Die Literatur zum Data Mesh ist zwar umfangreich, beschreibt aber oft einen Endzustand und selten, wie man diesen in der Praxis erreicht. Es stellt sich also die Frage:
Welche Vorgehensweise sollten Sie wählen, um das Datenmanagement zu transformieren und ein Data Mesh einzurichten?
In dieser Artikelreihe finden Sie Auszüge aus unserem Praxisleitfaden Data Mesh, in dem wir ein iteratives Vorgehen für die Einführung eines Data Mesh in Ihrer Organisation vorschlagen. Dieser Ansatz basiert auf seinen vier Schlüsselprinzipien (Domain-oriented Decentralized Data Ownership and Architecture, Data as a Product, Self-serve Data Infrastructure as a Platform und Federated Computational Governance) und stützt sich auf die vorhandenen personellen und technologischen Ressourcen.
- Teil 1: Den Umfang Ihres Pilotprojekts definieren
- Teil 2: Das Entwicklungsteam und die Datenplattform für das Pilotprojekt zusammenstellen
- Teil 3: Ihre ersten Data Products herstellen
- Teil 4: Zu einem Federated-Governance-Modell übergehen
Im Laufe dieser Artikelreihe und zur Veranschaulichung dieses iterativen Vorgehens bei der Einrichtung eines Data Mesh werden wir ein Fallbeispiel verwenden: das fiktive Unternehmen Premium Offices – eine Gesellschaft für Gewerbeimmobilien, die Immobilien erwirbt und an Unternehmen vermietet.
–
Im vorherigen Artikel haben wir uns mit den Voraussetzungen für Ihr Pilotprojekt zur Dezentralisierung der Datenverwaltung befasst: wir haben den Umfang festgelegt, die Domänen identifiziert und einen ersten Anwendungsfall ausgewählt. In diesem Artikel erläutern wir, wie Sie ein Entwicklungsteam und eine Datenplattform zusammenstellen.
Ein Team für die Entwicklung des Pilotprojekts zusammenstellen
Zur Erinnerung: Der erste Schritt unseres Vorgehens besteht darin, einen ersten Use Case zu identifizieren, aber vor allem darin, ihn zu entwickeln, indem wir die vier Prinzipien des Data Mesh mit den vorhandenen Ressourcen umsetzen. Dazu muss das Team zur Entwicklung des Pilotprojektes zusammengestellt werden, mit dem das erste Prinzip des Data Mesh, Domain-oriented Decentralized Data Ownership, umgesetzt werden soll.
FALLBEISPIEL PREMIUM OFFICES
Die für das Pilotprojekt benötigten Daten gehören zur Domäne Brokerage, wo somit auch das Team zur Entwicklung des Pilotprojekts gebildet wird. Dieses Team mit Experten aus verschiedenen Disziplinen umfasst:
-
Einen Data Product Owner
- Der sowohl über gute Fachkenntnisse als auch über eine gute Datenkultur verfügen sollte, um folgende Aufgaben zu übernehmen: Entwurf von Data Products und Verwaltung ihres Lebenszyklus, Festlegung und Durchsetzung ihrer Nutzungsrichtlinien, Gewährleistung ihrer Konformität mit den internen Standards und gesetzlichen Vorschriften, denen sie unterliegen, Messung und Überwachung der wirtschaftlichen Leistung und der Compliance seines Produktportfolios. Die Zusammensetzung dieses Entwicklungsteams unterscheidet sich natürlich je nach Kontext, aber es sollte zwei Anforderungen erfüllen: Es muss einen Data Product Owner geben und alle Kompetenzen in sich vereinen, die für die Entwicklung und Verwaltung seiner Produkte erforderlich sind.
-
Zwei Engineers
- Einer aus den Teams der Domäne Brokerage – der das Wissen über die Betriebssysteme und die Softwareentwicklungsmethoden des Bereichs einbringt, und der andere aus dem Datenteam – der sich mit DBT, GCP und BigQuery auskennt.
-
Ein Tableau-Entwickler
- Der das Dashboard designen und aufbauen kann.
Domänen-Tools: Die Datenplattform des Data Mesh
Eines der größten Hindernisse für die Dezentralisierung ist das Risiko, dass sich der Aufwand und die Kompetenzen, die für den Betrieb von Pipelines und Infrastrukturen in jeder Domäne erforderlich sind, vervielfachen. Aber auch zu diesem Aspekt gibt es einen soliden Stand der Technik, der von verteilten Architekturen übernommen wurde.
Die Lösung besteht darin, ein Team aufzubauen, das Domänen mit den technologischen Voraussetzungen und Werkzeugen versorgt, die sie benötigen, um die Daten ihrer Domäne zu extrahieren, zu verarbeiten, zu speichern und zu nutzen.
Dieses Modell existiert seit mehreren Jahren für die Anwendungsinfrastruktur und wurde durch Virtualisierung, Containerisierung, Devops-Tools und Cloud-Plattformen zunehmend verallgemeinert und automatisiert. Auch wenn die Tools rund um die Dateninfrastrukturen nicht so ausgereift sind wie die der Softwareinfrastrukturen, insbesondere was die Automatisierung betrifft, können die meisten Lösungen übertragen werden und die Kapazitäten sind bereits in den Unternehmen vorhanden – das ist das Ergebnis vergangener Investitionen. Es spricht also nichts dagegen, ein Dateninfrastruktur-Team einzurichten, seine Roadmap festzulegen und es schrittweise sein Serviceangebot verbessern zu lassen: Vereinfachung und Automatisierung sind die Hauptachsen dieses Fortschritts.
Die drei Ebenen der Data-Mesh-Plattform
Die Datenplattform des Data Mesh deckt ein breites Spektrum an Fähigkeiten ab, das größer ist als die Infrastrukturdienste. Diese Plattform ist in drei Ebenen gegliedert:
![Data Infrastructure Plane Data Infrastructure Plane](https://zeenea.com/wp-content/uploads/2024/04/data-infrastructure-plane.png)
![Data Product Developer Experience Plane Data Product Developer Experience Plane](https://zeenea.com/wp-content/uploads/2024/04/data-product-developer-experience-plane.png)
![Mesh Supervision Plane Mesh Supervision Plane](https://zeenea.com/wp-content/uploads/2024/04/mesh-supervision-plane.png)
Einige Unternehmen haben bereits in eine gemeinsame Plattform investiert, und es erscheint logisch, die Fähigkeiten dieser Plattform für die Entwicklung des Mesh zu nutzen. Andere verfügen hingegen über mehrere Plattformen, wobei bestimmte Einheiten oder Domänen ihre eigene Infrastruktur haben. Es ist durchaus möglich, ein Data Mesh auf diesen hybriden Infrastrukturen einzuführen: Solange die Datenprodukte gemeinsame Standards hinsichtlich der Adressierbarkeit, Interoperabilität und Zugangskontrolle einhalten, ist es unerheblich, wie sie technisch ausgeführt werden.
FALLBEISPIEL PREMIUM OFFICES
Für das Pilotprojekt entschied sich Premium Offices dafür, ein Dashboard über das Kreditrisiko seiner Mieter zu erstellen, um mögliche Ausfälle besser vorhersehen und verhindern zu können. Dieses Dashboard sollte die in seiner Unternehmenssoftware vorhandenen Mieterdaten mit Kreditdaten verbinden, die von einem spezialisierten Anbieter erworben wurden. Diese Daten werden im Prozess der Bewertung eines neuen Mieters bereits auf operativer Ebene verwendet.
Im nächsten Artikel erfahren Sie, wie Sie Ihr Pilotprojekt durch die Gestaltung und Entwicklung Ihrer ersten Datenprodukte ausführen können.
Praxisleitfaden Data Mesh: Ein unternehmensweites Data Mesh einrichten und überwachen
Dieser Leitfaden von Guillaume Bodet, Mitbegründer und CPTO von Zeenea, vermittelt Ihnen einen praktischen Ansatz zur Implementierung eines Data Mesh in Ihrer Organisation und hilft Ihnen:
✅ Ihren Data-Mesh-Ansatz mit einem fokussierten Pilotprojekt zu starten,
✅ effektive Methoden kennenzulernen, um Ihr Data Mesh zu skalieren,
✅ die entscheidende Rolle eines internen Data Marketplaces zu verstehen, um die Nutzung von Datenprodukten zu erleichtern
✅ zu verstehen, was Zeenea als robustes, unternehmensweites Data-Mesh-Monitoring-System auszeichnet.