Wie GraphQL Unternehmen bei der Verwaltung ihrer Daten unterstützen kann

GettyImages 1149365028

[ad_1]

Wir freuen uns, die Rework 2022 am 19. Juli und virtuell vom 20. bis 28. Juli wieder persönlich zu präsentieren. Nehmen Sie an aufschlussreichen Gesprächen und spannenden Networking-Möglichkeiten teil. Registrieren Sie sich heute!


Es wird so viel über Daten geredet, dass es schon quick zu einem Klischee geworden ist. Es stimmt, dass Daten immer schneller generiert werden. Diese Zunahme bringt Herausforderungen für die Speicherung und Verwaltung der Daten mit sich, begleitet von Herausforderungen bei der Umwandlung der Informationen in Erkenntnisse und Geschäftswert.

Es ist ein klassischer Fall, die Spreu vom Weizen zu trennen. Und es gibt ziemlich viel Spreu. Bis zu 70 % aller Daten, die in einem Unternehmen gesammelt und gespeichert werden, gelangen nie in die Analysephase. Das bedeutet, dass nur 30 % der von Ihnen gesammelten Daten tatsächlich einen Mehrwert für Ihr Unternehmen darstellen.

Viele Unternehmen prüfen den Einsatz von GraphQL, um sich diesen Herausforderungen zu stellen. Wie können Sie additionally GraphQL verwenden, um mehr Daten von der Speicherphase in die Analysephase zu bringen, damit Sie tatsächlich Erkenntnisse aus diesen Informationen gewinnen können?

ETL vs. APIs

Eine Möglichkeit, wie Unternehmen Daten von der Erfassungsphase in die Analysephase bringen, sind Prozesse zum Extrahieren, Transformieren und Laden (ETL). ETL-Software program zieht Daten aus verschiedenen Quellen und speist sie über eine Pipeline direkt in einen „Information Lake“ oder ein Information Warehouse. Sie können die Daten in Stapeln oder in Echtzeit während der Aktualisierung übertragen, was als „Datenstrom“ bezeichnet wird. Anschließend können verschiedene Arten von Analysesoftware die Daten sortieren und Ihren Teammitgliedern präsentieren.

ETL eignet sich hervorragend, wenn Sie große Datensätze vergleichen müssen. Wenn Sie beispielsweise einen täglichen Vergleich der täglichen Ausgaben in Ihrem Unternehmen in diesem Jahr benötigen, um sie mit Ihren Ausgaben im letzten Jahr zu vergleichen, müssen Sie viele Daten auf einmal vergleichen. Daher ist es hilfreich, all diese Daten an einem Ort zu haben, an dem Sie sie einfacher sortieren und vergleichen können.

Eine weitere Möglichkeit, wie Unternehmen Daten für Analysen sammeln können, sind Anwendungsprogrammierschnittstellen (APIs). APIs ermöglichen es Softwareprogrammen, Informationen miteinander zu kommunizieren. Beispielsweise kann Ihre Kundenservice-Smartphone-App eine API verwenden, um eine Verbindung zu einer anderen Smartphone-App herzustellen, die dann Ihr IT-Group benachrichtigen kann, wenn sich Kunden über ein technisches Drawback beschweren. Oder Ihre Apps können Daten über eine API an Ihre Datenanalysesoftware senden.

APIs können Daten von Apps zwischenspeichern und vorübergehend speichern. Anschließend können Entwickler GraphQL oder eine ähnliche Sprache verwenden, um eine Anfrage zu senden, die als API-Aufruf oder „Abfrage“ bezeichnet wird, um die Daten nach Bedarf abzurufen. GraphQL-Abfragen sind spezifischer als ein normaler ETL-Prozess, da Sie Ihre Abfragen „verschachteln“ können, um genau die gewünschten Informationen zu erhalten. Das Abrufen von Daten von APIs eignet sich daher hervorragend zum Analysieren kleinerer, spezifischerer Datenstücke.

Wenn Sie beispielsweise wissen möchten, wie viele Frauen ab einem bestimmten Alter in einem bestimmten Monat ein bestimmtes Produkt von Ihrer Web site gekauft haben, können Sie Ihre E-Commerce-API mit GraphQL abfragen. Anstatt eine Abfrage zu senden, die nur nach der Gesamtzahl der Käufe für dieses Produkt in diesem Monat fragt, könnten Sie eine Abfrage senden, die fragt: „Wie viele von allen Frauen, die dieses Produkt im Januar gekauft haben, sind älter als dieses Alter?“ Diese Informationen können Ihnen helfen, Ihre Werbung auf dieses Produkt auszurichten.

Datenherausforderungen in APIs

Wir befinden uns eindeutig im API-Zeitalter, da rund 90 % der Entwickler sie verwenden. Es gibt buchstäblich Tausende von vorprogrammierten APIs, die für jedes Unternehmen öffentlich verfügbar sind, um sie für alles zu verwenden, von der Verbesserung der Produktivität im Büro bis hin zur Bereitstellung eines besseren Kundenservice. Sie müssen sich additionally nicht unbedingt darum kümmern, die APIs selbst zu erstellen. Ihr Hauptanliegen sollte es sein, Daten von diesen APIs effizient abzurufen, aber das ist nicht immer einfach.

Mit der schieren Anzahl von APIs geht ein großer Grad an Variation einher. Es gibt Unterschiede bei API-Formaten, Zugriffskontrollen, Leistungsstufen, Abfragen und vielem mehr. Grundsätzlich kann die Kommunikation von Daten zwischen all diesen verschiedenen Arten von APIs chaotisch werden, da sie Daten auf unterschiedliche Weise verarbeiten. Anwendungsentwickler sind in der Regel damit beschäftigt, die effektivste Benutzererfahrung zu schaffen, und sie möchten vermeiden, dass sie sich Gedanken darüber machen müssen, wie APIs Daten formatieren und verarbeiten. Sie haben möglicherweise nicht die Zeit oder das Fachwissen, um sich durch die verschiedenen Formate zu wühlen, um den vollen Nutzen aus den Daten zu ziehen.

Hier kommt GraphQL ins Spiel. GraphQL ist die neue API-Abfragesprache und hat die Welt der Entwickler sowie großer und kleiner Unternehmen im Sturm erobert. GraphQL ermöglicht Frontend-Entwicklern – den Leuten, deren Aufgabe es ist, sich um die Benutzererfahrung zu kümmern – Backend-Daten abzufragen, unabhängig vom API-Stil oder -Zweck. Kurz gesagt, GraphQL macht es Ihnen leicht, nützliche Daten von jeder Artwork von API zu aggregieren.

GraphQL für die Datenverwaltung

Was macht GraphQL für Ihre Datenverwaltungsziele related? Ein zentrales Konzept in GraphQL ist das Zusammenfügen mehrerer Datenteile; Sie erhalten Kundendaten von einem Backend und Bestelldaten von einem anderen, und jetzt können Sie fragen: „Gib mir alle Bestellungen für Kunde John Doe“.

Dieses Konzept des Zusammenfügens ist leistungsfähig und ermöglicht Kompositionen von Teilgraphen. Es könnte ein Group geben, das das Kunden-Unterdiagramm erstellt, ein anderes Group, das das E-Commerce-Unterdiagramm erstellt, und ein drittes Group, das sich auf das Advertising-Unterdiagramm konzentriert. Nun könnte eine Abfrage: „Zeige mir die relevanten Werbeaktionen für den Kunden John Doe“ Daten aus jedem der Unterdiagramme abrufen.

Wie Sie sehen können, ist dies revolutionär. Anstatt sich Ihre GraphQL-API-Schicht als einen zentralen Monolithen vorzustellen, kann sie in Groups aufgeteilt und dann kombiniert werden. Es kann nach Ländern unterteilt werden (um Datenschutzgesetze zu schützen) und dann kombiniert werden. Es kann durch Clouds partitioniert (um die Leistung zu verbessern) und dann kombiniert werden. Die neue Ebene ist ein Diagramm aus Diagrammen. Auf die gleiche Weise wie das Net gebildet wurde – Verbindungen innerhalb und außerhalb einer Domäne – kann dieselbe Zusammensetzung in der GraphQL-API-Schicht erfolgen.

Wenn Sie anfangen, über dieses Diagramm von Diagrammen nachzudenken, werden Sie zu Recht über Leistung, Governance, Standardisierung usw. nachdenken. Gute GraphQL-Implementierungen machen es einfach. Beispielsweise ermöglicht das deklarative Erstellen dieses Graphen aus Graphen (mit anderen Worten, das Beschreiben, was die Graphstruktur ist, anstatt wie sie ausgeführt wird) einfachere Leistungsziele, eine sauberere Governance und eine einfachere Standardisierung.

Zusammenfassend entsteht in Unternehmen eine neue Datenschicht: die API-Schicht. Diese Ebene befindet sich zwischen den Systemen, die Daten speichern, verwalten und analysieren, und den Systemen und Apps, die Daten sammeln. Der beste Weg, um auf die API-Schicht zuzugreifen, ist über eine Abfragesprache wie GraphQL. Mit GraphQL können Entwickler einfacher auf die Daten zugreifen, ohne sich um das „Wie“ kümmern zu müssen.

Darüber hinaus ist es natürlich zerlegbar, was sehr versatile Architekturen ermöglicht, indem es einen eingebauten Graphen von Graphenkonzepten hat. Das wiederum bedeutet, dass Sie Daten effizienter verarbeiten und aus den Informationen, die Ihre APIs sammeln, einen größeren geschäftlichen Nutzen ziehen können.

Anant Jhingran ist CEO und Mitbegründer von StepZen.

DatenEntscheider

Willkommen in der VentureBeat-Neighborhood!

DataDecisionMakers ist der Ort, an dem Experten, einschließlich der technischen Mitarbeiter, die mit Daten arbeiten, datenbezogene Erkenntnisse und Innovationen austauschen können.

Wenn Sie über modern Ideen und aktuelle Informationen, Greatest Practices und die Zukunft von Daten und Datentechnologie lesen möchten, besuchen Sie uns bei DataDecisionMakers.

Vielleicht denken Sie sogar darüber nach, einen eigenen Artikel beizusteuern!

Lesen Sie mehr von DataDecisionMakers

[ad_2]

admin

Leave a Reply

Your email address will not be published. Required fields are marked *