Stel, als bank lever je verschillende diensten: je voorziet in gewone betaalrekeningen, biedt hypotheken aan en hebt een wealth management service voor het luxesegment. Alle data voor deze drie verschillende diensten staat in een centraal datawarehouse opgeslagen. Maar wie begrijpt en combineert deze data tot waardevolle inzichten?
Jarenlang streefde men naar één database waarin alle data samenkwam. In de praktijk zien we vaak dat deze gecentraliseerde aanpak zorgt voor een teveel aan datastromen. En bovendien heeft een gecentraliseerd datateam niet per definitie genoeg domeinkennis om al die data om te zetten in inzichten en beschikbaar te maken voor waardevolle toepassingen.
Met de data mesh-gedachte leg je de verantwoordelijkheid voor het structureren van die data niet meer bij een centraal team neer. Je legt dat bij verschillende productteams die een deel van de klantreis of een klantapplicatie in beheer hebben. Je gooit in feite niet alle data in één vat, maar maakt verbindingen tussen de verschillende vaten. Op die manier laat je de verschillende databronnen en methodologieën om data te verzamelen naast elkaar bestaan, maar zorg je ervoor dat je de juiste lijntjes legt om de data van het ene vat in het andere te laten doorstromen. Hierdoor wordt data & intelligence, dat voorheen een IT-aangelegenheid was, nu een gedeelde verantwoordelijkheid met de business.
Data mesh is nu nog een belofte, geen kant-en-klare oplossing. Voor organisaties die over grote hoeveelheden data beschikken en echt data-driven willen zijn is de stap naar data mesh echter wel een grote kans om in de gaten te houden.