Därför räddar en data lake inte era legacysystem utan sänker dem

Emanuel Böminghaus, expert på äldre system, Managing Director för AvenDATA

Emanuel Böminghaus

expert på äldre system,
Managing Director för AvenDATA
Legacysystem är mästare på att överleva. De fortsätter att köras långt efter att era användare har gått över till moderna applikationer. Tidigare fick dessa system ofta ticka på i det tysta, men i dag försöker många verksamheter lösa problemet genom att helt enkelt dumpa all historisk data i en data lake. Det som vid första anblicken verkar vara en smart idé visar sig snabbt bli en farlig återvändsgränd. I stället för ordning och reda skapar ni ett bottenlöst dataträsk.
Data lake som har blivit ett dataträsk av historisk data från legacysystem

Myten om data lake som räddare i nöden

Idén låter lovande. Ni bygger en data lake, en enorm lagringsplats där all tänkbar data samlas in, oavsett om den är strukturerad eller ostrukturerad. Det kan handla om allt från signaler från uppkopplade enheter och innehåll i sociala medier till kompletta tabeller ur era affärssystem. Allt samlas på en enda plats och är alltid tillgängligt för analys. Visionen är att er data lake ska fungera som en enda, tillförlitlig sanningskälla.
Men i verkligheten förvandlas sjön ofta till ett träsk. Nödvändiga datastrukturer saknas och viktiga sammanhang dokumenteras inte, vilket gör att data inte längre går att tolka. Lagringsplatsen lovar full transparens, men skapar i själva verket bara kaos.

När era legacysystem sjunker till botten

Situationen blir extra problematisk när ni försöker flytta data från era legacysystem till denna data lake. Informationen är nämligen inte bara historisk. Den omfattas också av strikta krav på arkivering och granskning enligt bokföringslagen. Skatteverket, externa revisorer och er interna revision kan när som helst begära åtkomst till gamla affärshändelser.
Om ni dumpar denna typ av data okontrollerat, förlorar ni inte bara struktur och läsbarhet. Ni riskerar också allvarliga brott mot regelverken och försvårar alla typer av revisioner. Dessutom skapar ni ett nytt och ännu större problem: en oöverskådlig datamängd som saknar juridisk säkerhet.

Brons, silver och guld: teori mot verklighet

I teorin låter strukturen för en data lake välorganiserad: ett bronslager för rådata, ett silverlager för bearbetad data och ett guldlager för färdig och verifierad information. I praktiken ser det dock annorlunda ut, eftersom:
  • historisk data ofta är extremt svårhanterlig,
  • tabellstrukturer är föråldrade eller låsta till specifika format,
  • affärslogik från legacysystem helt enkelt inte passar in i moderna modeller.
Resultatet är tydligt. Det som borde glänsa som guld förblir grumligt och gör er data lake till ett dataträsk som väcker betydligt fler frågor än det ger svar.

Stäng ner system i stället för att bara samla på data

Tankefelet är uppenbart. Målet får inte vara att blint flytta legacysystem till moderna lagringsstrukturer. Målet måste vara att avveckla äldre system under kontrollerade former och arkivera all lagstadgad data på ett juridiskt säkert sätt.
Här kommer AvenDATA in i bilden. Med vår lösning ViewBox arkiverar vi historisk data från avvecklade system revisionssäkert och alltid tillgängligt, i enlighet med kraven i bokföringslagen. Ni behåller full överblick, sänker era kostnader och uppfyller alla lagkrav, utan att belasta er data lake.

Trendiga begrepp löser inga gamla problem

Oavsett om ni pratar om data lake, data mesh eller data fabric, lovar varje nytt koncept nästa stora genombrott inom datahantering. Men även den snyggaste arkitekturen är värdelös om gammal barlast följer med okontrollerat. Först när ni skapar en tydlig åtskillnad mellan er produktionsmiljö och er arkiverade historiska data får ni verklig överblick.

Sammanfattning: dränka eller arkivera? Valet är enkelt

En data lake kan absolut vara ett kraftfullt verktyg, men den löser inte problemet med föråldrade system och historisk data. Den som bara dumpar legacysystem och historisk data rakt ner i sjön, riskerar inte att rädda dem utan snarare att dränka dem för gott. En betydligt bättre strategi är att avveckla, arkivera och säkerställa full transparens.
På så sätt förvandlas en potentiell risk till en tydlig fördel, och er data lake förblir det den ska vara: ett verktyg för nya insikter, inte en gravplats för gamla systemproblem.

Planerar ni att arkivera ett legacysystem?