Moderne Datenstrategien: Rahmenbedingungen

18.12.19

Digitale Transformation

Vorteile im Wettbewerb bringen Daten nur, wenn es gelingt, aus ihnen Informationen zu gewinnen und darauf gestützt Entscheidungen zu fällen. Eine klar definierte und gelebte Datenstrategie unterstützt die optimale Nutzung Ihrer Unternehmensdaten und hat daher für Unternehmen einen zentralen Stellenwert. Im folgenden Beitrag, den ich für das Fachmagazin DOAG Business News geschrieben habe, erkläre ich die nötigen Rahmenbedingungen moderner Datenstrategien.

Drucken

Anwender als Schlüssel zu einer modernen Datenstrategie

Die Frage nach der richtigen Datenstrategie hat für Unternehmen einen zentralen Stellenwert. Moderne Ansätze nehmen die Informationsarchitektur eines Unternehmens ganzheitlich in den Blick und fokussieren dabei auf grundlegende Strukturen und Kompetenzen. Sie verfolgen das Ziel, Rahmenbedingungen zu schaffen, die es Anwendern auf allen Ebenen und in allen Bereichen erlauben, autonom und agil mit Daten zu arbeiten.

 

Unternehmen haben in den vergangenen Jahren im Zuge der Digitalisierung massiv in neue Informationstechnologien investiert. Business Intelligence, Advanced Analytics, Big Data, Data Lakes, Artificial Intelligence, Machine Learning, Virtual Reality, Internet of Things – die Zahl neuer Technologien, Methoden und Tools wächst rasant. Damit tun sich nicht nur völlig neue Möglichkeiten auf, Daten zu nutzen, allzu oft wachsen auch Komplexität und Unübersichtlichkeit. Viele Unternehmen fragen sich heute: Wie können wir dieser wachsenden Komplexität Herr werden? Wie können wir zunehmend unübersichtliche IT-Landschaften konsolidieren? Wie können wir vor allem aus den schier unübersehbaren Mengen interner und externer Daten für unsere Kunden Mehrwerte generieren?

Im Umfeld der digitalen Transformation hat für viele Unternehmen das Thema an Relevanz gewonnen, wie sie ihre Informationsarchitektur für die kommenden Jahre grundsätzlich ausrichten. Dabei geht es in erster Linie um mehr Agilität und um flexiblere Lösungen, um in schnell sich verändernden Märkten erfolgreich agieren zu können. Die Antwort auf solche Fragen war herkömmlicherweise, in eingespielter Top-down-Manier mächtige Applikationen für einzelne Fachabteilungen aufzusetzen, in aller Regel begleitet von entsprechend großen Organisationsstrukturen. Doch das schafft nicht mehr Dynamik, sondern oft nur mehr Schwerfälligkeit.

Nicht das x-te DWH, das soundsovielte CRM-System oder SCM-Modul ist die Antwort auf die Herausforderungen der Unternehmen. Wer mit Daten Mehrwerte für Kunden schaffen will, wer Anwendungsfälle für analytische Datenverarbeitung sucht, wer eine einheitliche Datenqualität im Unternehmen sicherstellen will, der muss sich vor allem um eines kümmern: um die Anwender. Ziel einer modernen Datenstrategie ist, Endanwender in die Lage zu versetzen, in gesunder Autonomie mit Daten zu arbeiten.

Autonomie meint nicht, dass Anwender künftig auf sich gestellt alles erledigen werden, was mit Daten, deren Bereitstellung oder auch mit dem Einsatz bestimmter Lösungen zu tun hat. Genauso wenig meint Anwender-Autonomie, dass IT-Abteilungen ersetzt werden sollen. Vielmehr geht es um eine gesunde Balance. Die berücksichtigt im Übrigen auch, dass unterschiedliche Unternehmensbereiche spezifische Anforderungen zu erfüllen haben: IT-Abteilungen verfolgen Themen wie Stabilität der Systeme, Kosteneffizienz und Standardisierung, Fachabteilungen unterstützen direkt Kerngeschäftsprozesse, wozu eben auch kurzfristige Anpassungen gehören, die kundenindividuelle Anforderungen nötig machen. Mehr Autonomie für Anwender trägt in diesem Sinne auch dazu bei, Zielkonflikte zwischen einzelnen Unternehmensbereichen zu entschärfen.

Eine moderne Datenstrategie erfordert vor allem einen Perspektivwechsel: Es geht nicht darum, alles vorzugeben, in erster Linie mächtige Lösungen und umfangreiche Governance-Frameworks aufzubauen. Der Fokus ist vielmehr darauf gerichtet, Rahmenbedingungen zu schaffen, die erforderlich sind, damit Endanwender autonom, ohne technische Hürden sowie flexibel und dynamisch mit Daten arbeiten können. Um das zu gewährleisten, enthält eine Datenstrategie unternehmensspezifische Lösungsansätze für die folgenden sechs Themengebiete.

 

Rahmenbedingungen einer modernen Datenstrategie

Rahmenbedingungen einer modernen Datenstrategie

(1)    Data Literacy

Ein ganz wesentliches Thema ist Data Literacy, also die Fähigkeit, planvoll mit Daten umzugehen. Diese Kernkompetenz der Digitalisierung ist nicht nur etwas für Datenspezialisten, sondern sie muss auf allen Ebenen eines Unternehmens trainiert und ausgebildet werden, bei Mitarbeitern genauso wie im Management, in der IT ebenso wie in Marketing und Vertrieb, Produktion und Finanzen. Je nach Aufgabe und Rolle im Unternehmen wird Data Literacy dabei eine unterschiedliche Ausprägung erfahren. Doch im Kern geht es darum, dass Anwender in der Lage sind, grundlegende Fragen zu beantworten, etwa: Was kann ich mit Daten machen? Wie kann ich sie zusammenführen, wie kann ich sie interpretieren? Welche Fragen können mit welchen Daten beantwortet werden? Wie lassen sie sich visualisieren und präsentieren? Unternehmen, die auf dem Weg der digitalen Transformation sind, müssen Data Literacy ausbilden und pflegen, und zwar auf allen Ebenen.

(2)    Data Transparency

Unabdingbar ist zweitens, im gesamten Unternehmen Data Transparency herzustellen und zu gewährleisten. Das intensive Nutzen von Metadaten schafft eine klare Sicht darauf, welche Daten es gibt und wo sie zu finden sind. Verbunden damit ist auch eine Vorstellung davon, welchen Wert bestimmte Daten haben und welche Compliance-Anforderungen mit ihnen verbunden sind. In Unternehmen, die in puncto Digitalisierung bereits einen höheren Reifegrad erreicht haben, gehört zur Data Transparency dann beispielsweise auch das Wissen, wie Daten sich im Unternehmen bewegen. Wenn alle Mitarbeiter wissen, welche Daten es gibt und wo es sie gibt, dann mag das aus Sicht eines Data Scientists wenig sein. Aber Endanwender, die dieses Wissen in den Fachabteilungen souverän und klug einsetzen, schaffen für das Unternehmen häufig schon sehr viel Nutzen.

(3)    Knowledge Management und Collaboration

Die Frage, wie mit Wissen und mit Erfahrungen umgegangen wird, ist ein weiteres wichtiges Themenfeld für eine erfolgreiche Datenstrategie. Auch hier geht es nicht darum, große Kollaborationslösungen aufzubauen. Vielmehr müssen Mitarbeiter über einfach zu handhabende Möglichkeiten verfügen, Erfahrungswissen, das sie beim Arbeiten mit Daten bereits erworben haben, zu speichern und damit zugleich anderen Anwendern zugänglich zu machen. Das gilt ganz ähnlich – im Sinne einer Data Driven Company – für das Optimieren von Entscheidungsprozessen. Moderne Tools für die Data Collaboration versetzen Anwender in die Lage, Analyseergebnisse zu kommentieren und gemeinsam in einem professionellen und strukturierten Prozess auf der Basis von Daten zu fundierten Entscheidungen zu kommen.

(4)    Enterprise Data Management

Fachbereiche benötigen jeweils eigene Applikationen, das Marketing beispielsweise sein Data Warehouse oder der Vertrieb sein CRM-System; diese werden in der Regel auch entsprechend der jeweiligen Anforderungen in den Abteilungen gepflegt. Diese abteilungsspezifischen Lösungen haben in Unternehmen jedoch häufig Datensilos entstehen lassen, die es mit einer Datenstrategie zu überwinden gilt. Zwingend erforderlich ist dafür ein Perspektivwechsel: Das komplette Data Management muss aus Sicht des Unternehmens betrachtet werden. Themen wie Data Quality Management, Master Data Management, Metadata Management, Data Security und Data Governance bieten aus Sicht der Fachabteilungen zu wenig Mehrwert, um diese Themen voranzutreiben. Aus Sicht des Gesamtunternehmens aber gibt es diesen Wert durchaus, gerade in Relation zum erforderlichen Aufwand. Dieses umfassend betrachtete und betriebene Enterprise Data Management kommt schließlich auch den Fachbereichen zugute. Sie können beispielsweise eine Komponente für das Qualitätsmanagement oder eine Plattform für den Datenaustausch mit nutzen, die andere Abteilungen bereits einsetzen.

(5)    Data Accessibility

Wenn von Data Accessibility die Rede ist und entsprechende Lösungsansätze etabliert werden, dann wird dies häufig verwechselt mit der Datenhaltung im Unternehmen. Auch hier ist ein Perspektivwechsel erforderlich: Denn wenn Endanwender autonomer mit Daten arbeiten sollen, dann müssen sie soweit wie möglich entlastet werden von technischen Hindernissen. Endanwender, die fachliche Interessen verfolgen, müssen sich nicht in komplexen IT-Landschaften mit zahlreichen Lösungen und proprietären Produkten zurechtfinden. Sondern sie benötigen einen Punkt, einen Single Point of Contact, von dem aus sie auf relevante Daten zugreifen. Daten sind erste wirklich verfügbar für Endanwender, wenn sie – wie bei einer Office-Anwendung – die Applikation öffnen und erforderliche Unternehmensdaten sofort bereitgestellt werden. Deshalb muss im Rahmen einer Datenstrategie auch die Frage geklärt werden, wie Daten für Anwender verfügbar gemacht werden. Denn erst wenn die technischen Zugriffsschwierigkeiten ausgeräumt sind, werden Daten auch tatsächlich genutzt. Und erst damit ist es Anwendern in den Fachabteilungen möglich, Use Cases zu rechnen und dynamisch weiterzuentwickeln.

(6)    Enterprise Data Architects

Zumeist gibt es heute in Unternehmen ein Enterprise Architecture Management, in dem Enterprise Architects den Überblick und die Abstimmung in verzweigten Informations- und Applikationsarchitekturen garantieren. Diese Teams sollten im Rahmen der Datenstrategie unbedingt erweitert werden um eigenständige Enterprise Data Architects. Deren Hauptaufgabe ist, kontinuierlich als Berater, Ansprechpartner und Coach der Endanwender sowie als Vermittler von Know-how bereitzustehen. Gleichgültig, ob diese Datenarchitekten im Unternehmen selbst angesiedelt sind oder ob sie von extern den Prozess der digitalen Transformation begleiten – in jedem Fall sind sie Dienstleister für die stark autonom handelnden Mitarbeiter in den verschiedenen Fachbereichen.

Markus Enderlein

Bei einer modernen Datenstrategie geht es nicht darum, perfekte Anwendungen zu bauen, sondern es geht am Ende um den perfekten Umgang der Anwender mit Daten.

Markus Enderlein, Business Unit Manager INFOMOTION GmbH

Lean und agil

Alle Lösungsansätze für die genannten Themenfelder von Data Literacy bis hin zu Data Accessibility orientieren sich an dem Prinzip, lean und agil zu bleiben. Es geht gerade nicht um den Aufbau neuer, komplexer und schwergewichtiger Lösungen, sondern im Gegenteil darum, dass Lösungen, Prozesse und die sie begleitenden Organisationsstrukturen möglichst leichtgewichtig und beweglich bleiben. Das ist im Übrigen auch kostengünstiger. Der Aufbau eines Datenkatalogs beispielsweise, der Voraussetzung für die Data Transparency im Unternehmen ist, kostet einen Bruchteil eines neuen Data Warehouse.

Das Prinzip „lean und agil“ gilt nicht nur für die Lösungen selbst, es gilt durchgängig. Eine moderne Datenstrategie zielt unter anderem darauf, in den zentralen Strukturen Sonderfälle zu vermeiden, mit so wenig übergreifenden Regelungen wie möglich auszukommen und Automatisierung so gut wie möglich zu unterstützen. Wer für Data Transparency sorgt, schafft eben auch die Voraussetzung für mehr Automatisierung; wer Speziallösungen ausschließt, macht den Umgang mit Daten aufs Ganze gesehen schlanker, effizienter und dynamischer.

Eine moderne Datenstrategie zielt auf die Fundamente, wie mit Daten in einem Unternehmen umgegangen wird. Auf diesem Fundament werden sicherlich auch künftig klassische fachliche Lösungen wie ein Data Warehouse aufbauen. Aber die Perspektive ändert sich. Es geht zum einen um die Sicht auf das gesamte Unternehmen, zum anderen um die Autonomie der Endanwender. Anders gesagt: Bei einer modernen Datenstrategie geht es nicht darum, perfekte Anwendungen zu bauen, sondern es geht am Ende um den perfekten Umgang der Anwender mit Daten.

 

Quelle: DOAG Business News, 18.12.2019 (Heft 04/2019), Artikel von Markus Enderlein, Seite 28

Weiterführende Informationen

Autor

Markus Enderlein

Business Unit Manager

Markus Enderlein studierte Wirtschaftsinformatik. Nach seinem Berufsstart 1998 arbeitete er ab 2003 als Consultant im Bereich IT-Architektur und IT-Projektmanagement. Seit 2007 war er bei INFOMOTION, zunächst als Senior, später als Managing Consultant und Wissensmanager tätig. Nachdem er ab 2013 die Bereiche Marketing und Produktmanagement aufbaute, verantwortet er seit 2017 die Business Unit „Strategy and Digital Solutions“.

E-Mail senden