Суть подхода Data Mesh заключается в том, чтобы перенести ответственность за работу с данными с центральной DWH-команды на бизнес-домены (маркетинг, продажи и т.д.). Команды сами собирают и структурируют данные, но используют единые стандарты и инфраструктуру.
Почему это нужно? Классический подход с монолитным хранилищем и перегруженной DWH-командой скорее тормозят процесс запуска аналитической системы. Цель же быстрее извлекать пользу из данных.
«Если в компании очередь к DWH-команде длиннее, чем в поликлинике, то Data Mesh придумали для вас» - считает Александр Зенькович, руководитель направления хранилища данных и продвинутая аналитика «ДАР» (ГК «КОРУС Консалтинг»).
Результаты такого подхода видны на практике: сокращение time to market аналитики в 1,5–2 раза, повышение качества данных и прозрачности ответственности.
Однако существуют и риски. Воспринимать Data Mesh только как технологию, игнорируя организационную трансформацию, изменения в бизнес-модели и реальных владельцев данных в доменах, нельзя. «Если нет изменений в бизнес-модели и реальных владельцев данных в доменах, то все сводится к старому DWH на новых технологиях, эффекта не будет.» - комментирует Александр Зенькович.
Также преждевременная децентрализация без стандартов (Data Governance и Data Quality) приводит к фрагментации, росту издержек и конфликтам между бизнес-доменами. Качество работы с данными может снизиться.
Подход Data Mesh будет актуален для крупных компаний (ритейл, финтех, телеком) с множеством доменов и команд. Тем не менее, элементы подхода полезны и небольшим компаниям для будущего масштабирования. Главное соблюсти ключевой принцип внедрения: поэтапность. Сначала платформа и правила, затем распределение ответственности.
Полную версию статьи читайте в телеграм-канале "Кучевые АйТи".
Остались вопросы? Пишите на data@korusconsulting.ru
И подписывайтесь на наш телеграм-канал про аналитику и данные Analytics
Now
