Fragmentierte Datenquellen und Datensilos implizieren für viele Unternehmen teils große Herausforderungen. Wie diese in drei Schritten gelöst werden können, zeigt Jörg Hesske, Regional VP und General Manager von Denodo in seinem Gastbeitrag für Sie auf…
Zum Hintergrund
Fragmentierte Datenquellen und Datensilos bedeuten auch, das Betriebe sehr von ihrer IT-Abteilung abhängig sind. Schließlich sind es IT-Spezialisten, die ihre Zeit dafür aufwenden müssen, alle notwendigen Daten zu beschaffen und zu transformieren, damit Geschäftsanwender diese für ihre Arbeit nutzen können. Es können kritische Engpässe entstehen, die wiederum weitreichende Folgen in Form von problematischen Geschäftsentscheidungen, mangelnder Anpassungsfähigkeit oder verpassten Chancen haben können.
Zum Gastbeitrag
„Unternehmen könnten derartige Probleme leicht aus der Welt schaffen, wenn sie schnell und effizient an den Mehrwert gelangen würden, den ihre Unternehmensdaten in sich tragen. Die gute Nachricht lautet hier: Um diesen Status quo zu erreichen, sind nur drei Schritte erforderlich.
Schritt 1: Von der Ressource zum Asset – ein neues Mindset etablieren
Unternehmen behandeln ihre Daten oftmals als reine Ressource, die sie nach Belieben nutzen, austauschen und bei Bedarf aufstocken können. Stattdessen sollten Unternehmen damit beginnen, ihre Daten aus einer anderen Perspektive zu betrachten und sie als eigenes Produkt mit einem entsprechenden Lebenszyklus einzustufen. Das hat folgenden Vorteil: Datenprodukte werden zu strategischen Assets, die auf die speziellen Anwenderbedürfnisse zugeschnitten und somit integraler Bestandteil von Wertschöpfungs- und Entscheidungsprozessen sind.
Damit sie relevant bleiben und sowohl Innovation als auch Wachstum fördern, müssen Unternehmen diese Assets über ihren gesamten Lebenszyklus hinweg prüfen, pflegen, optimieren und teilen. Diese Chronologie ist die größte Stärke von Datenprodukten – von der Generierung bis hin zur Wiederverwendung innerhalb des Unternehmens. Letzteres beweist ihren Mehrwert und sorgt dafür, dass Daten nicht ständig neu erstellt oder dupliziert werden müssen.
Schritt 2: Self-Service fördern und Datenprodukte demokratisieren
Ein neues Mindset allein reicht allerdings nicht aus. Datenprodukte müssen zudem für alle zugänglich sein. Deshalb steht der Self-Service im Zentrum dieses strategischen Datenansatzes. Konkret bedeutet das: Wenn Businessteams einen einfachen und Governance-konformen Zugriff auf die Daten haben, können sie diese eigenständig und basierend auf ihren Anforderungen transformieren und analysieren, ohne die Kollegen aus der IT involvieren zu müssen.
Diese Autonomie ist wichtig. Sie ist das Fundament für eine kollaborative Umgebung, in der Businessteams nicht nur Daten konsumieren, sondern auch ihren Beitrag zur Erstellung und Verbesserung von Datenprodukten leisten. Diese können somit umso mehr ihren Anforderungen und jenen des Unternehmens entsprechen. In Verbindung mit generativer KI lässt sich zudem die Sprachbarriere einreißen, was nicht-tech-affinen Anwendern dank einer einheitlichen semantischen Grundlage die Arbeit mit Datenprodukten wesentlich vereinfacht.
Schritt 3: Die Kluft zwischen IT und Business schließen
Ohne eine zentrale Lösung lässt sich nur schwer gemeinsam an und mit Datenprodukten arbeiten. Idealerweise greifen Unternehmen dafür auf eine logische Datenmanagement-Plattform zurück. Diese reißt zum einen störende Datensilos ein und gewährleistet mithilfe eines zentralen virtuellen Access Layers den Echtzeitzugriff auf sämtliche Daten – ungeachtet dessen, wo sie sich befinden.
Zum anderen bringt sie IT- und Businessteams näher zusammen. Die Kollegen aus der IT sind verantwortlich für Infrastruktur und Governance; die Businessteams stellen ihre Expertise hinsichtlich der Markt- und Kundenanforderungen sowie der betrieblichen Effizienz zur Verfügung. Dadurch lässt sich sicherstellen, dass technisch robuste, wertvolle, wiederverwertbare Datenprodukte entstehen, die im Einklang mit den Geschäftszielen sind.
Zum Beispiel könnte ein Finanzdienstleistungsunternehmen ein personalisiertes "Financial Health Dashboard" in Form eines Datenprodukts erstellen, das den Kunden maßgeschneiderte Übersichten über ihre finanziellen Gewohnheiten, einschließlich Ausgaben, Ersparnisse und verfügbare Kredite, bietet. Die Geschäftsverantwortlichen würden die Zielanwender des Datenprodukts kennen und das Datenprodukt auf die Ziele dieser Anwender ausrichten, während die IT-Abteilung die erforderlichen Daten bereitstellt. Sobald das Datenprodukt eingeführt und von den Anwendern ausreichend getestet wurde, wären nur noch wenige Eingriffe erforderlich. Dies ist nur ein Beispiel, die Anwendungsmöglichkeiten sind jedoch unbegrenzt.
Fazit
Die Kombination aus echten Datenprodukten, Autonomie fördernden Self-Service-Funktionen sowie einer zentralen logischen Datenmanagement-Plattform bildet die Grundlage für eine Strategie, die sowohl die TCO des Datenmanagements als auch die Time to Data – also die Zeit zwischen der Entstehung einer Geschäftsanforderung und der Bereitstellung eines kontextualisierten, konsistenten und sicheren Datenprodukts – reduziert. Alles in einem fördert dies wiederum Produktivität, Innovation sowie eine Kultur datengetriebener Entscheidungen. Dadurch können sich Unternehmen schneller denn je an den dynamischen Markt anpassen und wichtige Wachstumschancen wahrnehmen. Kurzum: Sie nehmen das Ruder in die Hand und machen sich das volle Potenzial ihrer Daten zunutze.“
Im Bild: Jörg Hesske, Regional VP und General Manager von Denodo (Bildquelle: Denodo).
Querverweis:
Unser Beitrag > Automatisierte Datenverwaltung: Denodo Platform 9.1 mit erweiterten Data Lakehouse Funktionen und AI SDK
Unser Beitrag > Marktausblick Storage: geschäftskritischer Speicher wächst bis 2028 auf 103 Mrd. Dollar
Unser Beitrag > Warum Echtzeitanalysen von Daten in der Praxis oftmals scheitern