Data science & machine learning

Data Lifecycle Management

Zowel tijdens de implementatie van Dynamics 365 for Finance & Supply Chain Management als in de operationele fase is er behoefte aan een actuele en kwalitatief volledige dataset. De beste set gegevens die je hebt, komt uit je productieomgeving. Wil je die veilig en met oog voor privacy gebruiken, bijvoorbeeld om te ontwikkelen, testen of trainen? Dan moet de dataset eerst geanonimiseerd en overgezet worden naar een andere omgeving. Data Lifecycle Management maakt dit snel en efficiënt.

Zo werkt het

Data Lifecycle Management gebruikt de rijke toolbox van DevOps als gecentraliseerde spil voor het inregelen van de kopieerslagen. Hierbij is het mogelijk om data trapsgewijs terug te zetten, van Productie naar Acceptatie naar Test naar Development. Acties voor gegevensherstel zijn eenvoudig in te plannen. Ze worden zonder tussenkomst van een consultant en volledig geautomatiseerd uitgevoerd, waardoor de kans op fouten afneemt.

Tijdens het herstelproces is het mogelijk om vertrouwelijke gegevens (zoals persoonsgegevens) te anonimiseren. Zo blijft de veiligheid van data geborgd en kan aan de richtlijnen van de AVG worden voldaan. Het hele proces is via monitoring te volgen en dankzij notificaties kan direct actie worden ondernomen als storingen optreden.

Met DLM heb je altijd de beschikking over een up-to-date acceptatieomgeving waar je zelf zaken kan testen en uitproberen. Zo’n omgeving is bovendien uitermate geschikt om nieuwe medewerkers te trainen. Tot slot is de oplossing zo opgezet dat uitbreidingen en aanpassingen op een eenvoudige manier gerealiseerd kunnen worden.

De voordelen van DLM

Data veilig en geanonimiseerd overzetten naar een andere omgeving
Monitoring en externe API-toegang (voor apps, koppelingen etc.)
Flexibel aan te passen en uit te bereiden

Meer tijd en kwaliteit

Tijdens de implementatiefase kunnen acties worden uitgevoerd in de avond, zodat omgevingen overdag beschikbaar blijven. Hierdoor is er geen downtime en hebben ontwikkelaars meer tijd voor maatwerkontwikkeling. Je bespaart daardoor op doorlooptijd en kosten. Consultants kunnen op hun beurt elke morgen starten met frisse set data, wat de kwaliteit van testen ten goede komt.