Mainframe-Datenintegration für digitale Innovationen und Cloud-Analysen

Der Druck, der in den letzten zehn Jahren auf die IT ausgeübt wurde, ist außergewöhnlich - und nirgendwo ist er so akut zu spüren wie an der Schnittstelle zwischen Mainframe und digitaler Welt. Denken Sie nur an die gewaltige Menge an Web-Transaktionen, die während der COVID-Kampagne für wirtschaftliche Hilfsdienste mit Mainframe-Anwendungen abgewickelt wurden, oder an den anhaltenden Anstieg der Cloud-Nutzung in der Unternehmenswelt und im öffentlichen Sektor.

Warum ist die Schnittmenge zwischen Mainframe und digitaler Welt so wichtig? Man schätzt, dass 80 % der weltweiten Unternehmensdaten auf Mainframes gespeichert sind oder dort ihren Ursprung haben. Und jeder Teil dieser Daten ist wertvoll. Allein im Finanzwesen verarbeiten Mainframes jedes Jahr Zahlungen im Wert von sieben Billionen Euro.

Aber jetzt wachsen die Informationen abseits des Mainframes exponentiell - vor allem, wenn man die Verbreitung von Cloud/SaaS-Anwendungen und nichttransaktionalen Daten wie E-Mails, Blogs und Sofortnachrichten berücksichtigt. IDC prognostiziert , dass die weltweite Datenmenge bis 2025 auf 175 Zettabyte anwachsen wird, wobei ein ebenso großer Teil der Daten in der Cloud wie in Rechenzentren gespeichert sein wird.

Sie müssen vorhandene Echtzeit-Transaktionsdaten mit neu erstellten digitalen Daten korrelieren, um Kunden besser bedienen, Innovationen vorantreiben und die Effizienz steigern zu können. Wenn Ihr Team die Fülle an Informationen ignoriert, die in den Silos der Altdaten enthalten sind, sind Sie genauso benachteiligt wie diejenigen, die sich nicht schnell genug an die Cloud und neue Technologien anpassen.

Unternehmen und Behörden speichern kritische Daten in vielen verschiedenen Systemen, auf unterschiedlichen Plattformen und an unterschiedlichen Standorten. Daten auf Mainframes wie IBM zSystems<sup® und Legacy-Plattformen wie OpenVMS®, iSeries (AS/400) und UNIX^® können für Business Intelligence sowie für Cloud- und digitale Transformationsinitiativen genutzt werden. Um jedoch Agilität und Erkenntnisse aus diesen Daten zu gewinnen, benötigen Unternehmen eine einfache, schnelle und kostengünstige Möglichkeit, auf die Geschäftsdaten zuzugreifen, sie zu virtualisieren und zu verschieben - egal, wo sie sich befinden -, damit sie mit modernen Anwendungen und Datenplattformen in der Cloud verbunden werden können.

Anstatt bestehende Systeme und Anwendungen zu ersetzen oder zu konsolidieren, sollten Sie die darin enthaltenen Informationen nutzen, um Daten bereitzustellen, die Ihre digitale Innovation vorantreiben. Die Mainframe-Datenintegration hilft Ihnen, die Vorteile von Cloud-basierten Data Warehouses und anderen modernen Technologien zu nutzen und gleichzeitig die Kosten und Risiken zu vermeiden, die mit der Migration auf neue Plattformen oder Datenbanken verbunden sind.

Was werden Sie tun, um:

• auf Mainframe- und nicht-relationale Daten zugreifen, ohne die Leistung zu beeinträchtigen?
• die Cloud-Einführung zu beschleunigen und gleichzeitig die Stabilität und Kontinuität des Unternehmens zu wahren?
• die Markteinführungszeit für neue Produkte, Dienste und Anwendungen zu verkürzen?
• cloud-basierte, datengesteuerte Anwendungen und Plattformen für den Einsatz an jedem Ort betreiben?
• optimale Entscheidungen durch die Analyse all Ihrer besten Daten treffen?

---

Bedarf an wertvollen Mainframe-Daten

Die Kombination von historischen und Echtzeit-Transaktionsdaten in Ihren bestehenden Mainframe-Systemen mit neuen Informationen aus digitalen Kanälen kann einen enormen Mehrwert bieten. Wenn Sie dieses Gesamtbild sehen, können Sie fundierte Entscheidungen treffen, Ihre Kunden besser bedienen und datengesteuerte Anwendungen und Analyseplattformen mit Daten füttern.

Mainframes stehen im Zentrum der Unternehmensabläufe. Sie werden für kritische Geschäftstransaktionen verwendet und sind von strategischer Bedeutung für den Kern Ihres Unternehmens, insbesondere in den Bereichen Banken, Versicherungen, Behörden, Transport, Kommunikation und Fertigung. Mainframe-Transaktionen erzeugen riesige Datensätze, die jahrzehntelange Erkenntnisse über Kunden, Produkte und Ihr Unternehmen enthalten und Sie von der Konkurrenz abheben können.  

Da das Interesse am Cloud Computing zunimmt, besteht der Irrglaube, dass der Wert und die Nutzung von Mainframes abnehmen. Stattdessen haben wir eine starke Wachstumsdynamik bei IBM zSystems® (Mainframe-)Arbeitslasten und wissen, dass Kernanwendungen nach wie vor wichtig sind. Der Mainframe ist auch heute noch erfolgreich, weil seine zuverlässigen, bewährten Systeme eine schnelle, zuverlässige Leistung bieten und jahrzehntelang in die einzigartige Geschäftslogik der Anwendungen investiert wurde, die in der Regel in COBOL erstellt wurden. Der Wert von Geschäftskontinuität und zuverlässiger Sicherheit kann gar nicht hoch genug eingeschätzt werden.

Aber der Mainframe kann nicht allein in einem Silo leben. Die Nachfrage nach seinen Transaktionsdaten, insbesondere für die digitale Transformation, Cloud-Innovationen und Datenanalysen, erfordert, dass Unternehmen eine hybride Architektur in Betracht ziehen, die einen nahtlosen Betrieb zwischen lokalen Anwendungen und Cloud-Plattformen ermöglicht.

Wer braucht also Mainframe-Datenintegration, und warum?

Leistungsstarke datengesteuerte Apps für ortsunabhängiges Engagement

SaaS, Cloud-Apps, Portale, mobile und smarte Geräte sind inzwischen allgegenwärtig. Kunden, Bürger und Partner erwarten heute Ihre Dienste und Informationen über jeden beliebigen Kanal, den sie wählen. Im Wesentlichen geht es darum, die Nutzer überall mit schnellen Selbstbedienungsfunktionen anzusprechen.

Startups sind nicht durch veraltete Architekturen belastet und können schnell handeln. Unternehmen mit Mainframe-Anwendungen haben jedoch den Vorteil gut etablierter Prozesse und einer Fülle von Kundenhistoriendaten. Diesen Wettbewerbsvorteil können sie nur dann nutzen, wenn sie ihre Unternehmensdaten mit den Kontaktkanälen verbinden können - und so die Agilität eines Startups erreichen und es in der Qualität des Kontakts übertreffen.

Nehmen wir zum Beispiel eine große Ferienimmobilienbörse, die von schlanken Startups im Internet und auf dem Handy um Kunden konkurriert wurde. Das Unternehmen verfügte über jahrzehntelange historische Kundendaten auf dem Mainframe und wusste, dass es die Konkurrenz schlagen konnte, wenn es die Kunden nur so erreichen konnte, wie und wo sie es wollten - online und jederzeit.

Es war schnell und einfach, eine Web-App einzurichten - genau wie bei den Startups -, aber der entscheidende Schritt war die Verwendung von SQL-Zugriff (Structured Query Language), um die Web-App mit der zentralen Mainframe-Datenbank des Unternehmens für Buchungsanwendungen auf VSAM zu verknüpfen. Die Kunden hatten nun die Möglichkeit, über einen Webbrowser oder eine mobile App innerhalb von Millisekunden nach der Verfügbarkeit von Immobilien zu suchen und mehrere Registrierungen, Buchungen und Check-ins durchzuführen. Dies führte zu massiven neuen Umsätzen und der Fähigkeit, Start-ups durch Skalierung und Unterstützung jeder neuen Technologie zu übertreffen.

360-Grad-Kundenblick

Es gibt keine bessere Möglichkeit, Kundenerwartungen zu antizipieren und zu erfüllen, mit einen umfassenden Überblick auf die Kundendaten - von den grundlegenden Kontaktinformationen eines Kunden über seine Kaufhistorie bis hin zu Details über seine Interaktionen mit Vertriebsmitarbeitern, dem Kundensupport und digitalen Angeboten. Diese 360-Grad-Kundensicht kann Entscheidungsträgern sowie Marketing- und Vertriebsteams dabei helfen, datengestützte Entscheidungen über die Kaufgewohnheiten ihrer Kunden zu treffen und zu entscheiden, wie sie ihre Kunden am besten bedienen können.

Die Konsolidierung von Kundeninformationen aus verschiedenen Berührungspunkten und Systemen an einem Ort bzw. in einer Ansicht stellt jedoch eine Herausforderung dar. Einkaufs- und Logistikdaten werden wahrscheinlich auf einem Mainframe verarbeitet, Vertriebsinteraktionen können in einer SaaS-Anwendung wie Salesforce verfolgt werden und Online-Interaktionen mit Webinhalten werden häufig in einer Cloud-Anwendung verfolgt. In der Vergangenheit versuchten Unternehmen, eine 360-Grad-Kundensicht zu erhalten, indem sie Informationen in einem zentralen Data Warehouse konsolidierten, aber dieser Ansatz der Mainframe-Datenintegration hat seine Grenzen, z. B. die lange Latenzzeit zwischen Batch-Daten-Uploads.

Der Nachteil einer verzögerten Datenkonsolidierung war für die Vermögensverwaltungsberater einer großen Bank offensichtlich: Sie hatten rund um die Uhr keinen unmittelbaren Zugriff auf den Finanzstatus, die persönlichen Daten und die Portfolios von Kunden mit hohem Wert. Das herkömmliche Data Warehouse lieferte den Beratern bei Kundenanrufen veraltete Informationen, was zu einem Verlust an fachlicher Kompetenz und Vertrauen führte.

Virtualisierung von Daten bot eine praktikablere Alternative. Durch die Einrichtung eines virtuellen Data Warehouse, das in Echtzeit auf Daten aus verschiedenen Systemen wie Sybase, Oracle, IBM i (AS/400) und Mainframe zugreifen konnte, hatten die Berater Zugang zu den neuesten Geschäften ihrer Kunden. Die Auswirkungen waren sofort spürbar. Das Vertrauen der Kunden wuchs. Die Berater erhielten einen vollständigen Überblick über alles, was sie über den Kunden wissen mussten, unabhängig davon, wer angerufen hatte oder wann er angerufen wurde - auf Knopfdruck und in Echtzeit. Das Vermögen der Bank stieg zusammen mit dem Vermögen, das sie für Privatpersonen, Institutionen und gemeinnützige Organisationen verwaltete, gleichermaßen an.

Echtzeit-Informationen für die mobile Arbeit

Marketing- und Kundendienstabteilungen sind nicht die einzigen, die daran interessiert sind, ihren Kunden einen Self-Service zu bieten. In fast jeder Branche gibt es mobile Mitarbeiter, die von einem Echtzeitzugriff auf Unternehmensdaten profitieren könnten. Von der Strafverfolgung in der Gemeinde bis hin zu Mitarbeitern von Versorgungsunternehmen, die Geräte reparieren, um den Betrieb wiederherzustellen - es besteht ein Bedarf, mobilen Mitarbeitern die benötigten Informationen zur Verfügung zu stellen, wenn sie sie benötigen.

Man kann sich leicht vorstellen, welche Vorteile es für die Sicherheit hätte, wenn ein Beamter direkt vom Fahrzeug aus in Echtzeit polizeiliche und gerichtliche Informationen über die Person abrufen könnte, die gerade wegen eines Verkehrsverstoßes angehalten wurde, um festzustellen, ob es sich um eine Person mit wiederholten Verstößen, ausstehenden Strafzetteln oder sogar Vorladungen zu einem Gerichtstermin wegen eines nicht damit zusammenhängenden Verstoßes handelt. Genau das unternimmt eine US-amerikanische Informationsbehörde, indem sie eine Web-App mit einem Single-Sign-On-System für Strafverfolgungsbeamte des Bundesstaates entwickelt, mit der sie Vorfälle, Haftbefehle und sogar rückständige Unterhaltszahlungen einsehen können - alles Informationen, die vor Ort in nicht-relationalen Mainframe-Datenbanken als Teil ihres Strafrechtsinformationssystems gepflegt werden.

Datenanalyse und Business Intelligence

Datenanalysten und Dateningenieure wissen, dass die Einbeziehung der Fülle von Mainframe-Daten in moderne Cloud-Analysen einen entscheidenden Vorteil bieten kann. So kann beispielsweise die Kombination historischer Kundenkaufdaten mit Online-Einkaufstrends dazu beitragen, die Kundeninteraktion zu verbessern und die Grundlage für neue Dienstleistungen zu schaffen. Durch das Erkennen von Mustern zur Verbesserung von Marketing- und Vertriebsinitiativen kann der Umsatz gesteigert werden. Sie kann auch Geld sparen, indem diese Daten genutzt werden, um die betriebliche Planung und das Ressourcenmanagement zu verbessern, versteckte Geschäftsrisiken aufzudecken und Betrug zu bekämpfen.

Um einen besseren Einblick und eine bessere Entscheidungsfindung zu ermöglichen, möchten Datenanalysten alle Unternehmensdaten in den von ihnen ausgewählten Cloud-Datenplattformen (z. B. Snowflake, Redshift, BigQuery, Databricks, S3, ADLS2, GCS) nutzen und die Analysetools verwenden, mit denen sie am besten vertraut sind (z. B. Tableau, Looker, PowerBI, SAS, Sagemaker, Dataiku).

Ziel ist es, Daten in einen geschäftlichen Mehrwert umzuwandeln, indem Datenkonsumenten - interne und externe Stakeholder und Kunden - mit den Daten versorgt werden, die sie benötigen, wenn sie sie benötigen. Diejenigen, die Mainframe-Daten in ihr Angebot aufnehmen können AI and analytic platforms werden bessere und schnellere Entscheidungen treffen und der Konkurrenz einen Schritt voraus sein.

---

Herausforderungen bei der Mainframe-Datenintegration

Die meisten Mainframe- und Legacy-Datenquellen sind in der Regel nicht-relational und proprietär, und es gibt keinen gemeinsamen Integrationsstandard, so dass sie nur schwer zugänglich und integrierbar sind. Die alten Methoden zur gemeinsamen Nutzung von Mainframe-Daten mit Punkt-zu-Punkt-Integrationen und manueller Programmierung funktionieren nicht mehr, da das Datenvolumen wächst und die Geschwindigkeit der Veränderungen zunimmt. Die unterschiedlichen Prioritäten zwischen denjenigen, die die Daten pflegen, und denjenigen, die die Daten benötigen, können zu Interessenkonflikten führen.

Mainframe-Daten sind einzigartig

Viele Mainframe- und Legacy-Datenspeicher wie VSAM, IDMS, IMS und RMS sind proprietär und bieten keinen nativen SQL-Zugriff, so dass es für Unternehmen schwierig ist, auf diese Daten zuzugreifen und sie für die Nutzung auf modernen Plattformen und Anwendungen zu integrieren. Moderne Tools und Ökosysteme stützen sich in hohem Maße auf SQL, die am häufigsten verwendete Sprache zum Abrufen und Organisieren von Daten aus relationalen Datenbanken. Sie ist der Standard, der für Analyseplattformen und Desktop-Abfragetools wie Excel® verwendet wird. Auch die Anwendungsprogrammierschnittstellen (APIs) für den Datenzugriff basieren auf SQL. Anwendungen greifen mit SQL über JDBC, ODBC, OLE DB, Microsoft .NET und andere auf Daten zu. Und da APIs eine der leistungsstärksten, flexibelsten und einfachsten Möglichkeiten für Innovationen im Web und auf mobilen Endgeräten sind, müssen sie eine klare Priorität sein.

Die meisten Mainframe-Datenspeicher sind auch nicht-relational, d. h. die Daten sind nicht in einem üblichen Tabellenformat mit Spalten und Zeilen angeordnet. Ironischerweise werden die Flexibilität und die Vorteile der Speicherung von Informationen in einem nicht-relationalen Format von neueren Datenbanken wie MongoDB wieder aufgegriffen. Um von modernen Anwendungen und Tools genutzt werden zu können, müssen nicht-relationale Datenbanken jedoch erst noch in ein Tabellenformat übersetzt werden, das von SQL problemlos verstanden wird.

Mainframe-Daten sind auch insofern einzigartig, als sie durch ein hohes Maß an Sicherheit geschützt sind, da, wie bereits erwähnt, die von Mainframe-Anwendungen verwalteten Transaktionen von hohem Wert und von zentraler Bedeutung für das Unternehmen sind.

Klassische Ansätze sind nicht skalierbar

Um die Anforderungen der Mainframe-Datenintegration zu erfüllen, mussten IT-Mitarbeiter in der Vergangenheit Dateien manuell per FTP in Data Warehouses übertragen, manuelle Skripte schreiben, um Anwendungen mit den benötigten Daten zu versorgen, oder Punkt-zu-Punkt-Integrationen verwenden, die häufige Aktualisierungen erfordern. Angesichts der begrenzten Zeit und der begrenzten Ressourcen, die durch die Pensionierung von Mainframe-Experten noch verschärft werden, sind Unternehmen oft auf mehrere Anbieter angewiesen, um die Vielfalt der Integrationsanwendungsfälle zu bewältigen, was die Komplexität und die Kosten eines ohnehin schon anstrengenden Prozesses noch erhöht. Diese Ansätze sind nicht skalierbar, um den Bedarf an der Integration von immer mehr unterschiedlichen Datenquellen zu decken.

Unterschiedliche Prioritäten von Fach- und Technikteams

TDie Prioritäten derjenigen, die über die Daten verfügen, und derjenigen, die sie benötigen, unterscheiden sich deutlich. Diejenigen, die die Daten nutzen wollen, konzentrieren sich auf die Auswirkungen auf das Geschäft und auf die Agilität. Sie arbeiten in der Regel mit offenen Systemen, verlassen sich auf SQL und verfügen über Mittel für Erkenntnisse, Innovation und Wachstum. Die Geschäftsbereiche haben das Gefühl, dass sie schnell handeln und die Daten dorthin bringen müssen, wo sie gebraucht werden, um schnell innovativ zu sein und die Konkurrenz zu schlagen.

Andererseits sind diejenigen, die die Mainframe-Systeme kontrollieren, auf Geschäftskontinuität und Sicherheit bedacht. Sie kennen die Mainframe-Systeme und -Formate gut, sind aber in der Regel personell unterbesetzt und haben mit stagnierenden oder sinkenden Budgets zu kämpfen.

Eine Lösung, die diese Differenzen überwindet, verhindert eine Zunahme der „Schatten-IT“, bei der Anwendungen außerhalb der IT-Kanäle erworben werden, und entlastet die stark beanspruchten Mainframe-IT-Mitarbeiter.  

---

Erfolgreiche Datenintegration mit einer veränderten Perspektive

Leider ist die alte Strategie, für jede neue Anforderung individuelle Punkt-zu-Punkt-Integrationen zu erstellen, zum Scheitern verurteilt. Sie verbraucht zu viele Ressourcen und dauert zu lange. Die Konsolidierung Ihrer verstreuten Informationen in einem Data- Warehouse mag zwar für einige Analysen gut funktionieren, erfüllt aber nicht den Bedarf an Echtzeitdaten zu jeder Tageszeit.

Wenn die IT-Teams nichts unternehmen, um die geschäftlichen Anforderungen für Unternehmensdaten zu erfüllen oder nicht schnell genug liefern, werden die Datenkonsumenten Wege finden, sie zu umgehen. Dadurch werden die Integrationsherausforderungen nur noch größer und verursachen noch mehr Arbeit für die ohnehin schon überlasteten Abteilungen.

Im schlimmsten Fall könnte jemand mit Einfluss dafür plädieren, Ihr langlebiges Unternehmenssystem zu zerreißen und zu ersetzen - ein Prozess, der Ihr Unternehmen schnell in ein unglaublich kostspieliges Abenteuer führen kann.

Ein Umdenken kann Ihnen dabei helfen, mehr wertvolle Mainframe-Daten schneller in Ihre Initiativen zur digitalen Transformation und Cloud-Analyse einzubeziehen.

---

Drei Erfolgsfaktoren für die optimale Nutzung von Mainframe-Daten

Was wäre, wenn Sie nicht-invasive Integrationsoptionen hätten, die kein neues Fachwissen erfordern und Ihr Unternehmensdaten schnell mit neuen Anwendungen und Tools verbinden könnten - sowohl innerhalb als auch außerhalb Ihrer Organisation, lokal oder in der Cloud?

Was wäre, wenn Sie neue Technologien rasch übernehmen und Ihr Unternehmen modernisieren könnten, dabei aber die Geschäftskontinuität wahren, indem Sie Bewährtes nicht stören?

Wenn Sie akzeptieren, dass Datensilos eine unvermeidliche Folge ständiger Innovation sind, gleichzeitig aber über Werkzeuge verfügen, die unterschiedliche Quellen, Formate und Bedeutungen in eine gemeinsame Sprache überführen – dann können Sie Barrieren überwinden, um Daten effektiv zu nutzen, bessere Entscheidungen zu treffen und Kunden optimal zu bedienen.

Was Sie brauchen, ist eine Lösung, die Folgendes bietet:

Sicherer Mainframe-Datenzugriff in Echtzeit

Theoretisch ist es ein großartiges Konzept, alle Ihre Daten an einem Ort zu haben. Es ist nur nicht realistisch, da die Datenmengen weiter wachsen. Je nach Art und Menge der Daten werden diese in der Cloud, in Data Lakes, in SQL- und Nicht-SQL-Datenbanken sowie vor Ort in verteilten und Mainframe-Systemen gespeichert. Unabhängig davon, wo Ihre Daten gespeichert sind oder in welchem Format sie vorliegen, müssen Ihre Analysten, Entscheidungsträger und Benutzer in der Lage sein, auf die Daten zuzugreifen, um deren Wert zu maximieren.

Suchen Sie nach einer Datenzugriffslösung, die die Breite und Tiefe der Datenkonnektivität für Mainframe-, Midrange-, Desktop- und die neuesten Cloud-Datenplattformen bietet.

Für schwer zugängliche Unternehmensdaten sollten Sie eine Lösung finden, die:

•  Mainframe-Daten so transformiert, dass sie über SQL zugänglich sind und abgefragt werden können
•  keine Auswirkungen auf bestehende Anwendungen hat
• nur minimale Mainframe-Ressourcen verwendet
• sich an bestehende Mainframe-Sicherheitsrichtlinien anpasst
• Lese- und Schreibfunktionen bietet, um Mainframe mit der Cloud zu verbinden und wieder zurück

Datenvirtualisierung mit geringer Latenz

Wenn Sie auf Daten aus mehreren verschiedenen Datenbanken zugreifen und sie in einer einzigen virtuellen Ansicht so darstellen können, als befänden sie sich alle in einer einzigen Datenbank, entsteht ein gewaltiger Effekt. Das ist das Wichtigste der Datenvirtualisierung. Sie ist ein Silo-Killer. Plötzlich haben Sie alle Ihre Mainframe-Daten, unabhängig von Anbieter, System oder Struktur, zur Hand. Und da Sie die Daten in einer Anwendung oder Schnittstelle visualisieren, ohne sie tatsächlich bewegen zu müssen, können Sie schnellere Entscheidungen treffen, ohne Ihre Kernsysteme zu beeinträchtigen.

Datenvirtualisierung ist der Schlüssel zur Überwindung von Datensilos und Latenz - der Zeitspanne zwischen dem Eintreten eines Ereignisses und der Verfügbarkeit der Daten, die dieses Ereignis beschreiben, für Abfragen. Bei der Datenvirtualisierung werden die isolierten Daten aus mehreren Datenbanken auf unterschiedlichen Plattformen in einer einzigen, verständlichen Struktur zusammengeführt, ohne die Quellstrukturen zu verändern. Dadurch können unterschiedliche Datenquellen als eine einzige föderierte relationale Datenbank behandelt werden, so dass ein Echtzeitzugriff mit einer einzigen Ansicht möglich ist. Dies ist ideal für den Betrieb von Dashboards, Analysetools und datengesteuerten Anwendungen, die Echtzeitdaten benötigen.

Einheitliche Tabellen und Spalten machen die Arbeit mit SQL-Datenbanken so einfach, konsistent und zuverlässig. Deshalb brauchen Sie eine klar umrissene und universelle Methode, um jede Datenquelle von jedem Datenbankanbieter in die einheitlichen Tabellen und Spalten zu übersetzen, die Ihnen helfen, Ihre Daten zum Leben zu erwecken. Ein Metadaten-Repository ist der Schlüssel zur Übersetzung unterschiedlicher Daten in eine gemeinsame Sprache.

Eine umfassende Datenvirtualisierungslösung sollte auch die oft übersehenen Mainframe- und nicht-relationalen Legacy-Datenquellen umfassen. COBOL-Anwendungen und mehrere Legacy-Datenbanken benötigen jeweils ihre eigenen Copybook-Übersetzungen, um mit SQL arbeiten zu können. Die besten Datenintegrationslösungen sind in der Lage, aussagekräftige Namen und Formatbeschreibungen aus diesen Mainframe-Copybooks abzurufen und sie auf das Metadaten-Repository anzuwenden.

Suchen Sie nach Lösungen, die:

• in einer einzigen virtuellen Ansicht mehrere Datenquellen darstellen, ohne dass Daten verschoben werden müssen
• ein gemeinsames Verständnis über Silos hinweg durch Metadaten schaffen, die in einem Datenkatalog vereint sind
• Sicherheitsdefinitionen und Ausweitung auf mehrere Zugriffsebenen übernehmen
• Benutzern die Erkundung von Daten ermöglicht, ohne dass sie Daten verschieben müssen

Datenbewegungsoptionen mit Transformation und CDC

Sobald Sie die Herausforderung, Zugang zu Mainframe-Daten in einem verständlichen Format zu erhalten, gemeistert haben, möchten Sie vielleicht auch eine Lösung, die Daten an jeden beliebigen Ort verschiebt. Wenn Sie Optionen haben, wie Sie Ihre Daten verschieben, können Sie den Wert der Daten für erweiterte Analysen, Self-Service-Data-Science, KI und maschinelles Lernen oder für die Modernisierung von Datenspeichern für Anwendungen, Data Warehouses oder Plattformen nutzbar machen.

Während die meisten Datenintegrationslösungen Unterstützung für Batch, Extract Transform Load (ETL) und Extract Load Transform (ELT) bieten, sollten Sie nach einer Lösung suchen, die auch Change Data Capture (CDC)-Funktionen bietet. CDC ist entscheidend für die Effizienz Ihrer Datenbewegungen, da nur die geänderten Datensätze schrittweise aktualisiert werden, was die Leistung Ihrer Mainframe-Systeme entlastet.

Die Transformation von Daten während der Übertragung, die über einfache Extract-, Transform- und Load-(ETL)-Prozesse hinausgeht – sowohl zur Änderung von Metadaten als auch zur Unterstützung der Kompatibilität zwischen cloudbasierten Data Warehouses, Legacy- und nicht-relationalen Datenquellen – ist äußerst wünschenswert.

Daten-Transformationsfunktionen, die gelegentlich auch als Prozessoren bezeichnet werden, sollten komplexe Transformationen ermöglichen, darunter Filterung, Sortierung, Verknüpfungen (Joins), Vereinigungen (Unions), Zusammenfassungen, Anreicherung, Anonymisierung und Aggregationen.

Beispielsweise ist eine Lösung, die Mainframe-Datenbestandteile maskieren kann, um Datenschutz zu gewährleisten, während die Daten zur Analyse in ein Data Warehouse übertragen werden, häufig eine zwingende Anforderung, insbesondere angesichts der sensiblen Natur von Mainframe-Daten.

Synchronisieren Sie effizient mit Transformationseinstellungen, die die volle Kontrolle über die Planung inkrementeller oder vollständiger Datenbewegungen, den Start von Pre- oder Post-Sync-Aufgaben und die Einrichtung automatischer E-Mail-Ereignisbenachrichtigungen ermöglichen. Sie sollten in der Lage sein, Ihre Synchronisierungsaufgaben je nach Bedarf zu skalieren, z. B. Aktualisierungen für Zeiten geringer Nutzung oder so häufig wie jede Minute, wenn Ihr Unternehmen aktuellere Informationen benötigt.

Suchen Sie nach einer Mainframe-Datenintegrationslösung, die:

• eine Auswahl an Datenverschiebungsoptionen für eine Vielzahl von Anwendungsfällen bietet
• Änderungen aus einzelnen oder mehreren Datenquellen (Änderungsdatenerfassung) erfasst
• einen robusten Satz vorgefertigter Transformations-/Verarbeitungsfunktionen umfasst
• eine einheitliche, gestalterische Erfahrung bietet

---

Seien Sie der Held: Innovation unter Beibehaltung der Geschäftskontinuität

Es ist ganz natürlich, dass man Projekte sauber und linear angehen möchte, um sicherzustellen, dass alles nahtlos zusammenarbeitet. Vielleicht glauben Sie sogar, dass es einfacher ist, alle Daten und Anwendungen auf dieselbe Plattform zu stellen und auf einen einzigen Technologie-Stack zu standardisieren. Doch allzu oft funktioniert die Welt nicht auf diese Weise, vor allem nicht für etablierte Unternehmen, die auf betriebliche Kontinuität angewiesen sind und gleichzeitig innovativ sein müssen, um der Konkurrenz einen Schritt voraus zu sein. Glücklicherweise können Sie mit der richtigen Datenintegrationslösung beides erreichen: Innovation und Aufrechterhaltung der Geschäftskontinuität.

Mainframe-Datenintegration fördert digitale Innovation

Lernen Sie CONNX , die Mainframe-Datenintegrationslösung der Software AG, kennen. Mit CONNX können Sie problemlos auf Ihre Daten zugreifen, sie virtualisieren und verschieben - egal, wo sie sich befinden und wie sie strukturiert sind -, ohne Ihre Kernsysteme zu verändern.

CONNX bietet Konnektoren zu komplexen, schwer zugänglichen Datenquellen und Plattformen - einschließlich Mainframe, OpenVMS, IBM i (AS/400), UNIX^®, Linux^®, Windows^® und Cloud - unter Verwendung gängiger Konnektivitätsmechanismen wie ODBC, JDBC, .NET, J2EE und OLE DB. Auf diese Weise übersetzen Sie alle Ihre Datenquellen, einschließlich nicht-relationaler Datenbanken, in SQL-Standards und behalten gleichzeitig Ihre bestehenden Sicherheitsmaßnahmen bei.

Warum ist das wichtig? So nutzen Sie moderne Anwendungen, die in Java, Python, Visual Basic, C, C++, PHP, .NET oder anderen Webtools entwickelt wurden, schnell und bieten über die CONNX DB Adapter. einfachen Zugriff auf VSAM, IMS, Adabas, Db2, Datacom und andere Legacy- und nicht-relationale Daten. Sie treiben digitale Innovationen voran, während Ihre Originaldaten intakt bleiben und bestehende Abläufe nicht beeinträchtigt werden.

Mit der leistungsstarken CDC-Technologie (Change Data Capture) von CONNX werden ereignisgesteuerte Daten erfasst, transformiert und schrittweise verschoben. Indem Sie nur die geänderten Datensätze aktualisieren, halten Sie Ihre Daten frisch und aktuell, ohne die Mainframe-Leistung zu beeinträchtigen, und so die Geschäftskontinuität sicherstellen.

Erfüllen Sie die Forderung nach einer schnellen und einfachen Verbindung von Mainframe-Daten mit:

• Unterstützung der digitalen und cloudbasierten Transformation
• Datengesteuerte Web-, Mobil-, Cloud- und SaaS-Anwendungen
• Ermöglichung von Multi-Channel-Engagements im Web, in der Cloud, auf Mobilgeräten, Smart Devices und APIs
• Modernisierung von Anwendungen oder Data Warehouses

Mainframe-Datenintegration für Cloud-Analysen

Wenn Sie bereit sind, Ihre umfangreichen Mainframe-Daten in Ihren Cloud-Analyseplattformen zu nutzen, sind Sie bei CONNX an der richtigen Adresse. CONNX kümmert sich um die Erfassung, Sicherung und Bereitstellung des Zugriffs auf Mainframe- und Legacy-Daten und schlägt dann eine Brücke zwischen diesen Daten und der Cloud, um sie für Analysen vorzubereiten.

Mit CONNX können Analysten mit Hilfe von Structured Query Language (SQL), der Lingua Franca von Analyse- und Business Intelligence-Tools, problemlos auf vorhandene Datenquellen zugreifen. Mit dem in CONNX integrierten Metadatenmodell bereiten Sie die Daten so auf, dass sie für die Analyse oder die Verwendung in Anwendungen aussagekräftig sind. Durch die Anwendung eines relationalen Modells auf Legacy-Daten werden die Quelldaten in einen gemeinsamen Rahmen abstrahiert, der von Analysten, Entwicklern und gängigen Anwendungen und Tools leicht verstanden wird. Dieses leistungsstarke Metadatenmodell öffnet auch die Tür für die Datenvirtualisierung, d. h. Sie können auf Daten aus verschiedenen Datenbanken zugreifen und sie in einer einzigen virtuellen Ansicht so darstellen, als befänden sie sich alle in einer einzigen Datenbank.

Manchmal reicht es nicht aus, nur auf die Daten zuzugreifen, sondern Sie möchten Ihre Daten an Datenbanken von Drittanbietern, Cloud Data Lakes, Daten-Streaming oder Messaging-Systeme übertragen. Mit den Transformationseinstellungen von CONNX haben Sie die volle Kontrolle über die Planung inkrementeller oder vollständiger Datenbewegungen, den Start von Vor- oder Nachsynchronisierungsaufgaben und die Einrichtung automatischer E-Mail-Ereignisbenachrichtigungen. Sie können Ihre Synchronisierungsaufgaben je nach Bedarf skalieren, z. B. Aktualisierungen für Zeiträume mit geringer Nutzung oder so häufig wie jede Minute, wenn Ihr Unternehmen aktuellere Informationen benötigt.

Mit der CONNX-Datenintegration beziehen Sie jetzt Mainframe-Daten in Ihre Cloud-Analysen ein und bauen Datenpipelines zu Ihren wertvollsten Daten auf. Die Tiefe der Einblicke, die durch die Einbeziehung von Mainframe-Daten gewonnen werden, kann sich grundlegend ändern:

• Verbessern Sie die Interaktion mit Kunden und bieten Sie neue Dienstleistungen an
• Erkennen Sie Muster, um Marketing und Vertrieb zu verbessern und den Umsatz zu steigern
• Verbessern Sie die Betriebsplanung und das Ressourcenmanagement, um Geld zu sparen
• Decken Sie versteckte Geschäftsrisiken auf und bekämpfen Sie Betrug

Schöpfen Sie den Wert Ihrer Mainframe-Daten aus

Die Kernanwendungen Ihres Mainframes, deren maßgeschneiderte Geschäftslogik und Daten heben Sie bereits von Ihren Mitbewerbern ab und bilden ein zuverlässiges Rückgrat für Ihren Geschäftsbetrieb. Indem Sie diese „bekannten“ Daten einem breiteren Publikum zugänglich machen und problemlos in andere Anwendungen und Plattformen integrieren, können Sie die Anforderungen des digitalen Unternehmens heute, morgen und in Zukunft schnell erfüllen.

Sind Sie bereit, die Kluft zwischen dem Neuen und dem Alten zu überwinden? Lassen Sie uns den Sprung gemeinsam wagen.

---

Erleben Sie Mainframe-Datenintegration in Aktion

Startups mit ihren eigenen Waffen schlagen

---