Anzeige

Anzeige

VERANSTALTUNGEN

IT-SOURCING 2019 – Einkauf meets IT
09.09.19 - 10.09.19
In Düsseldorf

ACMP Competence Days Berlin
11.09.19 - 11.09.19
In Stiftung Deutsches Technikmuseum Berlin, Berlin

MCC CyberRisks - for Critical Infrastructures
12.09.19 - 13.09.19
In Hotel Maritim, Bonn

Rethink! IT 2019
16.09.19 - 17.09.19
In Berlin

DSAG-Jahreskongress
17.09.19 - 19.09.19
In Nürnberg, Messezentrum

Anzeige

Anzeige

Programmieren

Langsam, aber sicher ist DataOps kein Fremdwort mehr. Immer mehr Tools und Lösungen werben mit dem Begriff für sich. Wie sollen Unternehmen da noch den Überblick behalten? Hier sind drei Fragen, die sich Verantwortliche stellen müssen, wenn sie die richtige DataOps-Technologie für ihre Datenteams einsetzen möchten.

DevOps ist heute unerlässlich für alle Unternehmen, die flexibel sein und möglichst schnell qualitativ hochwertige Produkte und Dienstleistungen anbieten wollen. Wer auf DevOps verzichtet, kann sich kaum über einen längeren Zeitraum gegenüber der Konkurrenz behaupten. Denn der Ansatz spielt eine entscheidende Rolle bei der Automatisierung der IT-Infrastruktur und des Softwareentwicklungszyklus. Dennoch hat DevOps bisher ein entscheidendes Element gefehlt, das für viele Innovationen zentral ist: die Datenbereitstellung. Genau hier setzt DataOps an.

Zeitfresser Datenbereitstellung

Viele Datenteams in Unternehmen haben immer noch Schwierigkeiten, eine neue IT-Umgebung noch am selben Tag bereitzustellen. In einer aktuellen Studie des Beratungsunternehmens 451 Research gaben 47 Prozent der befragten globalen Unternehmen sogar an, dass es bei ihnen vier bis fünf Tage dauert, eine neue Datenumgebung einzurichten. Unabhängig davon, wie schnell IT-Infrastruktur und Software-Development-Life-Circle (SDLC)-Tooling sind – diese Verzögerung bleibt nicht ohne Folgen. Denn eine zähe Datenbereitstellung kann Entwicklungsprozesse stark ausbremsen.

Dabei stehen die Zeichen so günstig wie nie zuvor: Unternehmen haben immer mehr Möglichkeiten, ihre Infrastruktur zu automatisieren. Entwicklerteams können heutzutage Rechen-, Speicher- und Netzwerkumgebungen in Minutenschnelle mit Anbietern und Tools wie Ansible, Chef und Puppet auf- und abbauen. Viele Unternehmen haben zudem bereits in agile Entwicklung und DevOps investiert. Einige unter ihnen haben sogar eine Testautomatisierung aufgebaut, um ihre Entwicklungspipelines zu automatisieren und Releases mit Tools wie Git, Jenkins, Maven und Docker schneller auf den Markt zu bringen. Wenn es allerdings an einer effizienten Datenbereitstellung fehlt, waren alle diese Bemühungen umsonst.

DataOps ist der Schlüssel zum DevOps-Schloss

In den letzten Jahren hat sich das Datenmanagement als das letzte grundlegende Element für Störungen im Entwicklungsprozess herausgestellt, die sich mit DevOps nicht lösen lassen. Hier setzt DataOps an: Dabei handelt es sich um einen kollaborativen Datenmanagement-Ansatz. Dieser trägt dazu bei, die Effizienz sowie Art und Weise, wie Daten im gesamten Unternehmen verwendet werden, zu verbessern. Der Schlüssel dazu liegt in einer möglichst umfassenden Abstimmung aller beteiligten Personen, Prozesse und Technologien.

Datenmanagement-Lösungen gehören daher zum Kern jedes DataOps-Ansatzes. Doch mittlerweile gibt es verschiedenste Lösungen und Plattformen, die den Titel DataOps für sich beanspruchen. Folgende drei Fragen helfen den Verantwortlichen, im Angebotsdschungel die richtige DataOps-Plattform zu finden:

1. Kann die DataOps-Plattform allen Beteiligten Daten automatisiert bereitstellen?

Da Anwendungen mehrere Datenquellen nutzen, sollte der SDLC-Workflow auch das gleiche Szenario in AppDev-, Quality Assurance-, Staging- und Produktionsumgebungen abbilden. Eine DataOps-Lösung muss dafür in der Lage sein, Daten aus allen Produktionsdatenquellen konsistent an verschiedene beteiligte Gruppen und Teams zu liefern. Darüber hinaus sollte die Plattform Abstraktionen bereitstellen, die unabhängig von der Datenquelle oder dem Betriebskontext (On-Premises oder Public Cloud) gleich funktionieren und jedem Benutzer wiederholbare, integrierte und einheitliche Workflows aus mehreren Datenquellen zur Verfügung stellen.

2. Kann die Plattform die Datenerkennung und -maskierung sensibler Informationen im gesamten Unternehmen automatisieren?

Eine leistungsfähige DataOps-Lösung sollte weiterhin in der Lage sein, Daten aus jeder Datenquelle zu analysieren, kategorisieren und gegebenenfalls zu maskieren. Nur so ist sichergestellt, dass sensible Daten nicht in Umgebungen mit geringeren Sicherheitsstandards gelangen. Die erzeugten Datenkopien sollten realistisch, aber fiktiv sein. So sind Tests durchführbar, für Diebe und Hacker aber gleichzeitig wertlos. Es empfiehlt sich zudem, dass die maskierten Datenwerte auch für nicht-produktive Anwendungsfälle verwendbar sind.

3. Kann die Plattform den Endnutzern personenbezogene Datenumgebungen zur Verfügung stellen und sie diese bearbeiten lassen?

Die richtige Plattform zeichnet sich dadurch aus, dass sie personenbezogene Datenumgebungen ohne Speicheraufwand schnell mit erweiterten Datenbearbeitungstools wie Lesezeichen, Zurückspulen, Zurücksetzen und Verzweigen ausstattet. Einzelne Benutzer, einschließlich Quality Assurance Engineers, Tester und Entwickler, sollten effizient und einfach zusammenarbeiten können, indem sie ein Lesezeichen gemeinsam nutzen und eine Lesezeichen-Bibliothek für mehrere Workflows erstellen.

Fazit

Automatisierungsprozesse werden in Zukunft im IT-Bereich immer umfassender sein. Unternehmen dürfen dabei auf drei Ebenen keinesfalls den Anschluss verpassen: bei der IT-Infrastruktur, Softwareentwicklung und im Datenmanagement. Nur dann sind sie in der Lage, Störungen zu beheben und schneller als ihre Konkurrenten zu innovieren. Wenn den Verantwortlichen dies allerdings gelingt und sie die richtigen DataOps-Technologien in ihre DevOps-Prozesse integrieren, steht einem möglichst effizienten und agilen Entwicklungsprozess nichts mehr im Weg.

www.delphix.com/de
 

GRID LIST
Legacy-System

So werden Legacy-Systeme performanter, agiler und effizienter

Es gibt viele gute Gründe, von relationalen Legacy- auf New-Technology-Datenbanken zu…
Programmieren Brille

Falsche Vorurteile über Refactoring

Refactoring ist eine wirkungsvolle Methode zur Optimierung von Anwendungen. Indem beim…
Open Source

Zehn Vorteile von Open-Source-Software im Unternehmen

Open-Source-Software hat langsam aber sicher das Unternehmensumfeld erobert, sodass…
Legacy Software

Techniken für die iterative Evolution von Softwarearchitekturen

Die Modernisierung von Altsoftware stellt viele Unternehmen vor große Probleme. Die…
Myths

5 Mythen zu Gebrauchtsoftware

Der Handel mit gebrauchter Software ist nicht neu. Aber immer noch muss die…
Programmierer

Fettnäpfchen bei der Kommunikation in Softwareprojekten

Avision listet mit einem Augenzwinkern die Top-10-Kommunikations-Fails in…