Rückblick auf den Gartner Data & Analytics Summit: Wichtigste Erkenntnisse

Wie wir in unserem Zusammenfassung nach der ShowDas Rocket Team ging als Sieger hervor Gartner Data & Analytics (D&A) Summit In Orlando bot der Summit zahlreiche Sessions und Diskussionen mit wertvollen Einblicken und Ideen. Auch für diejenigen, die nicht teilnehmen konnten, bot er eine hervorragende Gelegenheit, IT- und Datenexperten aus verschiedenen Branchen zusammenzubringen. Sie diskutierten, lernten voneinander und tauschten sich über Künstliche Intelligenz (KI), Datenmanagement, Architektur, Governance und weitere Themen aus. Zu den wichtigsten Anliegen der Teilnehmer zählten die optimale Nutzung von KI, die Rolle der Datenarchitektur und die Vorbereitung von Datenexperten auf die Zukunft. 

Da das Team die Veranstaltung aus unterschiedlichen Perspektiven erlebt hatte, trafen wir uns im Anschluss und tauschten unsere individuellen Erkenntnisse aus. Dabei kristallisierten sich zwei Hauptthemen heraus: die Zukunft der KI und die Datenarchitektur. Um Sie bei diesen wichtigen Themen zu unterstützen, möchte ich Ihnen unsere Erkenntnisse und deren Bedeutung für Ihre Aufgaben – heute und in Zukunft – vorstellen. 

KI: Das am häufigsten verwendete (und immer noch das verwirrendste) Akronym für 2025

Letztendlich arbeiten Unternehmen noch immer daran, herauszufinden, welche KI-Initiativen sie verfolgen sollten. Die Technologie entwickelt sich so rasant, dass es schwierig ist, sich festzulegen. (Eine aktuelle Studie besagt…) KI kann „ängstlich“ werden„Moment mal, WAS?!“ Es ist jedoch klar, dass KI die Zukunft des Datenmanagements und des Unternehmenswissens ist. Der Schlüssel liegt darin, vor Beginn der Anwendung von KI für Ihre Datenerfassungs- und -interpretationsprojekte genau zu definieren, was Sie erreichen wollen.  

Hier unsere Gedanken dazu: 

• Die Investitionen in den Datensektor, die heute maßgeblich von KI getrieben werden, nehmen weiterhin rasant zu. Doch die Geschäftsmodelle und Ergebnisse von KI-Initiativen entwickeln sich stetig weiter. Obwohl es entscheidend ist, den Geschäftserfolg mit KI-Investitionen zu verknüpfen, stellen die ungenutzten Datenmengen auf Großrechnern nach wie vor ein großes Hindernis für die Entwicklung eines überzeugenden Business Case dar.
• In einer der Sitzungen wurde ein interessanter Punkt angesprochen: „ Nur jedes fünfte Unternehmen nutzt seine Daten effektiv für KI-Anwendungsfälle .“ Angesichts der vielen KI-Slogans und der Unternehmen, die behaupten, alles im Bereich KI im Griff zu haben, traf dieses Zitat einen Nerv. Es passt nicht ganz ins Bild – und wir stimmen dem voll und ganz zu! Der KI-Boom ist nicht so einfach, wie manche denken. Wir wissen beispielsweise, dass der Großteil der Mainframe-Daten immer noch ungenutzt bleibt (72 % laut [Quelle einfügen]). unsere ForschungWenn diese entscheidenden Daten bei Analyse- und KI-Initiativen unberücksichtigt bleiben, treffen Unternehmen Entscheidungen über ihre Zukunft auf der Grundlage unvollständiger oder gar ungenauer Daten.
• Datenmanagement, Governance und Change-Management sind unerlässlich und sollten in die Kostenkalkulation jedes KI-Projekts einfließen. Unternehmen sollten jedoch zunächst in die Grundlagen investieren, um die Verwaltung und Integration ihrer Daten zu beherrschen. Die KI-Governance sollte sich am bestehenden Data-Governance-Framework orientieren, nicht nur oberflächliche Praktiken behandeln, sondern die Frage stellen: „Was könnte schiefgehen?“ Metadaten sind der Schlüssel. Sie sind die zentrale Komponente, die alle Datentypen und -formate umfasst. Damit sie funktionieren, müssen die Metadaten sauber, präzise, ​​gut organisiert und für alle Mitarbeiter im Unternehmen leicht zugänglich sein.
• KI ist allgegenwärtig . Sie wurde an fast jedem Ausstellerstand und in fast jeder Session erwähnt. Zwar gibt es mittlerweile deutlichere Anwendungsfälle für KI als noch vor einem Jahr, doch die genauen Vorteile bleiben unklar. Niemand sagte: „Zehnfache Kosteneinsparungen durch KI für Anwendungsfall XYZ.“ Die Teilnehmer suchten nach konkreten Antworten auf ihre spezifischen Probleme. Die Botschaft „Bereiten Sie Ihre Daten auf KI vor“ war allgegenwärtig. Aber was bedeutet das konkret? Die Antworten waren fast immer herstellerspezifisch. Eine übergreifende Definition und wegweisende Konzepte sind nötig, damit Unternehmen verstehen, was KI für sie bedeutet.
• Datensicherheit und die sichere Nutzung von Unternehmensinhalten mit GenAI waren ein zentrales Anliegen der Teilnehmer. Hinweise zur Umsetzung dieser Sicherheit fanden großen Anklang, insbesondere im Hinblick auf Mainframe-Daten. Daten- und IT-Experten wissen, dass Mainframes riesige Mengen geschäftskritischer Daten enthalten und deren Nutzung oft eine unüberwindbare Hürde darstellt. Viele sind sich nicht einmal sicher, ob sie diese Daten überhaupt nutzen können. dürfen Vergiss es.  
   

Datennetz vs. Gewebe vs. Lagerhaus vs. Data Lake vs. …

Datenarchitektur war ein weiterer Schwerpunkt, und das aus gutem Grund. Es gibt so viele Optionen, und die häufigste Antwort auf die Frage „Welche soll ich verwenden?“ lautete: „Es kommt darauf an.“ Dem stimmen wir zu. Es gibt keine Patentlösung. Daher ist die Zusammenarbeit mit kompetenten Partnern, die alle Optionen und Kombinationsmöglichkeiten kennen und bereit sind, Ihre Situation und Ziele genau zu verstehen, der effizienteste und effektivste Weg zum Erfolg. Die Alternative, ein „Lernen durch Erfahrung“, ist schlichtweg nicht tragbar.  

Das haben wir mitgenommen:  

• Es ist interessant zu sehen, wie sich das Konzept der Dateninfrastruktur von einem eher vagen Begriff im letzten Jahr zu einer konkreten Strategie entwickelt hat, die in großen Unternehmen umgesetzt wird. Der entscheidende Punkt aus den Vorträgen zu diesem Thema ist, dass keine zwei Strategien gleich aussehen werden. Je nach Situation und Bedarf wird es Kombinationen aus Lakehouse, Mesh, Fabric, Warehouse und weiteren Ansätzen geben. Und es ist nichts, was Unternehmen einfach so implementieren können. Sie müssen es schrittweise aufbauen und anpassen, sodass die Ergebnisse völlig anders aussehen können als ursprünglich geplant. All dies unterstreicht die Bedeutung guter Metadaten im gesamten Unternehmen. Metadatengesteuerte Integration ist der einzige Ansatz zur Unternehmensintegration, der all diese Varianten unterstützen kann.
• Die Konzepte von Data Mesh und Data Fabric sind schon seit einigen Jahren bekannt. Gartner hat die Unterschiede klar herausgestellt: Data Mesh dezentralisiert Daten, Data Fabric steuert sie zentral. Trotzdem wurden die Begriffe von den Teilnehmern weiterhin synonym verwendet. Die Verwirrung rührt möglicherweise daher, dass es sich bei keinem der beiden um ein „Produkt“ handelt, das Unternehmen erwerben können. Und, wie bereits erwähnt, ist ihre Anwendung sehr variabel und situationsspezifisch. Data Fabric gewinnt zwar zunehmend an Bedeutung, doch die Teilnehmer wollten wissen, was für ihre jeweiligen Branchen am besten geeignet ist. „Wenn ich in der XYZ-Branche tätig bin und Databricks nutze, welche Data-Fabric-Strategie sollte ich dann wählen?“ So einfach ist es nicht.
• Lakehouses sind weiterhin ein wachsender Trend. Sie vereinen die Vorteile von Data Lakes (kostengünstige Speicherung von Rohdaten) und Data Warehouses (strukturierte Datenverwaltung und -governance) in einer einzigen Plattform. Da sowohl strukturierte als auch unstrukturierte Daten die Analyse unterstützen, bieten Ferienhäuser am See, die beides kombinieren, das Beste aus beiden Welten.
• Und natürlich stellt der effektive Zugriff auf Mainframe-Daten weiterhin ein Problem dar . Meine Sitzung zu diesem Thema… Nutzung von Mainframe-Daten für KI-gestützte Enterprise Der Rocket Stand schien einen regen Besucherandrang zu verzeichnen. Er war gut besucht, fand großen Anklang beim Publikum, und wir sprachen im Anschluss mit einigen Teilnehmern über die ungenutzten Daten, die in ihren Mainframes schlummern und von Entscheidungsträgern nicht genutzt werden. Diese Erkenntnis weckte das Interesse der Daten-, Analyse- und BI-Experten. Es war überraschend, wie wenige Teilnehmer wussten, dass dies überhaupt möglich ist! Wie bereits erwähnt, enthalten Mainframes riesige Mengen geschäftskritischer Daten, die von den Systembetreibern eifersüchtig geschützt werden. Der Blick auf diese Daten unter dem Gesichtspunkt des Geschäftswerts ist entscheidend. Daten-, KI- und Analyseexperten müssen den Business Case von den Endzielen ausgehend entwickeln, um den enormen Einfluss von Daten auf Geschäftsstrategie, Ausrichtung und Ergebnisse – kurzum, ihren enormen Einfluss auf den Gewinn und die Zukunft des Unternehmens – zu optimieren. 

Eine letzte Anmerkung

Als Daten- und Analyseexperten liegt die Zukunft Ihres Unternehmens buchstäblich in Ihren Händen. Indem Sie der Führungsebene vollständige und verlässliche Daten zur Verfügung stellen, ermöglichen Sie optimale strategische Entscheidungen. Bei der Umsetzung Ihrer Initiativen ist es wichtig, Ihren aktuellen Standpunkt und Ihre Ziele genau zu kennen und eine realistische Strategie zu entwickeln, um diese zu erreichen. Dazu benötigen Sie klar definierte Ziele, Roadmaps für Datenmanagement und -architektur sowie die strategischen Partner, die Sie für Ihren Erfolg benötigen. dürfen Gestalte deine Zukunft mit Gewissheit. 

Mehr erfahren über die Nutzung von KI und die Optimierung Ihrer gesamten Datenumgebung für die Zukunft.