Datenpool versus Data Hub
Ein Datenpool und ein Data Hub sind im Kern völlig unterschiedlich. Ein Datenpool ist darauf ausgelegt, Daten möglichst effizient zu speichern und basiert technisch gesehen auf älteren Technologien wie DAS-basierter Storage. Die Herausforderung bei einem Datenpool ergibt sich dadurch, dass Datensilos entstehen, die die Fähigkeit einschränken, die Datensätze, die zu Analysezwecken benötigt werden, zu einem zusammenhängenden Ganzen zu kombinieren.
Ein Data Hub ist eine moderne, datenzentrierte Architektur für Storage, die Analysen und KI unterstützt, indem sie es Unternehmen in der datenabhängigen Welt von heute ermöglicht, Daten zu konsolidieren und freizugeben. Im Gegensatz zu Datenpools und herkömmlichen DAS-Architekturen, die in erster Linie zum Speichern von Daten entwickelt wurden, dienen Data Hubs dem Freigeben und Bereitstellen von Daten in Echtzeit und auf multidimensionale Weise.
Darum sterben Datenpools
Datenpools sterben, weil sie unter der veralteten Prämisse entwickelt wurden, dass alle unstrukturierten Daten gespeichert werden sollen. Manche davon sind in Data Warehouses gespeichert, andere gehen in Datenpools verloren. Die Datenvereinigung ist unterbrochen und die Datengeschwindigkeit ist beeinträchtigt. Warum ist es also so schwierig, für ältere Storage-Systeme Daten auf einer einzelnen Plattform zu vereinen? Das Problem ist, dass jede Anwendung andere Anforderungen an ihre Daten hat, so kommt es zur Verbreitung von Datensilos. Zeit für neue Wege bei Storage.
Daten sind der Treibstoff für das moderne Unternehmen. Und doch werden die meisten Daten in Silos, außer Reichweite für Analysen und KI-Anwendungen gespeichert. Moderne Intelligenz erfordert eine Architektur, die darauf ausgelegt ist, Daten nicht nur zu speichern, sondern sie auch gemeinsam zu nutzen und bereitzustellen.
