Neue Diskussionsvariante für Best-of-Breed versus All-in-One Die Kehrseiten des Modern Data Stack

Anbieter zum Thema

Fsas Technologies GmbH

Impossible Cloud GmbH

Daten in der Cloud flexibel, skalierbar und kosteneffizient integrieren, speichern und analysieren mit einer modularen, integrierten Architektur – dies ist das Konzept eines „Modern Data Stack“ (MDS). Im MDS kommen Komponenten mehrerer Hersteller zum Einsatz, mit denen Datenteams ihr Cloud-Data-Warehouse aufbauen und pflegen: ELT, Workflow-Management, CI/CD, Versionskontrolle, Datenmodellierung, zum Teil auch spezifische Automatisierungsanforderungen für Datenmodellierungsansätze wie Data Vault 2.0.

Für den Best-of-Breed-Ansatz spricht das absolute Spezialistentum für jede Nische. Dafür müssen alle Komponenten aber auch integriert, kompatibel untereinander gemacht und anschließend gewartet werden. Das kostet mitunter so viel Zeit und Ressourcen, dass es die Vorteile eines Modern Data Stack nicht selten konterkariert.

Statistiken darüber, ob Best-of-Breed-Ansätze in der IT, speziell bei der Datenverwaltung der Cloud mit einem Modern Data Stack, deshalb mittlerweile gegenüber All-in-One-Lösungen ins Hintertreffen geraten, gibt es bislang zwar nicht. Es mehren sich jedoch die Stimmen, nach denen Komplexität und langfristige Wartung eines MDS dessen Vorteile überwiegen. Man bleibt in der Verwaltung von Tools stecken, anstatt sinnvolle Geschäftsergebnisse zu erzielen.

All-in-One-Plattformen, die verschiedene Funktionen kombinieren, versprechen vor diesem Hintergrund Einfachheit und leichteres Management. Wie immer ist die Wahl zwischen diesen Ansätzen stark abhängig vom Kontext, das heißt den spezifischen Anforderungen und Ressourcen des Unternehmens.

Die konkreten MDS-Kritikpunkte

1. Anschaffungskosten: Mit einem Modern Data Stack erwirbt man mehrere spezialisierte Tools, jedes mit einem bestimmten Nutzen und eigenen Lizenzgebühren. Dadurch summieren sich die Kosten schnell. Verschiedene Anbieter haben verschiedene Preisschemata; das macht es schwierig, Kosten im Laufe der Zeit zu bewerten und zu kontrollieren.

2. Verwaltung der Lieferantenbeziehungen: Verschiedene Tool-Anbieter zu nutzen, bedeutet, man muss mit Verträgen, Verhandlungen und Support-Anfragen jonglieren und sicherstellen, dass alle Lieferanten auf die sich entwickelnden Anforderungen des Unternehmens abgestimmt sind. Die Beziehungspflege ist zeit- und arbeitsaufwändig, insbesondere wenn die Anbieter ihre Bedingungen ändern, Preismodelle aktualisieren oder neue Funktionen einführen.

3. Lange Lernkurven: Jedes Tool hat seine eigene Lernkurve, und der Aufwand für Schulungsprogramme, Zertifizierungen und Workshops ist hoch, um seine Beschäftigten mit allen Tools vertraut zu machen. Sind diese – wie häufig – komplex, braucht ihre Beherrschung Zeit. Dies führt zu einer Verzögerung der Produktivität. Neue Angestellte müssen sich in ein immer komplizierter werdendes Netz von Technologien einarbeiten.

4. Aufwand für Integration und Wartung: Die Integration der Tools ist kein einmaliger Aufwand. Jedes Mal, wenn eine einzelne Komponente aktualisiert oder aufgerüstet wird, muss nachgebessert werden, damit das Gesamtsystem funktionsfähig bleibt. Behebung von Integrationsproblemen und Wartung der komplexen Umgebungen lenkt vom Eigentlichen ab: der Bereitstellung von Datenprodukten.

5. Schwierige Dokumentation: Mit dem Wachstum eines MDS steigt auch die Komplexität seiner Dokumentation. Sie ist nicht stets auf dem neuesten Stand; Lücken werden mit der Zeit immer größer, was die Wartung des Systems erschwert.

6. Abnehmende Erträge: Mit zunehmender Komplexität des Stack und steigendem Overhead schwindet der Wert der Tools allmählich. Wer sich ständig mit Tool-Updates, Anbieterwechseln und Integrationsproblemen beschäftigen muss, läuft Gefahr, das Kernziel aus den Augen zu verlieren.

All-in-One-Plattformen haben diese Nachteile nicht. Sie reduzieren Abhängigkeiten und minimieren die Komplexität. Man ist sofort startbereit, muss nicht lange integrieren/installieren und reduziert den Trainingsaufwand. Projektlaufzeiten verkürzen sich, man hat bessere Kostenkontrolle und mehr Zeit für die Entwicklung von Datenprodukten.

(ID:50288979)