Kommentar von Marc Mai, doubleSlash Fließband für Datenprodukte

Anbieter zum Thema

doubleSlash Net-Business GmbH

Bissantz & Company GmbH

Fujitsu Technology Solutions GmbH

Fivetran Germany GmbH

Dass Daten ein immenses Wertschöpfungspotenzial bergen, ist längst eine Binsenweisheit. Dennoch gibt es noch immer zahlreiche Unternehmen, die diese Erkenntnis nicht umsetzen. Sie sitzen auf Datenschätzen, nutzen sie aber nicht systematisch für ihre Wertschöpfung.

Die wertvollsten Unternehmen unserer Zeit sind bekanntlich jene, deren Geschäftsmodell auf Datenprodukten basiert. Inzwischen allerdings fallen auch in Unternehmen, die eher Hardware getrieben sind, Unmengen von Daten an. Ein wertvoller Rohstoff, so er denn genutzt würde. Genau daran aber hapert es.

Ein wesentlicher Grund ist: Meist fehlt ein ordnendes Prinzip, nach dem die Daten systematisiert und nutzbar gemacht werden könnten. Und eine manuelle Aufbereitung macht wirtschaftlich wenig Sinn: Dem möglichen Ertrag steht ein zu hoher Aufwand gegenüber. Ganz abgesehen davon, dass die Menge an Daten angesichts der Digitalisierungswelle täglich wächst.

Indem sie sie nicht optimal nutzen, lassen die betroffenen Unternehmen ihre eigenen Ressourcen buchstäblich brachliegen. Mehr noch: Ihre ungeordneten Datenbestände entwickeln sich mit der Zeit zum Problem und Kostenfaktor. Sie werden immer mehr zum Datenchaos, das man dennoch irgendwie im Griff behalten muss.

Um das zu verhindern und zugleich neue Wertschöpfung zu generieren, gilt es, die anfallenden Daten systematisch und automatisiert zu erfassen, aufzubereiten und zu strukturieren. Denn dann lassen sie sich im Hinblick auf ihre künftige Nutzung verknüpfen und zu sinnvollen Informationen zusammenfügen. Die so gewonnenen Informationen kann man korrelieren, sodass sie Teile der realen Welt abbilden und sich daraus Handlungen ableiten lassen – aus den Informationen wird Wissen.

Die Datenfülle strukturieren

Dieser Prozess, der aus Rohdaten Wissen generiert, lässt sich mit einer Data Factory darstellen. Sie integriert und katalogisiert verteilte Datenquellen mit einheitlichen Methoden und Datenformaten auf einer Plattform. So strukturiert sie die Datenfülle und automatisiert deren Erfassung und Aufbereitung.

Auf diese Weise entstehen produkthaft hergestellte Datensätze, die in sich schlüssig sind und bereits einen praktischen Nutzen in sich tragen. Dazu enthalten sie neben den reinen Nutzdaten nutzungsrelevante Metadaten und stellen so die Basis für das Entwickeln stabiler datenbasierter Anwendungen, Produkte und neuer, datengetriebener Wertschöpfungsmodelle.

Idealerweise wird jedem Datenprodukt ein Data Product Owner zugeordnet. Die Data Product Owner stellen eine gute Qualität und Einheitlichkeit der Daten sicher und betreuen ihre Produkte. Dafür arbeiten sie mit den Datenlieferanten – Entwicklungsteams, Data Engineers oder Data Scientists – zusammen. Sie halten engen Kontakt zu den potenziellen Anwenderinnen und Anwendern, besprechen deren Bedarf und richten das Produkt daran aus. Die Data Product Owner entwickeln neue Produktideen und prüfen die Marktrelevanz ihrer Produkte – intern wie extern. Und sie begleiten ihre Produkte über den ganzen Lebenszyklus hinweg.

Diese produktbezogenen Verantwortlichkeiten haben unter anderem den Vorteil, dass sich die Zahl der Datenprodukte wesentlich einfacher skalieren lässt als etwa mit einem zentralen Datenpool, dessen Betreiber-Team im Prinzip alle aus „seinen“ Daten entstehenden Produkte betreuen soll.

Hohe Kollaborationsbereitschaft

Damit das Ganze funktioniert, sind allerdings organisatorische Veränderungen und hohe Kollaborationsbereitschaft erforderlich. Wer Daten und deren Nutzung als Herrschaftswissen begreift, wird scheitern.

Unter Umständen kann es hilfreich sein, ein Team abzustellen, das sich um eine gute Data User Experience kümmert. Dazu sollte es Standards definieren, die für alle Datenprodukte gelten, und deren einfache Herstellung und Nutzung gewährleisten. Schließlich sollten die Datenprodukte auf einer gemeinsamen Plattform bereitgestellt werden.

Die Erfahrung zeigt: Product Owner, die gute, wertschöpfende Produkte entwickeln, werden schnell zu beliebten Ansprechpartnern. Denn je häufiger aus den bislang frei flottierenden Daten nutzbringende Anwendungen entstehen, desto stärker der Wunsch in Abteilungen und Unternehmensbereichen, diese Möglichkeiten für die eigenen Zwecke zu nutzen.

Datenstrategie aktualisieren

Wer eine solche Daten-Fertigungsstraße in seinem Unternehmen etablieren will, sollte im ersten Schritt klären, wer auf welche Daten zugreifen darf. Denn anders als bisher – jeder hat „seine“ Daten – muss jetzt der Fokus darauf liegen, Daten im Sinne einer umfassenderen Nutzung bereitzustellen, die häufig noch gar nicht klar ersichtlich ist.

Dieser Paradigmenwechsel muss sich in der Datenstrategie des Unternehmens spiegeln. Und es sind Prozesse erforderlich, die die Datenzugriffsrechte und die Nutzung der Datenprodukte regeln. Dies allein schon, um den Schutz etwa personenbezogener Daten jederzeit und in jeder Produkt-Kombination sicherzustellen.

Um die Rohdaten zu veredeln, müssen sie validiert und zumindest in Teilen anonymisiert und pseudonymisiert werden. Idealerweise sollten sie in einem einheitlichen Format vorliegen. Je näher sie an den Quelldaten bleiben, desto besser.

In diesem bereits aufgearbeiteten Rohzustand befinden sich die Daten in einer sogenannten Trusted Zone, dem Kreativ-Terrain für die Analysten. Hier gehen sie auf die Suche nach Mustern und eruieren, wo und wie diese Muster zu neuen datengetriebene Anwendungen führen könnten. Zugleich können Produktverantwortliche den Analysten gezielte Lösungswünsche unterbreiten, die diese in technologische Ansätze übersetzen.

Die hierbei gewonnenen Erkenntnisse und Vorprodukte sind für die Automatisierung durch eine Data Factory geeignet. Die automatisiert aufbereiteten Daten werden in der „Refined Zone“ weiter aufbereitet, inventarisiert und dargestellt. Jetzt ist der Fokus auf dem Mehrwert für den Endverbraucher. Idealerweise kommen aus der Refined Zone Datenprodukte, die konkrete Anwendungen unterstützen können.

Einstiegshürden niedrig halten

Bekanntlich ist aller Anfang schwer. Ein Unternehmen, das eine Data Factory aufbauen will, sollte deshalb die Einstiegshürden niedrig halten. So empfiehlt sich zum Start ein einfaches Datenprodukt, das in vielen Unternehmensprozessen zum Einsatz kommt und einen schnellen Positiv-Effekt verspricht – Stammdaten von Kundinnen/Kunden und Lieferanten zum Beispiel.

Vor allem zu Beginn ist es wichtig, die Datenangebote ihren potenziellen Nutzern aktiv nahezubringen – durch Schulungen und/oder beratende Gespräche. Praxisnahe Informationen über Datenprodukte, Prozesse, Rollen und Richtlinien und griffige Best Practice Beispiele sind in jedem Fall hilfreich.

Letztlich muss auch das Teilen von Daten zur Selbstverständlichkeit werden. Das geschieht am besten durch eine transparente Kommunikation über den konkreten Nutzen von Produkten, die auf dieser Basis entstanden sind. Auch das Monitoren der Datennutzung ist sinnvoll, denn daran zeigt sich, welche Datenprodukte besonders gefragt sind und Mehrwert generieren.

Wenn die systematische Nutzung der eigenen Daten einmal etabliert ist, beginnen die Mitarbeiterinnen und Mitarbeiter erfahrungsgemäß kreativ mit ihren eigenen Daten umzugehen. Denn das eröffnet ihnen eine neue Welt an Wertschöpfungschancen und neue Möglichkeiten, ihre Prozesse effizienter zu machen.

Wandel in der Unternehmenskultur

Damit eine Data Factory optimalen Nutzen stiftet, müssen die technischen Lösungsansätze mit einem tiefgreifenden Wandel in der Unternehmenskultur einhergehen. Eine Kultur, in der Wissen genutzt wird, um die eigene Position zu sichern, ist kontraproduktiv. Um im digitalen Zeitalter erfolgreich zu sein, muss Schwarmintelligenz eine hohe Priorität genießen und Wissen geteilt werden.

Außerdem greifen crossfunktionale Teams, die Datenprodukte vorbereiten, entwickeln und verantworten, tief in die Organisationsstruktur ein. Ihre Rollen und Zuständigkeiten passen nicht zu einem Denken in Disziplinen, wie es klassischen Organisationsstrukturen entspricht.

Nicht zu vergessen: Das Etablieren einer Data Factory mit Datenproduktteams funktioniert nur auf Basis einer strategischen Entscheidung und mit Unterstützung auf allen Management-Ebenen. Die Unternehmensleitung muss den Wandel wollen und aktiv vorantreiben. Das Bewusstsein der Mitarbeitenden, dass sich aus Daten Werte schaffen lassen, entsteht nicht von heute auf morgen.

(ID:48743878)