IT-Teams in Unternehmen stehen überall vor der Herausforderung, die riesigen Mengen unstrukturierter Daten zu verwalten, die über mehrere Plattformen hinweg gespeichert sind. Dies stellt IT-Teams vor ein Datenmanagementproblem: Der Wert unstrukturierter Daten ist möglicherweise nicht zugänglich oder sogar unbekannt.
Historisch lag der Fokus darauf, die kostengünstigste Datenspeicherlösung zu finden, nicht darauf, Wert zu erschließen. Um den Wandel von der Verwaltung von Datenmengen hin zur Wertschöpfung zu vollziehen, ist es wichtig, die Dateiobjekte zu identifizieren, zu prüfen, zu bereinigen und zu sortieren, bevor sie an die Zielumgebung für Analytics gesendet werden.
Kurz gesagt: Unternehmen brauchen eine Möglichkeit, ihre Daten zu bündeln, damit sie diese angemessen verwalten können. Hier kommt das Tagging im Datenmanagement ins Spiel.
Siehe auch: Trends im Echtzeit-Datenmanagement
Was ist Tagging für das Management unstrukturierter Daten?
Tagging bezeichnet das Hinzufügen von Bezeichnungen, um unstrukturierte Daten zu kategorisieren. So können Nutzer die benötigten Daten bei Bedarf schnell suchen und finden. Einfach ausgedrückt: Dabei werden die Metadaten Ihrer Daten ergänzt und angereichert.
Branchen wie die Biowissenschaften gehörten zu den frühen Anwendern von Daten-Tagging. Laborgeräte wie Mikroskope versehen beispielsweise Bilder mit Tags, die das Mikroskop, mit dem das Bild aufgenommen wurde, die Projekt-ID und Informationen zum Untersuchungsobjekt angeben. Dadurch können die Bilder gefunden und einer klinischen Studie zugeordnet werden.
Tagging ähnelt dem Hinzufügen eines Hashtags zu einem Social-Media-Beitrag. Ein Nutzer, der beispielsweise auf LinkedIn über Datenmanagement schreibt, würde den Hashtag #DataManagement hinzufügen, um anderen bei der Suche nach Informationen zu diesem Thema zu helfen.
Beim Management unstrukturierter Daten bietet Tagging eine Reihe von Vorteilen, darunter:
- Ermöglicht es Nutzern, Daten mit den genau benötigten Eigenschaften schnell und einfach zu finden.
- Verbessert die Qualität unstrukturierter Daten, indem sie besser nutzbar gemacht werden.
- Hilft dabei, fragwürdige Daten zu kennzeichnen und zu filtern, bevor Führungskräfte diese Informationen für ihre Entscheidungsfindung verwenden.
- Hilft dabei, personenbezogene identifizierbare Informationen (PII) zu identifizieren, damit Unternehmen diese Daten ordnungsgemäß verwalten, schützen und durch entsprechende Richtlinien steuern können.
Siehe auch: Die besten Tools für Datenanalysen
Tagging automatisieren
Tagging kann von Mitarbeitern im Rahmen eines Workflows manuell durchgeführt werden, wenn Inhalte erstellt oder eingelesen werden, oder mithilfe von Machine-Learning-Tools, die die Daten anhand bestimmter Parameter analysieren. Damit Tagging effektiv ist, muss es konsistent und präzise angewendet werden – ein zeitaufwendiger Prozess, wenn er manuell durchgeführt wird.
Glücklicherweise kann der Prozess mithilfe von Machine Learning automatisiert werden. Einer der Vorteile des Einsatzes von Machine Learning zum automatischen Taggen von Daten besteht darin, dass dies rund um die Uhr, also 24/7, möglich ist und nicht nur während der Arbeitszeit der Mitarbeiter. Außerdem reduziert automatisches Tagging die Fehler, die beim manuellen Tagging unvermeidlich sind.
Moderne Plattformen für das Management unstrukturierter Daten bieten ein Framework, mit dem Nutzer Datensätze anhand von Dateiattributen und Metadaten identifizieren und anschließend Tags anwenden können.
Beispiele für Tags sind Projekt, Eigentümer, Datentyp, Kostenstelle, Geschäftsbereich und Sicherheitsklassifizierung sowie benutzerdefinierte Tags für stärker branchen- oder kundenspezifische Anwendungsfälle. Man kann sich das wie einen Index oder Katalog über all Ihre Storage-Silos hinweg vorstellen, der Struktur in Ihre unstrukturierten Daten bringt.
Anwendungen wie künstliche Intelligenz (KI), Machine Learning und Analytics-Tools können Daten verarbeiten und auf Grundlage der Ergebnisse Tags anwenden. Eine ML-Anwendung kann beispielsweise Bilder prüfen und anschließend automatisch ein Tag anwenden, das die Daten kategorisiert. Mit vorhandenen Tags können Nutzer und Anwendungen nun präzise Datensätze leicht identifizieren.
Siehe auch: Was bringt 2022 für die intelligente Automatisierung?
Struktur in unstrukturierte Daten bringen
Obwohl es in Unternehmen heute keinen Mangel an Daten gibt, wissen IT-Organisationen oft nicht, über welche Daten sie verfügen und wie sie diese zu ihrem Vorteil nutzen können. Angesichts des enormen Wachstums unstrukturierter Daten ist es daher entscheidend, diese Daten präzise zu taggen und zu organisieren.
Tagging ermöglicht es Unternehmen, effizienter zu arbeiten, Fehler zu minimieren, unstrukturierte Datenanalyseprojekte zu unterstützen und Data Governance, Compliance und Sicherheit zu verbessern.
Über den Autor:
Steve Pruchniewski, Director of Product Marketing bei Komprise