SlideShare ist ein Scribd-Unternehmen logo
Big Data Governance in der Praxis
München, 26.06.2017, Rüdiger Eberlein
2Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Capgemini’s Bereich Insights&Data hat weltweit 13.000 Berater,
davon 600+ in Projekten in Deutschland und Österreich
Nearshore
Wroclaw
Offshore
Mumbai
Bangalore
Hamburg
Düsseldorf
Köln/Bonn
Stuttgart
München
Frankfurt
Nürnberg
Hannover
Berlin
Wien
Kolkata
45%
10%
45%
Mitarbeiter
Onshore Nearshore Offshore
Public
Sector
Manufacturing,
Retail&
Distribution
Telecom,Media
&
Entertainment
Automotive
Energy,
Utilities &
Chemicals
Financial
Services
Auswahl an ReferenzkundenfürInformationManagement,Business
Intelligence,Data Warehouse,Big Data Analytics
3Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Agenda
 Übersicht
 Agilität
 Datenkatalog
 Datensicherheit
 Werkzeuge
 Zusammenfassung
4Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Die Funktionen eines Information Governance Frameworks
Industry standards,
Reference Data Mgmt
(internal& external
reference data)
Legal&
regulatory
data compliance
practices,
e-Discovery
Information
lifecycle:
Data Retention,
Disposition
Data Quality
rules,policies &
scorecards
Masterdata
policies &
workflows
Data Architecture,
Data Modelling,
Metadata Management,
Lineage &
Traceability
Data
classifications
&hierarchies,
Naming &coding
conventions
IG organization,
decision-making &
accountability
IG culture,
awareness
Business glossary,
data attributes roadmap,
socialdata,open data,
IoT data,M2M data
Information
exploitation
(internal,
external)
IGprogram
reach:Data
domains,systems,
Programs in
scope
Data Privacy,
Data Protection,
Information
Security,Data
Masking
5Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Motivation für eine Big Data spezifische Governance
Data
Governance
Neue
Datenquellen
Externe Daten
Unstrukturierte
Daten
Echtzeit-
Verarbeitung
Neue
Analytics-
Ansätze
Agiles
Vorgehen
6Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Prinzipien
 Daten sind ein wertvollerRohstoff
Wichtige Prinzipien der Datenarchitektur*
 Daten werden geteilt(Datendemokratie)
 Daten werden nutzbarbereitgestellt
 Die Qualität der Daten wird gesichert
 Unternehmensweites Business Glossar
 Die Daten sind gesichert vorMißbrauch
*TOGAF Data Principles
7Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Architektur für Big Data:
Schwerpunkt auf Big Data Lake und NoSQL
Manage
Process
Analyze
Information
Source
data
Data ExplorationReporting
Ad-hoc
Querying
Search,
Retrieval
Structured data
 tables
Unstructured Data
 Text, speech, …
Semistructured data
 JSON, XML, …
Data Warehouse Data Asset
Catalog
 Index
 Tags
 Metadata
Data Lake
NoSQL databases
Key value
store
Document
store
Column
store
Graph
store
SQL databases
Row
based
Column
based
Streaming,
Event
Processing
File
system
Adv. Analytics,
Machine Learning
Next Best
Action
Data ingestionETL/ELT
Adv. Visualization
Data virtualization
Data preparation
 Data
governance
and security
 Data privacy
 Compliance
 Collaboration
 Value
generation
 Program
delivery
 Data-driven
culture
 Information
strategy
 Skill
development
 Master data
mgmt
 Metadata
mgmt
 Data quality
mgmt
 Operations,
SLA’s
 Orchestration
8Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Die wesentlichen Prozesse für Big Data Governance
Lieferung,
Ingestion
Sicherheit
Katalogisierung Aufbereitung
Nutzung
Qualitäts-
management
Stammdaten-
management
Lifecycle-
Management
9Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Stakeholder in der Big Data Governance
Governance Rollen
• Chief Data Officer
• Data GovernanceAusschuss
• Data Steward
• Dateneigentümer
• Datenlieferant
• Data Risk Officer
• Rechtsabteilung
Nutzerrollen
• Data Scientist
• Data Engineer
• Entwickler
• Power User
• Informationskonsument
10Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Agenda
 Übersicht
 Agilität
 Datenkatalog
 Datensicherheit
 Werkzeuge
 Zusammenfassung
11Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Governance aufBig Data
Agilität gegen Governance –
Sie müssen die richtige Balance finden !
 Agilitätist ein hauptsächlicher Treiberin Big
Data Analyticsund hatGovernance
Paradigmenin den Hintergrund gedrängt.
 Governancewird eherals Bremse denn als
Enablergesehen:“Irgendeinezentrale
Einheiterzähltmir, dass ich nichtdie Dinge
tun kann, die ich tun sollte.”
 Umwälzungenam Markt geschehen und
warten nichtauf Governance Prozesse.
 DerFachbereich willmit Big Data Analytics
fix unterwegs sein und möchteRegulation
loswerden.
 Data Scientists brauchenFlexibilität in ihrer
Arbeitum große Erkenntnissezu machen.
 Governanceistwie Sie anfangenDinge im
Großen zu tun.
 Unternehmensagilität istnicht,wenn man
alles tun kann, was man will.
Unternehmensagilität ist,das Rad nicht
mehrfach zu erfinden,wenn man anfängt
Datenquellen zu erschließen oderSysteme
zu integrieren.
 „Garbage in – Garbage out“gilt immer
noch!
 Wenn man die Bedeutung seinerGroßen
Daten nichtkennt,riskiert man
Fehlinterpretation und falscheSchlüsse aus
den Daten.
Agilitätfür Big Data Analytics
12Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Einige Paradigmen für Agilität in Big Data Analytics
• Ermutige Datenlieferanten ihre Daten im unternehmensweiten
Data Lake bereitzustellen
Mimimal formal
governance
• Lade Daten einfach in den Data Lake mit Quasi-Null-Aufwand
für die ITData Ingestion
• Lade (quasi) alle ggf. relevanten Daten in den Data LakeLoad all data
• Lade Daten ohne jede strukturelle ÄnderungSchema-on-read
• Lade die Daten (quasi) in roher Form, ohne inhaltsändernde
Verarbeitung oder AggregationRaw data
• Strukturiere und transformiere Daten erst bei BedarfProcess data on-the-fly
• Ermögliche Data Scientists und Engineers ein Arbeiten im
Self Service ModeSelf Service
13Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Die Art der Zusammenarbeit zwischen IT und Fachbereich ist bei Big
Data Analytics anders als bei traditioneller Business Intelligence
Time-to-production
Traditional
BI
New
Analytics Provide me
these new
data sources
in HDFS pls
Seems that
I need a
new report
Done
Exploring
the data.
Trial and
error.
Specifying
the
solution
outline
Implementing
Wow,
that’s what
I was
looking for
Go and
specify what
exactly you
need !
Don’t know
exactly. Better
request all.
That’s too
complicated
to
implement
No. That’s not what I
want. You need to
do it another way !
Why didn’t
you say that
at the
beginning?
IT
Business
14Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Agenda
 Übersicht
 Agilität
 Datenkatalog
 Datensicherheit
 Werkzeuge
 Zusammenfassung
15Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Grundlegende Fragestellungen der Nutzer des Data Lake
 Welche Daten sind im Data Lake verfügbar?
 Welche relevanten Daten gibt es zu meiner fachlichen Fragestellung?
 Wo liegen die betreffenden Daten?
 Woher stammen diese Daten?
 Über welchen Weg sind die Daten in den Data Lake gelangt?
 Wie wurden sie verarbeitet?
 Wie sind die Daten strukturiert?
 Welche Bedeutung haben die Daten?
 Wofür kann ich die Daten nutzen? Gibt es Einschränkungen bzgl. Datenqualität
oder Nutzungsrechten?
16Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Grobkonzept für effizientes Teilen von Daten im Unternehmen unter
Nutzung eines Data Asset Catalog
Business
Data
Science
Enterprise
Taxonomy
Enterprise Data
AssetSearch
Enterprise Data
AssetCatalog
Data
Provider
Data
Steward /
Information
Curator
1
2
3
4
6
5
17Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Die fachliche Taxonomie definiert Kategorien für die Klassifizierung der
Data Assets des unternehmensweiten Data Lake
Typische Kategorien sind:
Business
taxonomy
Business
processes
Customer
journey
Business
areas and
segments
Products and
services
Organisation
including
regions and
countries
Time
18Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Data Asset Catalog
Data Asset Catalog
Data
Hadoop, Database, Files, 3rd Party Data, Things, Data in motion, Analyticsresults
Index Builder
Metadata
Connector
Catalog
Data asset information on data structure, type,
relationship, data profile, … Index
Asset search
User
Data
Scientist,
Data
Engineer
Data Profiler
Asset discovery
Classification, tags,
profile, lineage, …
Business
Taxonomy
Data
Steward
Data Lineage
Analyzer
Data
Provider
Classification,
Tagging
Business
Architect
Data
Processing
Data
Engineer
19Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Definition fachlicher Metadaten im Data Asset Catalog basierend auf der
Unternehmenstaxonomie …
1) Basic and extended
metadata attributes are
modelled as user-defined tags
2) And then attached to a data
file or data field
BEISPIEL
20Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
… ermöglicht Data Scientists und Data Engineers die für
ihre Fragestellung relevanten Daten zu suchen …
Waterline provides search form
incorporating custom defined
search criteria (tags and origins
concepts)
BEISPIEL
21Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
… und diese Data Assets innerhalb des unternehmensweiten Data Lake
zu finden
Waterline provides an Amazon
like multi-faceted search with
both predefined facets as well
as custom defined facets
BEISPIEL
22Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Mit Data Discovery können die einzelnen Datenfelder
bezüglich Nutzbarkeit bewertet werden
Waterline interface displays profile
information (e.g. Data type, min,
max, cardinality) on field level to
assist data scientists in data
discovery
BEISPIEL
23Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Agenda
 Übersicht
 Agilität
 Datenkatalog
 Datensicherheit
 Werkzeuge
 Zusammenfassung
24Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Klassifizierung der Daten bezüglich Sicherheit
 Sensible Daten
 PersonenbezogeneDaten
 Gesundheitsdaten
 Kreditkartendaten
 IntellectualProperty
 Wenigersensible Daten
 UnsensibleDaten
Datensicherheitsklassen
 Anonymisierung
 Pseudonymisierung
(VerschlüsselungsalgorithmusoderLookup
Tabellen)
 Verschlüsselung am Speicherplatz(z.B. HDFS
encryption)
 Verschlüsselung fürden Datentransfer
 Datenzugriffskontrolle
Sicherheitsmaßnahmen
25Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Agenda
 Übersicht
 Agilität
 Datenkatalog
 Datensicherheit
 Werkzeuge
 Zusammenfassung
26Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Werkzeuge für Big Data Governance
 DerReifegrad derangebotenen Werkzeuge für
Big Data Governanceistheute noch begrenzt.
 Es gibt viele Werkzeuge mit mehroderweniger
vielen funktionalenÜberlappungen.
 Es gibt kein Werkzeug,das in der Breite alle
Anforderungenbzgl.BDG abdeckt.
 Es gibt viele Anbieter.DerMarkt entwickeltsich
schnell.
Situation
 GewichtenSie Ihre eigenen funktionalen
Anforderungenan Big Data Governance.
 SuchenSie dazu passende Best-of-Breed-
Produkte.
 Ermitteln Sie den Scope dereinbezogenen
Datenlokationen (Hadoop,RDBMS,…).
 Fordern und prüfenSie die Integrationsfähigkeit
derfavorisiertenBDG Produkte.Insbesondere
mit Hadoop-Kernkomponentenwie HCatalog
muss die Integration gegebensein.
 Nutzen Sie die BDG Funktionalitäten,die mit
dervon Ihnen ausgewählten Hadoop-
Distribution (Cloudera,HortonWorks,MapR)
mitkommen.
Empfehlung
27Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Produktanbieter für Big Data Governance
ApacheHadoop wurde
ursprünglichnichtbzgl.Big Data
Governancekonzipiert.
Fehlende Funktionalitätenwurden
und werden von Version zu
Version eingebracht.
WesentlicheKomponentensind:
 HCatalog
 Hive Metastore
 Solr
Hadoop Core
Die Hadoop Distributorenreichern
den HadoopKern mit eigenen
Komponenten fürBDG
entsprechend derAnforderungen
von Unternehmen an (Enterprise
Edition).
Teilweise versuchen sie auch
diese Komponenten in den
HadoopCore zu bringen.
 Cloudera:Navigator,Sentry,…
 HortonWorks:Atlas,Falcon,
Ranger
 MapR
Hadoop Distributoren
 Informatica
 IBM
 WaterlineData
 Alation
 Collibra
 Tamr
 Talend
 Zaloni
 Trifacta
 Adaptive
 Dataguise
 Data Advantage Group
 SAP
 Attivio
 …
Dritte
28Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Agenda
 Übersicht
 Agilität
 Datenkatalog
 Datensicherheit
 Werkzeuge
 Zusammenfassung
29Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Die wesentlichen Prozesse für Big Data Governance
Lieferung,
Ingestion
Sicherheit
Katalogisierung Aufbereitung
Nutzung
Qualitäts-
management
Stammdaten-
management
Lifecycle-
Management
30Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Verweise
 Big Data Governance: Big Data Governance: Modern Data Management
Principles for Hadoop, NoSQL & Big DataAnalytics; Peter Ghavami; Paperback
 Data Management Body of Knowledge (DMBOK2)
 TOGAF: Data Principles, The Open Group
 Big Data Governance, Rüdiger Eberlein, CIO Magazine
31Copyright © Capgemini 2017. All Rights Reserved
Big Data Governance in der Praxis | 26.06.2017
Ihr Ansprechpartner zu Big Data Governance bei Capgemini
Rüdiger Eberlein
Insights & Data
Advisory & Architecture
ruediger.eberlein@capgemini.com
Capgemini München
Mobile +49 160 9787 2295
www.capgemini.com
The information contained in this presentation is proprietary.
© 2016 Capgemini. All rights reserved. Rightshore® is a trademark belonging to Capgemini.
About Capgemini
With more than 190,000 people in over 40 countries, Capgemini
is one of the world's foremost providers of consulting, technology
and outsourcing services. The Group reported 2016 global
revenues of EUR 12.5 billion.
Together with its clients, Capgemini creates and delivers
business, technology and digital solutions that fit their needs,
enabling them to achieve innovation and competitiveness. A
deeply multicultural organization, Capgemini has developed its
own way of working, the Collaborative Business ExperienceTM,
and draws on Rightshore®, its worldwide delivery model.

Weitere ähnliche Inhalte

Was ist angesagt?

SDIC'16 - Erfolgsgeschichte aus dem Smart Data Solution Center (SDSC-BW)
SDIC'16 - Erfolgsgeschichte aus dem Smart Data Solution Center (SDSC-BW)SDIC'16 - Erfolgsgeschichte aus dem Smart Data Solution Center (SDSC-BW)
SDIC'16 - Erfolgsgeschichte aus dem Smart Data Solution Center (SDSC-BW)
Smart Data Innovation Lab
 
Wirksames Stammdatenmanagement
Wirksames StammdatenmanagementWirksames Stammdatenmanagement
Wirksames Stammdatenmanagement
CDQ - Sharing Data Excellence
 
Big Data und Oracle bringen die Logistik in Bewegung
Big Data und Oracle bringen die Logistik in BewegungBig Data und Oracle bringen die Logistik in Bewegung
Big Data und Oracle bringen die Logistik in Bewegung
OPITZ CONSULTING Deutschland
 
Business mit Daten? Deutschland auf dem Weg in die smarte Datenwirtschaft
Business mit Daten? Deutschland auf dem Weg in die smarte DatenwirtschaftBusiness mit Daten? Deutschland auf dem Weg in die smarte Datenwirtschaft
Business mit Daten? Deutschland auf dem Weg in die smarte Datenwirtschaft
Boris Otto
 
Big data minds 2013 vorankündigung
Big data minds 2013 vorankündigungBig data minds 2013 vorankündigung
Big data minds 2013 vorankündigung
Maria Willamowius
 
Smart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale TransformationSmart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale Transformation
Boris Otto
 
Data Governance – Lessons Learnt der Projektpraxis
Data Governance – Lessons Learnt der ProjektpraxisData Governance – Lessons Learnt der Projektpraxis
Data Governance – Lessons Learnt der Projektpraxis
accenture
 
Stammdatenmanagement
StammdatenmanagementStammdatenmanagement
Stammdatenmanagement
patriziapesce
 
Produktdatenmanagement mit Neo4j - Andreas Weber, semantic pdm
Produktdatenmanagement mit Neo4j - Andreas Weber, semantic pdmProduktdatenmanagement mit Neo4j - Andreas Weber, semantic pdm
Produktdatenmanagement mit Neo4j - Andreas Weber, semantic pdm
Neo4j
 
BARC Studie Webinar: Ausgereifte Analysen mit Apache Hadoop
BARC Studie Webinar: Ausgereifte Analysen mit Apache HadoopBARC Studie Webinar: Ausgereifte Analysen mit Apache Hadoop
BARC Studie Webinar: Ausgereifte Analysen mit Apache Hadoop
Cloudera, Inc.
 
Matthias Hausegger (Amaris)
Matthias Hausegger (Amaris)Matthias Hausegger (Amaris)
Matthias Hausegger (Amaris)
Praxistage
 
Die Macht der Daten - CeBIT 2017
Die Macht der Daten - CeBIT 2017Die Macht der Daten - CeBIT 2017
Die Macht der Daten - CeBIT 2017
Detlev Sandel
 
Die Experton Big Data Studie und Splunk
Die Experton Big Data Studie und SplunkDie Experton Big Data Studie und Splunk
Die Experton Big Data Studie und Splunk
Georg Knon
 
20131203 11 pivotal_ wie_big_data_geschäftsmodelle_verändert
20131203 11 pivotal_ wie_big_data_geschäftsmodelle_verändert20131203 11 pivotal_ wie_big_data_geschäftsmodelle_verändert
20131203 11 pivotal_ wie_big_data_geschäftsmodelle_verändert
Werbeplanung.at Summit
 
Quarterly Technology Briefing - Big Data - Germany
Quarterly Technology Briefing - Big Data - GermanyQuarterly Technology Briefing - Big Data - Germany
Quarterly Technology Briefing - Big Data - Germany
Thoughtworks
 
Dipl.-Kfm. Alexander Rehn (T&O Unternehmensberatung)
Dipl.-Kfm. Alexander Rehn (T&O Unternehmensberatung)Dipl.-Kfm. Alexander Rehn (T&O Unternehmensberatung)
Dipl.-Kfm. Alexander Rehn (T&O Unternehmensberatung)
Praxistage
 
Real-time Enterprise Architecture mit LeanIX
Real-time Enterprise Architecture mit LeanIX Real-time Enterprise Architecture mit LeanIX
Real-time Enterprise Architecture mit LeanIX
LeanIX GmbH
 
Marcus Kottinger (Axians)
Marcus Kottinger (Axians)Marcus Kottinger (Axians)
Marcus Kottinger (Axians)
Praxistage
 
Big Data Analytics Forum 2015: Wie gelingt der Schnellstart in die neue Infor...
Big Data Analytics Forum 2015: Wie gelingt der Schnellstart in die neue Infor...Big Data Analytics Forum 2015: Wie gelingt der Schnellstart in die neue Infor...
Big Data Analytics Forum 2015: Wie gelingt der Schnellstart in die neue Infor...
SAS in Deutschland, Österreich und der Schweiz
 

Was ist angesagt? (20)

SDIC'16 - Erfolgsgeschichte aus dem Smart Data Solution Center (SDSC-BW)
SDIC'16 - Erfolgsgeschichte aus dem Smart Data Solution Center (SDSC-BW)SDIC'16 - Erfolgsgeschichte aus dem Smart Data Solution Center (SDSC-BW)
SDIC'16 - Erfolgsgeschichte aus dem Smart Data Solution Center (SDSC-BW)
 
Wirksames Stammdatenmanagement
Wirksames StammdatenmanagementWirksames Stammdatenmanagement
Wirksames Stammdatenmanagement
 
Big Data und Oracle bringen die Logistik in Bewegung
Big Data und Oracle bringen die Logistik in BewegungBig Data und Oracle bringen die Logistik in Bewegung
Big Data und Oracle bringen die Logistik in Bewegung
 
Business mit Daten? Deutschland auf dem Weg in die smarte Datenwirtschaft
Business mit Daten? Deutschland auf dem Weg in die smarte DatenwirtschaftBusiness mit Daten? Deutschland auf dem Weg in die smarte Datenwirtschaft
Business mit Daten? Deutschland auf dem Weg in die smarte Datenwirtschaft
 
Big data minds 2013 vorankündigung
Big data minds 2013 vorankündigungBig data minds 2013 vorankündigung
Big data minds 2013 vorankündigung
 
Big Data - einfach erklärt!
Big Data - einfach erklärt!Big Data - einfach erklärt!
Big Data - einfach erklärt!
 
Smart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale TransformationSmart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale Transformation
 
Data Governance – Lessons Learnt der Projektpraxis
Data Governance – Lessons Learnt der ProjektpraxisData Governance – Lessons Learnt der Projektpraxis
Data Governance – Lessons Learnt der Projektpraxis
 
Stammdatenmanagement
StammdatenmanagementStammdatenmanagement
Stammdatenmanagement
 
Produktdatenmanagement mit Neo4j - Andreas Weber, semantic pdm
Produktdatenmanagement mit Neo4j - Andreas Weber, semantic pdmProduktdatenmanagement mit Neo4j - Andreas Weber, semantic pdm
Produktdatenmanagement mit Neo4j - Andreas Weber, semantic pdm
 
BARC Studie Webinar: Ausgereifte Analysen mit Apache Hadoop
BARC Studie Webinar: Ausgereifte Analysen mit Apache HadoopBARC Studie Webinar: Ausgereifte Analysen mit Apache Hadoop
BARC Studie Webinar: Ausgereifte Analysen mit Apache Hadoop
 
Matthias Hausegger (Amaris)
Matthias Hausegger (Amaris)Matthias Hausegger (Amaris)
Matthias Hausegger (Amaris)
 
Die Macht der Daten - CeBIT 2017
Die Macht der Daten - CeBIT 2017Die Macht der Daten - CeBIT 2017
Die Macht der Daten - CeBIT 2017
 
Die Experton Big Data Studie und Splunk
Die Experton Big Data Studie und SplunkDie Experton Big Data Studie und Splunk
Die Experton Big Data Studie und Splunk
 
20131203 11 pivotal_ wie_big_data_geschäftsmodelle_verändert
20131203 11 pivotal_ wie_big_data_geschäftsmodelle_verändert20131203 11 pivotal_ wie_big_data_geschäftsmodelle_verändert
20131203 11 pivotal_ wie_big_data_geschäftsmodelle_verändert
 
Quarterly Technology Briefing - Big Data - Germany
Quarterly Technology Briefing - Big Data - GermanyQuarterly Technology Briefing - Big Data - Germany
Quarterly Technology Briefing - Big Data - Germany
 
Dipl.-Kfm. Alexander Rehn (T&O Unternehmensberatung)
Dipl.-Kfm. Alexander Rehn (T&O Unternehmensberatung)Dipl.-Kfm. Alexander Rehn (T&O Unternehmensberatung)
Dipl.-Kfm. Alexander Rehn (T&O Unternehmensberatung)
 
Real-time Enterprise Architecture mit LeanIX
Real-time Enterprise Architecture mit LeanIX Real-time Enterprise Architecture mit LeanIX
Real-time Enterprise Architecture mit LeanIX
 
Marcus Kottinger (Axians)
Marcus Kottinger (Axians)Marcus Kottinger (Axians)
Marcus Kottinger (Axians)
 
Big Data Analytics Forum 2015: Wie gelingt der Schnellstart in die neue Infor...
Big Data Analytics Forum 2015: Wie gelingt der Schnellstart in die neue Infor...Big Data Analytics Forum 2015: Wie gelingt der Schnellstart in die neue Infor...
Big Data Analytics Forum 2015: Wie gelingt der Schnellstart in die neue Infor...
 

Ähnlich wie Big Data Governance

Digitale Transformation für KMU
Digitale Transformation für KMUDigitale Transformation für KMU
Digitale Transformation für KMU
Gernot Sauerborn
 
Data Governance: Schlüsselfaktor zur erfolgreichen Umsetzung der Finance Tran...
Data Governance: Schlüsselfaktor zur erfolgreichen Umsetzung der Finance Tran...Data Governance: Schlüsselfaktor zur erfolgreichen Umsetzung der Finance Tran...
Data Governance: Schlüsselfaktor zur erfolgreichen Umsetzung der Finance Tran...
IBsolution GmbH
 
Data Governance Journey from UM to VF
Data Governance Journey from UM to VFData Governance Journey from UM to VF
Data Governance Journey from UM to VF
Marco Geuer
 
Studie: Welchen Stellenwert nimmt Data Governance im Jahr 2023 ein?
Studie: Welchen Stellenwert nimmt Data Governance im Jahr 2023 ein?Studie: Welchen Stellenwert nimmt Data Governance im Jahr 2023 ein?
Studie: Welchen Stellenwert nimmt Data Governance im Jahr 2023 ein?
IBsolution GmbH
 
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
OPITZ CONSULTING Deutschland
 
Business Analytics Plattform - Die Lösung für Ihre Herausforderungen mit Daten
Business Analytics Plattform - Die Lösung für Ihre Herausforderungen mit DatenBusiness Analytics Plattform - Die Lösung für Ihre Herausforderungen mit Daten
Business Analytics Plattform - Die Lösung für Ihre Herausforderungen mit Daten
IBsolution GmbH
 
Analytics für Einsteiger
Analytics für EinsteigerAnalytics für Einsteiger
Denodo: Die Lösung für harmonisierte ESG-Informationsquellen
Denodo: Die Lösung für harmonisierte ESG-InformationsquellenDenodo: Die Lösung für harmonisierte ESG-Informationsquellen
Denodo: Die Lösung für harmonisierte ESG-Informationsquellen
IBsolution GmbH
 
Digitales Talentmanagement: Überblick und Erfahrungen aus einem MOOC mit über...
Digitales Talentmanagement: Überblick und Erfahrungen aus einem MOOC mit über...Digitales Talentmanagement: Überblick und Erfahrungen aus einem MOOC mit über...
Digitales Talentmanagement: Überblick und Erfahrungen aus einem MOOC mit über...
Thomas Jenewein
 
Daten- und Informationsqualitätsmanagement als integraler Baustein von Manage...
Daten- und Informationsqualitätsmanagement als integraler Baustein von Manage...Daten- und Informationsqualitätsmanagement als integraler Baustein von Manage...
Daten- und Informationsqualitätsmanagement als integraler Baustein von Manage...
Marco Geuer
 
BARC Was Datenmanagement Messbar Dazu Beitragen Kann
BARC Was Datenmanagement Messbar Dazu Beitragen KannBARC Was Datenmanagement Messbar Dazu Beitragen Kann
BARC Was Datenmanagement Messbar Dazu Beitragen Kann
DataValueTalk
 
Erfolgreiche Datenstrategien für PIM & MDM entwerfen
Erfolgreiche Datenstrategien für PIM & MDM entwerfenErfolgreiche Datenstrategien für PIM & MDM entwerfen
Erfolgreiche Datenstrategien für PIM & MDM entwerfen
Datentreiber
 
Ita Oktober 09 Automotive It
Ita Oktober 09 Automotive ItIta Oktober 09 Automotive It
Ita Oktober 09 Automotive It
brox IT Solutions GmbH
 
Matthias Bettag, DAALA Berlin: Veränderungen digital analytics in 2013
Matthias Bettag, DAALA Berlin: Veränderungen digital analytics in 2013Matthias Bettag, DAALA Berlin: Veränderungen digital analytics in 2013
Matthias Bettag, DAALA Berlin: Veränderungen digital analytics in 2013
luna-park GmbH
 
ODAaaS – Open Data Analytics as a Service
ODAaaS – Open Data Analytics as a ServiceODAaaS – Open Data Analytics as a Service
ODAaaS – Open Data Analytics as a Service
Danube University Krems, Centre for E-Governance
 
So steigern Sie den Nutzen Ihrer Unternehmensplanung
So steigern Sie den Nutzen Ihrer UnternehmensplanungSo steigern Sie den Nutzen Ihrer Unternehmensplanung
So steigern Sie den Nutzen Ihrer Unternehmensplanung
IBsolution GmbH
 
SnT DataCenter Services
SnT DataCenter ServicesSnT DataCenter Services
SnT DataCenter Services
S&T AG
 
„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...
„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...
„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...
Euroforum Deutschland GmbH
 

Ähnlich wie Big Data Governance (20)

Digitale Transformation für KMU
Digitale Transformation für KMUDigitale Transformation für KMU
Digitale Transformation für KMU
 
Data Governance: Schlüsselfaktor zur erfolgreichen Umsetzung der Finance Tran...
Data Governance: Schlüsselfaktor zur erfolgreichen Umsetzung der Finance Tran...Data Governance: Schlüsselfaktor zur erfolgreichen Umsetzung der Finance Tran...
Data Governance: Schlüsselfaktor zur erfolgreichen Umsetzung der Finance Tran...
 
Data Governance Journey from UM to VF
Data Governance Journey from UM to VFData Governance Journey from UM to VF
Data Governance Journey from UM to VF
 
Studie: Welchen Stellenwert nimmt Data Governance im Jahr 2023 ein?
Studie: Welchen Stellenwert nimmt Data Governance im Jahr 2023 ein?Studie: Welchen Stellenwert nimmt Data Governance im Jahr 2023 ein?
Studie: Welchen Stellenwert nimmt Data Governance im Jahr 2023 ein?
 
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
Historisierung und Analyse von Daten aus Oracle Enterprise Manager Cloud Cont...
 
Business Analytics Plattform - Die Lösung für Ihre Herausforderungen mit Daten
Business Analytics Plattform - Die Lösung für Ihre Herausforderungen mit DatenBusiness Analytics Plattform - Die Lösung für Ihre Herausforderungen mit Daten
Business Analytics Plattform - Die Lösung für Ihre Herausforderungen mit Daten
 
Analytics für Einsteiger
Analytics für EinsteigerAnalytics für Einsteiger
Analytics für Einsteiger
 
Denodo: Die Lösung für harmonisierte ESG-Informationsquellen
Denodo: Die Lösung für harmonisierte ESG-InformationsquellenDenodo: Die Lösung für harmonisierte ESG-Informationsquellen
Denodo: Die Lösung für harmonisierte ESG-Informationsquellen
 
Digitales Talentmanagement: Überblick und Erfahrungen aus einem MOOC mit über...
Digitales Talentmanagement: Überblick und Erfahrungen aus einem MOOC mit über...Digitales Talentmanagement: Überblick und Erfahrungen aus einem MOOC mit über...
Digitales Talentmanagement: Überblick und Erfahrungen aus einem MOOC mit über...
 
Daten- und Informationsqualitätsmanagement als integraler Baustein von Manage...
Daten- und Informationsqualitätsmanagement als integraler Baustein von Manage...Daten- und Informationsqualitätsmanagement als integraler Baustein von Manage...
Daten- und Informationsqualitätsmanagement als integraler Baustein von Manage...
 
BARC Was Datenmanagement Messbar Dazu Beitragen Kann
BARC Was Datenmanagement Messbar Dazu Beitragen KannBARC Was Datenmanagement Messbar Dazu Beitragen Kann
BARC Was Datenmanagement Messbar Dazu Beitragen Kann
 
Erfolgreiche Datenstrategien für PIM & MDM entwerfen
Erfolgreiche Datenstrategien für PIM & MDM entwerfenErfolgreiche Datenstrategien für PIM & MDM entwerfen
Erfolgreiche Datenstrategien für PIM & MDM entwerfen
 
Ita Oktober 09 Automotive It
Ita Oktober 09 Automotive ItIta Oktober 09 Automotive It
Ita Oktober 09 Automotive It
 
Matthias Bettag, DAALA Berlin: Veränderungen digital analytics in 2013
Matthias Bettag, DAALA Berlin: Veränderungen digital analytics in 2013Matthias Bettag, DAALA Berlin: Veränderungen digital analytics in 2013
Matthias Bettag, DAALA Berlin: Veränderungen digital analytics in 2013
 
SAS Data Governance
SAS Data GovernanceSAS Data Governance
SAS Data Governance
 
ODAaaS – Open Data Analytics as a Service
ODAaaS – Open Data Analytics as a ServiceODAaaS – Open Data Analytics as a Service
ODAaaS – Open Data Analytics as a Service
 
So steigern Sie den Nutzen Ihrer Unternehmensplanung
So steigern Sie den Nutzen Ihrer UnternehmensplanungSo steigern Sie den Nutzen Ihrer Unternehmensplanung
So steigern Sie den Nutzen Ihrer Unternehmensplanung
 
SnT DataCenter Services
SnT DataCenter ServicesSnT DataCenter Services
SnT DataCenter Services
 
Big Data und Business Intelligence
Big Data und Business IntelligenceBig Data und Business Intelligence
Big Data und Business Intelligence
 
„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...
„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...
„DATA SCIENTIST – DIE KARRIERE DER ZUKUNFT“ - WIE DIE ANALYSE VON DATEN DIE W...
 

Mehr von Capgemini

Top Healthcare Trends 2022
Top Healthcare Trends 2022Top Healthcare Trends 2022
Top Healthcare Trends 2022
Capgemini
 
Top P&C Insurance Trends 2022
Top P&C Insurance Trends 2022Top P&C Insurance Trends 2022
Top P&C Insurance Trends 2022
Capgemini
 
Commercial Banking Trends book 2022
Commercial Banking Trends book 2022Commercial Banking Trends book 2022
Commercial Banking Trends book 2022
Capgemini
 
Top Trends in Payments 2022
Top Trends in Payments 2022Top Trends in Payments 2022
Top Trends in Payments 2022
Capgemini
 
Top Trends in Wealth Management 2022
Top Trends in Wealth Management 2022Top Trends in Wealth Management 2022
Top Trends in Wealth Management 2022
Capgemini
 
Retail Banking Trends book 2022
Retail Banking Trends book 2022Retail Banking Trends book 2022
Retail Banking Trends book 2022
Capgemini
 
Top Life Insurance Trends 2022
Top Life Insurance Trends 2022Top Life Insurance Trends 2022
Top Life Insurance Trends 2022
Capgemini
 
キャップジェミニ、あなたの『RISE WITH SAP』のパートナーです
キャップジェミニ、あなたの『RISE WITH SAP』のパートナーですキャップジェミニ、あなたの『RISE WITH SAP』のパートナーです
キャップジェミニ、あなたの『RISE WITH SAP』のパートナーです
Capgemini
 
Property & Casualty Insurance Top Trends 2021
Property & Casualty Insurance Top Trends 2021Property & Casualty Insurance Top Trends 2021
Property & Casualty Insurance Top Trends 2021
Capgemini
 
Life Insurance Top Trends 2021
Life Insurance Top Trends 2021Life Insurance Top Trends 2021
Life Insurance Top Trends 2021
Capgemini
 
Top Trends in Commercial Banking: 2021
Top Trends in Commercial Banking: 2021Top Trends in Commercial Banking: 2021
Top Trends in Commercial Banking: 2021
Capgemini
 
Top Trends in Wealth Management: 2021
Top Trends in Wealth Management: 2021Top Trends in Wealth Management: 2021
Top Trends in Wealth Management: 2021
Capgemini
 
Top Trends in Payments: 2021
Top Trends in Payments: 2021Top Trends in Payments: 2021
Top Trends in Payments: 2021
Capgemini
 
Health Insurance Top Trends 2021
Health Insurance Top Trends 2021Health Insurance Top Trends 2021
Health Insurance Top Trends 2021
Capgemini
 
Top Trends in Retail Banking: 2021
Top Trends in Retail Banking: 2021Top Trends in Retail Banking: 2021
Top Trends in Retail Banking: 2021
Capgemini
 
Capgemini’s Connected Autonomous Planning
Capgemini’s Connected Autonomous PlanningCapgemini’s Connected Autonomous Planning
Capgemini’s Connected Autonomous Planning
Capgemini
 
Top Trends in Retail Banking: 2020
Top Trends in Retail Banking: 2020Top Trends in Retail Banking: 2020
Top Trends in Retail Banking: 2020
Capgemini
 
Top Trends in Life Insurance: 2020
Top Trends in Life Insurance: 2020Top Trends in Life Insurance: 2020
Top Trends in Life Insurance: 2020
Capgemini
 
Top Trends in Health Insurance: 2020
Top Trends in Health Insurance: 2020Top Trends in Health Insurance: 2020
Top Trends in Health Insurance: 2020
Capgemini
 
Top Trends in Payments: 2020
Top Trends in Payments: 2020Top Trends in Payments: 2020
Top Trends in Payments: 2020
Capgemini
 

Mehr von Capgemini (20)

Top Healthcare Trends 2022
Top Healthcare Trends 2022Top Healthcare Trends 2022
Top Healthcare Trends 2022
 
Top P&C Insurance Trends 2022
Top P&C Insurance Trends 2022Top P&C Insurance Trends 2022
Top P&C Insurance Trends 2022
 
Commercial Banking Trends book 2022
Commercial Banking Trends book 2022Commercial Banking Trends book 2022
Commercial Banking Trends book 2022
 
Top Trends in Payments 2022
Top Trends in Payments 2022Top Trends in Payments 2022
Top Trends in Payments 2022
 
Top Trends in Wealth Management 2022
Top Trends in Wealth Management 2022Top Trends in Wealth Management 2022
Top Trends in Wealth Management 2022
 
Retail Banking Trends book 2022
Retail Banking Trends book 2022Retail Banking Trends book 2022
Retail Banking Trends book 2022
 
Top Life Insurance Trends 2022
Top Life Insurance Trends 2022Top Life Insurance Trends 2022
Top Life Insurance Trends 2022
 
キャップジェミニ、あなたの『RISE WITH SAP』のパートナーです
キャップジェミニ、あなたの『RISE WITH SAP』のパートナーですキャップジェミニ、あなたの『RISE WITH SAP』のパートナーです
キャップジェミニ、あなたの『RISE WITH SAP』のパートナーです
 
Property & Casualty Insurance Top Trends 2021
Property & Casualty Insurance Top Trends 2021Property & Casualty Insurance Top Trends 2021
Property & Casualty Insurance Top Trends 2021
 
Life Insurance Top Trends 2021
Life Insurance Top Trends 2021Life Insurance Top Trends 2021
Life Insurance Top Trends 2021
 
Top Trends in Commercial Banking: 2021
Top Trends in Commercial Banking: 2021Top Trends in Commercial Banking: 2021
Top Trends in Commercial Banking: 2021
 
Top Trends in Wealth Management: 2021
Top Trends in Wealth Management: 2021Top Trends in Wealth Management: 2021
Top Trends in Wealth Management: 2021
 
Top Trends in Payments: 2021
Top Trends in Payments: 2021Top Trends in Payments: 2021
Top Trends in Payments: 2021
 
Health Insurance Top Trends 2021
Health Insurance Top Trends 2021Health Insurance Top Trends 2021
Health Insurance Top Trends 2021
 
Top Trends in Retail Banking: 2021
Top Trends in Retail Banking: 2021Top Trends in Retail Banking: 2021
Top Trends in Retail Banking: 2021
 
Capgemini’s Connected Autonomous Planning
Capgemini’s Connected Autonomous PlanningCapgemini’s Connected Autonomous Planning
Capgemini’s Connected Autonomous Planning
 
Top Trends in Retail Banking: 2020
Top Trends in Retail Banking: 2020Top Trends in Retail Banking: 2020
Top Trends in Retail Banking: 2020
 
Top Trends in Life Insurance: 2020
Top Trends in Life Insurance: 2020Top Trends in Life Insurance: 2020
Top Trends in Life Insurance: 2020
 
Top Trends in Health Insurance: 2020
Top Trends in Health Insurance: 2020Top Trends in Health Insurance: 2020
Top Trends in Health Insurance: 2020
 
Top Trends in Payments: 2020
Top Trends in Payments: 2020Top Trends in Payments: 2020
Top Trends in Payments: 2020
 

Big Data Governance

  • 1. Big Data Governance in der Praxis München, 26.06.2017, Rüdiger Eberlein
  • 2. 2Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Capgemini’s Bereich Insights&Data hat weltweit 13.000 Berater, davon 600+ in Projekten in Deutschland und Österreich Nearshore Wroclaw Offshore Mumbai Bangalore Hamburg Düsseldorf Köln/Bonn Stuttgart München Frankfurt Nürnberg Hannover Berlin Wien Kolkata 45% 10% 45% Mitarbeiter Onshore Nearshore Offshore Public Sector Manufacturing, Retail& Distribution Telecom,Media & Entertainment Automotive Energy, Utilities & Chemicals Financial Services Auswahl an ReferenzkundenfürInformationManagement,Business Intelligence,Data Warehouse,Big Data Analytics
  • 3. 3Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Agenda  Übersicht  Agilität  Datenkatalog  Datensicherheit  Werkzeuge  Zusammenfassung
  • 4. 4Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Die Funktionen eines Information Governance Frameworks Industry standards, Reference Data Mgmt (internal& external reference data) Legal& regulatory data compliance practices, e-Discovery Information lifecycle: Data Retention, Disposition Data Quality rules,policies & scorecards Masterdata policies & workflows Data Architecture, Data Modelling, Metadata Management, Lineage & Traceability Data classifications &hierarchies, Naming &coding conventions IG organization, decision-making & accountability IG culture, awareness Business glossary, data attributes roadmap, socialdata,open data, IoT data,M2M data Information exploitation (internal, external) IGprogram reach:Data domains,systems, Programs in scope Data Privacy, Data Protection, Information Security,Data Masking
  • 5. 5Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Motivation für eine Big Data spezifische Governance Data Governance Neue Datenquellen Externe Daten Unstrukturierte Daten Echtzeit- Verarbeitung Neue Analytics- Ansätze Agiles Vorgehen
  • 6. 6Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Prinzipien  Daten sind ein wertvollerRohstoff Wichtige Prinzipien der Datenarchitektur*  Daten werden geteilt(Datendemokratie)  Daten werden nutzbarbereitgestellt  Die Qualität der Daten wird gesichert  Unternehmensweites Business Glossar  Die Daten sind gesichert vorMißbrauch *TOGAF Data Principles
  • 7. 7Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Architektur für Big Data: Schwerpunkt auf Big Data Lake und NoSQL Manage Process Analyze Information Source data Data ExplorationReporting Ad-hoc Querying Search, Retrieval Structured data  tables Unstructured Data  Text, speech, … Semistructured data  JSON, XML, … Data Warehouse Data Asset Catalog  Index  Tags  Metadata Data Lake NoSQL databases Key value store Document store Column store Graph store SQL databases Row based Column based Streaming, Event Processing File system Adv. Analytics, Machine Learning Next Best Action Data ingestionETL/ELT Adv. Visualization Data virtualization Data preparation  Data governance and security  Data privacy  Compliance  Collaboration  Value generation  Program delivery  Data-driven culture  Information strategy  Skill development  Master data mgmt  Metadata mgmt  Data quality mgmt  Operations, SLA’s  Orchestration
  • 8. 8Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Die wesentlichen Prozesse für Big Data Governance Lieferung, Ingestion Sicherheit Katalogisierung Aufbereitung Nutzung Qualitäts- management Stammdaten- management Lifecycle- Management
  • 9. 9Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Stakeholder in der Big Data Governance Governance Rollen • Chief Data Officer • Data GovernanceAusschuss • Data Steward • Dateneigentümer • Datenlieferant • Data Risk Officer • Rechtsabteilung Nutzerrollen • Data Scientist • Data Engineer • Entwickler • Power User • Informationskonsument
  • 10. 10Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Agenda  Übersicht  Agilität  Datenkatalog  Datensicherheit  Werkzeuge  Zusammenfassung
  • 11. 11Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Governance aufBig Data Agilität gegen Governance – Sie müssen die richtige Balance finden !  Agilitätist ein hauptsächlicher Treiberin Big Data Analyticsund hatGovernance Paradigmenin den Hintergrund gedrängt.  Governancewird eherals Bremse denn als Enablergesehen:“Irgendeinezentrale Einheiterzähltmir, dass ich nichtdie Dinge tun kann, die ich tun sollte.”  Umwälzungenam Markt geschehen und warten nichtauf Governance Prozesse.  DerFachbereich willmit Big Data Analytics fix unterwegs sein und möchteRegulation loswerden.  Data Scientists brauchenFlexibilität in ihrer Arbeitum große Erkenntnissezu machen.  Governanceistwie Sie anfangenDinge im Großen zu tun.  Unternehmensagilität istnicht,wenn man alles tun kann, was man will. Unternehmensagilität ist,das Rad nicht mehrfach zu erfinden,wenn man anfängt Datenquellen zu erschließen oderSysteme zu integrieren.  „Garbage in – Garbage out“gilt immer noch!  Wenn man die Bedeutung seinerGroßen Daten nichtkennt,riskiert man Fehlinterpretation und falscheSchlüsse aus den Daten. Agilitätfür Big Data Analytics
  • 12. 12Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Einige Paradigmen für Agilität in Big Data Analytics • Ermutige Datenlieferanten ihre Daten im unternehmensweiten Data Lake bereitzustellen Mimimal formal governance • Lade Daten einfach in den Data Lake mit Quasi-Null-Aufwand für die ITData Ingestion • Lade (quasi) alle ggf. relevanten Daten in den Data LakeLoad all data • Lade Daten ohne jede strukturelle ÄnderungSchema-on-read • Lade die Daten (quasi) in roher Form, ohne inhaltsändernde Verarbeitung oder AggregationRaw data • Strukturiere und transformiere Daten erst bei BedarfProcess data on-the-fly • Ermögliche Data Scientists und Engineers ein Arbeiten im Self Service ModeSelf Service
  • 13. 13Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Die Art der Zusammenarbeit zwischen IT und Fachbereich ist bei Big Data Analytics anders als bei traditioneller Business Intelligence Time-to-production Traditional BI New Analytics Provide me these new data sources in HDFS pls Seems that I need a new report Done Exploring the data. Trial and error. Specifying the solution outline Implementing Wow, that’s what I was looking for Go and specify what exactly you need ! Don’t know exactly. Better request all. That’s too complicated to implement No. That’s not what I want. You need to do it another way ! Why didn’t you say that at the beginning? IT Business
  • 14. 14Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Agenda  Übersicht  Agilität  Datenkatalog  Datensicherheit  Werkzeuge  Zusammenfassung
  • 15. 15Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Grundlegende Fragestellungen der Nutzer des Data Lake  Welche Daten sind im Data Lake verfügbar?  Welche relevanten Daten gibt es zu meiner fachlichen Fragestellung?  Wo liegen die betreffenden Daten?  Woher stammen diese Daten?  Über welchen Weg sind die Daten in den Data Lake gelangt?  Wie wurden sie verarbeitet?  Wie sind die Daten strukturiert?  Welche Bedeutung haben die Daten?  Wofür kann ich die Daten nutzen? Gibt es Einschränkungen bzgl. Datenqualität oder Nutzungsrechten?
  • 16. 16Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Grobkonzept für effizientes Teilen von Daten im Unternehmen unter Nutzung eines Data Asset Catalog Business Data Science Enterprise Taxonomy Enterprise Data AssetSearch Enterprise Data AssetCatalog Data Provider Data Steward / Information Curator 1 2 3 4 6 5
  • 17. 17Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Die fachliche Taxonomie definiert Kategorien für die Klassifizierung der Data Assets des unternehmensweiten Data Lake Typische Kategorien sind: Business taxonomy Business processes Customer journey Business areas and segments Products and services Organisation including regions and countries Time
  • 18. 18Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Data Asset Catalog Data Asset Catalog Data Hadoop, Database, Files, 3rd Party Data, Things, Data in motion, Analyticsresults Index Builder Metadata Connector Catalog Data asset information on data structure, type, relationship, data profile, … Index Asset search User Data Scientist, Data Engineer Data Profiler Asset discovery Classification, tags, profile, lineage, … Business Taxonomy Data Steward Data Lineage Analyzer Data Provider Classification, Tagging Business Architect Data Processing Data Engineer
  • 19. 19Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Definition fachlicher Metadaten im Data Asset Catalog basierend auf der Unternehmenstaxonomie … 1) Basic and extended metadata attributes are modelled as user-defined tags 2) And then attached to a data file or data field BEISPIEL
  • 20. 20Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 … ermöglicht Data Scientists und Data Engineers die für ihre Fragestellung relevanten Daten zu suchen … Waterline provides search form incorporating custom defined search criteria (tags and origins concepts) BEISPIEL
  • 21. 21Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 … und diese Data Assets innerhalb des unternehmensweiten Data Lake zu finden Waterline provides an Amazon like multi-faceted search with both predefined facets as well as custom defined facets BEISPIEL
  • 22. 22Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Mit Data Discovery können die einzelnen Datenfelder bezüglich Nutzbarkeit bewertet werden Waterline interface displays profile information (e.g. Data type, min, max, cardinality) on field level to assist data scientists in data discovery BEISPIEL
  • 23. 23Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Agenda  Übersicht  Agilität  Datenkatalog  Datensicherheit  Werkzeuge  Zusammenfassung
  • 24. 24Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Klassifizierung der Daten bezüglich Sicherheit  Sensible Daten  PersonenbezogeneDaten  Gesundheitsdaten  Kreditkartendaten  IntellectualProperty  Wenigersensible Daten  UnsensibleDaten Datensicherheitsklassen  Anonymisierung  Pseudonymisierung (VerschlüsselungsalgorithmusoderLookup Tabellen)  Verschlüsselung am Speicherplatz(z.B. HDFS encryption)  Verschlüsselung fürden Datentransfer  Datenzugriffskontrolle Sicherheitsmaßnahmen
  • 25. 25Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Agenda  Übersicht  Agilität  Datenkatalog  Datensicherheit  Werkzeuge  Zusammenfassung
  • 26. 26Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Werkzeuge für Big Data Governance  DerReifegrad derangebotenen Werkzeuge für Big Data Governanceistheute noch begrenzt.  Es gibt viele Werkzeuge mit mehroderweniger vielen funktionalenÜberlappungen.  Es gibt kein Werkzeug,das in der Breite alle Anforderungenbzgl.BDG abdeckt.  Es gibt viele Anbieter.DerMarkt entwickeltsich schnell. Situation  GewichtenSie Ihre eigenen funktionalen Anforderungenan Big Data Governance.  SuchenSie dazu passende Best-of-Breed- Produkte.  Ermitteln Sie den Scope dereinbezogenen Datenlokationen (Hadoop,RDBMS,…).  Fordern und prüfenSie die Integrationsfähigkeit derfavorisiertenBDG Produkte.Insbesondere mit Hadoop-Kernkomponentenwie HCatalog muss die Integration gegebensein.  Nutzen Sie die BDG Funktionalitäten,die mit dervon Ihnen ausgewählten Hadoop- Distribution (Cloudera,HortonWorks,MapR) mitkommen. Empfehlung
  • 27. 27Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Produktanbieter für Big Data Governance ApacheHadoop wurde ursprünglichnichtbzgl.Big Data Governancekonzipiert. Fehlende Funktionalitätenwurden und werden von Version zu Version eingebracht. WesentlicheKomponentensind:  HCatalog  Hive Metastore  Solr Hadoop Core Die Hadoop Distributorenreichern den HadoopKern mit eigenen Komponenten fürBDG entsprechend derAnforderungen von Unternehmen an (Enterprise Edition). Teilweise versuchen sie auch diese Komponenten in den HadoopCore zu bringen.  Cloudera:Navigator,Sentry,…  HortonWorks:Atlas,Falcon, Ranger  MapR Hadoop Distributoren  Informatica  IBM  WaterlineData  Alation  Collibra  Tamr  Talend  Zaloni  Trifacta  Adaptive  Dataguise  Data Advantage Group  SAP  Attivio  … Dritte
  • 28. 28Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Agenda  Übersicht  Agilität  Datenkatalog  Datensicherheit  Werkzeuge  Zusammenfassung
  • 29. 29Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Die wesentlichen Prozesse für Big Data Governance Lieferung, Ingestion Sicherheit Katalogisierung Aufbereitung Nutzung Qualitäts- management Stammdaten- management Lifecycle- Management
  • 30. 30Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Verweise  Big Data Governance: Big Data Governance: Modern Data Management Principles for Hadoop, NoSQL & Big DataAnalytics; Peter Ghavami; Paperback  Data Management Body of Knowledge (DMBOK2)  TOGAF: Data Principles, The Open Group  Big Data Governance, Rüdiger Eberlein, CIO Magazine
  • 31. 31Copyright © Capgemini 2017. All Rights Reserved Big Data Governance in der Praxis | 26.06.2017 Ihr Ansprechpartner zu Big Data Governance bei Capgemini Rüdiger Eberlein Insights & Data Advisory & Architecture ruediger.eberlein@capgemini.com Capgemini München Mobile +49 160 9787 2295
  • 32. www.capgemini.com The information contained in this presentation is proprietary. © 2016 Capgemini. All rights reserved. Rightshore® is a trademark belonging to Capgemini. About Capgemini With more than 190,000 people in over 40 countries, Capgemini is one of the world's foremost providers of consulting, technology and outsourcing services. The Group reported 2016 global revenues of EUR 12.5 billion. Together with its clients, Capgemini creates and delivers business, technology and digital solutions that fit their needs, enabling them to achieve innovation and competitiveness. A deeply multicultural organization, Capgemini has developed its own way of working, the Collaborative Business ExperienceTM, and draws on Rightshore®, its worldwide delivery model.