A digitális térben gyorsuló ütemben jön létre adat, aminek feldolgozása, tárolása és kiaknázása egyre fontosabbá válik. Lényeges, hogy a vállalatok hogyan közelítik meg ezt a területet, ugyanis megfelelő módszerrel, az adatok helyes kezelésével, feldolgozásával és üzleti értéket teremtő információ kinyerésével piaci előnyre tudnak szert tenni.
Az előnyök kiaknázásához fontos a sebesség, valamint, hogy a megfelelő adatot a tényleg értő és ismerő terület közvetítse az üzleti döntéshozók felé. Ezek a kihívások egy agilis analitikai adatplatformot követelnek meg. Sok szervezet monolit megoldást alakított ki, ami azt jelenti, hogy egy központilag menedzselt robosztus mechanizmus szolgálja ki az üzleti adatokkal kapcsolatos igényeket, nehezen vagy teljesen lemaradva az újfajta kihívásokkal, igényekkel szemben.
Az ilyen jellegű megoldásoknál ugyanis gyakran probléma a skálázhatóság, így amikor megváltozik a gazdasági környezet vagy az üzleti igények üteme, a platform nem képes azt kiszolgálni. További probléma lehet, hogy az adatokat kezelő személyzet nem ismeri azt olyan mélységben, hogy abból hatékonyan hasznos információt nyerjen ki. Ezt célozza megoldani a Data Mesh módszertan, ami másfajta megközelítés az analitikai adatplatformon.
A Data Mesh egy decentralizált, domain orientált működés, ahol az adatot termékként kezelik felelős adattulajdonosok, a domainek. Az adattermékek önállóan, autonóm módon működnek és mivel termékként vannak kezelve, így pont olyan figyelmet és fegyelmet kapnak, mint bármilyen termék vagy szolgáltatás, amit a vállalat közvetít ügyfeleinek. Lényeges, hogy nem csak magát az adatot értjük adattermék alatt, hanem a kapcsolódó metaadatot, dokumentációt, hozzáférési jogosultságot, illetve azt a folyamatot, ami kinyeri, átalakítja azt.
Felhasználói a szervezeten belül más üzleti területek, vagy a platformon belüli domainek, akiknek egy része nem csak felhasználói az adattermékeknek, hanem létrehozói, karbantartói. Ez a termék szemléletű megközelítés a módszertan első pillére.
Az adattermékek kapcsolódhatnak, egymásra is épülhetnek, illetve három jól elkülöníthető kategóriába sorolhatók. „Source-aligned” vagyis forráshoz igazított, ahogy a neve is mutatja, forrás rendszeri adatok, „consumer-aligned”, a felhasználóhoz igazított, ami valamilyen speciális üzleti esetet, igényt szolgál ki. A harmadik kategória az „aggregated” vagyis aggregált adattermék, erre azért van szükség, mert a forrás rendszeri adatok általánosságban nem egy az egyben kapcsolódnak üzleti célokhoz, legalábbis nagyvállalati léptékben nem, így más adattermékek egyesítésére, összegzésére van szükség, hogy a vállalati szintű, üzleti KPI-ok reprezentálhatóak legyenek.
Minden adatterméknek van felelőse, a domain, ahol minden kapcsolódó feladat, legyen az adatbiztonság, adatminőség, üzemeltetés „end-to-end” menedzselve van, ez a második pillér. A domain tehát az a szervezeti egység, ami vagy felhasználója az adatnak, vagy létrehozója, üzemeltetője. Létrehozás alatt értendő a fejlesztés szponzorálása is.
A harmadik pillér a „Self-Serve” vagyis önkiszolgáló működés, ami egy sokkal agilisebb megközelítést tesz lehetővé, ezzel is csökkentve a függőségeket, akadályokat a platformon, így az újabb adat termékek gyorsabban bevezethetőek, önállóbban elérhetőek.
Legvégül, a negyedik pillér a magyarra nehezen fordítható „Federated Governance”, aminek a szerepe a szabályozás, szabványosítás, felelősségi körök meghatározása, dokumentáció és adatbiztonság. A módszer megengedi a domaineknek az autonómiát az adatmenedzsmentben, ugyanakkor megköveteli tőlük a vállalati előírások betartását. A működést segítve az adatplatformon jelen szokott lenni egy tanácsadó csapat is, akik a bevezetést koordinálják, illetve a „best-practiceket", megoldásokat fektetik le a domainek számára.
Mivel a Data Mesh egy decentralizált, technológiafüggetlen megközelítés, ezért felmerülhet, hogy adatsilók fognak létrejönni a módszertan használatával, amelyek más és más technológiára épülnek, de ez téves megközelítés. Az, hogy a Data Mesh technológiafüggetlen, valójában annyit jelent, hogy technológiai platform szempontjából, legyen az felhő alapú vagy on-premise, többfelé lehet elindulni. Az adattermék megközelítés, a megosztás felé terel, ami ellentétes a silós működéssel, de ehhez arra is szükség van, hogy megfelelő célszoftver segítségével a különböző adattermékek megtalálhatóak legyenek a jogosult felhasználók számára.
Az átállást, bevezetést érdemes az adott vállalathoz igazított koncepció kidolgozásával, a „best-practice”-k lefektetésével és pilot adattermék elindításával kezdeni. A megoldást többnyire tanácsadó cég bevonásával, az adott vállalat adatplatformjából delegált csapattal érdemes közösen kialakítani. Vannak vállalatok, ahol a teljes infrastruktúra felhőbe költözött és már ott állnak át Data Meshre, de ez nem előfeltétel. Az viszont fontos szempont, hogy a skálázhatóság ne sérüljön. Ez utóbbi pedig nemcsak technológiára értendő, hanem arra, hogy a rendszerbe könnyen lehessen integrálni újabb adattermékeket.
„A Data Mesh előnye alapvetően a rugalmas működés. Azáltal, hogy az adattermékek a felelős domain által vannak menedzselve, nagyobb az autonómia és ez magasabb innovációt, valamint jobb adatminőséget eredményez” –mondta Láncos Márton, a Deloitte Magyarország technológiai tanácsadás üzletágának menedzsere.
A Data Mesh olyan módszertan a nagyvállalati analitikai adatplatform menedzsment területén, amire mindenképp érdemes odafigyelni, nem csak azért, mert egyre többen alkalmazzák, hanem azért is, mert a filozófiájából fakadóan olyan előnyöket tesz elérhetővé a cégek számára, amit a korábbi „monolit” megközelítés nem, vagy csak nagyon drágán volt képes. A skálázhatóság és rugalmasság fontos a gyorsuló ütemben változó üzleti életben, ahol az egyre növekvő volumenű adat kiaknázása kulcsszerepet játszik a célok elérésében.
„A magyar beruházás nagyon előrehaladott, ugyanakkor rendkívül komplex. Sok mindent újra kell gondolnunk ebben a projektben, rengeteg megoldandó feladat van, hogy az előnyt, amire Magyarország szert tett, valódi hozzáadott értékké, profittá tudjuk kovácsolni.”