Kommentar von Frank Waldenburger, Informatica

Warum eine geordnete Datenverwaltung auch in Zukunft wichtig bleibt

| Autor / Redakteur: Frank Waldenburger / Nico Litzel

Der Autor: Frank Waldenburger ist Director Technology Central Region bei Informatica.
Der Autor: Frank Waldenburger ist Director Technology Central Region bei Informatica. (Bild: Informatica)

Eine wachsende Gruppe von selbst ernannten Datenanarchisten macht derzeit mächtig Stimmung. So hört man immer wieder: „Lassen wir die IT vor der Datenrevolution zittern. Analysten haben nichts zu verlieren – außer ihren Ketten!” Durch den Aufstieg effizienter und skalierbarer Datenplattformen wie Hadoop proklamieren Datenanarchisten den Niedergang von ETL sowie langen, komplexen und isolierten Datenintegrationsprozessen.

Der Ruf nach Revolution klingt zunächst verführerisch. Doch ist es für Chief Data Officers angesichts ausufernder und stetig wachsender Datenquellen tatsächlich unumgänglich, dass eine zentralisierte Datenorganisation scheitern muss? Datenanarchisten schlagen eine neue Weltordnung vor, in der Daten ohne Kontrolle fließen und Chief Data Officers schlichtweg die Verantwortung aufgeben, firmeneigene Daten als Wirtschaftsgut zu verwalten. Doch es gibt ein Problem bei dieser Denkweise.

Denn es ist ein Irrweg, eine Revolution anzuzetteln, wenn erfolgreiche Unternehmen ihre Informationsstrukturen bereits weiterentwickelt haben. So haben viele Unternehmen bereits größere Analystenautonomie und IT-Agilität umgesetzt, während gleichzeitig die Erfüllung der Vorgaben in puncto Sicherheit und Governance gewährleistet werden muss.

Viele dieser Innovationen sind durch Technologien entstanden, die die „Daten über die Daten“ – also die Metadaten – verstehen. Diese Form der Innovation ist umso wichtiger geworden in einer Welt, in der ein hohes Volumen an unstrukturierten Daten und dynamischen Schemata konsumiert wird. Die Technologie hat dabei eine führende Rolle übernommen, weil sie Unternehmen dabei hilft, wertvolle Informationen aus einer größeren Menge und Vielzahl an Daten zu extrahieren.

Datenchaos kann nicht die Antwort sein – wohl aber Datendemokratie

Wie können Unternehmen ihre Informationsstrukturen nun so gestalten, dass sie eine Datendemokratie herstellen können? Hier sind sieben Best-Practice-Beispiele, die zu erfolgreicheren Analytics führen, auf deren Basis Entscheidungen getroffen werden können, ohne dass hierfür in die Anarchie des Datenchaos eingetaucht werden muss.

  • Die Datenaufnahme automatisieren mit leistungsstarken vorkonzipierten Konnektoren oder Datenverarbeitungsmaschinen: Mit effizienten und skalierbaren Plattformen wie Hadoop können Rohdaten ohne manuelle oder komplexe Prozesse aufgenommen werden. Durch die Automatisierung dieses Prozesses mit vorgefertigten Konnektoren oder Datenverarbeitungs-Tools kann die Agilität und Geschwindigkeit maßgeblich verbessert werden.
  • Daten liefern für jeden Zweck und verschiedenste Vorlieben der Analysten: Eine neue Generation von Datenwissenschaftlern mag es vorziehen, zu 70 Prozent bereinigte Daten relativ schnell zu erhalten, während traditionelle BI-Nutzer zu 100 Prozent bereinigte Daten erhalten möchten und dafür eine längere Wartezeit in Kauf nehmen. Diese verschiedenen Klassen an Daten, die für den jeweiligen Zweck vorbereitet werden, lassen sich über Plattformen wie Hadoop mit schnellen Datenprofil- und Datenbewertungs-Tools erstellen.
  • Datenkonsumenten erlauben, Daten selbst zusammenzuführen: Die Datenqualität muss nicht mehr ein rein IT-getriebener Prozess sein. Nach einer ersten Datenbereinigung können Datenkonsumenten genau wie Datenwissenschaftler direkten Zugang zu den Daten erhalten. Gleichzeitig kann man ihnen einfachere Daten-Blending-Tools an die Hand geben, um ihnen zu ermöglichen, sich am Prozess der Datenpflege zu beteiligen.
  • Agile Datenpflege durch die Zusammenarbeit mehrerer Personen und schnellem Prototyping ermöglichen: Schnelle und erfolgreiche Datenprojekte entstehen meistens aus der Zusammenarbeit zwischen am Geschäftsprozess beteiligten Mitarbeitern und der IT. Multi-Persona-Tools mit schnellen Prototyping-Fähigkeiten machen Datenpflege zu einem agilen Prozess, der schnell Mehrwerte liefert.
  • Datenqualität überwachen statt Mikromanagement betreiben: Datenqualität muss keine feste Vorgabe sein, die für alle Daten gleich gelten muss. Regelbasiertes Monitoring und Alarmierung ermöglicht der IT, Datenprozesse flexibel zu überwachen und gemeinsam die Qualität verschiedenster Datenbestände voranzutreiben.
  • Datenzugang ermöglichen mit Virtualisierung oder Brokering: Bevor der Wert von Daten bekannt ist, ist es nicht unbedingt sinnvoll, diese aus dem Quellsystem zu entfernen. Datenvirtualisierung kann hier Abhilfe schaffen, indem sie ein schnelles Abbild von Datensätzen schafft, ohne dass diese hierfür bewegt werden müssen. Sobald der Datenwert bekannt ist, kann die Bewegung und Pflege der Daten mithilfe eines Daten-Brokers automatisiert werden. Der Daten-Broker überführt die Daten dabei automatisch in einen zentralen Hub und ermöglicht Mitarbeitern im nächsten Schritt, sich für den Zugriff auf die Daten zu registrieren.
  • Einen einheitlichen Metadaten-Katalog nutzen, der durch Data Intelligence gespeist wird, um das Maximum an Gewinn aus den Daten zu ziehen: Neue maschinelle Lernverfahren und auf Grafiken basierende Technologien können genutzt werden, um die Struktur, Bedeutung und das Risiko von Datenbeständen zu erschließen. Diese Erkenntnisse können wiederum an Business-Analysten und die IT-Abteilung weitergeleitet werden, um größere Autonomie bei gleichzeitig verbesserter Sicherheit und Kontrolle zu gewährleisten.

Das sind Best Practices, die wir aus der Zusammenarbeit mit Kunden im Jahr 2015 gesammelt haben. Es zeigt auch, was Informationsstrukturen leisten, um Unternehmen dabei zu helfen, die richtigen Daten zur richtigen Zeit bereitzustellen. Dadurch wird der Bereich Analytics tief greifender, dynamischer und belastbarer für die Entscheidungsfindung.

Fazit

Datenanarchisten und eine unkontrollierte Transformation verursachen Chaos, das Datenbestände zu Verbindlichkeiten macht. Natürlich soll es nie Ziel sein, ein Data Warehouse zu erschaffen, das die Welt bis ins kleinste Detail abdeckt. Stattdessen sollte man einen Weg finden, der einem erlaubt, sich auch während der Transformation zu entwickeln, allerdings in geordneten Bahnen. Erfolgreiche Datenmanager nutzen dazu fortschrittliche Informationsstrukturen, um eine gut gesicherte und kontrollierte Datendemokratie für ihr Unternehmen zu schaffen.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 43723685 / Best Practices)