Datenanalytik und die Speichersysteme, die Datenanalytik-Workloads ermöglichen, haben sich im letzten Jahrzehnt stark weiterentwickelt. Zu Beginn der 2010er Jahre wurden Big-Data-Frameworks wie Hadoop mit den wachsenden Datenmengen immer beliebter.

Moderne Datenarchitektur-Frameworks wie Data Mesh helfen die notwendige Agilität für Data Science & Analytics Teams beizubehalten. Was ist bei der Implementierung zu beachten?

Eine neue Studie von AVEVA, einem Anbieter von Industriesoftware, zeigt, dass 84 Prozent der Top-Führungskräften wichtige Geschäftsentscheidungen ohne vollständige Datentransparenz und Einblicke in ihre Anlagen und Vermögenswerte treffen.

Die Ergebnisse unterstreichen die unterschiedlichen Auffassungen über die Wirksamkeit von Datenarchitekturen, Datenmanagement und Daten selbst, um eine sichere Entscheidungsfindung zu ermöglichen.

Das Analystenhaus BARC veröffentlicht die Studie „Predictive Planning and Forecasting on the Rise – Hype or Reality?“, für die 295 Unternehmen unterschiedlicher Größe und Branchen weltweit befragt wurden.

Finanzdienstleister haben ein Ziel klar vor Augen: Veraltete Strukturen aufbrechen und möglichst schnell übergreifend und performant aus möglichst vielen Daten Informationen erzeugen. In der Praxis zeigt sich jedoch, dass es in Banken und Versicherungen noch immer zahlreiche Datensilos und Blockaden gibt.

Jüngste Forschungsergebnisse liefern Zahlen, die bedenklich stimmen: Das letzte Jahrzehnt war das wärmste seit 125.000 Jahren, der derzeitige CO2-Gehalt in der Atmosphäre ist der höchste seit zwei Millionen Jahren.

Weil es schnell gehen muss, kein Verlass auf die Internetverbindung ist oder es sich um hochkritische Informationen handelt: Edge Computing kann in vielen Fällen die bessere Variante zur Datenverarbeitung sein. Dafür braucht es aber eine gut durchdachte Strategie. Dell Technologies erläutert, worauf Unternehmen achten sollten.