HD 220520 Natuvion nVision-Einzelseiter-Web klein 100dpi - Flipbook - Seite 12
DATA IDENTIFICATION & CLUSTERING
3. A}sahl treĥen 3
Was ist ohin ¦} erschieben?
Ähnlich wie bei einem Umzug müssen die
Daten klassiĴ¦iert }nd kategorisiert erden.
Nicht alle Daten werden in der neuen
Umgebung benötigt oder müssen direkt sichtbar
sein }nd einen direkten Z}griĥ ermöglichen.
Mittels einfacher Prüfungen durch Natuvion
SOPHIA lassen sich die Daten in HOT-,
WARM- }nd COLD-Data klassiĴ¦ieren.
" HOT-Data:
Daten, a}f die hä}Ĵg ¦}gegriĥen ird.
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, a}f die eniger hä}Ĵg ¦}gegriĥen
wird. Dabei kann es sich um Daten handeln,
die für Berichte oder Analysen verwendet
werden. Auf sie muss nicht so schnell
¦}gegriĥen erden ie a}f heiße Daten.
Daher können sie auf einem etwas
langsameren, kapa¦itätsoptimierten
Speicher abgelegt werden.
Beispielhaftes Bild der Data Aging eines SAP-Systems auf Buchungskreis-Ebene.
Auf einen Blick können nicht mehr relevante
B}ch}ngskreise (in Rot dargestellt) identiĴ¦iert
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 Clo}d poten¦iell erhöhen rde, ermöglicht
die selektive Datenmigration, die Daten
a}f¦}rä}men.
12
" COLD-Data:
Daten, a}f die n}r selten ¦}gegriĥen ird.
Dabei kann es sich um Daten handeln, die aus
Compliance-Grnden archiiert erden. Sie
können a}f einem noch langsameren, >billigen
}nd tiefen< Speicher gespeichert erden.
HOT DATA
WARM DATA
COLD DATA
