With the increasing importance of data and artificial intelligence, organizations strive to become more data-driven. However, current data architectures are not necessarily designed to keep up with the scale and scope of data and analytics use cases. In fact, existing architectures often fail to deliver the promised value associated with them. Data mesh is a socio-technical concept that includes architectural aspects to promote data democratization and enables organizations to become truly data-driven. As the concept of data mesh is still novel, it lacks empirical insights from the field. Specifically, an understanding of the motivational factors for introducing data mesh, the associated challenges, best practices, its business impact, and potential archetypes, is missing. To address this gap, we conduct 15 semi-structured interviews with industry experts. Our results show, among other insights, that industry experts have difficulties with the transition toward federated governance associated with the data mesh concept, the shift of responsibility for the development, provision, and maintenance of data products, and the concept of a data product model. In our work, we derive multiple best practices and suggest organizations embrace elements of data fabric, observe the data product usage, create quick wins in the early phases, and favor small dedicated teams that prioritize data products. While we acknowledge that organizations need to apply best practices according to their individual needs, we also deduct two archetypes that provide suggestions in more detail. Our findings synthesize insights from industry experts and provide researchers and professionals with guidelines for the successful adoption of data mesh.


翻译:随着数据和人工智能日益重要,组织努力成为更注重数据的机构。然而,当前的数据架构并不一定旨在跟上数据和分析用例的规模和范围。事实上,现有的架构经常无法提供与之相关的承诺价值。数据网格(Data mesh)是一个包括建筑方面的社会技术概念,旨在促进数据民主化,使组织真正成为注重数据的机构。由于数据网格的概念仍然很新,缺乏实证洞见。具体而言,缺乏了解引入数据网格的动机因素、相关挑战、最佳实践、其商业影响和潜在原型等方面的信息。为解决这个问题,我们对15位行业专家进行了半结构化访谈。我们的结果显示,行业专家在转向与数据网格概念相关的联邦治理、开发、提供和维护数据产品的责任转移以及数据产品模型的概念方面存在困难。在我们的工作中,我们推导出多个最佳实践,并建议组织采用数据织物元素、观察数据产品使用、在早期阶段获得快速成功,并优先考虑优先考虑小而专业的团队,重视数据产品。虽然我们承认,组织需要根据自己的个性化需求应用最佳实践,但我们还是归纳出了两个提供更详细建议的原型。我们的发现综合了行业专家的洞见,并为研究人员和专业人士提供了成功采用数据网格的指南。

0
下载
关闭预览

相关内容

Artificial Intelligence: Ready to Ride the Wave? BCG 28页PPT
专知会员服务
26+阅读 · 2022年2月20日
精彩活动丨AI for Graph Computation学术研讨会
图与推荐
1+阅读 · 2022年7月16日
征稿 | International Joint Conference on Knowledge Graphs (IJCKG)
开放知识图谱
2+阅读 · 2022年5月20日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2023年5月24日
VIP会员
相关VIP内容
Artificial Intelligence: Ready to Ride the Wave? BCG 28页PPT
专知会员服务
26+阅读 · 2022年2月20日
相关基金
Top
微信扫码咨询专知VIP会员