, yeniliği yönlendirmek için bu verileri araştırma işlemi maliyetli ve zaman alabilir, bu nedenle ihtiyaçlar bulunamaz ve çözümler oluşturulmaz. Veri demokratikleştirmesi bu sorunu çözebilir.

Veri demokratikleştirme nedir? Bu, yenilikleri yönlendirmek için verileri doğru ellere alma sürecidir. Bu demokratikleştirme işlemi çeşitli biçimler alabilir, ancak bunlar genellikle alınan veya tümleşik ham veriler, verilerin merkezileştirilmesi, veri paylaşımı ve verilerin güvenliğini sağlamaya yönelik çözümler içerir. Veriler demokratikleştirildiğinde, şirketin etrafındaki uzmanlar hipotezleri oluşturmak ve test etmek için bu verileri kullanabilir. Çoğu durumda bulut benimseme ekipleri, müşteri ihtiyaçlarını hızla karşılamak için yalnızca verileri kullanarak müşteri empatisi oluşturabilir.

Verileri demokratikleştirmenin yolları

Verileri demokratikleştirmenin çeşitli yolları vardır, ancak bunların çoğu verileri toplama, merkezileştirme, idare etme ve paylaşma yöntemlerini içerir. Aşağıdaki bölümlerde bu yöntemlerden bazıları açıklanmaktadır. Müşteri hipotezine çözüm oluştururken verilerin demokratikleştirilip değerlendirilmediğini, ne ölçüde ve nasıl yapılacağını değerlendirmeniz gerekir.

Veri paylaşımı

Müşteri empatisi ile derleme yaptığınızda, müşterinin çözüme yol göstermesi gerekir. İhtiyaç veriyse, çözüm müşterinin BT personelinin desteği olmadan verileri doğrudan sorgulamasına, çözümlemesine ve raporlamasına olanak tanır.

Birçok başarılı yenilik, müşteriye veri teslim eden en düşük uygulanabilir ürün (MVP) olarak başlar. MVP, müşterinin kullanabileceği özelliklere sahip olan bir ürün sürümüdür. Müşteriden geri bildirim toplamak için ürünün olası potansiyelini gösterir. Bu concierge modelinde çalışan, veri tüketicisi olur. Bu çalışan verileri müşteriye yardımcı olmak için kullanır. Müşteri el ile destekle her çalıştığında bir hipotez test edilebilir ve doğrulanabilir. Bu yaklaşım genellikle tümleşik çözümlere yoğun yatırım yapmadan önce müşteri odaklı hipotezleri test etme açısından uygun maliyetli bir yöntemdir.

Verileri doğrudan veri tüketicileriyle paylaşmaya yönelik birincil araçlar, Power BI gibi araçları kullanarak self servis raporlamayı veya diğer deneyimlere eklenmiş verileri içerir.

Not

Verileri paylaşmadan önce aşağıdaki bölümleri okuduğunuzdan emin olun. Verilerin paylaşılması, verilerin korunması için idare gerektirebilir. Ayrıca, veriler birden çok buluta yayılacaksa merkezileştirme gerektirebilir. Veriler uygulamalarda bulunuyorsa, paylaşmak için bunları toplamanız gerekir.

Verileri yönetme

Veri paylaşımı, müşteri konuşmalarında kullanmak için en düşük uygun ürünü hızla üretebilir. Ancak, paylaşılan verileri yararlı ve eyleme dönüştürülebilir bilgiye dönüştürmek için genellikle daha fazlası gerekir.

Bir hipotez veri paylaşımı aracılığıyla doğrulandıktan sonra, geliştirmenin bir sonraki aşaması genellikle veri idaresi olur.

Veri idaresi, Bulut Benimseme Çerçevesi kapsamı dışında bir konu olan kendi ayrılmış çerçevesini gerektirebilen geniş bir konudur.

Müşteri hipotezini doğrular doğrulamaz dikkate almanız gereken veri idaresinin çeşitli yönleri vardır. Örneğin:

• Paylaşılan veriler hassas mı?Veriler, müşterilerin ve şirketin çıkarlarını korumak için genel olarak paylaşılmadan önce sınıflandırılmalıdır.
• Veriler hassassa güvenli hale getirildi mi? Hassas verilerin korunması, demokratikleştirilmiş veriler için zorunludur. Veri çözümlerinin güvenliğini sağlama bölümünde açıklanan örnek iş yükü, verilerin güvenliğini sağlamaya yönelik bazı başvurular sağlar.
• Veriler kataloglanmış mı? Uzun süreli veri yönetiminde paylaşılan veri yardımlarının niteliğini tanımlama. Azure Veri Kataloğu gibi verileri belgeleme araçları, bu işlemi bulutta çok daha kolay hale getirir. Verilerin ek açıklaması ve verikaynaklarının belgeleriyle ilgili yönergeler süreci hızlandırabilir.

Verilerin demokratikleştirilmesi müşteri odaklı bir hipotez için önemli olduğunda, paylaşılan verilerin idaresinin yayın planında olduğundan emin olun. Bu, müşterileri, veri tüketicilerini ve şirketi korur.

Verileri merkezi hale getirme

Veri merkezileştirme daha anlamlı raporlamaya yol açar, aynı verilerin kuruluş genelinde kullanılabilir olmasını sağlar ve yatırım getirinizi artırır. Veriler BIR BT ortamına dağıtıldığında yenilik fırsatları son derece kısıtlayıcı, pahalı ve zaman alıcı olabilir. Bulut, verileri merkezileştirmek için yeni fırsatlar sunar. Müşteri empatisi ile derlemek için birden çok veri kaynağının merkezileştirilmesi gerektiğinde, bulut hipotezlerin testini hızlandırabilir.

Dikkat

Verilerin merkezileştirilmesi, herhangi bir yenilik sürecinde bir risk noktasını temsil eder. Veri merkezileştirme, müşteri değeri kaynağı değil teknik bir artış olduğunda, müşteri hipotezleri doğrulanana kadar merkezileştirmeyi geciktirmenizi öneririz.

Merkezileştirdiğinizde, merkezi veriler için uygun bir veri deposuna ihtiyacınız vardır. Bulutta bir veri ambarı oluşturmak iyi bir uygulamadır. Bu ölçeklenebilir seçenek, tüm verileriniz için merkezi bir konum sağlar. Bu çözüm türü çevrimiçi analitik işleme (OLAP) veya büyük veri seçeneklerinde kullanılabilir.

OLAP ve büyük veri çözümlerine yönelik başvuru mimarileri, Azure'da en uygun merkezileştirme çözümünü seçmenize yardımcı olabilir. Karma çözüm gerekiyorsa, şirket içi verileri genişletmek için başvuru mimarisi de çözüm geliştirmeyi hızlandırmaya yardımcı olabilir.

Önemli

Bazı müşteri ihtiyaçları ve çözümleri için basit bir yaklaşım yeterli olabilir. Bulut mimarı, özellikle erken geliştirme sırasında müşteri hipotezini doğrulamak için ekibi düşük maliyetli çözümleri göz önünde bulundurmaya davet etmelidir. Veri toplamaya ilişkin bu bölümde, durumunuz için farklı bir çözüm önerebilecek senaryolar ele alınmaktadır.

Veri toplama

Veri toplamanın iki birincil biçimi tümleştirme ve veri alımıdır.

Entegrasyon: Mevcut bir veri deposunda bulunan veriler, geleneksel veri taşıma teknikleri kullanılarak merkezi veri deposuyla tümleştirilebilir. Bu özellikle çoklu bulut veri depolaması içeren senaryolar için yaygındır. Bu teknikler, verileri mevcut veri deposundan ayıklamayı ve ardından merkezi veri deposuna yüklemeyi içerir. Bu işlemin bir noktasında veriler genellikle merkezi depoda daha kullanılabilir ve ilgili olacak şekilde dönüştürülür.

Bulut tabanlı araçlar bu teknikleri kullanım başına ödeme araçlarına dönüştürerek veri toplama ve merkezileştirme için giriş engelini azaltmış oldu. Azure Veritabanı Geçiş Hizmeti ve Azure Data Factory gibi araçlar iki örnektir. OLAP veri deposuna sahip Data Factory için başvuru mimarisi, bu tür bir çözüme örnektir.

Yenmesi: Bazı veriler mevcut bir veri deposunda yer almaz. Bu geçici veriler birincil yenilik kaynağı olduğunda alternatif yaklaşımları göz önünde bulundurmak istersiniz. Geçici veriler uygulamalar, API'ler, veri akışları, IoT cihazları, blok zinciri, uygulama önbelleği, medya içeriği ve hatta düz dosyalar gibi çeşitli mevcut kaynaklarda bulunabilir.

Bu çeşitli veri biçimlerini olap veya büyük veri çözümündeki merkezi bir veri deposuyla tümleştirebilirsiniz. Ancak build-measure-learn döngüsünün erken yinelemeleri için çevrimiçi işlemsel işlem (OLTP) çözümü müşteri hipotezini doğrulamak için yeterli olabilir. OLTP çözümleri herhangi bir raporlama senaryosu için en iyi seçenek değildir. Öte yandan müşteri empatisi oluştururken, teknik araç kararlarına odaklanmaktansa müşteri ihtiyaçlarına odaklanmak daha önemlidir. Müşteri hipotezi uygun ölçekte doğrulandıktan sonra daha uygun bir platform gerekebilir. OLTP veri depolarında başvuru mimarisi, çözümünüz için en uygun veri depolarını belirlemenize yardımcı olabilir.

Sanal: Tümleştirme ve veri alımı bazen yenilikleri yavaşlatabilir. Veri sanallaştırmaya yönelik bir çözüm zaten kullanılabilir olduğunda, daha makul bir yaklaşımı temsil edebilir. Veri alımı ve tümleştirme hem depolama hem de geliştirme gereksinimlerini çoğaltabilir, veri gecikme süresi ekleyebilir, saldırı yüzeyi alanını artırabilir, kalite sorunlarını tetikleyebilir ve idare çalışmalarını artırabilir. Veri sanallaştırma, özgün verileri tek bir konumda bırakan ve kaynak verilerin doğrudan veya önbelleğe alınmış sorgularını oluşturan daha çağdaş bir alternatiftir.

SQL Server 2017 ve Azure SQL Data Warehouse her ikisi de Azure'da en yaygın olarak kullanılan veri sanallaştırma yaklaşımı olan PolyBase'i destekler.

Sonraki adımlar

Verileri demokratikleştirmeye yönelik bir stratejiyle, bir sonraki adımda uygulama geliştirme yaklaşımlarını değerlendirmek isteyeceksiniz.

Yenilikçi uygulamalar için uygulama geliştirme