BMC Software konzentriert sich stark auf DataOps, insbesondere auf die Orchestrierung innerhalb dieses Bereichs. Das Unternehmen hat in den letzten zwölf Monaten über siebzig Integrationen für Serverless- und PaaS-Angebote in AWS, Azure und GCP bereitgestellt. Dadurch können Kunden moderne Cloud-Dienste schnell in ihre Control-M-Orchestrierungsmuster integrieren. Darüber hinaus arbeitet BMC an Prototypen für GenAI-basierte Anwendungsfälle, um die Workflow-Entwicklung und Laufzeitoptimierung zu beschleunigen.
Im Datenbereich ist ein kontinuierlicher Anstieg der Investitionen in Daten- und Analysesoftware zu beobachten. Laut Analystenschätzungen beliefen sich die Ausgaben für Daten- und Analysesoftware im vergangenen Jahr auf über 100 Milliarden US-Dollar. In Anbetracht des rasanten Wachstums an Tools und Investitionen rückt DataOps nun in den Mittelpunkt, da Unternehmen erkennen, dass sie für die erfolgreiche Operationalisierung von Dateninitiativen nicht mehr nur einfach weitere Ingenieure einstellen können. DataOps-Praktiken werden nun zum Bauplan für die Skalierung dieser Initiativen in der Produktion. Der jüngste Boom von GenAI wird dieses Betriebsmodell noch wichtiger machen.
Unternehmensinvestitionen in Dateninitiativen, die von Führungskräften, CEOs, CMOs, CFOs usw. angestoßen werden, sind nach wie vor hoch. Diese Investitionen dienen nicht nur der Steigerung der Effizienz, sondern auch der Erzielung bahnbrechender, transformativer Geschäftsergebnisse. Drei Punkte sind dabei von entscheidender Bedeutung:
Die Datenorchestrierung ist wohl der wichtigste Pfeiler von DataOps. Die Daten der meisten Unternehmen sind über mehrere Systeme verteilt - Cloud, On-Premises, Legacy-Datenbanken und Anwendungen von Drittanbietern. Die Möglichkeit, diese unterschiedlichen Datenquellen in ein einheitliches System zu integrieren und zu orchestrieren, ist von entscheidender Bedeutung. Eine ordnungsgemäße Datenorchestrierung gewährleistet einen nahtlosen Datenfluss zwischen den Systemen, minimiert Duplizierung, Latenzzeiten und Engpässe und unterstützt gleichzeitig eine zeitnahe Entscheidungsfindung.
Unternehmen stehen weiterhin vor der Herausforderung, Datenprodukte schnell bereitzustellen und dann in der Produktion schnell zu skalieren. Ein gutes Beispiel hierfür ist GenAI. CEOs und Vorstände auf der ganzen Welt fordern schnelle Ergebnisse, da sie spüren, dass dies diejenigen, die ihre Möglichkeiten nicht nutzen können, stark beeinträchtigen könnte. GenAI macht Verfahren wie Prompt-Engineering und Prompt-Chaining alltäglich. Die Herausforderung besteht darin, LLMs, Vektor-Datenbanken, Bots usw. in die größere Datenpipeline zu integrieren, die eine sehr hybride Architektur von mehreren Clouds bis hin zu On-Premises, einschließlich Mainframes für viele, durchläuft. Dies unterstreicht einmal mehr die Notwendigkeit eines strategischen Ansatzes für die Orchestrierung, der es ermöglichen würde, neue Technologien und Verfahren für die skalierbare Automatisierung von Datenpipelines zu integrieren. Ein Kunde beschrieb Control-M als eine Steckdosenleiste der Orchestrierung, an die er neue Technologien und Muster anschließen kann, sobald sie auftauchen, ohne dass er jedes Mal neu verkabeln muss, wenn er ältere Technologien gegen neuere austauscht.
Es gibt eine Reihe von wichtigen Tipps, aber ich möchte mich auf einen konzentrieren: die Interoperabilität zwischen Anwendungs- und Daten-Workflows, die meiner Meinung nach entscheidend ist, um Skalierbarkeit und Geschwindigkeit in der Produktion zu erreichen. Die Orchestrierung von Datenpipelines ist wichtig, aber man darf nicht vergessen, dass diese Pipelines Teil eines größeren Ökosystems im Unternehmen sind. Nehmen wir an, eine ML-Pipeline wird eingesetzt, um vorherzusagen, welche Kunden wahrscheinlich zur Konkurrenz wechseln werden. Die Daten, die in eine solche Pipeline einfließen, sind das Ergebnis von Workflows, die im ERP/CRM und in einer Kombination anderer Anwendungen ausgeführt wurden. Der erfolgreiche Abschluss der Anwendungs-Workflows ist oft eine Voraussetzung für das Auslösen der Daten-Workflows. Sobald das Modell Kunden identifiziert hat, die wahrscheinlich wechseln werden, besteht der nächste Schritt vielleicht darin, ihnen ein Werbeangebot zu schicken, was bedeutet, dass wir zurück zur Anwendungsebene im ERP und CRM gehen müssen. Control-M ist in der einzigartigen Lage, diese Herausforderung zu lösen, da unsere Kunden damit komplexe Abhängigkeiten zwischen der Anwendungs- und der Datenebene orchestrieren und verwalten können.
KI und insbesondere GenAI erhöhen die Zahl der im Datenökosystem eingesetzten Technologien rasant. Viele neue Modelle, Vektor-Datenbanken und neue Automatisierungsmuster rund um Prompt-Chaining usw. Diese Herausforderung ist für die Datenwelt nicht neu, aber das Tempo des Wandels nimmt zu. Aus Sicht der Orchestrierung sehen wir enorme Chancen bei unseren Kunden, da wir eine hochgradig anpassungsfähige Plattform für die Orchestrierung bieten, in die sie diese Tools und Muster in ihre bestehenden Workflows integrieren können, anstatt wieder bei Null anzufangen.
Domino's Pizza nutzt Control-M für die Orchestrierung seiner riesigen und komplexen Datenpipelines. Mit über 20.000 Filialen weltweit verwaltet Domino's mehr als 3.000 Datenpipelines, die Daten aus verschiedenen Quellen wie internen Lieferkettensystemen, Verkaufsdaten und Integrationen von Drittanbietern zusammenführen. Diese Daten aus Anwendungen müssen komplexe Transformationsmuster und Modelle durchlaufen, bevor sie für Entscheidungen in Bezug auf Lebensmittelqualität, Kundenzufriedenheit und betriebliche Effizienz im gesamten Franchise-Netzwerk verwendet werden können.
Control-M spielt eine entscheidende Rolle bei der Orchestrierung dieser Daten-Workflows und gewährleistet eine nahtlose Integration über eine Vielzahl von Technologien wie MicroStrategy, AMQ, Apache Kafka, Confluent, GreenPlum, Couchbase, Talend, SQL Server und Power BI, um nur einige zu nennen.
Control-M verbindet nicht nur komplexe Orchestrierungsmuster, sondern bietet auch eine durchgängige Transparenz der Pipelines, um sicherzustellen, dass sie strenge Service-Level-Agreements (SLAs) erfüllen und gleichzeitig mit steigenden Datenmengen umgehen können. Control-M hilft Domino's dabei, kritische Berichte schneller zu erstellen, den Franchisenehmern Erkenntnisse zu liefern und die Einführung neuer Geschäftsdienste zu skalieren.
Die Strategie von BMC für Control-M wird sich weiterhin auf einige grundlegende Prinzipien konzentrieren: