Top 8 Trends für 2016 - Cloud

TOP 8
TRENDS FÜR 2016
BIG DATA
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. 2016 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.
#datatrends16
TOP 8
TRENDS FÜR 2016
BIG DATA
1
Der NoSQLSiegeszug
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.
Weiterlesen:
Gartner Magic Quadrant für betriebliche Datenbankverwaltungssysteme
TOP 8
TRENDS FÜR 2016
BIG DATA
2
Apache Spark
bringt Licht
in Big Data
Apache Spark hat sich für eine Reihe von Unternehmen
von einer Hadoop-Komponente zur bevorzugten Big DataPlattform 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.
Weiterlesen:
Databricks Application Spotlight: Tableau Software
TOP 8
TRENDS FÜR 2016
BIG DATA
3
HadoopProjekte in
der Reifephase:
der Übergang vom HadoopMachbarkeitsnachweis
(PoC) in die Produktion
wird immer häufiger
Einer aktuellen Umfrage unter 2.200 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.
Weiterlesen:
AtScale’s Hadoop Maturity Survey highlights Big Data’s relentless growth
TOP 8
TRENDS FÜR 2016
BIG DATA
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.
Weiterlesen:
Information Week – Cloudera Brings Role-Based Security To Hadoop
TOP 8
TRENDS FÜR 2016
BIG DATA
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.
Weiterlesen:
Fünf Best Practices für Tableau und Hadoop
TOP 8
TRENDS FÜR 2016
BIG DATA
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 DataDatenvorbereitung 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“.
Weiterlesen:
Alteryx, Trifacta, Paxata, Lavastorm, Informatica
TOP 8
TRENDS FÜR 2016
BIG DATA
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 WarehouseAnbietern wie Microsoft (mit Azure SQL Data Warehouse) und
Teradata Konkurrenz bekommen. Aber auch immer mehr StartupUnternehmen 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.
Weiterlesen:
Cloud Data Warehouse Race Heats Up
TOP 8
TRENDS FÜR 2016
BIG DATA
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.
Weiterlesen:
All diese Dinge: Datenvisualisierung in einer Welt vernetzter Geräte
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 www.tableau.com/de-de/.