I dagens datadrevne verden er bygging av en robust og skalerbar data- og integrasjonsplattform avgjørende for å tilgjengeliggjøre og utnytte verdien av data. En effektiv måte å organisere dataarkitekturen på er ved å bruke medallion architecture (ref. Databricks sin definisjon), som fokuserer på å strukturere data i tre nivåer: bronze, silver og gold. Selv om denne tilnærmingen ofte starter med ubehandlet data (bronze) som prosesseres videre, argumenterer jeg for en «gold-first» tilnærming, der man begynner med sluttbrukerens behov og use case. Denne tilnærmingen sikrer at verdifulle forretningsdata og innsikt prioriteres, samtidig som det legges et solid grunnlag for dypere analyser som AI og maskinlæring.
Gold-first, top-down, API-first… you name it
Ved å starte med «gold-first» setter man de konkrete bruksområdene og forretningskravene i sentrum. Dette minner om andre teknologiske tilnærminger, som API-first eller UI-first design, der sluttproduktet – eller brukeropplevelsen – definerer hvordan systemet bygges. I en gold-first tilnærming handler det om å definere hvilke data som er kritiske for forretningsbeslutninger, og prosesseres disse så raskt som mulig til et gold-lag der dataene er klare til bruk.
Dette tvinger organisasjonen til å stille seg følgende spørsmål: Hvilken innsikt er viktig for våre forretningsprosesser? Hvilke data må være klare til analyse for å oppnå de resultatene vi ønsker? Ved å fokusere på de mest verdifulle datamodellene i gold-laget sikrer man at plattformen ikke bare samler inn data, men faktisk muliggjør verdifull innsikt fra dag én. Ved å få tidlig brukeradopsjon får man enklere hele organisasjonen med.
Det sikrer også at man ikke ender opp med en sub-optimal modell som følge av en direkte replika av modellen i kildesystemets API.
Brobygging mellom OT og IT
En annen viktig dimensjon av en moderne data- og integrasjonsplattform er å bygge bro mellom operasjonelle teknologier (OT) og informasjonsteknologier (IT). OT består typisk av systemer som overvåker og styrer fysiske prosesser, maskiner og anlegg, mens IT inneholder tradisjonelle forretningssystemer som ERP (Enterprise Resource Planning), CRM (Customer Relationship Management) og andre forretningsapplikasjoner.
For mange organisasjoner ligger nøkkelen til innovasjon i å integrere data fra OT og IT. For eksempel kan produksjonsdata fra OT-systemer gi verdifull innsikt når det kombineres med forretningsdata fra ERP og CRM-systemer. Ved å slå sammen produksjonsdata (temperaturer, maskinytelse, nedetid) med forretningsdata (ordre, kostnader, inntekter, kundetilfredshet) kan bedrifter identifisere nye optimaliseringsmuligheter, redusere driftskostnader og forbedre kundeopplevelser.
En gold-first tilnærming er spesielt nyttig her, fordi den tvinger organisasjonen til å definere hvilke kombinasjoner av OT- og IT-data som er viktigst for deres forretningsmodell, og sørger for at disse dataene raskt blir gjort tilgjengelige og servert i et verdiskapende og brukervennlig format.
Sikre helheten: Ikke ekskluder potensielt verdifulle data
Selv om fokuset på gold-laget er viktig, må man ikke glemme verdien av ubehandlede eller semi-behandlede data i bronze- og silver-lagene. Data som i første omgang ikke virker relevant for de definerte use casene, kan senere vise seg å være verdifulle for mer avanserte analyser eller maskinlæringsmodeller.
AI og maskinlæring krever ofte store mengder data for å identifisere mønstre og trender som mennesker ikke umiddelbart ser. Derfor er det avgjørende å sikre at alle relevante data blir samlet inn og lagret, selv om de ikke nødvendigvis blir inkludert i gold-laget med én gang. I en medallion architecture kan man lett vende tilbake til bronze- eller silver-dataene når nye bruksområder oppstår, uten å måtte omstrukturere hele dataplattformen.
Dette er også spesielt relevant når man tar stilling til hvilke OT-data (typisk tidsserie-data) og med hvilken oppløsning man tar inn i dataplattformen.
Konklusjon
Bygging av en data- og integrasjonsplattform krever god planlegging og prioritering av forretningskrav. Med en gold-first tilnærming sikrer man at de mest kritiske dataene raskt blir verdiskapende, samtidig som man åpner for dypere analyser på sikt. Denne tilnærmingen er spesielt kraftig når man integrerer OT og IT, og kan føre til betydelig økt forretningsverdi. Det er også viktig å inkludere potensielt verdifulle data i plattformen for fremtidige AI- og maskinlæringsanalyser, og dermed sikre at organisasjonen kan vokse og tilpasse seg i takt med teknologiens utvikling.
Og husk: Det er smart med en inkrementell tilnærming. Ta kontakt med oss i Incrementi, så hjelper vi din bedrift med å realisere en fremtidsrettet dataplattform.