A nagy, több részre tagolt vállalatoknál a különböző rendszerek és adatsémák miatt a döntéstámogatás gyakran lassú és nehézkes. A data mesh ebben a környezetben nem csupán technológiai újítás, hanem egy mĹąködési modell: a domain-alapú adatfelelősségre és az adattermékekre épít. Alkalmazásával egyértelmĹąbbé válik az adatgazdák szerepe, javul az adatminőség, és gyorsabban kielégíthetők az üzleti igények, ami stratégiai előnyt adhat a vállalatnak.

A tagolt nagyvállalatok adatmenedzsmentje strukturálisan összetett: az egyes üzleti egységek eltérő alkalmazásportfólióval, adatsémákkal és folyamati logikával dolgoznak. Ez a mĹąködési autonómia rövid távon hatékony, de hosszú távon nehezíti az átlátható, konszolidált és összehasonlítható döntéstámogatást. A data mesh ebben a kontextusban nem technológiai, hanem mĹąködési modellként értelmezendő.

A data mesh lényege, hogy az adatok nem egy központi adattárban összpontosulnak, hanem az egyes üzleti területek (domainek) – például értékesítés, pénzügy vagy logisztika – felelősek a saját adataikért, és úgy osztják meg azokat, hogy mások is könnyen felhasználhassák. Az adat így nem csupán „valahol tárolt fájl”, hanem jól dokumentált, karbantartott és megbízhatóan frissülő erőforrás. Ennek előnye, hogy a döntésekhez szükséges információk gyorsabban és pontosabban válnak elérhetővé, hiszen az adatokhoz legközelebb álló szakértők készítik elő azokat, és vállalnak értük felelősséget.

Eperjesi TamĂĄs

„A data mesh lényege a domain-alapú adatfelelősség. Az adatok tulajdonjoga és minőségi felelőssége nem egy központi adattárház-csapatnál koncentrálódik, hanem az üzleti területeknél, amelyek az adatot előállítják és üzletileg értelmezik. Az adat ebben a modellben nem melléktermék, hanem formalizált ‘adattermék’, amelynek definiált minőségi, hozzáférési és interoperabilitási követelményei vannak” – mondta Eperjesi Tamás, a Deloitte Technológiai Stratégia és Transzformáció csapatának szenior menedzsere.

A tagolt mĹąködési struktúra előnyei

1. EgyértelmĹą felelősség és jobb adatminőség: Ha a domain saját adattermékéért felel, megszĹąnik a klasszikus „IT-probléma” jellegĹą adatkezelés. A fogalmi definíciók, mutatószámok és üzleti szabályok közelebb kerülnek a valós mĹąködéshez, csökkentve az inkonzisztenciát és növelve az elemzések megbízhatóságát.

2. Gyorsabb reagálás és kisebb központi torlódás: Erősen tagolt szervezeteknél a központi adatcsapat gyakran szĹąk keresztmetszet. A data mesh modellben a fejlesztési felelősség eloszlik, ami rövidíti az átfutási időket és növeli az üzleti agilitást.

3. Skálázható, de nem túlcentralizált irányítás: A hagyományos központosított architektúrák infrastruktúra-szinten próbálnak egységesíteni. A data mesh ezzel szemben szabályozási és sztenderdizációs szinten hoz koherenciát: közös elvek, adatkontraktusok, metaadat-elvárások és federált governance keretrendszer mentén. Ez megőrzi az autonómiát, miközben a vállalati szintĹą összhang is fennmarad.

4. Hatékonyabb kereszt-domain elemzések: Geográfiailag vagy mĹąködésileg elkülönült egységek esetén az üzleti érték gyakran az adatok kombinálásából származik. Ha az adatok jól dokumentáltak és szabványos interfészeken érhetők el, a keresztdomain-elemzések integrációs költsége jelentősen csökken, ami támogatja a fejlettebb analitikát és az adatvezérelt döntéshozást.

Forrás: Deloitte

A data mesh hiányának következményei

Ha a domain-alapú adatfelelősség nem jelenik meg, gyakran kialakulnak tartós adatsilók. Az üzleti egységek lokálisan optimalizálnak, miközben a konszolidált riportok összeállítása idő- és erőforrásigényes marad.

A központosított adatplatformok könnyen monolitikus struktúrává válhatnak, az új üzleti igények integrációja egyre bonyolultabb, a technikai adósság nő, és az innovációs ciklusok lassulnak.

Tisztázatlan adatfelelősség mellett az adatminőség romlása szinte elkerülhetetlen: ha nem világos, ki felel egy adatért, a hibák javítása ad hoc módon történik, és az elemzésekbe vetett bizalom fokozatosan csökken.

„A data mesh olyan mĹąködési és governance-keretrendszer, amely strukturált választ ad a szervezetileg, mĹąködésileg vagy földrajzilag tagolt vállalatok komplexitására. Azáltal, hogy az adatfelelősséget az üzleti kompetenciához igazítja, csökkenti a központi torlódásokat és fenntartható módon skálázza az adatvezérelt mĹąködést. Bevezetése szervezeti és kulturális átalakulást igényel, ugyanakkor a strukturálatlan, széttagolt adatkezelés fenntartása stratégiai kockázatot jelent” – foglalta össze Eperjesi Tamás.

English Summary

Large, geographically or organizationally distributed enterprises often struggle with slow and complex consolidated decision-making due to differing systems and data schemas. The data mesh approach is not just a technological trend, but an operational model that assigns clear ownership of data to the domains that produce it, treating data as formal “data products.” By applying data mesh, companies can improve data quality, accelerate responses to business needs, and reduce central bottlenecks. This domain-based responsibility enables faster, more reliable access to critical information while maintaining enterprise-wide governance and interoperability. Without this approach, organizations risk persistent data silos, declining data quality, and slower innovation cycles.