Aug
3

So helfen Big-Data-Analysen bei Disaster Recovery

So helfen Big-Data-Analysen bei Disaster Recovery

August 3
By

Die explosionsartige Datenzunahme zwingt Unternehmen, über ihren Umgang mit unternehmenskritischen Informationen, die Bereitstellung von Anwendungen und ihre generelle Einstellung gegenüber dem Datenschutz zu reflektieren. Jetzt könnte der perfekte Zeitpunkt sein, um Backup-Prozesse und Recovery-Strategien zu überdenken. Big Data gilt nach wie vor als gestaltendes Element einer IT-Umgebung und könnte vor allem hinsichtlich Disaster Recovery und Business-Continuity-Planung seine Mehrwerte unter Beweis stellen. Das Geheimnis liegt darin, sich an die wesentlichen Grundlagen von Business Disaster Recovery (BDR) zu halten und anschließend den Prinzipien von Big Data Analytics zu folgen.

Big-Data-Analysen könnten eine Antwort sein

IT-Service-Provider bieten Lösungen für IT-Probleme an. Um aber überhaupt effektive Lösungen anbieten zu können, müssen sie Entscheidungen treffen, die möglichst auf relevanten Informationen beruhen. Wenn etwa ein Festplattenfehler diagnostiziert wird, wird der verantwortliche Ingenieur nach entsprechenden Geräuschen, Systemabstürzen, Performance-Problemen oder anderen Symptomen suchen. In Kombination mit den Systemdaten helfen ihm diese Informationen, eine genauere Diagnose zu erstellen und Lösungswege vorzuschlagen.

Die richtigen Daten ermöglichen also, dass man die Mutmaßungen hinter sich lassen kann und sich stattdessen in Richtung Rückblick, Einblick und Vorausschau begibt. Diese verbesserte Perspektive kann zu beeindruckenden Ergebnissen bei der Auswahl der BDR-Strategien führen.

Ein Beispiel: Ein Rückblick scheint der IT dabei zu helfen zu verstehen, warum etwas gerade geschieht und welchen Geschehnissen der Vergangenheit dafür verantwortlich sind. Indem die IT Report-Logs kombiniert, können die Administratoren identifizieren, weshalb ein Prozess in der zurückliegenden Zeit fehlerhaft war.

Einen Einblick wiederum bekommt man, indem Muster und Beziehungen studiert werden. Ein neugieriger IT-Administrator könnte beispielweise herausfinden, dass eine marode Festplatte ursächlich für ein fehlerhaftes Backup war.

Eine Vorausschau dagegen hilft, Analysen besser zu antizipieren und Zukunftsszenarien zu skizzieren. Indem man identifiziert, wann und warum Fehler auftreten, können Unternehmen Backups wesentlich effektiver terminieren und dabei auch bessere Ergebnisse erzielen.

Es gibt unterschiedlichste Formen der Datenanalyse. Für Backup und Disaster-Recovery-Projekte eignet sich erfahrungsgemäß Predictive Analytics am besten. Dabei handelt es sich um eine Analyse, die Daten aus der Vergangenheit auswertet, um Prognosen für die Zukunft zu wagen. Wer detaillierte Informationen und Dokumente über Recovery-Prozesse hat, ist in der Lage Probleme, die es bei der Wiederherstellung von Daten gibt, zu vermeiden und dafür zu sorgen, dass die Systeme in Zukunft zuverlässiger wiederhergestellt werden können. Predictive Analytics bietet eine kritische Vorausschau, die Unternehmen in die Lage versetzt, ihre Daten aktiv zu nutzen und bessere Entscheidungen zu fällen.

Big data and mobile computing concept. Hand holding silver tablet or smart phone

Verschmelzen von Big Data und BDR

Eine Backup- und Disaster-Recovery-Strategie sollte so flexibel und agil wie die IT-Umgebung sein, in der sie implementiert wird. Indem sie eine datengetriebene Denkweise annehmen, können Organisationen die Kosten ihrer Backup-Aktivitäten minimieren, wiederkehrende Management-Prozesse vereinfachen und kontinuierlich Unternehmensziele erreichen. Aber dieser Weg ist kein Spaziergang. Wir haben vier zentrale Faktoren zusammengestellt, die IT-Leiter bedenken sollten, wenn sie Big-Data-Analysen und Business Disaster Recovery miteinander verheiraten wollen.

  1. Big-Data-Technologien

Viele Backup-Applikationen haben Reporting-Tools, die Informationen über den Status der Backups, Event-Logs und fehlerhaften Prozesse liefern. Diese integrierten Funktionen sind sehr hilfreich, aber man könnte sich auch Applikationen vorstellen, die eine größere Datendichte liefern. Der Big-Data-Analytics-Markt verfügt über Lösungen, die Unternehmen dabei helfen, ihre Daten aus einer zentralen, voll-integrierten Sicht zu betrachten und damit die Aussagekraft der Informationen zu maximieren. Egal ob es um die Unterstützung von Predictive Analytics geht oder darum mit den Möglichkeiten einer Backup Software zu planen – die IT-Manager sollten vorsichtig abwägen, was sie tun. Nur durch eine eingehende Analyse lässt sich herausfinden, welche Big-Data-Technologie am besten für das Unternehmen und die laufenden Prozesse ist.

www.storagecraft.com/de/produkte/imagemanager

  1. IT-Umgebung

Früher waren Backup- und Disaster-Recovery-Software in der Regel On-Premise-Lösungen. Dank der Cloud haben wir jetzt andere Möglichkeiten. Eine TechTarget-Studie fand heraus, dass 44 Prozent der Befragten in Disaster-Recovery-Lösungen in der Cloud investieren und weitere 63 Prozent die Cloud nutzen, um dort einen Teil ihrer Backup-Daten zu speichern. In Zeiten in denen immer mehr geographische Grenzen fallen, bietet Cloud Computing einen einfachen Zugang zu Ressourcen, die den Unternehmen inhouse fehlen. Und mit öffentlichen, privaten und hybriden Lösungen lassen sich die Ressourcen der IT-Abteilungen auf unterschiedliche Art und Weise unterstützen.

Wie eine Kapazitätsergänzung, umarmt die Cloud den Anwender und bietet ihm starke und intelligente Funktionen, wie beispielsweise Analyse-Tools, die in allen Bereichen der Cloud angewendet werden können, z.B. als SaaS, IaaS oder PaaS Service. Unternehmen profitieren von diesen anspruchsvollen Daten-Management-Tools, weil sie dafür sorgen, dass man mit diesen Analysen die Backups, Replikationen, Tests oder andere problematische BDR-Funktionen versteht. Disaster Recovery as a Service Provider (DRaaS) wiederum profitieren, weil sie die Kapazitäten, Ressourcen-Zuweisung, Performance sowie die Kosten optimieren können. Es entsteht also eine klassische Win-Win-Situation.

Lernen Sie, wie die Cloud-Technologie bei der Datensicherung hilft.

  1. Gute Daten

Big-Data-Analysen können wichtig sein, aber nicht alle Daten sind automatisch gute Daten. Vielmehr muss herausgefunden werden, welche Daten für welches Projekt wirklich von Bedeutung sind. Metriken, wie etwa die Anzahl der der Applikationen, die von einem BDR-Plan abgesichert sein muss sowie die Anzahl der wiederherzustellenden Objekte, sind einfach zu ermitteln. Die Bedeutung aber, die der Reboot eines unternehmenskritischen Systems ist nicht so augenscheinlich und leicht nachzuvollziehen. Wenn man aber weiß, welche Daten von Bedeutung sind, können diese mit entsprechenden Analysen ermittelt werden, so dass im Bedarfsfall Zeit gespart wird und eine bessere Business Continuity entsteht.

  1. Integration

Auf den ersten Blick mag die Integration von Big-Data-Analysen in eine Disaster-Recovery-Strategie wie ein komplexes Unterfangen wirken, das einer kompletten Generalüberholung bedarf. Tatsächlich ist es das Beste, wenn man den Grundsätzen seiner BDR-Strategie weiter folgt und diese mit einem Mix aus den Grundprinzipien von Big Data ergänzt. Sicherlich, das ist ein großer Schritt, aber keiner, der es erforderlich macht, alles was man über Datenschutz jemals gelernt hat über Bord zu werfen.

Disaster-Recovery-Technologien und -Methoden haben sich über einen langen Zeitraum hinweg entwickelt. Die Cloud hat alles verändert, während gleichzeitig Analyse-Tools entstanden, die andere, vorausschauende Sichtweisen ermöglichen. Man kann niemand überreden, auf den Cloud- oder Big-Data-Zug aufzuspringen. Aber es ist klar, dass Daten der Schlüssel für den Aufbau einer elastischen IT, mit optimierten BDR-Funktionen, sein können – und dass Dinge, die bisher nicht vorstellbar waren, möglich sind.

Übersetzung eines auf Englisch verfassten Artikels von Contel Bradford für die Recovery Zone. Den Originalartikel finden Sie hier.