Kommentar von Christopher Haas, Thoughtworks Deutschland Effektive Data-Mesh-Implementierung – ein Leitfaden für Best Practices

Anbieter zum Thema

Thoughtworks Deutschland GmbH

INFOMOTION GmbH

QUNIS GmbH

Unternehmen, die ihre Geschäftsmodelle an Daten ausrichten, sind langfristig erfolgreich. Aleph Alpha, Konux, Atheneum und Scoutbee sind Paradebeispiele aus Deutschland. Da ist es naheliegend, dass immer mehr Unternehmen datenzentriert agieren wollen. In der Praxis heißt das jedoch meist, dass Datenspezialisten sich darum kümmern, Daten zu sammeln und den Fachbereichen wertstiftend zur Verfügung zu stellen.

Problematisch an einem solchen zentralen Datenmanagement ist, dass es vor dem Hintergrund wachsender Datenströme und einer Vielzahl an Datenquellen schnell an Kapazitätsgrenzen stößt. Die Folgen: Datenmigrationen dauern lange, die Datenqualität leidet und mit beidem die Agilität der Organisation.

Abhilfe versprechen dezentrale Architekturparadigmen wie „Data Mesh“ – so zumindest die Annahme vieler Unternehmen. Laut einer PwC-Studie befanden sich im vergangenen Jahr 37 Prozent der befragten Unternehmen mit mehr als 1.000 Mitarbeitern in der Implementierungsphase.

Organisationen, die Data Mesh in die Praxis umsetzen, organisieren ihre Daten nach Unternehmensbereichen. Die Unternehmensbereiche tragen selbst Verantwortung für die korrekte Datendokumentation, Datenqualität und die erteilten Nutzungs- und Zugriffsrechte. Initiator ist häufig die IT-Abteilung, die sich durch diese Self-Service-Nutzung mehr Zeit verschafft für Softwareentwicklung, Systemadministration oder die Bearbeitung von Help-Desk-Anfragen. Zudem versprechen sich Unternehmen von Data Mesh weniger redundante Datensätze, eine verbesserte Datenqualität und einen vereinfachten Datenzugriff. Doch es gibt Stolperfallen auf dem Weg.

Nicht das eine ohne das andere

Data Mesh ist ein Paradigma im Umgang mit Unternehmensdaten, das eine neue Grundhaltung dazu erfordert, was Daten sind und wofür sie gebraucht werden. Es geht darum, Daten als Produkt zu verstehen, die für Nutzer ein bestimmtes Ziel erfüllen.

So kann das Vertriebsteam beispielsweise aus den Daten Wert schöpfen, die etwa in der Marketingabteilung während einer Kampagne erhoben wurden. Anhand der erfassten Geräteinformationen zeigt sich etwa, in welchen Regionen die Öffnungsraten der E-Mails am höchsten waren. Auf dieser Basis kann das Vertriebsteam planen, wo es seine Außendienstaktivitäten verstärken sollte. Durch die verbesserte innere Vernetzung entsteht eine gegenseitige Kundenbeziehung unter den Unternehmensbereichen.

An diesem Beispiel zeigt sich, dass es neben der technischen Umsetzbarkeit von Data Mesh immer auch um sozio-kulturelle Fragen wie bereichsübergreifende Zusammenarbeit und Kommunikation geht. Wenn sich eine Organisation in diesen Themen nicht im selben Tempo und mit der gleichen Intensität weiterentwickelt, wie die Technologie rund um die Datenprodukte, wird Data Mesh scheitern. Dann haben technische Veränderungen wie etwa eine dezentrale Datenarchitektur und erweiterte Zugriffsrechte keinen Nutzen. Doch wie kann die Einführung des Data-Mesh-Paradigmas nun gelingen?

Aller Anfang erfordert Überzeugungsarbeit

Jede Transformation benötigt First Mover, die vorangehen. Deshalb ist es bei der Einführung von Data Mesh wichtig, diejenigen Personen im Unternehmen zu finden, die an das Konzept glauben und davon profitieren wollen. Unterstützer müssen verstehen, unter welchen Voraussetzungen Data Mesh erfolgreich funktioniert und darum wissen, dass es begleitend zur Technologie einer kontinuierlichen Organisationsentwicklung bedarf. Sie ermutigen ihre Belegschaft, erste Anwendungsfälle gemeinsam zu initiieren. Sie gehen als Pioniere voran und können mit Data-Mesh-Pilotprojekten andere Bereiche motivieren, an Data Mesh teilzunehmen.

Ein praxisorientierter Leitfaden

Aus der Beratungspraxis und der Einführung von Data Mesh bei zahlreichen Organisationen weltweit können wir zehn Schritte ableiten, die zum Gelingen dieses Paradigmenwechsels beitragen:

• 1. Führungskräfte für Data Mesh begeistern und als Sponsor gewinnen: Führungskräfte sind ein wichtiger Multiplikator in der Erfolgsgleichung von Data Mesh. Sie müssen für das Konzept begeistert werden, indem sie verstehen, wie dringende Probleme aus dem eigenen Verantwortungsbereich durch verbesserten Datenzugang, optimierte Datenqualität und Dateninteroperabilität gelöst werden können. Diese Führungskräfte werden im weiteren Verlauf die frohe Botschaft der ersten Erfolge im Unternehmen verbreiten.

• 2. Unabhängige Datenproduktteams aufbauen: Wenn das Datenmanagement dezentral erfolgen soll, müssen in den einzelnen Unternehmensbereichen Datenproduktteams aufgebaut werden. Dabei ist eine fachübergreifende Teamzusammenstellung mit Daten-, Technologie- und Fachexpertise wichtig. Die Datenproduktteams müssen weitestgehend autark arbeiten können, um nicht durch interne und externe Abhängigkeiten ausgebremst zu werden.

• 3. Zentrale Plattformteams in der IT einführen: Zentrale Produktteams sollten die Self-Service-Datenplattform entwickeln und betreiben, die den Datenproduktteams in den Unternehmensbereichen zur Verfügung steht. Datenproduktteams sind die Kunden der Plattform und die Plattform soll nach deren Bedarf entwickelt werden. Ein Produkt-Mindset mit kurzen Feedbackschleifen ist essentiell. Je nach Größe des Unternehmens kann mehr als ein Plattformteam erforderlich sein.

• 4. Die richtigen Geschäftsziele priorisieren: Lean-Value-Tree-Mapping ist eine gute Hilfe, um konkrete Geschäftsziele und die Wege dorthin zu identifizieren. Die Methode definiert und priorisiert die Ziele auf Basis messbarer Erfolgsmetriken und definiert mögliche Initiativen, um diese zu erreichen. Datenprodukte sollten mit einem Produkt-Mindset entwickelt um iterativ auf Basis der Erfolgsmetriken agieren zu können.

• 5. Use Cases nach Wert und Aufwand priorisieren: Die definierten Geschäftsziele sind Ausgangspunkt für die Auswahl möglicher Use Cases von Data Mesh. Es können jedoch nicht alle gleichzeitig in die Data-Mesh-Praxis überführt werden. Vielmehr müssen Unternehmen ihre Use Cases priorisieren. Richtige Prioritäten senken auch das Risiko von Fehlschlägen und ermöglichen eine steile Lernkurve. Erfahrungsgemäß ist es sinnvoll, die Use Cases mit dem höchsten Wert für die Organisation bei geringstmöglichem Aufwand zuerst umzusetzen.

• 6. Zwei Use Cases, erste Skaleneffekte: Das anfängliche Ziel ist, wiederverwendbare Datenprodukte für mindestens zwei Use Cases innerhalb des First-Mover-Geschäftsbereichs zu generieren. So können Data-Mesh-Initiatoren den Wert wiederverwendbarer Datenprodukte unter Beweis stellen, da der zweite Anwendungsfall üblicherweise viel schneller zu realisieren ist als der erste. So entsteht nach und nach ein sichtbares Data Mesh.

• 7. Regelmäßige Erfolgskontrollen: Produktteams sollten sich mindestens vierteljährlich mit der Geschäftsbereichsleitung über die Fortschritte der Anwendungsfälle und der einzelnen Datenprodukte austauschen. Gegebenenfalls müssen Prioritäten neu gesetzt oder neue Wege gefunden werden, um ein Ziel zu erreichen. Wichtig ist, dass Datenprodukte für mehrere Anwendungsfälle genutzt werden können. Die vier Schlüsselmetriken von Deployment Frequency (DF), Lead Time to Changes (LTTC), Mean Time to Recovery (MTTR), Change Failure Rate (CFR) helfen bei der Erfolgsmessung der Datenproduktteams, sind jedoch nicht ausreichend. Im Zentrum sollten die im Lean Value Tree Mapping definierten Erfolgsmetriken stehen. Grundsätzlich gilt: Keine Prioritäten für Datenprodukte setzen, wenn kein konkreter Anwendungsfall vorliegt.

• 8. Zentrales Programm-Management: Die einzelnen Geschäftsbereiche werden ihre Datenkompetenz nicht über Nacht aufbauen können. Deshalb braucht es eine zentrale Steuerung des Veränderungsprozesses, die die erforderlichen Fortbildungen bündelt, das Konzept Data Mesh intern bekannt macht und den organisatorischen Wandel vorantreibt. Das zentrale Programm-Management hilft der Organisation, eine hauseigene Community aufzubauen, die für die erfolgreiche Umsetzung von Data Mesh essentiell ist.

• 9. Weitere Führungskräfte für Data Mesh gewinnen: Ideen wachsen durch den Austausch. Deshalb sollten sich Data-Mesh-Begeisterte mit weiteren Entscheidungsträgern in Verbindung setzen und diese mithilfe erster erfolgreicher Use Cases die Vorteile von Data Mesh verbreiten. Diese Community ist essentiell, um weitere bereichsübergreifende Anwendungsmöglichkeiten zu identifizieren und umzusetzen und so das Data Mesh wachsen zu lassen.

• 10. Balance-Akt in der Weiterentwicklung: Es mag verlockend klingen, sich nur auf die Technologie zu konzentrieren. Doch ist der Einsatz von Technologie immer nur so erfolgreich wie der Entwicklungsstand einer Organisation. Wollen Unternehmen die Vorteile von Data Mesh nutzen, müssen Geschäftsbereiche die Verantwortung für Ihre Daten übernehmen und sie in Form von Datenprodukten anderen Bereichen zur Verfügung stellen.

Auch kleine Schritte führen zum Ziel

Change-Prozesse sind nie einfach. Auch wenn dieser Leitfaden umfangreich erscheint, so sind diese Schritte doch realistisch. Orientiert sich ein erstes kleines Team an diesen Empfehlungen, reicht das für den Anfang einer erfolgreichen Einführung völlig aus. Es gilt also mutig zu sein, auszuprobieren und den Fokus dabei nicht zu verlieren.

(ID:49734776)