Data-Shopping

Daten-Shopping à la eCommerce

Organisatorische Konzepte wie Data Mesh und Daten-Demokratisierung helfen Unternehmen, den Schritt in die Cloud mit verbesserten Prozessen umzusetzen. Data Mesh ist ein sozialtechnischer Ansatz, bei dem Entwicklungsteams die Verantwortung für die technische Seite tragen. Sie entwickeln die Architektur und betreiben die Systeme. Die Hoheit über die Datenprodukte selbst fällt bei diesem Ansatz den Fachbereichen zu, da sie am nächsten an diesen Informationen sitzen und sie zumeist auch produzieren. Der zweite Ansatz Daten-Demokratisierung beschreibt die Art und Weise, wie die Arbeit mit Daten funktionieren soll. Für eine Daten-Demokratisierung bedarf es eines kulturellen Verständnisses und der technischen Möglichkeiten dafür, dass alle Personen Daten sammeln und analysieren können, ohne hierzu Hilfe von außen zu benötigen.

In diesem Zusammenhang taucht auch der Begriff des Data-Shoppings auf. Ein “Daten-Shopping”-Erlebnis simuliert das klassische Online-Shopping. Konkret heißt das, dass Mitarbeitende Daten in Ihrem Datenverzeichnis, meist einem Datenkatalog, suchen und bestimmte Datensätze für sich heraussuchen. Das ist aufwändig, denn Unternehmen müssen dafür bereit sein, Systeme so zu bauen, dass ihre Teams Datensätze suchen, sortieren, filtern, vergleichen, selektieren und den Zugriff auf sie anfordern können – und das auf sichere und zuverlässige Weise.

Diese Umstellung ist für Unternehmen eine grosse Herausforderung. Typischerweise lassen sich dabei vier wiederkehrende Erfolgskriterien feststellen:

Auffindbarkeit und Verständnis von Daten: Der Ansatz des Shoppings bietet eine leicht zu bedienende Oberfläche, die es Mitarbeitenden erlaubt, die passenden Daten für eine Analyse zu identifizieren. Eine Voraussetzung für einen sinnvollen und erfolgreichen Einsatz ist weiterhin ein Verständnis für Daten. Leider scheitern hier viele Projekte, denn viele Unternehmen haben keine gute Strategie um die Datenkompetenz langfristig zu verbessern. Laut einer IDC Studie haben 65 Prozent aller Unternehmen haben Probleme dabei, die Datenquellen in ihrem Unternehmen zu identifizieren und zu kontrollieren.

Datenqualität und -transparenz: Daten, die auffindbar sind, haben nicht automatisch eine bessere Datenqualität. Dieses Problem muss an anderer Stelle gelöst werden, es wirkt sich aber wesentlich auf die Akzeptanz einer Data-Shopping-Lösung aus. Denn wer immer inkonsistente Daten vorfindet, verliert schnell die Lust.

Verantwortlichkeit für die Daten: Trotz des bequemen Zugangs und teils automatisierter Datenströme braucht es immer noch Verantwortliche, die sicherstellen, dass die richtigen Daten im richtigen Format zum richtigen Zeitpunkt zur Verfügung stehen. In einer IDC Studie gaben 95 Prozent an organisatorische Schwierigkeiten zu haben.

Datenschutzkonformer Zugriff: Daten, besonders personenbezogene Daten, unterliegen einer gesonderten Sorgfaltspflicht. Auch dies muss zu jeder Zeit gewährleistet werden.

Identifizierung und Schutz sensibler Daten

Eine der zentralen Herausforderungen beim Daten-Shopping ist der geregelte Zugriff auf und die Nutzung von sensiblen Daten. Die Datenschutzbestimmungen enthalten strenge Vorschriften für sensible Daten wie PII (Personally Identifiable Information) und PHI (Protected Health Information). Diese Anforderungen bringen Organisationen in eine heikle Situation. Wenn Sie zu viel Kontrolle über die Verwendung sensibler Daten ausüben, verlieren Sie die Möglichkeit, einen Mehrwert aus diesen Daten zu ziehen. Wenn Unternehmen ihre Daten in die Cloud verlagern, ohne Kontrollen und Richtlinien für den Zugriff einzurichten, sind sie nicht in der Lage, den Datenzugriff nach der Migration schnell zu skalieren. Im schlimmsten Fall fehlt der Zugriff für die Mitarbeitenden, an den wichtigen Stellen. Das wäre fatal, denn das Business ist auf die Analysen angewiesen.

Dieser dreistufige Ansatz zeigt drei einfache Stufe wie Data Governance und Datenqualität für einen konformen Zugriff auf Daten und Analysen in der Cloud sorgen:

Bestandsaufnahme: Die meisten Unternehmen sammeln schon seit Jahren Daten, die in letzter Zeit exponentiell gewachsen sind. Außerdem ist ihr Daten-Ökosystem meist ein über viele Jahre gewachsenes System. Es ist daher umso wichtiger ein vollständiges Verständnis der Unternehmensdaten und Datenquellen zu erhalten. In diesem Schritt muss auch die Verantwortung an bestimmte Fachbereiche verteilt werden. Die Systematisierung Ihrer Unternehmensdaten bei der Verlagerung in die Cloud bereitet ideal auf eine gesetzeskonforme Nutzung vor

Migration: Eine geregelte Datenaufnahme und -umwandlung, um Kontext aufzubauen und sensible Daten zu identifizieren, ist hier das A und O. Tools können an dieser Stelle helfen, Daten geordnet und strategisch zu migrieren. Sie können zum Beispiel die Erstellung moderner Richtlinien und die dynamische Durchsetzung in großem Umfang ermöglichen. Eine Kernfunktion sollte hier die universelle Daten Autorisierung sein. Tools dieser Art sollen Zugriffskontrollen und Richtlinien vereinfachen, standardisieren und automatisieren.

Verzeichnis: Ein Katalog für beispielsweise einen Data Lake, der den richtliniengesteuerten Zugriff auf sensible Daten ermöglicht, kann helfen von Beginn an die Datenhaltung in der Cloud zu strukturieren und den Überblick zu behalten. Die Metadaten, Datenklassifizierungen und technischen Metadaten versorgen die Zugriffsmanagement-Engine und die Datenpipelines. Wenn der Data Lake mit freigegebenen Datensätzen gefüllt wird, sind die Daten im Lake bereits kuratiert – und dadurch bereit für den Zugriff.

Gelebte Datendemokratie: Der Aufwand lohnt sich

Data Governance spielt in diesem Prozess eine wichtige Rolle, doch dabei ist es wichtig, seinen Datenkonsument:innen ein optimiertes Einkaufserlebnis zu bieten, in dem sie

selbst entdecken, welche Daten verfügbar sind.

den Kontext der Daten transparent einsehen können, einschließlich der Definitionen der wichtigsten Geschäftsbegriffe und Metriken.

sorgenfrei Daten vergleichen und auswählen können, denn der Datenschutz ist automatisiert geregelt

demokratischen Zugang zu Daten haben.

All diese Vorteile treiben die Datenkultur im Unternehmen voran und bieten einen strukturierten Ansatz für Unternehmen datenintelligent zu werden.