TOP 8 TRENDS FÜR 2016 BIG DATA

Transkript

1

2 In der Welt der Big Data war 2015 ein wichtiges Jahr. Was als Hype begann, wurde zum Standard, da immer mehr Unternehmen erkannten, dass Daten in allen Formaten und Größen die zentrale Grundlage für bestmögliche Entscheidungen sind werden wir eine kontinuierliche Zunahme von Systemen beobachten, die nicht relationale oder unstrukturierte Daten sowie enorme Mengen an Daten unterstützen. Diese Systeme werden sich weiterentwickeln und bald so ausgereift sein, dass sie sich problemlos in die IT-Systeme und Standards von Unternehmen einfügen. So können sowohl Geschäftsanwender als auch Datenwissenschaftler das Potenzial von Big Data voll ausschöpfen. Wir bei Tableau verfolgen jedes Jahr die Entwicklungen in der Branche, um eine Vorstellung davon zu bekommen, welche Big Data-Trends das folgende Jahr bestimmen werden. Hier sind unsere Vorhersagen für das Jahr 2016.

3 #datatrends16

4 1 Der NoSQL- Siegeszug In der Ausgabe der Big Data-Trends vom vergangenen Jahr haben wir auf die zunehmende Verbreitung von NoSQL-Technologien verwiesen, die sich üblicherweise auf unstrukturierte Daten beziehen. NoSQL-Datenbanken avancieren nun ganz klar zum Kernstück von IT-Unternehmensumgebungen, da sich die Vorteile schemafreier Datenbankkonzepte immer deutlicher abzeichnen. Nichts zeigt dies deutlicher als ein Blick auf den Gartner Magic Quadrant für betriebliche Datenbankverwaltungssysteme, der bisher von Oracle, IBM, Microsoft und SAP dominiert wurde. Beim neuesten Magic Quadrant dagegen überwiegen NoSQL-Anbieter wie MongoDB, DataStax, Redis Labs, MarkLogic und Amazon Web Services (mit DynamoDB) im Gartner Leaders-Quadranten des Berichts gegenüber den traditionellen Datenbankanbietern. Gartner Magic Quadrant für betriebliche Datenbankverwaltungssysteme

5 2 Apache Spark bringt Licht in Big Data Apache Spark hat sich für eine Reihe von Unternehmen von einer Hadoop-Komponente zur bevorzugten Big Data- Plattform weiterentwickelt. Spark verarbeitet Daten erheblich schneller als Hadoop und ist dem Spark-Entwickler und Databricks-Mitbegründer Matei Zaharia zufolge mittlerweile das größte quelloffene Big Data-Projekt. Mittlerweile häufen sich überzeugende Fallbeispiele zu Spark, wie im Fall von Goldman Sachs, wo Spark inzwischen zur Weltsprache der Big Data-Analytik avanciert ist. Databricks Application Spotlight: Tableau Software

6 3 Hadoop- Projekte in der Reifephase: der Übergang vom Hadoop- Machbarkeitsnachweis Einer aktuellen Umfrage unter Hadoop-Kunden zufolge gehen nur 3 % der Befragten davon aus, dass sie die Nutzung von Hadoop in den kommenden 12 Monaten zurückfahren werden. 76 % der Bestandsanwender wollen Hadoop in den nächsten 3 Monaten stärker nutzen, und fast die Hälfte der Unternehmen, die Hadoop bisher nicht nutzen, haben vor, dies in den kommenden 12 Monaten zu ändern. Dieselbe Umfrage ergab außerdem, dass Tableau das führende BI-Tool in Unternehmen ist, die Hadoop nutzen oder nutzen möchten Unternehmen mit der höchsten Hadoop-Reife eingeschlossen. (PoC) in die Produktion wird immer häufiger AtScale s Hadoop Maturity Survey highlights Big Data s relentless growth

7 4 Big Data wird erwachsen: Hadoop als Beitrag zu Unternehmensstandards Auch die steigenden Investitionen in Komponenten für Unternehmenssysteme wie Sicherheitssysteme weisen darauf hin, dass Hadoop sich zu einem zentralen Element in IT-Unternehmensumgebungen entwickelt. Das Apache Sentry-Projekt ist ein System zur Durchsetzung einer genau abgestimmten, rollenbasierten Autorisierung für den Zugriff auf Daten und Metadaten, die in einem Hadoop-Cluster gespeichert sind. Kunden erwarten genau diese Art von Funktionen von ihren RDBMS-Unternehmensplattformen, die sich derzeit an die Spitze der neuen Big Data-Technologien setzen und damit eine weitere Hürde für die Einführung in Unternehmen beseitigen. Information Week Cloudera Brings Role-Based Security To Hadoop

8 5 Big Data wird schneller: neue Optionen für die Beschleunigung von Hadoop Hadoop wird in Unternehmen immer wichtiger. Damit wächst jedoch auch der anwenderseitige Bedarf an Schnelligkeit bei der Datennutzung, wie Anwender sie von traditionellen Data Warehouses kennen. Um diesen Anwenderbedarf zu erfüllen, setzen sich immer stärker Technologien wie Cloudera Impala, AtScale, Actian Vector und Jethro Data durch, die einen alten Bekannten von Geschäftsanwendern für Hadoop aktivieren, den OLAP-Cube. Damit verwischen die Grenzen zwischen traditionellen BI-Konzepten und der Welt der Big Data weiter. Fünf Best Practices für Tableau und Hadoop

9 6 Immer mehr Möglichkeiten, Endanwender auf die Erforschung aller Datenarten vorzubereiten Self-Service-Datenvorbereitungstools werden immer beliebter. Der Grund dafür liegt zum Teil in der Verlagerung auf von Geschäftsanwendern generierte Data-Discovery-Tools wie Tableau, die das Tempo für die Datenanalyse beschleunigen. Geschäftsanwender möchten außerdem Zeitaufwand und Komplexität der Datenvorbereitung für die Analyse reduzieren. Dies ist bei Big Data insbesondere wichtig, wenn unterschiedliche Datentypen und -formate im Spiel sind. Unternehmen wie Alteryx, Trifacta, Paxata und Lavastorm, die den Schwerpunkt auf die endanwenderseitige Big Data- Datenvorbereitung legen, haben eine Vielzahl entsprechender Innovationen entwickelt, und sogar etablierte führende ETL-Anbieter haben umfassend in diesen Bereich investiert, beispielsweise Informatica mit ihrem Produkt Rev. Alteryx, Trifacta, Paxata, Lavastorm, Informatica

10 7 Dynamisches Wachstum bei MPP Data Warehouses in der Cloud Es ist bereits seit einer Weile klar, dass das Aussterben des Data Warehouse zu vorschnell ausgerufen wurde, auch wenn sich das Wachstum in diesem Segment unbestreitbar verlangsamt hat. Die Anwendung dieser Technologie verlagert sich nun jedoch im großen Stil in die Cloud. Hier war Amazon mit einem bedarfsbasierten Cloud Data Warehouse in Redshift Vorreiter. Redshift konnte das schnellste Wachstum unter den AWS-Services vorweisen. Dieser hat jedoch inzwischen mit BigQuery von Google und Angeboten von alteingesessenen großen Data Warehouse- Anbietern wie Microsoft (mit Azure SQL Data Warehouse) und Teradata Konkurrenz bekommen. Aber auch immer mehr Startup- Unternehmen wie Snowflake, der Sieger beim Strata + Hadoop World 2015 Startup Showcase, gelingt es, sich in diesem Bereich zu positionieren. Analysten zufolge werden 90 % der Unternehmen, die Hadoop bereits eingeführt haben, auch ihre Data Warehouses beibehalten. Mit den neuen Cloud-Angeboten können diese Kunden Speicherplatz und Rechenressourcen im Data Warehouse je nach den Datenmengen, die im Hadoop Data Lake gespeichert sind, dynamisch herauf- und herunterskalieren. Cloud Data Warehouse Race Heats Up

11 8 Konvergierende Trends: IoT, Cloud und Big Data verschmelzen Die Technologie steckt noch in den Kinderschuhen aber die Daten von Geräten im Internet der Dinge werden eine der großen Anwendungen für die Cloud und eine der Ursachen für die Datenexplosion in den Petabytebereich sein. Führende Cloud- und Datenanbieter wie Google, Amazon Web Services und Microsoft werden daher Services für das Internet der Dinge entwickeln, mit denen sich Daten nahtlos in ihre Cloud-basierten Analytik-Engines verschieben lassen. All diese Dinge: Datenvisualisierung in einer Welt vernetzter Geräte

12 Tableau bietet einen bahnbrechenden neuen Ansatz für Business Intelligence, mit dem Sie schnell auf Ihre Daten zugreifen, sie visualisieren und freigeben und dies sogar nahtlos vom PC bis zum ipad. Erfahren Sie mehr auf