• Entwicklung/Architektur
  • Methoden
  • Programmiersprachen
• Betrieb
  • Datenbanken
  • Server
  • IT-Security
  • Speicher
  • Netzwerke
  • Virtualisierung
  • Verfügbarkeit
  • Künstliche Intelligenz
• Management und Recht
  • Projektmanagement
  • Digitalisierung
  • IT-Recht
  • IT-Selbständige
• Aktuelles
• Termine
• IT-Jobs

☰

• Entwicklung
• Betrieb
• Management und Recht
• News
• IT-Jobs
• Newsletter

Ernst Tiemeyer 02. Mai 2023

Auf dem Weg zu erfolgreichen Data Driven Enterprises

Enterprise Data Management (EDM) schrittweise einführen und nachhaltig etablieren

Wichtig für den Aufbau und die kontinuierliche Weiterentwicklung datengesteuerter Organisation ist die Etablierung eines ganzheitlichen (strategisch ausgerichteten) Enterprise Data Managements (kurz EDM). Dies gilt für Unternehmen und Organisationen aller Art und Größe. Eine Einführung bzw. der Ausbau von EDM stellt derzeit für zahlreiche Organisationen allerdings eine echte Herausforderung dar.

In diesem Beitrag "Auf dem Weg zu erfolgreichen Data Driven Enterprises" erfahren Sie von Ernst Tiemeyer, wie ausgehend von durchgeführten Assessments sowie Abstimmungen mit dem Top-Management und Stakeholdern eine Neupositionierung der bisherigen Organisation in Richtung "Enterprise Data Management" vorgenommen werden kann.

Dazu skizziert der Autor zunächst wichtige Erfolgsfaktoren und Voraussetzungen für eine Datenwertschöpfung. Danach werden strategische Initiativen, innovative Architekturkonzepte und die veränderten Rollen und Verantwortlichkeiten im Rahmen einer Enterprise Data Governance aufgezeigt.Schließlich werden wesentliche Schritte und Ergebnisse auf dem Weg zur erfolgreichen Data Driven Enterprise dargelegt und notwendige Handlungsfelder für ein nachhaltiges EDM erläutert.

Merkmale und Erfolgsfaktoren "datengetriebener Organisationen"

Waren viele Unternehmen in den letzten Jahren vielfach darauf fokussiert, ihre "Big-Data-Welt" mit Architekturen, Informationstechnologien (DWH, Speichersystemen etc.) sowie Data-Analytics-Tools zu "versehen", (um so die großen Datenmengen entsprechend für das Business nutzbar zu machen), stehen Organisationen nun vor der Herausforderung, dafür zu sorgen, dass die verfügbaren Daten zunehmend das Unternehmen durchdringen. Dabei kommt es – so die zunehmend verbreitete Positionierung – letztlich darauf an, dass die Daten von den Fachbereichen und ihren Beschäftigten (den Data Consumern) kompetent genutzt werden. Nur so wird eine erfolgreiche Transformation im Sinne eines Data-Driven-Unternehmens ermöglicht und ein hoher Business Value durch EDM gewährleistet.

Unbestritten ist mittlerweile, dass Daten und Informationen einen wesentlichen Beitrag zum Unternehmenserfolg leisten. Ein Zugriff auf qualitativ valide Datenportfolios ist zur erfolgreichen Bewältigung von Planungs-, Entscheidungs-, Steuerungs- und Kontrollaufgaben vieler Fach- und Führungskräfte in Wirtschaft und Verwaltung unverzichtbar. Denken Sie insbesondere an kundenorientierte CRM-Lösungen (mit 360-Grad-Sicht auf den Kunden) sowie an Anwendungen im strategischen Personal- und Finanzmanagement. Und es gilt nicht nur für private Unternehmen, sondern in gleicher Weise für Dienstleistungsorganisationen aller Art bzw. für öffentlich-rechtliche Dienstleister.

Daten sind die Währung der digitalen Welt und es wird Zeit, dass Unternehmen sie gewinnbringend einsetzen. Indem wir Compute, Storage und Analytics dort platzieren, wo die Daten anfallen, liefern wir Analysen und Einblicke in Echtzeit und schaffen neue Geschäftschancen für Unternehmen.

(Jeff Boudreau, Präsident und General Manager bei Dell Technologies)

Die Erwartungen des Managements an eine neue Data Driven Organization (bzw. das zu etablierende unternehmensweite Datenmanagement) werden vielfach diskutiert. Was können wir uns von einer Data Driven Enterprise versprechen? Einen exemplarischen Einblick über kommunizierte Aussagen aus der Managementpraxis geben die folgenden drei Statements:

• Der Einsatz von modernen Enterprise-Datenmanagement Lösungen ermöglicht es, Silos aufzubrechen und die Daten auf einer gemeinsamen Plattform zu konsolidieren. Erst diese Konsolidierung erlaubt es, die Datensätze zu verknüpfen, nötige Metadaten anzureichern und erfolgreiche "Data Driven"-Aktionen daraus abzuleiten. (analog Pascal Brunner, Field Technical Director EMEA, Cohesity)
• Connectivity ist im data-driven Business von hoher Bedeutung, denn sie macht Daten in Echtzeit nutzbar. Wie stellen wir die Verbindung zu all den Sensoren und Assets her, also quasi die Fähigkeit, die Daten aufzusaugen, um sie dann weiterzuverarbeiten. Und das stabil und in der richtigen Qualität.” (analog  Marcus Frantz, CIO, ÖBB)
• Eine integrierte Sicht auf Daten und eine hohe Analytics Fähigkeit ermöglichen es Führungskräften schnell die richtigen Entscheidungen zu treffen und machen Ergebnisse vorhersehbarer! (analog Donat Kaeser, Senior Product Manager, Swisscom)

Als weitere Nutzen-Aspekte von EDM können für die Data Driven Enterprise herausgestellt werden:

• Planungen und Analysen (etwa Produkt- und Marketingplanungen) lassen sich datengestützt kompetent und zielsicher durchführen.
• Dispositionen und Entscheidungsprozesse werden beschleunigt, wobei gleichzeitig eine valide Entscheidungsfindung gewährleistet wird.
• Business Prozesse (etwa im Bereich B2B oder B2C) können datengetrieben optimiert werden und zu einer höheren Customer Experience führen.
• Prognosemodelle hoher Qualität werden erstellt und sind vielfältig variierbar und auswertbar (predictive models).

Als Erfolgsfaktoren und Voraussetzungen zur Datenwertschöpfung können danach folgende Anforderungen und Aktivitäten gesehen werden:

• Es bedarf strategisch ganzheitlicher Denk- und Handlungskonzepte (Daten- und KI-Strategien) sowie eines nachhaltigen Wandels der Unternehmens- und Datenkultur. Damit verbunden sollten Anstrengungen zur Förderung von Data- und Analytics-Kompetenzen bei nahezu allen Beschäftigten erfolgen.
• Sowohl das General- als auch das IT-Management (CIO, CDO, CTO) müssen in Kooperation mit Data Leadern und Data Governance Verantwortlichen wichtige Impulse und Orientierungen in Richtung EDM setzen.
• Des Weiteren gilt es, eine entsprechende Enterprise Data Leadership zu etablieren. Dies bedeutet unter anderem, eine Datenkultur zu schaffen, die im Einklang zu neuen Datenarchitektur-Konzepten (wie etwa Data Mesh) steht.
• Gleichzeitig können – ja müssen – Enterprise-, Data- und Solution-Architekten mit ihren Teams in der Planungs- und Umsetzungsphase "auf dem Weg zum EDM der Zukunft" einen wesentlichen Beitrag leisten. Dazu gehört insbesondere das Aufsetzen einer Roadmap unter Beachtung und Umsetzung neuer architektureller Konzepte wie Data Fabric und Data Mesh.
• Organisatorisch gilt es, eine Harmonisierung von Datenbegrifflichkeiten und Transparenz über Daten für das Gesamtunternehmen herzustellen. Dies erfordert das Vorhandensein einer zentralen Datendrehscheibe oder -struktur, so dass ein einheitlicher Zugriff auf Echtzeitdaten im gesamten Unternehmen ermöglicht sowie auch ein Zugriff auf externe Datenquellen erleichtert wird.
• Weiterhin ist die Zusammenführung von Daten oder Datenerkenntnisse aus verschiedenen Anwendungen, Standorten oder externen Datenräumen anzustreben (Erhöhung des Grades der Datenintegration). Dazu zwei Beispiele: So kann etwa die Sensortelemetrie von verkauften Produkten dem Hersteller helfen, die nächste Produktgeneration besser auf die Kundenbedürfnisse abzustimmen. Ebenso kann der Austausch von Erkenntnissen aus Patientendaten zwischen Krankenhäusern die medizinische Diagnose darüber hinaus verbessern.

Erste Schritte auf dem Weg zur Data Driven Enterprise

Aus der Abbildung wird deutlich, dass sich drei wichtige Ausgangspunkte herauskristallisiert haben, damit die Transformation zu einer erfolgreichen Data Driven Enterprise mittels eines zeitgemäßen Unternehmensdatenmanagements gelingt:

• Data-Assessments zum aktuellen Datenmanagement auf Unternehmensebene, Data Value Checks und Data Awareness-Building
• Strategische Positionierung (Scoping, Datentransparenz, Anforderungsana­lysen und organisatorisch-technische Ausrichtung)
• Capability-Analysen und Entscheidungen zur Neuausrichtung bezüglich Organisation, Personal  und Technologien

Data Assessments durchführen

Zur Weiterentwicklung auf dem Weg zur datengetriebenen Organisation bietet sich die Durchführung von Data-Assessments an. Dabei sollten neben den strategischen Datamanagern (Data Leader, Data Governance Verantwortliche) sowohl die Unter­neh­mens­führung/Geschäftsleitung des Unternehmens, Vertreter der Fachbereiche (Business-Management) als auch die IT-Leitungen und IT-Professionals/Data Experts beteiligt sein.

Grundsätzlich sei empfohlen, im Rahmen von Data-Assessments festzustellen, wie ausgereift die Data-Management-Praktiken derzeit sind und inwiefern damit Unterschiede und zusätzlicher Wertzuwachs durch einen EDM-Reset gegenüber dem klassischen Datenmanagement und Geschäftsänderungsinitiativen gegeben sind. Außerdem kann bzw. sollte geprüft werden, inwiefern der Reifegrad genügend mit der Agilität der Unternehmensorganisation korreliert und welche Prioritäten zu setzen sind, um die Wirkung von Enterprise Data Management im Unternehmen weiter zu verbessern.

Typischerweise werden diese Data-Maturity-Assessments als Workshop durchgeführt, wobei folgende vier Phasen üblich sind:

• Aufnahme der aktuellen Einschätzung zum Status im Unternehmensdaten­management (Maturitätsbestimmung anhand ausgewählter Beurteilungsbe­reiche, Fragestellungen und Beurteilungskriterien)
• Analyse und Auswertung der Bewertungsergebnisse (Maturitätswerte)
• Entwicklung von Maßnahmen zur Weiterentwicklung der Handlungsfelder und Rollen in der Datenmanagement- bzw. der Data-Governance-Organisation
• Vereinbarung von Handlungskonzepten und Aktivitäten zur Erhöhung der "Schlagkraft" des Unternehmensdatenmanagements

Fragenkreise, die im Rahmen der Workshops analysiert und bewertet werden, sind beispielsweise:

• Gibt es eine Enterprise-Data-Mission/-Vision sowie eine Wertschätzung der Datenmanagement-Aktivitäten bei den Stakeholdern?
• Inwiefern wird eine organisatorische Verankerung der Datenmanagement-Aktivitäten vorgenommen?
• Erfolgt eine Nutzung der Data Deliverables (Datenprodukte) für Business-Change-Prozesse?
• Ist Business-Know-how bei den Data-Professionals vorhanden?
• Hilft Data-Management, die Business-IT-Investitionen an einer Unternehmens- und IT-Strategie mit integrierten Datenstrategien auszurichten?
• Wie wird der Beitrag von Data-Aktivitäten und Ergebnissen zum Business Value eingeschätzt?
• Wie ist die Qualität kollaborativer Architektur-Designentwicklung sowie der Architektur-Wirkungsanalysen zu bewerten?
• Erfolgt der Einbezug der Stakeholder und anderer Managementbereiche?

Unternehmensführung und Stakeholder einbeziehen sowie Data Value Checks durchführen

"EDM-Konstituierungsprojekte sind strategische Top-Down-Projekte", dieser Satz gilt ohne Frage. Von daher muss auf der C-Level-Ebene für die Transformation zur Data Driven Enterprise ein Commitment gefunden werden. Dabei sind auch alle wichtigen Stakeholder zu beteiligen. Anschließend gilt es, zunächst Awareness im Unternehmen im Hinblick auf den Wert der Unternehmensdaten und die unverzichtbaren Veränderungen zur Organisation des Datenmanagements (inkl. Datenkultur u. a.) zu initiieren. So müssen sich viele Unternehmen und Dienstleister aller Bereiche bezüglich Datenkultur, Datenkompetenzen sowie Datenarchitektur "neu" aufstellen. Das geht nur, wenn vorab Überlegungen zur Datenstrategie fixiert sind und eine umfassende Förderung der Data Lineage erfolgt ist!

Parallel (oder im Anschluss) zu den Assessments gilt es, gemeinsam mit der Unternehmensführung und wesentlichen Stakeholdern eine "Initialzündung" für einen mehr oder weniger gravierenden Reset des Unternehmensdatenmanagements (Datenprodukte, Datenarchitektur, etc.) mit entsprechenden Change- und Schulungsaktivitäten auf den Weg zu bringen.

Eine weitere wichtige Aufgabe zum Projektstart besteht darin, zunächst Awareness im Unternehmen im Hinblick auf den Wert der Unternehmensdaten und die unverzichtbaren Veränderungen zur Organisation des Datenmanagements (inkl. Datenkultur u. a.) zu legen.

EDM-Positionierung und Anforderungsanalyse

Auf der Basis der zuvor beschriebenen Aktivitäten und "Initial-Zündungen" kann dann eine erste Positionierung erfolgen. Dabei ist zunächst das Herstellen der Datentransparenz auf Unternehmensebene wesentlich. Darüber hinaus gilt es – vor allem um modernen Dezentralisierungskonzepten wie Data Mesh Rechnung zu tragen – Datendomänen zu vereinbaren, erste Datenprodukte zu diskutieren und Grundlagen für die organisatorische Ausrichtung zu legen. Im Einzelnen können folgende Schwerpunkte gesetzt werden:

• Unternehmens-Datenkatalog einführen bzw. aktualisieren (inkl. Business Glossar)
• Datendomänen vereinbaren
• Anforderungsanalyse für Datenprodukte und Unternehmens-Datenwerte festlegen

Unternehmensweiten Datenkatalog und Business Glossary etablieren

Ein unternehmensweiter Data Catalog hat für die Transparenz in der Datennutzung eine hohe Bedeutung. In diesem Datenkatalog ist das Inventar der Datenbestände eines Unternehmens abgebildet. Er hilft zunächst einmal bei der Datenverwaltung, indem er Verwaltungsrichtlinien und -kontrollen, Datenqualitätsregeln sowie ein Geschäftsglossar mit allgemeinen Begriffen und ergänzenden anderen Informationen beinhaltet. Er schafft die Voraussetzungen, die sicherstellen sollen, dass die Daten richtig verwendet werden.

Ergebnis ist ein Verzeichnis der im Unternehmen vorhandenen Daten, mit klarer Zuordnung der Ownership und hinterlegtem Information Lifecycle. Dieser soll Datenexperten und Geschäftsanwendern alle relevanten Unternehmensdaten für Analysezwecke valide bereitstellen und damit die Datennutzung im Unternehmen beziehungsweise einen gesteuerten Datenaustausch erleichtern.

Datendomänen vereinbaren

Im organisatorischen Bereich geht der Trend bezüglich Enterprise Data Management in vielen Bereichen in Richtung Dezentralisierung. In der Vergangenheit gab es pri­mär ein zentrales Datenteam, das für alle Datenthemen zuständig war und sich quasi als das natürliche Zentrum der Datenkompetenz im Unternehmen sah. Nach dem neu­en Architekturparadigma "Data Mesh" können und sollen nun hier ursprünglich ver­ankerte Aufgaben ganz oder teilweise an die sog. Domänenteams abgegeben werden.

Die Domänenteams sind jeweils für ein bestimmtes Thema zuständig und ähneln je nach Verantwortungsbereich in der Regel den bisherigen Fachbereichen, jedoch ergänzt um Datenexperten als Teil des jeweiligen Teams. Manche Fachbereiche (zum Beispiel Finance oder Marketing) haben bezüglich Datenkompetenz bereits "aufgerüstet", andere verlassen sich weiterhin auf das zentrale Datenteam.

Anforderungsanalyse für Datenprodukte durchführen und Unternehmens-Datenwerte festlegen

Datenprodukte können als Ergebnisse von datenorientierten Anwendungen verstanden werden, die üblicherweise für Datendomänen festgelegt werden. Wichtig ist die Bedeutung von Daten in Datenprodukten (für Data Consumer) und wer die Eigentümer (Data product owner) von Datenprodukten sind.

Jedes Domänenteam ist bei diesem Ansatz für alle in seinem Bereich einschlägigen Data Products zuständig. Die Teammitglieder kapseln Rohdaten, Metadaten und die nötige Transformationslogik und stellen so den anderen Teams qualitativ hochwertige, ordentlich dokumentierte, (etwa per SQL oder mittels einer API) abfragbare Daten zu einem bestimmten Aspekt der Unternehmenstätigkeit zur Verfügung. Durch diese Kapselung und den Produktgedanken sollen komplexe Transformations-Pipelines der Vergangenheit angehören. Vom klassischen Datenteam bleiben bei einem konsequenten Data Mesh noch ein föderiertes Governance-Team und ein Plattform-Team übrig, das für den technischen Unterbau zuständig ist.

Capability-Analyse und EDM-Organisation neu "justieren"

Ausgehend von dem zentralen Unternehmens-Datenkatalog, den Festlegungen von Daten-Domänen und Datenprodukten (inkl. erster Data-Value-Messungen) gilt es, die künftige Organisation des EDM mit ihren Handlungsfeldern (Komponenten) und möglichen Rollen und Verantwortlichkeiten zu bestimmen. Wichtige Maßnahmenbereiche (Handlungsfelder) können sein:

• Datenarchitektur neu aufbauen und zukunftsorientiert etablieren (Data Fabric, Data Mesh)
• Datenplattformen und Datentechnologien für EDM auswählen und managen
• Data Analytics und Datenkultur-Readiness optimieren
• Personalfragen und Rollen klären (Aufgaben, Verantwortlichkeiten, Kompetenzen), Schulungsformate  vereinbaren

Neuorientierung zur Datenarchitektur – Design und Planungen

Eine Grundlage für die Abbildung der Datenarchitektur sind die Erhebung und die Analyse der bestehenden datengetriebenen Anwendungen sowie der Daten-Informationsquellen. Daten müssen konsistent und redundanzfrei verwaltet werden. Dazu sind die Datenobjekte in der Organisation systematisch zu erfassen, zu strukturieren und Anwendungen zuzuordnen. Auf diese Weise lassen sich Abhängigkeiten erkennen, die bei der Planung und Weiterentwicklung der Anwendungen zu berücksichtigen sind. Durch ein adäquates Datenmanagement wird außerdem die Konzeption der zukünftigen Datenarchitektur ermöglicht.

Data Fabric ist ein neuer Architekturansatz, der Unternehmen dabei unterstützen soll, mit der steigenden Anzahl von Datenquellen, sich ständig ändernden Anwendungsanforderungen und verteilter Verarbeitung besser umzugehen. Basierend auf den strukturierten Datenobjekten sind folgende Komponenten einer Data Fabric zu etablieren: Data-Catolog-Werkzeuge (mit denen Unternehmensdaten über mehrere Datenquellen hinweg kategorisiert werden, um darauf zuzugreifen), Master data management, Metadata management, Data preparation/data quality (Data quality tools), Data integration (extract, transform and load (ETL) processes; and transformation), Data analytics sowie Data visualization.

Ein wesentlicher Ausgangspunkt für die Etablierung von Data Mesh besteht darin, das Personal aus den Fachbereichen (den Geschäftsdomänen) sowie dem Top-Management in die Lage zu versetzen, eigene Datenprodukte zu definieren und diese gezielt zu nutzen. Dies schließt im Bedarfsfall auch die klare Festlegung von Owner- und Benutzerrechten ein und ermöglicht so eine gezielte dezentrale Zugriffs- und Qualitätskontrolle über die Daten.

Bezüglich der Datenprodukte (z. B. BI-Dashboards, ESG-Reports) enthalten diese die jeweils benötigten Daten in aktueller Form. Diese Datenprodukte werden unmittelbar an den definierten Datenverbraucher (Data Consumer) geliefert. Voraussetzung ist, dass entsprechende Berechtigungen und Rollen definiert sind.

Datenplattformen und Datentechnologien für EDM auswählen und managen

Eine nachhaltige Anwendungs- und Datenintegrationslösung erfordert eine System-Architektur, die sowohl Legacy- als auch Cloud-basierte Bereitstellungsumgebungen umfasst. Unter Nutzung geeigneter Plattformen ist so eine mehr oder weniger komplexe Integrationslösung zu entwickeln und zu implementieren.

Für das IT-Management werden mit Datenplattformen primär Anwendungsbereiche zur Datenintegration sowie Data Analytics unterstützt: Predictive Analysis, Machine Learning, Fast Data bis hin zu Real-Time Analytics. Dazu sind zahlreiche Datenintegrationsoptionen zu realisieren; etwa das Abrufen/Streamen von Datenquellen sowie die Datenaufbereitung für darauffolgende Datenanalysen.

Data Analytics und Datenkultur-Readiness optimieren

Im Rahmen der Thematik "Data Analytics und BI" geht es um das Sicherstellen der organisatorischen und technischen Optionen für Datenanalysen (etwa für Prognoserechnungen oder Entscheidungsfindungen). Neuere Formen – etwa gestützt durch KI – zeigen Case Studies zur Ausrichtung der datengetriebenen Produkte und Prozesse auf den Kunden sowie die Stoßrichtung "Customer Experience" und "Employee Experience".

Data-Analytics- und BI-Lösungen der Zukunft müssen die Analyse von digitalen Prozessen und digitalen Geschäftsmodellen unterstützen. Im Zentrum neuer Business-Modelle stehen Daten, die eine wesentliche Entscheidungsgrundlage bilden sowie neue Produkte und Services ermöglichen.

Wesentliche Voraussetzung für das Datenmanagement der Zukunft sind klare Strukturierungen der vorhandenen Datenbestände. So lassen sich diese Daten für neue Geschäfts-Produkte, Dienstleistungen und "Kundenerlebnisse" nutzen. Wichtig ist dabei auch eine umfassende Integration der Daten in die relevanten Systemen, wie etwa CRM, ERP und Marketingautomatisierung. Nur im Zusammenspiel ergeben sich nachhaltige Effizienzvorteile für das Unternehmen.

Personalfragen und Rollen klären

Basierend auf den festgelegten Handlungsfeldern gilt es die Rollen und Aufgaben, die im Enterprise Data Management wahrzunehmen sind, zu vereinbaren. Gleiches gilt für Teams und Gremien.

Da eine intensive Diskussion der Rollen und Gremien/ Teams hier den Rahmen "sprengen" würde, sei nachfolgend auf die besondere Rolle eines Chief Data Officers (CDO) hingewiesen, die bei der Etablierung eines EDM wesentlich ist. Die Hauptaufgabe der meisten CDOs besteht darin, Geschäftsanforderungen in den besten Ansatz zur Bereitstellung hochwertiger, verwalteter Daten umzuwandeln. Was macht ein Chief Data Officer darüber hinaus? Er

• hat die Gesamt-Verantwortung für das Datenmanagement der Unternehmung, insbesondere die planvolle Verwaltung, Entstehung und Verwendung der Daten im Sinne des Unternehmens (der Data Consumer)
• kümmert sich um Daten als Vermögensgegenstand (Asset); weniger um die technischen Fragen der Datenverarbeitung
• bildet eine wichtige Schnittstelle zu Aufgaben der Datenintegration, Datenanalyse, der Datensicherheit und (gelegentlich) auch Datenschutz
• konzentriert sich auf die Wertschöpfung der Daten durch Data Governance (Steuerung der Datenverwendung), Data Architecture (Konzeption und Planung der Datenquellen und Datenkonsumenten) und Data Quality (Sicherstellung der inhaltlichen Qualität der Daten).

Transformation und Organisation des laufenden EDM

Auf dem Weg zur datengetriebenen Organisation (die es ermöglicht, den Wert der Daten systematisch zu schöpfen) gilt es, die Bausteine für ein unternehmensweites Datenmanagement zeitnah umzusetzen. Dabei lassen sich vier Schwerpunktbereiche für das Enterprise Data Management unterscheiden:

• Unternehmen und Dienstleister aller Bereiche müssen sich insbesondere bezüglich der Datentransparenz und Datenorganisation "neu" aufstellen. Unverzichtbar für eine erfolgreiche Transformation ist dabei die Etablierung eines Datenkatalogs (unter Beachtung aller wichtigen Datendomänen und der dort geforderten Datenprodukte) sowie eine Weiterentwicklung des Master- und Meta-Datenmanagements.
• Fortschrittliche (zukunftsfähige) Datenarchitekturen sind zu konzipieren und zu implementieren (Data Fabric, Data Mesh). Dabei können dann auch einzelne Entwicklungsarbeiten integriert sein.
• Es sind mittels einer erneuerten Enterprise Data Governance neue Wege der Erbringung von Data-Products & -Services (etwa bis hin zu Self-Services) zu beschreiten. Dies betrifft auch die Einführung von neuen Rollen und Verantwortlichkeiten (inkl. umfassender, ganzheitlicher Qualifizierung zu den neuen Rollen).
• Schließlich werden notwendige Changes kontinuierlich in Angriff zu nehmen sein. Zur Unterstützung dieser Changes sind eine förderliche Datenkultur sowie eine ganzheitliche Datenkompetenz für verschiedene Zielgruppen zu entwickeln.

Als ein mögliches Beispiel für eine zielgruppenspezifische Qualifizierung kann die von der TUEV-Academy angebotene Zertifizierung zum "Enterprise Data Professional" angesehen werden; vgl. folgende Links: Modul 1: Datengesteuertes Unternehmen, Datenstrategien & Datenarchitekturen [1] sowie Modul 2: Data Governance, Datenintegration und Data Analytics [2].

Fazit:

Unternehmen müssen sich darauf konzentrieren, es allen Beteiligten – den Konsumenten, Arbeitskräften und Branchenpartnern – zu ermöglichen, mithilfe der neuen datengetriebenen Herausforderungen und den dabei entwickelten Konzepten mittels geeigneter Architekturen, Technologien und des Erwerbs von neuen Datenkompetenzen (neue Rollen, förderliche Datenkultur und Data Literacy) Mehrwerte zu schaffen. Typische Visionen können etwa eine durchgehende Datenintegration und Digitalisierung "nach innen und außen", ganzheitliche Effizienz der Prozesse und erfolgreiche Verankerung von Zukunftsthemen wie Data Mesh, KI, Big Data und Cloud im Portfolio sein.

Autor

Das könnte Sie auch interessieren