Data mesh, data fabric en data products: welke architectuur past bij uw organisatie?

Data mesh, data fabric en data products zijn drie begrippen die vaak door elkaar worden gebruikt. Toch lossen ze elk een ander probleem op. Dit artikel legt uit wat de verschillen zijn, wanneer welk concept past en waar wij uw organisatie mee helpen.

Drie begrippen in gewone taal

Data mesh is een organisatorisch model

Bij data mesh wordt data niet langer beheerd door één centraal team. In plaats daarvan krijgt elk domein (bijvoorbeeld finance, sales of logistiek) zelf de verantwoordelijkheid voor zijn eigen data. Elk domein levert zijn data als een product aan de rest van de organisatie. De centrale IT richt alleen nog de gedeelde regels en het platform in.

In één zin: data mesh gaat over wie eigenaar is van data.

Data fabric is een technische laag

Bij data fabric blijft data staan waar die nu staat, verdeeld over systemen, clouds en on premise. Een slimme integratielaag bovenop al die bronnen zorgt ervoor dat gebruikers data kunnen vinden, combineren en gebruiken alsof het uit één bron komt. De catalogus, lineage en metadata sturen die laag aan.

In één zin: data fabric gaat over hoe u verspreide data technisch verbindt.

Data products is een werkwijze

Een data product is een dataset die wordt behandeld als een dienst. De dataset heeft een eigenaar, een beschrijving, afspraken over kwaliteit en een vaste manier van leveren. Gebruikers weten wat ze krijgen en wie ze kunnen aanspreken als er iets misgaat.

In één zin: data products gaat over het leveren van data met duidelijke afspraken.

Welk concept past bij welke situatie?

Waarom wij vrijwel altijd beginnen met data products

Data mesh en data fabric zijn grote beslissingen. U verandert daarmee hoe uw organisatie werkt of hoe uw platform is opgebouwd. Data products is een werkwijze die u vandaag al kunt invoeren, zonder uw organisatie of platform op de schop te nemen.

Wij adviseren klanten daarom om eerst vijf tot tien belangrijke datasets als data product in te richten. Denk aan klantgegevens, orderregels, productdata of financiële kerncijfers. Als die eerste producten werken, heeft u bewijs van waarde, een werkwijze die uw teams kennen, en een logische basis voor een bredere keuze richting mesh of fabric.

Onze aanpak per scenario

Scenario A. U wilt onderzoeken of data mesh past

Wij voeren een mesh readiness assessment uit. Wij beoordelen of uw domeinen duidelijk afgebakend zijn, of domeinteams voldoende dataengineering kennis hebben, en of een federale governance structuur haalbaar is. Na twee tot vier weken heeft u een helder advies: mesh, nog niet klaar voor mesh, of een alternatieve route.

Scenario B. U kiest voor data fabric

Wij ontwerpen samen met uw architect de integrerende laag. Onderdelen zijn een centrale datacatalogus, lineage, actieve metadata en (waar zinvol) data virtualisatie. Wij werken met de tools die u al heeft en voegen alleen toe wat ontbreekt. Typische doorlooptijd van ontwerp tot eerste werkende use case is drie maanden.

Scenario C. U begint met data products

Wij selecteren samen met u vijf tot tien datasets met de meeste impact. Per dataset benoemen we een eigenaar, leggen we het data contract vast en richten we kwaliteitscontroles in. Na drie maanden heeft u een werkend portfolio en een aanpak die uw eigen team zelfstandig kan uitbreiden.

Wanneer wij afraden om te beginnen

Heeft uw organisatie nog geen centrale datacatalogus, geen lineage en geen duidelijke eigenaren per brondata? Dan is het invoeren van mesh of fabric voorbarig. Eerst het fundament op orde, daarna de architectuurkeuze. Wij zeggen dat eerlijk, ook als het niet het antwoord is dat u hoopt te horen.