Kommentar von James Fisher, Qlik Daten als internes Produkt betrachten

Anbieter zum Thema

QlikTech GmbH

Disy Informationssysteme GmbH

INFOMOTION GmbH

QUNIS GmbH

Bei der Datenintegration und -transformation wurden in den vergangenen Jahren gewaltige technische Fortschritte gemacht. Dennoch sehen sich Unternehmen der Herausforderung gegenüber, dass Informationen an den unterschiedlichsten Speicherorten sowie in vielen verschiedenen Formaten und Strukturen hinterlegt sind – man spricht hier von Datenfragmentierung. Daher bedarf es einer guten Datenintegrationsstrategie – doch wie kann diese aussehen?

Wer nicht in der Lage ist, alle relevanten, verfügbaren Daten zeitnah und konsistent zu erfassen und zu analysieren, läuft Gefahr, nicht alle relevanten Informationen in wichtige Geschäftsentscheidungen mit einbeziehen zu können und deshalb gegebenenfalls hinter den Wettbewerb zurückzufallen. Ohne eine solide Datengrundlage ist nicht ausreichend sichergestellt, dass die vorhandenen Informationen richtig und vertrauenswürdig sind.

Unternehmen haben das erkannt und wünschen sich von ihrem Datenintegrationsanbieter, dass sie ihnen bei der Entwicklung und Umsetzung von Strategien helfen, die sie mit den sich ständig ändernden Zielvorgaben Schritt halten lassen. Es gilt, Informationen aus verschiedenen Quellen zu harmonisieren, zu vereinen und zu bereinigen. Gleichzeitig sind klare Prozesse und Standards für die Datenerfassung und -verarbeitung zu etablieren, um die Qualität und Konsistenz der Daten sicherzustellen.

Data as a Product

Eine Herangehensweise, die sich in diesem Zusammenhang bewährt hat, ist der Ansatz, Unternehmensdaten wie ein Produkt mit einer gewissen Zielgruppe zu betrachten und behandeln. So können Unternehmen einen passenden Rahmen schaffen, um die Genauigkeit, Qualität und die Zugriffsrechte für Informationen optimal zu definieren.

Es kann schwierig sein, die Datenfragmentierung über verschiedene Silos hinweg zu minimieren, aber es ist nicht unmöglich. Der Abbau von Datenfragmentierung ist essenziell auf dem Weg zu einer echten Datendemokratisierung im gesamten Unternehmen, bei der Informationen frei zugänglich sind und in verständlicher Form präsentiert werden. Nur dann können basierend auf Daten unternehmensweit informierte Erkenntnisse und Entscheidungen getroffen werden.

Eine Data-Fabric-Architektur vereinheitlicht, integriert und verwaltet

Der erste Schritt beim Aufbau einer solchen Datenstrategie ist die Schaffung einer so genannten Data Fabric. Diese maschinengestützte Datenintegrationsarchitektur nutzt Metadaten, um unterschiedliche Datenumgebungen zu vereinheitlichen, zu integrieren und zu verwalten. Viele Unternehmen sind von großen und komplexen Datensätzen umgeben, die nicht nur verschiedene Quellen umfassen – CRM, Finanzen, Marketing-Automatisierung, operativer Betrieb, IoT/Produkt – sondern auch verschiedene Standorte wie die Cloud, hybride Multi-Cloud, On-Premises-Installationen und Edge-Geräte.

Durch die Implementierung einer Data-Fabric-Architektur, einem flexiblen und skalierbaren Ansatz, können Unternehmen Daten aus diesen verschiedenen Quellen zusammenführen und sie schließlich mithilfe von maschinellem Lernen verarbeiten, um Muster zu erkennen. Auf diese Weise entsteht nicht nur ein ganzheitliches Bild, sondern es werden auch umsetzbare Erkenntnisse aufgedeckt. Die Verwendung eines Data-Fabric-Ansatzes hilft dabei, bei der Organisation die Neuentstehung von Datensilos zu vermeiden.

Wer interagiert primär mit den Daten?

Ein wichtiger Schritt für die Datendemokratisierung besteht darin, digitale Informationen prinzipiell jedem zugänglich zu machen, der sie benötigt. Zugriff meint hier aber ausdrücklich nicht Verfügbarkeit: Nicht alle verfügbaren Daten müssen und sollten auch für jeden zugänglich sein. Unternehmen sollten ihren Mitarbeitern aber jede beliebige Kombination von Erkenntnissen innerhalb eines sicheren, geregelten Rahmens zugänglich machen, der die Flexibilität nicht einschränkt. Einer der größten Vorteile besteht darin, dass Geschäftsanwender, Analysten und Data Scientists die Möglichkeit haben, systemübergreifende Beziehungen zu entdecken. Dadurch wird es einfacher und effizienter, Daten zu erforschen und zu analysieren, ohne technische Hürden.

Sobald relevante Daten zur Verfügung stehen, müssen sich Unternehmen mit der Frage auseinandersetzen, wie die Mitarbeiter mit diesen interagieren sollen. Man sieht bereits, wie neue Technologien wie generative KI die Art und Weise, wie Menschen mit Daten interagieren, verändern. An diesem Punkt des Prozesses wird es Zeit über das ursprüngliche Ziel nachzudenken: Daten als internes Produkt. Wer arbeitet primär damit und zu welchem Zweck?

Wozu sollte dieses „Produkt“ in der Lage sein? Welches Problem sollte es lösen oder rationalisieren? Geht es darum, im Finanzwesen Einsparungen zu erkennen, oder darum, ein personalisiertes Produkt anbieten zu können, das einen hohen Anpassungsaufwand erfordert? Eventuell geht es auch einfach darum, die Informationen einfach in allen Geschäftsbereichen zu nutzen. Indem die wichtigsten Bedürfnisse der internen Zielgruppen ermittelt werden, können die Benutzeranforderungen entsprechend gestaltet werden.

Eine Governance-Strategie optimiert die Nutzung

Wenn eine entsprechende Struktur geschaffen wurde, die Daten zugänglich sind und ermittelt wurde, wie interne Teams sie nutzen sollten, geht es um die Verwaltung. Das Datenmanagement sorgt für die Einhaltung von Vorschriften und für mehr Sicherheit. Durch diesen Schritt wird das Fundament dafür gelegt, dass die Daten innerhalb des Unternehmens vertrauenswürdig und konsistent sind. Governance wird besonders wichtig, wenn Unternehmen die darauf basierende generative KI in allen Abteilungen einsetzen wollen, um sicherzustellen, dass das erweiterte Publikum die richtigen Daten für die richtigen Fragen verwendet.

Effektive Governance-Infrastrukturen tragen zudem zum Schutz sensibler Daten bei und helfen bei der Einhaltung gesetzlicher Vorschriften. Dies schützt Unternehmen vor Bußgeldern für die Nichteinhaltung oder im Extremfall vor einer Rufschädigung.

Fazit

Die Fähigkeit, alle relevanten Daten zeitnah und konsistent zu erfassen und analysieren, ist entscheidend für den Geschäftserfolg. Mangelnde Datenqualität gefährdet die Vertrauenswürdigkeit derselben. Eine robuste Datenintegrationsstrategie ist unerlässlich, um Informationen aus verschiedenen Quellen zu harmonisieren und Standards für ihre Zugänglichkeit und Verarbeitung zu etablieren. Der Data-Fabric-Ansatz bietet eine Lösung, um Daten zu vereinheitlichen und Silos aufzulösen. Der Zugriff sollte für jeden ermöglicht werden, der davon profitiert, während klare Ziele und Anforderungen für die Nutzung definiert werden müssen.

(ID:49808078)