EXAMPLE PAGE - REPORT - NATUVION - Flipbook - Seite 12
DATA IDENTIFICATION & CLUSTERING
3. Auswahl treffen –
Was ist wohin zu verschieben?
Ähnlich wie bei einem Umzug müssen die
Daten klassifiziert und kategorisiert werden.
Nicht alle Daten werden in der neuen
Umgebung benötigt oder müssen direkt sichtbar
sein und einen direkten Zugriff ermöglichen.
Mittels einfacher Prüfungen durch Natuvion
SOPHIA lassen sich die Daten in HOT-,
WARM- und COLD-Data klassifizieren.
• HOT-Data:
Daten, auf die häufig zugegriffen wird.
Dabei kann es sich um Daten handeln, die
von Mitarbeitern oder Kunden aktiv genutzt
werden. Sie müssen auf einem schnellen
Speicher abgelegt werden, damit sie schnell
abgerufen werden können.
• WARM-Data:
Daten, auf die weniger häufig zugegriffen
wird. Dabei kann es sich um Daten handeln,
die für Berichte oder Analysen verwendet
werden. Auf sie muss nicht so schnell
zugegriffen werden wie auf heiße Daten.
Daher können sie auf einem etwas
langsameren, kapazitätsoptimierten
Speicher abgelegt werden.
Beispielhaftes Bild der Data Aging eines SAP-Systems auf Buchungskreis-Ebene.
Auf einen Blick können nicht mehr relevante
Buchungskreise (in Rot dargestellt) identifiziert
werden. Diese Buchungskreise weisen keine
Buchungen seit über zehn Jahren auf. Die
Data-Aging-Referenzlinie kann individuell
nach Kundenanforderungen verschoben werden,
sodass die Daten gezielt selektiert werden
können. Anstatt alle Daten zu migrieren, was
die Kosten für die Speicherung der Daten in
der Cloud potenziell erhöhen würde, ermöglicht
die selektive Datenmigration, die Daten
aufzuräumen.
12
• COLD-Data:
Daten, auf die nur selten zugegriffen wird.
Dabei kann es sich um Daten handeln, die aus
Compliance-Gründen archiviert werden. Sie
können auf einem noch langsameren, „billigen
und tiefen“ Speicher gespeichert werden.
HOT DATA
WARM DATA
COLD DATA
