Zunehmende Datenmengen im Unternehmen fordern neue Formen in der Bereitstellung dieser Daten. Daten entstehen und residieren u.U. in vollkommen unterschiedlich charakterisierten Datensilos: Relationale Datenbanken, Non-Relationale DBs, NoSQL-DBs, DB2, PostgreSQL, Oracle, Mainframe, On Premise, Cloud. Ein inzwischen eher als klassische Lösung zu bezeichnender Ansatz zum nutzbringenden Umgang mit Daten ist ETL (Extract, Transform, Load): Vereinigung von Daten aus den unterschiedlichen Quellen in einer Zieldatenbank. Dieser Ansatz ist Zeit-, Kosten- und Ressourcenintensiv. Anstelle einer vereinheitlichten Persistierung (und damit effektiv Duplizierung) verfolgt Data Virtualization den Ansatz eine vereinheitlichte Bereitstellung auf Basis der Original-Datenquellen anhand von Meta-Informationen zu erreichen. Insbesondere vor dem Hintergrund, dass Daten an sich zunehmend als Möglichkeit zur Wertschöpfung in Digitalen Ökosystemen wahrgenommen werden können, kann Data Virtualization einen erkennbaren Beitrag leisten z.B. in Kollaborationsszenarien eine effektive und einheitliche Verfügbarkeit von Daten herzustellen.