Data lakehouses är viktiga

Men inte tillräckliga i sig själva

Av: Dominic Santorio, Denodo

I flera år har företag runt om i världen gjort stora investeringar i molnbaserade data lakehouses, som Snowflake och Databricks. Dessa plattformar är resultatet av årtionden av innovation inom analytiska teknikstackar, från data warehouses och big data till dagens molnbaserade lösningar.

Idag är det många företag som antingen redan har data lakehouses i produktion eller håller på att införa dem. Detta gör att företagen tror sig stå väl rustade inför en AI-driven framtid. Men där väntar en obehaglig överraskning: Enligt forskning från det prestigefyllda universitetet MIT misslyckas 95 % av AI-projekten att visa ROI. Samtidigt larmar otaliga företagsanvändare om att de inte enkelt kan hitta, komma åt eller använda den data de behöver när de behöver den.

En ny oberoende ROI-studie av Veqtor8, ett analysföretag som specialiserar sig på AI och datahantering, har undersökt varför detta händer och bekräftar samtidigt att det är så här det ser ut. Om du enbart förlitar dig på ett data lakehouse kan du förlora mycket pengar, inte minst på grund av projekt som drar ut på tiden med flera månader. Veqtor8-studien jämförde organisationer som enbart använder data lake houses med de som kombinerade dem med Denodos plattform för logisk datahantering, och skillnaden var slående. För de som kombinerar med Denodo realiserades:

• 3–4 gånger snabbare tid till insikt. Dataförfrågningar från verksamheten uppfylls på mycket kortare tid, vilket ger affärsfördelar

• 78 % minskning av datatekniska insatser för att leverera dessa data

• 75 % minskning av löpande datarelaterade driftskostnader, inklusive IT-infrastruktur och datatekniska omkostnader

• 5–10 gånger större affärsflexibilitet. AI och andra nya affärsinitiativ gynnades av att data publicerades mycket snabbare

• 345 % ökad avkastning på investeringen under tre år, i genomsnitt för alla intervjuade organisationer

• Återbetalning på Denodo-investeringen inom 6,5 månader

Slutsatsen är att data lake houses gör ett bra jobb med att lagra och exekvera analytiska arbetsbelastningar på konsoliderad data, men den logiska dataplattformen behövs för att kunna styra lösningen effektivt och göra data användbar för AI och verksamheten i realtid, oavsett var datan finns.

Varför enbart data lakehouses inte räcker
Under studien delade alla intervjupersoner konsekvent feedback. Data lakehouses är utmärkta för analytics, men dagens mest strategiska initiativ – AI, självbetjäning, operativ intelligens – är inte enbart analytiska. De är operativa. Vilket innebär att de kräver:

1. Live-dataåtkomst, vilket möjliggör beslut i realtid baserade på den faktiska situationen här och nu, inte på en ögonblicksbild från senaste gången inmatningspipelines kördes.

2. Affärskontextuell semantik, så att rätt data används av både AI och mänskliga användare för den aktuella uppgiften, utan att datateamet behöver tillkallas.

3. Konsekvent styrning som omfattar alla datasilos, inklusive SaaS och tredjeparter.

4. Smartare optimering av kostnader och prestanda

Utan Denodo tvingas data lakehouse-användare ofta sammanfoga pipelines, semantiskt lager, FinOps och datastyrningskontroller, antingen genom anpassad kodning eller från flera punktverktyg. Resultatet? Högre kostnader, långa ledtider, mindre flexibilitet och ökad risk.

Data lakehouses utgör en skalbar datagrund. Denodo levererar det som krävs utöver det: logisk datahantering som gör data redo för AI, verksamheten och driften.
Som en global banks chef för dataarkitektur uttryckte det:

"Med Denodo kan vi tillhandahålla verksamhetsredo data på alla plattformar, utan behov av duplicering. AI- och analysinitiativ kan realiseras betydligt snabbare, utan att kompromissa med styrning eller datakvalitet."

Kort sagt: Data lakehouses är viktiga, men inte tillräckliga för att säkerställa framgång i en AI-driven framtid som kräver styrd data i realtid.

2025-10-16 - Industritorget