Azure Governed Data Lab ermöglicht Datenschutz und Innovation

Das Inkrafttreten der Europäischen Datenschutzgrundverordnung (EU-DSGVO) stellt Unternehmen jetzt und in Zukunft vor enorme Herausforderungen. Die Umsetzung der Richtlinien stellt einen regelrechten Kraftakt dar, bei dem sowohl fachliche Themen als auch technische Innovationen häufig das Nachsehen haben. Wie kann eine schnelle Umsetzung der Datenschutzkonformität erreicht werden? Wie kann man einem möglichen Innovationsmangel entgegenwirken? Und wie wird gleichzeitig der Weg in die Cloud geebnet?

Der Spagat zwischen der Berücksichtigung regulatorischer Anforderungen und dem Vorantreiben innovativer Themen stellt eine große Herausforderung dar. Finden Sie jetzt heraus, wie Sie diese Herausforderungen mit dem Azure Governed Data Lab meistern können.

Jürgen Fischer, OPITZ CONSULTING

Jürgen Fischer

Director & Head of
OPITZ CONSULTING Analytics

Kontakt aufnehmen

Fact Sheet herunterladen

DWH-Offloading und Data Lake in der Cloud

Ein Szenario hinsichtlich der DWH-Modernisierung stellt das DWH Offloading dar. Beim DWH Offloading werden die Daten aus dem bestehenden DWH in einen Data Lake transferiert. In dieser kostengünstigen Speicheralternative können Daten aus dem DWH problemlos gesichert und etablierte und qualitätsgesicherte ETL-Prozesse beibehalten werden.

Setzt man das Offloading zusätzlich noch innerhalb einer Cloud-Architektur um, entfallen etwaige Investitionskosten in eine geeignete On-Premises-Architektur. Bei dem Transfer in den Data Lake ist zu beachten, dass ausschließlich datenschutzkonforme Daten überführt werden.

Durch die Nutzung eines Data Lakes stoßen Sie das Tor zu weiteren Analysemöglichkeiten auf. So wird es möglich, weitere Datenquellen, auch unstrukturierte Daten, in den Datenbestand aufzunehmen, und diese mit qualitätsgesicherten Daten aus dem etablierten DWH zu verknüpfen, um neue Erkenntnisse aus den alten und neuen Daten zu ziehen.

Das Azure Governed Data Lab

Überzeugen Sie sich von den Möglichkeiten, die Ihnen diese hochgradig standardisierte Lösung in Microsoft Azure für Ihre aktuellen und zukünftigen Analytics-Anforderungen bietet:

Analyse Data Warehouse

Das bereits on-premises existierende Data Warehouse wird auf personenbezogene Daten hin analysiert. Die personenbezogenen Daten werden im nächsten Schritt on-premises anonymisiert bzw. pseudonymisiert.

Provisionierung Data-Lake-Setup

Der nächste Schritt ist die Provisionierung des Data-Lake-Setups. Hierzu wurde eine Referenzarchitektur umgesetzt (siehe Abbildung oben). Das Herzstück stellt der Azure Data Lake Store dar, in dem die Daten schlussendlich gespeichert werden. Um einen wohlorchestrierten Abzug der OnPremises-Daten durchzuführen, wird die Azure Data Factory eingesetzt, die eine Vielzahl von Verbindungen zu unterschiedlichsten lokalen Datenbanken herstellen kann. Diese Architektur wird in Form von Automatisierungsskripten umgesetzt und kann auf Abruf innerhalb weniger Minuten deployt werden.

Reporting

Für das Reporting auf den nun pseudonymisierten Daten in der Azure Cloud wird konsequenterweise ein Cloudbasiertes Reporting Tool eingesetzt. Im Fall des Azure Governed Data Lab wurde dies mit Power BI umgesetzt, das auch in Azure zur Provisionierung bereitsteht

Data Lake Storage

Durch die Einrichtung des Data Lake Storages besteht nun die Möglichkeit, weitere unterschiedliche Datenquellen per Schema-on-Read-Prinzip in die Landing Zone des Data Lake Stores zu laden, um diese Daten dann weiter zu verwenden. Die Lösung verbindet somit zwei verschiedene Modernisie-rungsvorhaben: den Aufbau einer Data-Lake-Architektur und den Schritt in die Cloud.