Mit dem Begriff DataOps werben zahlreiche Entwicklungsplattformen. IT-Leiter, welche die am besten passende Lösung für ihre Datenteams einsetzen wollen, sollten laut Delphix drei Fragen beantworten.
Der Begriff DevOps beschreibt einen Verbesserungsansatz für Prozesse aus der Softwareentwicklung und der Systemadministration. Er koppelt die Wörter Development (Entwicklung) und Operations (IT-Betrieb). Gemeinsame Prozesse und Software-Werkzeuge sollen die Zusammenarbeit von Development, Operations und Qualitätssicherung verbessern. DevOps ist unerlässlich für alle Unternehmen, die flexibel und möglichst schnell qualitativ hochwertige Produkte und Dienstleistungen anbieten wollen. Wer auf DevOps verzichtet, kann sich kaum über einen längeren Zeitraum gegenüber der Konkurrenz behaupten. Der Ansatz spielt eine entscheidende Rolle bei der Automatisierung der IT-Infrastruktur und der Softwareentwicklung. Allerdings hat DevOps bisher ein entscheidendes Element gefehlt, das für viele Innovationen zentral ist: die Datenbereitstellung. Genau hier setzt DataOps an.
Dhiraj Sehgal ist Director Product and Solution Marketing beim Datenmanagement-Spezialisten Delphix. Quelle: Delphix
Datenbereitstellung ist ein Zeitfresser
Viele Datenteams in Unternehmen haben immer noch Schwierigkeiten, eine neue IT-Umgebung noch am selben Tag bereitzustellen. In einer aktuellen Studie des Beratungsunternehmens 451 Research gaben 47 Prozent der befragten globalen Unternehmen sogar an, dass es bei ihnen vier bis fünf Tage dauert, eine neue Datenumgebung einzurichten. Unabhängig davon, wie schnell IT-Infrastruktur und Software-Development-Life-Circle sind – diese Verzögerung kann Entwicklungsprozesse stark ausbremsen.
Dabei haben Unternehmen haben immer mehr Möglichkeiten, ihre Infrastruktur zu automatisieren. Entwicklerteams können Rechen-, Speicher- und Netzwerkumgebungen in Minutenschnelle mit Anbietern und Tools wie Ansible, Chef und Puppet aufbauen. Viele Unternehmen haben zudem in agile Entwicklung und DevOps investiert. Einige haben sogar eine Testautomatisierung aufgebaut, um ihre Entwicklungspipelines zu automatisieren und Releases mit Tools wie Git, Jenkins, Maven und Docker schneller auf den Markt zu bringen. Fehlt es allerdings an einer effizienten Datenbereitstellung, bleiben alle diese Bemühungen ohne Erfolg
DataOps optimiert das Datenmanagement
Das Datenmanagement hat sich in den vergangenen Jahren als das letzte grundlegende Element für Störungen im Entwicklungsprozess herausgestellt, die sich mit DevOps nicht lösen lassen. Genau hier setzt DataOps als kollaborativen Datenmanagement-Ansatz an. Dieser verbessert die Art und Weise, wie Daten im Unternehmen verwendet werden. Der Schlüssel dazu liegt in einer möglichst umfassenden Abstimmung aller beteiligten Personen, Prozesse und Technologien.
Datenmanagement-Lösungen gehören zum Kern jedes DataOps-Ansatzes. Mittlerweile gibt es verschiedenste Lösungen und Plattformen, die den Titel DataOps für sich beanspruchen. Die nachfolgenden drei Leitfragen helfen den Verantwortlichen, im Angebotsdschungel diejenige DataOps-Plattform zu finden, die am besten zu den eigenen Anforderungen passt.
- Kann die DataOps-Plattform allen Beteiligten Daten automatisiert bereitstellen?
Da Anwendungen mehrere Datenquellen nutzen, sollte auch der Workflow im Software-Development-Life-Circle das gleiche Szenario in AppDev-, Quality Assurance-, Staging- und Produktionsumgebungen abbilden. Eine DataOps-Lösung muss in der Lage sein, Daten aus allen Produktionsdatenquellen konsistent an verschiedene beteiligte Gruppen und Teams zu liefern. Darüber hinaus sie Abstraktionen bereitstellen, die unabhängig von der Datenquelle oder dem Betriebsmodell (On-Premises oder Public Cloud) gleich funktionieren und jedem Benutzer wiederholbare, integrierte und einheitliche Workflows aus mehreren Datenquellen zur Verfügung stellen.
- Kann die Plattform die Datenerkennung und -maskierung sensibler Informationen im gesamten Unternehmen automatisieren?
Eine leistungsfähige DataOps-Lösung sollte Daten aus jeder Datenquelle analysieren, kategorisieren und maskieren können. Nur so ist sichergestellt, dass sensible Informationen nicht in Umgebungen mit geringeren Sicherheitsstandards gelangen. Die erzeugten Datenkopien sollten realistisch, aber fiktiv sein. So lassen sich Tests durchführen, aber Diebe und Hacker bekommen keine Informationen. Idealerweise sollten sich die maskierten Datenwerte auch für nicht-produktive Anwendungsfälle verwenden lassen.
- Kann die Plattform den Endnutzern personenbezogene Datenumgebungen zur Verfügung stellen und sie diese bearbeiten lassen?
Die richtige Plattform zeichnet sich dadurch aus, dass sie personenbezogene Datenumgebungen ohne Speicheraufwand schnell mit erweiterten Datenbearbeitungstools wie Lesezeichen, Zurückspulen, Zurücksetzen und Verzweigen ausstattet. Einzelne Benutzer, einschließlich Quality Assurance Engineers, Tester und Entwickler können effizient und einfach zusammenarbeiten, indem sie Lesezeichen gemeinsam nutzen und eine Bibliothek für mehrere Workflows erstellen.
Automatisierungsprozesse werden künftig in der IT umfassender. Auf drei Ebenen dürfen Unternehmen dabei keinesfalls den Anschluss verpassen: bei der IT-Infrastruktur, Softwareentwicklung und im Datenmanagement. Nur dann sind sie in der Lage, Störungen zu beheben und schneller als ihre Konkurrenten zu innovieren. Gelingt den Verantwortlichen dies und sie können die richtigen DataOps-Technologien in ihre DevOps-Prozesse integrieren, steht einem effizienten und agilen Entwicklungsprozess nichts im Weg. Dhiraj Sehgal/jf
