5 tips voor datavirtualisatie

In het huidige digitale landschap van organisaties komt meer en meer data beschikbaar. Voor vrijwel alle bedrijven is het een uitdaging om los te komen aan de wirwar van interfaces van interne en exteren systemen. Ook wet en regelgeving is steeds veeleisender over hoe er met data omgegaan dient te worden. Data virtualisatie biedt kansen om sneller, beter en meer waarde te leveren aan klanten. Daarom 5 tips om de voordelen van data te benutten.

1. Datavirtualisatie staat niet op zich, kijk naar het hele landschap. 

Een datavirtualisatie oplossing is zo goed als de zwakste schakel. Het is daarom belangrijk een goed overzicht te hebben én te houden van alle datastromen. Interfaces, rapportages, handmatige acties etc. etc. Het opzetten van een heldere high-over architectuur met standaarden en herbruikbare methodieken maakt de implementatie eenvoudiger. Het voorkomt dat onverwachte randzaken de implementatie van een datavirtualisatie oplossing vertragen.

2. Het vervangen van bestaande datastromen kost tijd. Integreer deze eerst in het virtuele landschap. 

Het vervangen van bestaande data infrastructuur vergt veel tijd. Het is daarom vaak handiger bestaande oplossingen zoals een datawarehouse of ESB, die helpt bij de integratie van informatie over meerdere applicaties te integreren in de datavirtualistatie en daarna incrementeel te vervangen. Dit voorkomt een tijdrovend project om eerst alle bestaande oplossingen te vervangen.

3. Focus op live verbindingen met bronnen waar dat toegevoegde waarde heeft 

Eén van de grote voordelen van datavirtualisatie is de real-time connectie met databronnen. Niet alle bronnen zijn echter heel erg geschikt om real-time grote hoeveelheden data te leveren. Denk hierbij vooral aan public cloud oplossingen met veel transacties, zoals bijvoorbeeld hrm en financiële oplossingen. In vrijwel alle gevallen is dit technisch op te lossen maar vaak staat de inspanning die daarvoor nodig is niet in verhouding met de real-time behoefte van deze data. In dat geval kan een pragmatische replicatie of caching oplossing een betere aanpak zijn. 

4. Kies voor een heldere herhaalbare aanpak. Datamodellering oplossingen kunnen hierbij helpen. 

Een datavirtualisatie oplossing bevat al snel grote hoeveelheden datastromen met evenzovele complexe interacties. De meeste datavirtualisatie software biedt de mogelijkheid dit allemaal te programmeren. Nadeel hiervan is dat het doorgronden van de oplossing al snel complex wordt en documentatie en datastromen lastig te beheren zijn. Om dit te voorkomen is het verstandig een goed model voor het virtualiseren van data te kiezen en deze te implementeren met modellen en software die de virtualisatie oplossing genereren. Denk hierbij aan technieken als Datavault of Kimbal om de data te ontsluiten en een of meerdere dimensionele modellen in Microsoft Power bi die het voor minder technische gebruikers eenvoudiger maakt de informatie te benaderen. 

5. Definieer de informatieproducten het liefst generiek. BI, Data science en ESB maken het specifiek. 

Datavirtualisatie kent vaak een grote hoeveelheid gebruikers die op verschillend detailniveau behoefte hebben aan informatie. Om toch een overzichtelijke oplossing mogelijk te maken is het verstandig een generiek fundament te ontwerpen op de bronsystemen met daarop specifiek voor de behoefte van een gebruikersgroep gedefinieerde modellen. Dit voorkomt dat er bij wijzigingen in de bron op meerdere plekken wijzigingen nodig zijn en de flexibiliteit die datavirtualisatie biedt voor een deel teniet wordt gedaan.

Cases insturen

  • Max. bestandsgrootte: 300 MB.
  • Dit veld is bedoeld voor validatiedoeleinden en moet niet worden gewijzigd.
Maarten ter Laak

Ga jij aan de slag met datavirtualisatie en heb je een concrete case? Dien hem in via onderstaande knop. Ik spar graag met je over datavirtualisatie. 

Kom met mij in contact

Maarten ter Laak, Business Intelligence & Datawarehousing

DEEL DIT BERICHT IN JE NETWERK:

MEER LEZEN?

Bekijk hier alle blogs.

Alle blogs