Die 5 Phasen des Datenlebenszyklusmanagements

Dateninhalte und Produktempfehlungen sind redaktionell unabhängig. Wir verdienen möglicherweise Geld, wenn Sie auf Links zu unseren Partnern klicken. Erfahren Sie mehr.

Beim Data Lifecycle Management geht es darum, die Kontrolle über die riesigen Datenmengen, über die die meisten Unternehmen verfügen, zu erlangen und sie zu nutzen. Unternehmen, die ihre Organisationssilos aufbrechen und ihre Daten intelligent vereinheitlichen und analysieren können, sind wettbewerbsfähiger und erfolgreicher als ihre Mitbewerber. Um diese Ziele zu erreichen, ist eine sorgfältige Organisation der fünf verschiedenen Phasen erforderlich, die den Datenlebenszyklus umfassen: Erstellung, Speicherung, Nutzung, Archivierung und Zerstörung. In diesem Artikel werden diese Phasen detailliert beschrieben und jeweils Best Practices vorgestellt.

Im Großen und Ganzen ist Data Lifecycle Management die Disziplin, die dafür sorgt, dass Daten von Anfang bis Ende für diejenigen zugänglich und nutzbar sind, die sie benötigen. Der Datenlebenszyklus selbst umfasst alle Phasen, die ein Unternehmen bei der Interaktion mit Daten durchlaufen muss, seien es finanzielle, kundenorientierte oder sonstige. Je nachdem, wen Sie fragen, gibt es entweder fünf oder acht Phasen im Datenlebenszyklus. Der fünfstufige Zyklus ist der einfachere und gebräuchlichere:

Erstellung > Speicherung > Nutzung > Archivierung > Vernichtung

Der Acht-Stufen-Zyklus ist eine Erweiterung von zwei Stufen des Fünf-Stufen-Zyklus. In diesem Modell sind „Sammlung“ und „Verarbeitung“ Teil der Speicherphase, während „Verwaltung“, „Analyse“, „Visualisierung“ und „Interpretation“ Teil der Nutzungs- und Archivierungsphasen sind.

Generierung > Sammlung > Verarbeitung > Speicherung > Verwaltung > Analyse > Visualisierung > Interpretation

Die erfolgreiche Bewältigung jeder Phase erfordert die Berücksichtigung interner Prozesse und Benutzer, Infrastruktur und Technologie, externer Regulierungs- und Justizbehörden, der Privatsphäre der Verbraucher und mehr, was das Datenlebenszyklusmanagement zu einem komplexen Thema macht, das viele Bereiche der Arbeit eines Unternehmens berührt. Schauen wir uns jede Phase genauer an.

Da Unternehmen viele Daten aufnehmen, kann man diese Phase leicht als selbstverständlich betrachten. Bedenken Sie jedoch Folgendes: Die Daten eines Unternehmens werden auf einer Vielzahl von Geräten an vielen Standorten erstellt. Um es richtig zu machen, muss in dieser Phase sichergestellt werden, dass Benutzer über die richtigen Tools zum Erstellen von Daten und die richtigen Prozesse verfügen, um sicherzustellen, dass die Daten in den entsprechenden Formaten und Typen gespeichert werden können.

Im Wesentlichen nimmt die Erstellungsphase die anfänglichen Daten auf, stellt sicher, dass sie erfasst werden können, und stellt sie dem entsprechenden Speichermedium zur Verfügung. Um zur nächsten Stufe – der Speicherphase – überzugehen, müssen die Daten ordnungsgemäß verarbeitet werden. Metadaten sollten hinzugefügt werden, um sie beispielsweise durchsuchbar zu machen, und Zugriffs- und Datenschutzanforderungen werden identifiziert und berücksichtigt. Diese Phase wird am besten automatisch auf der Metadatenebene durchgeführt, wenn die Daten in das Speichermedium eingespeist werden.

„Bei richtiger Implementierung fungieren Metadaten als Roadmap, um Unternehmen die Einblicke zu geben, die sie zur Kontrolle aller ihrer Daten- und Speicherressourcen benötigen“, sagte Tony Cahill, Senior Solutions Architect bei StrongBox Data Solutions. „In Hybrid- und Cloud-Umgebungen können Metadaten verwendet werden, um die Datenresilienz zu verbessern und die Gebühren für ausgehenden Datenverkehr zu senken, indem bestimmte Dateien gezielt ausgewählt werden.“

Die Speicherphase ist komplex und hat viele Auswirkungen auf den Rest des Lebenszyklus. Wenn Daten beispielsweise achtlos in der Cloud oder auf Festplatten-Arrays abgelegt werden, können sie leicht verloren gehen, schwer zu verwalten sein oder ihre Aufbewahrung teuer werden. Es gibt viele Optionen für Speichermedien – zum Beispiel Cloud, Flash, Festplatte, Band oder optische Medien – aber es muss sorgfältig darüber nachgedacht werden, den richtigen Ort für die Aufbewahrung zu finden, wobei Faktoren wie Kosten, Zugänglichkeit usw. berücksichtigt werden müssen das Leistungsniveau, das die von ihm bedienten Anwendungen benötigen.

Sicherheit ist auch bei der modernen Speicherung ein Problem, was bedeutet, dass in dieser Phase auch die Unveränderlichkeit der Daten, die Sicherheit, der Datenschutz und der Speicherort sowie die Redundanz berücksichtigt werden müssen – um sich vor Katastrophen oder Datenschutzverletzungen zu schützen, sollten mehrere Sicherungskopien der Daten vorhanden sein gemacht sein. Darüber hinaus können externe Regeln und Vorschriften vorschreiben, wie Daten gespeichert werden. Europäische Nationen wollen beispielsweise nicht, dass Daten außerhalb ihrer Grenzen exportiert werden, und verhängen harte Strafen für Verstöße. Unternehmen, die in stark regulierten Branchen tätig sind, müssen sicherstellen, dass ihre Daten allen relevanten Vorschriften entsprechen, einschließlich HIPAA, Payment Card Industry (PCI), Sarbanes-Oxley und allen geltenden Vorschriften der Security Exchange Commission (SEC).

Organisationen sollten sich in dieser Phase auch auf interne Anforderungen konzentrieren. Datenspeicher sollten so organisiert sein, dass sie Geschäftsziele und Geschäftskontinuität im Falle von Naturkatastrophen, Ausfällen oder Malware unterstützen.

Erfahren Sie mehr: Datensouveränität und warum ist sie wichtig?

Die Art und Weise, wie die Daten in der Speicherphase gespeichert werden, hat erhebliche Auswirkungen auf die Nutzungsphase. Gespeicherte Daten müssen den Benutzern und Anwendungen zur Verfügung gestellt werden, die sie benötigen, und für diejenigen, die dies nicht benötigen, eingeschränkt werden. Rollen müssen sorgfältig definiert und Zugriffsrechte zugewiesen werden, aber Sicherheit, Datenschutz und Leistung müssen ausgewogen sein, damit die Belastung für Benutzer nicht so groß ist, dass sie die Daten nicht verwenden oder nach alternativen „Schattensystemen“ suchen können, um sie zu vermeiden.

Die Nutzungsphase umfasst auch die Bereitstellung von Daten für automatisierte Berichte, Dashboards und Analysen, was auch den Bedarf an Datenvisualisierung in Echtzeit mit sich bringt. Analytics ist möglicherweise der grundlegendste Aspekt der modernen Datennutzung mit einer Vielzahl von Anwendungen und Tools für künstliche Intelligenz (KI). Diese Apps benötigen Zugriff auf immer größere Datenspeicher. Unternehmensdaten müssen so verwaltet werden, dass sowohl Führungskräfte als auch Mitarbeiter Zugriff auf die benötigten Daten haben, was eine detaillierte Datenverwaltung in jedem Schritt des Prozesses erfordert.

In der Archivierungsphase muss über die langfristige Speicherung der Daten nachgedacht werden. Aufgrund des enormen Datenvolumens bei Unternehmensanwendungen ist es nicht mehr möglich, alles einfach im Primärspeicher aufzubewahren, sei es Flash oder Festplatte. Bei Flash steigen mit der Kapazität auch die Preise und belasten so die Budgets. Sogar Festplattenspeicher ist in großen Mengen teuer und zwingt Unternehmen dazu, nach einer Reihe von Medien zu suchen, die ihren Budgets und Anforderungen gerecht werden.

Eine Analyse von Horison Information Strategies unterstreicht die Tatsache, dass auf bis zu 80 Prozent der Daten innerhalb der ersten ein bis zwei Monate selten oder nie zugegriffen wird – was bedeutet, dass geschäftskritische Systeme fast nie diese Daten anfordern werden. Der beste Ansatz besteht darin, die 20 Prozent der aktiv genutzten Daten auf Flash oder Festplatte aufzubewahren und den Rest in einem unveränderlichen Bandarchiv zu speichern.

Um Bedenken darüber auszuräumen, wie schnell diese Daten bei Bedarf verfügbar sein könnten, können aktive Archivierungslösungen Daten vom Band bis zur Analyse und KI innerhalb weniger Minuten bereitstellen. In Kombination mit Band können diese Tools die Langlebigkeit der Daten gewährleisten, den Zugriff aufrechterhalten und gleichzeitig Korruption und andere Aufbewahrungsprobleme verhindern.

„Neue Erasure-Coding-Algorithmen, die speziell für Cold Storage optimiert sind, werden den Datenschutz und die Haltbarkeit für eine langfristige Aufbewahrung verbessern und gleichzeitig die Speicherkosten im Vergleich zu Multi-Copy- und Cloud-basierten Lösungen deutlich senken“, sagte Tim Sherbak, Manager für Unternehmensprodukte und -lösungen bei Quantum.

Es sollten keine Daten vernichtet werden, bevor sie die Archivierungsphase durchlaufen. Ein gut verwaltetes Archiv enthält Bestimmungen zur Vernichtung von Daten, deren Lebensdauer erreicht ist. Doch der Aufstieg von KI und Analytik hat auch zu einer Philosophie geführt, die eine unbegrenzte Aufbewahrung von Daten verlangt – denn wer weiß, wann sie sich als nützlich erweisen könnten?

Die praktischen Aspekte eines solchen Ansatzes stellen Herausforderungen dar. Daten bis zum Ende der Zeit zu speichern, wäre eine kostspielige Angelegenheit. Eine Lösung könnte darin bestehen, alte Daten zusammenzufassen oder sie einer Analyse und Klassifizierung zu unterziehen, bevor sie vernichtet werden, um eine Aufzeichnung ihrer wichtigsten Aspekte bereitzustellen, ohne Unternehmen mit unhandlichen Anforderungen an die Datenspeicherung zu belasten.

Ein weiterer zu bedenkender Punkt ist, dass die Zerstörung von Daten schwerwiegende Folgen haben kann. Unsachgemäß vernichtete Daten können ein Cybersicherheits- oder Datenschutzrisiko darstellen, und vorzeitig vernichtete Daten können einen Verstoß gegen die Compliance darstellen. Daher kann es vorkommen, dass Daten zu lange aufbewahrt werden, was wiederum Kostenfolgen mit sich bringt. Das bedeutet, dass die Phase der Zerstörung recht einfach klingt, in der Praxis jedoch sorgfältige Überlegungen erfordert. Unternehmen müssen ihre eigenen internen Bedürfnisse berücksichtigen und diese mit externen und gesetzlichen Anforderungen abwägen.

Die wichtigsten Vorteile der Integration des Datenlebenszyklusmanagements in ein Unternehmen sind zahlreich, lassen sich jedoch im Allgemeinen in drei Bereiche einteilen.

Indem Unternehmen Daten aus Silos herausholen und sie für Analysen und Systeme der künstlichen Intelligenz zugänglich machen, gewinnen Unternehmen viel mehr Erkenntnisse, als dies sonst möglich wäre. Dies kann sich auf alles auswirken, von der Berichterstattung und Echtzeitüberwachung bis hin zur Kundenbindung und Wettbewerbsanalyse.

Es muss ein System vorhanden sein, das die Daten im besten Interesse der Nutzer, Aktionäre und der Organisation als Ganzes verwaltet. Dies stellt sicher, dass Daten verarbeitet und verfügbar sind, wo und wann immer sie benötigt werden, und spielt eine entscheidende Rolle bei der Compliance.

Die richtigen Prozesse und Technologien für den Datenlebenszyklus sollten ausreichende Schutzmaßnahmen für Cybersicherheit und Datenschutz bieten und verhindern, dass Daten aufgrund von Fehlern wie fehlender Sicherung, Beschädigung oder Diebstahl verloren gehen.

Unabhängig davon, wie viel Überlegung und Planung in das Datenlebenszyklusmanagement gesteckt wird, werden Fehler gemacht und Anpassungen erforderlich sein. Das Datenlebenszyklusmanagement ist ein fortlaufender Prozess und kein einmaliger Prozess. Um Daten während ihres gesamten Lebenszyklus erfolgreich zu verwalten, sollten Unternehmen auf die Benutzer hören – diejenigen, die Tag für Tag mit den Daten arbeiten. Wenn sie sich darüber beschweren, dass wertvolle Daten ignoriert werden, bestimmte Arten von Daten länger aufbewahrt werden müssen oder dass Datenschutz- und Sicherheitshürden die Leistung beeinträchtigen, sind möglicherweise Anpassungen erforderlich. Auch externe Quellen – beispielsweise Regulierungsbehörden und Justizbehörden – müssen berücksichtigt werden. Eine ständige Überwachung und Verbesserung aller Datenlebenszyklusprozesse kann letztendlich zu einem erfolgreichen Modell für alle Beteiligten führen.

Lesen Sie weiter: Datenmanagement: Arten und Herausforderungen

Erfahren Sie die neuesten Nachrichten und Best Practices zu Data Science, Big Data Analytics, künstlicher Intelligenz, Datensicherheit und mehr.

Abonnieren Sie Data Insider für Top-News, Trends und Analysen