Eine hybride Cloud-Architektur wird in den meisten Fällen nicht wirklich geplant - getrieben durch neue Anforderungen entwickelt sie sich im Laufe der Zeit. Viele der Unternehmen, die heute verstärkt auf Cloud-Anwendungen setzen, haben zuvor in On-Premise-Anwendungen investiert und betreiben noch entsprechende Systeme für Data Warehouse, Business Intelligence oder Analytics. Das führt dazu, dass diese Unternehmen zukünftig eine hybride On-Premise- und Cloud-Umgebung für ihr Datenmanagement betreiben werden.
Foto: violetkaipa - Fotolia.com
Der Weg zum idealen Data-Management
Sobald die neuen Analytics-Anwendungen aktiv sind, sollten sich Unternehmen um die Konsistenz und Aktualität kümmern - und das über die gesamte Datenmanagementumgebung hinweg. Denn wenn Daten zwischen Cloud und On-Premise-Systemen oder von Cloud zu Cloud bewegt werden, entstehen neue Herausforderungen die dazu führen, dass für das Datenmanagement notwendigen Ressourcen abgezogen werden.
- Accenture Cloud Platform
Die "Accenture Cloud Platform" bietet eine zentrale Sicht auf Nutzungsdaten und Abrechnungsinformationen. - Atos Canopy
IT-Dienstleister Atos vermarktet seine Cloud-Management-Lösung unter der Marke Canopy auch als Teil von Cloud-Transformationsprojekten. - Capgemini
Capgeminis "Cloud-Choice"-Portfolio umfasst auch einen Self-Service-Marktplatz für Benutzer. - CGI Unify360
Das Management-Framework “Unify360 Hybrid Cloud Management” kombiniert kommerzielle Softwareprodukte mit Open-Source-Lösungen. - Cognizant Cloud360
Cognizants Cloud-Management-Plattform "Cloud360" bietet Orchestrierungs- und Governance-Funktionen. - CSC Agility Platform
Die „Agility Platform“ von CSC basiert auf einem Produkt der 2013 zugekauften Softwareschmiede ServiceMesh. - EPAM Cloud Orchestrator
Der EPAM Orchestrator beinhaltet unter anderem einen Cloud Integration Layer. - Fujitsu Cloud Services Management
Fujitsus “Cloud Services Management” verwaltet Public- und Private-Cloud-Ressourcen. - HCL MyCloud
HCL „MyCloud“ lässt sich mit ITSM-, Automation- und Monitoring-Tools verbinden. - HPE Cloud Service Automation
HPE Cloud Service Automation unterstützt sowohl HPEs eigene Private-Cloud-Systeme als auch Public-Cloud-Infrastrukturen von Drittanbietern. - IBM cloudMatrix
Im Rahmen seiner „Brokerage Services“ vertreibt IBM die mit Gravitant übernommene Brokerage-Lösung „cloudMatrix“. - Infosys IMS
Seine Hybrid-Cloud-Lösung Infrastructure Management Services (IMS) offeriert Infosys ausschließlich als Managed Service. - Tata ICMP
Tata Consultancy Services entwickelte seine Integrated Cloud Management Platform (ICMP) in Eigenregie. Sie enthält unter anderem ein Dashboard für die Kostenkontrolle. - Tech Mahindra mPAC
Die „Managed Platform for Adaptive Computing“ (mPAC) von Mahindra verwaltet Public- und Private-Cloud-Services und bietet diverse Abrechnungsfunktionen. - T-Systems CIC
Das Cloud Integration Center (CIC) von T-Systems basiert zu großen Teilen auf Software von Hewlett-Packard Enterprise (HPE). - Unisys CMP
In seiner „Cloud Management Platform“ (CMP) verwendet Unisys unter anderem Komponenten von ServiceNow und Cloudify. - UST Global FogPanel Cloud Hub
Das „FogPanel Cloud Hub“ von UST Global bietet Orchestrierungs-, Brokerage- und Abrechnungsfunktionen. - Wipro BoundaryLess Data Center
„BoundaryLess Data Center“ nennt Wipro sein Framework für die Integration und Verwaltung komplexer IT-Infrastrukturen.
Um zu vermeiden, dass das Datenmanagement zu komplex wird, ist es sinnvoll, die Architektur für das Datenmanagement frühzeitig zu planen und hierbei auf bereits bewährte Methoden für die Umsetzung zu vertrauen.
Wichtige Punkte für die Planung eines Hybrid-Data-Management-Ansatzes
Data-Management ist an sich schon eine Herausforderung. Wenn ein Management hybrider Daten benötigt wird, wird es sogar noch komplizierter. Um die geplante Geschäftsentwicklung nicht zu blockieren, lohnt es sich bei der Planung des Datenmanagements folgende Punkte im Hinterkopf zu behalten:
Ermöglicht die ausgewählte Strategie eine sofort einsetzbare und leistungsfähige Anbindung für alle On-Premise- und Cloud-Quellen sowie aller Speicherziele, die für eine Integration notwendig sind?
Ist eine durchgängige Kompatibilität über die On-Premise- und Cloud-Datenintegration hinweg möglich? Vor allem im Hinblick auf gemeinsam genutzte Funktionen, Shared Code (Mappings) oder geteilte Management-Tools.
Werden vielfältige Integrationsverfahren wie Batch, Echtzeit, API-Integration und andere unterstützt?
Lassen sich die folgenden Funktionen für das Datenmanagement dem Wachstum und den Anforderungen der eigenen Organisation anpassen: Datenqualität, Data Governance, Master-Data-Management, Metadaten-Management, Sicherheit, B2B und weitere?
Werden automatisierte Assistenten und eine vorlagenbasierte Entwicklung auch für Mitarbeiter außerhalb der IT-Abteilung angeboten?
Existieren Metadata-Managementtools zur Bestimmung der Datenherkunft und um die Bedeutung der Daten im Business-Kontext zu erkennen? Denn diese Werkzeuge helfen, Fehler zu reduzieren, Self Services aufzusetzen und Veränderungen schneller voranzutreiben.
Auch lohnt es sich über einen Data Integration Hub nachzudenken. Er kann Hunderte von Punkt-zu-Punkt-Datenintegrationen durch ein einfaches Modell für Publisher und Subscriber ersetzen: Data-Publisher stellen ihre Daten einmalig auf dem Hub ein - einzelne Mitarbeiter oder Gruppen können die für sie relevanten Daten dann abonnieren und erhalten sie im benötigten Format, Zeitfenster und Qualitätsniveau. Moderne Datenknotenpunkte unterstützen heute Sender und Empfänger über verschiedene Betriebsmodelle wie On-Premise und Cloud sowie Lösungen wie Big-Data-Systeme hinweg. Das vereinfacht die Aufgabe des Datenmanagements.
Denn schließlich liegt die größte Herausforderung darin, schneller einen geschäftsrelevanten Mehrwert zu generieren als der Wettbewerb. Für die IT besteht die Herausforderung darin, den Fachbereichen die Geschwindigkeit und Qualität zu liefern, die sie für ihre Aufgaben benötigen um ihre Agilität zu steigern. Um diese Ziele zu erreichen, sind eine präzise Planung im Vorfeld und eine zukunftsorientierte Datenmanagement-Architektur notwendig. (haf)