Anzeige

Anzeige

VERANSTALTUNGEN

Bitkom | Digital Health Conference
26.11.19 - 26.11.19
In dbb Forum Berlin

IT & Information Security
26.11.19 - 27.11.19
In Titanic Chaussee Hotel, Berlin

Integriertes IT Demand und Portfolio Management
02.12.19 - 04.12.19
In Sofitel Berlin Kurfürstendamm, Germany

IT-Tage 2019
09.12.19 - 12.12.19
In Frankfurt

eoSearchSummit
06.02.20 - 06.02.20
In Würzburg, Congress Centrum

Anzeige

Anzeige

Korallenriff

Die Bereinigung von Stammdaten sorgt dafür, dass Mitarbeiter ein besseres Gesamtbild über die vorhandenen Informationen erhalten. Nur mit diesem Wissen können sie den Kunden zielgerichtete Services und Produkte anbieten und damit die Kundenzufriedenheit erhöhen. Mit der folgenden Vorgehensweise gelingt es Unternehmen, diesen Mehrwert aus ihren Daten zu ziehen.

Eine aktuelle Studie der BARC (Business Application Research Center)-Analysten unterstreicht, dass das Einhalten von Compliance-Vorgaben mit der größte Antrieb für Data Governance-Initiativen ist. Speziell in Europa ist die Datenschutzgrundverordnung (DSVGO) der wichtigste Grund für ein höheres Augenmerk auf Data Governance. Die Analysten gaben aber auch zu bedenken, dass rechtliche Vorschriften nicht allein im Mittelpunkt stehen sollten. Die Bereinigung von Stammdaten sorgt dafür, dass Mitarbeiter ein besseres Gesamtbild über die vorhandenen Informationen erhalten. Dies ist letztlich die Grundlage, um die Kundenzufriedenheit zu erhöhen, indem diese zielgerichteten Services und Produkte erhalten. Denn unzufriedene Kunden beeinflussen das gesamte Unternehmen: Das Ergebnis ist ein niedrigerer Umsatz und Gewinn sowie ein nicht zu unterschätzender Reputationsverlust. Oberste Priorität ist somit, die Zufriedenheit und das Erlebnis der Kunden zu verbessern. Aber wie genau?

Strukturierung und Governance machen aus Data Lakes einen wertvollen Daten-Pool

Unternehmen sollten auf Basis ihrer gespeicherten Daten feststellen, was Kunden möchten und ihnen ein herausragendes Erlebnis über alle Kanäle hinweg bieten. Dazu müssen sie diese Informationen aus Dutzenden Systemen zusammenziehen, darunter Beschaffung, Call-Center-Interaktionen, Website-Besuche, mobile App-Nutzung und zunehmend auch IoT-Sensoren und -Geräte. Auf den ersten Blick scheint die Lösung einfach zu sein: Alle Daten in einen Data Lake fließen und von Data Scientists und Business-Analysten analysieren zu lassen. Dadurch ergeben sich neue Erkenntnisse, die in Aktivitäten umgesetzt werden können und die zu einem individuelleren, personalisierten Kundenerlebnis führen. Doch dies ist mitnichten so einfach, wie es sich vielleicht anhört.

Eine Herausforderung: Die Daten liegen in vielfältigen Formen und großen Mengen vor. Sie sind somit nicht sofort verwendbar, sondern müssen zunächst entsprechend für die moderne Analytik vorbereitet werden – ein komplexer Prozess. Darüber hinaus wachsen Daten exponentiell und in Echtzeit. Data Scientists verbringen deswegen momentan zu viel Zeit mit der Bereinigung und Aufbereitung von Informationen anstatt mit Mehrwertanalysen. Diese Situation ist nicht nachhaltig und kostet Unternehmen bares Geld. Viele Organisationen erkennen, dass sie statt eines Data Lakes eher einen „Datensumpf“ geschaffen haben. Sie haben schlicht und einfach Data Governance als kritischen Erfolgsfaktor übersehen. Data Governance verknüpft Menschen, Richtlinien, Prozesse und Technologien. Sie ist außerdem wichtig, um den bestehenden Datenschatz in einen Data Lake zu verwandeln – der sich dann zu einem wertvollen Unternehmenswert entwickelt.

Was ist Data Governance und worauf sollten Unternehmen achten?

Data Governance ist das Management von Praktiken und Prozessen, die die Qualität, Verfügbarkeit, Benutzerfreundlichkeit, Integrität und Sicherheit von Unternehmensdaten gewährleisten – und zwar on-premise wie auch in der Cloud. Unterstützt wird sie von einem umfangreichen Technologie-Stack, der Komponenten für Geschäftsglossarien, Richtliniendefinition und Zusammenarbeit, Datenablage, Datenintegration, Datenqualität, Metadatenmanagement, Sicherheit und Datenschutz, Datenmaskierung und Datenkatalogisierung bietet. So lassen sich Informationen klassifizieren, Beziehungen identifizieren und End-Usern Suchanfragen nach Daten durch einen Katalog ermöglichen. Auch wenn dies nach viel klingt: In Kombination mit künstlicher Intelligenz (KI) und der richtigen Technologielösung erhalten Unternehmen einen automatisierten Ansatz für die Data Governance mit vertrauenswürdigen, kontextbezogenen und zugänglichen Daten.

Obwohl die richtige technologische Grundlage entscheidend ist, erfordert Data Governance auch die Zusammenarbeit mit einer Reihe von Stakeholdern. Dazu gehören beispielsweise Chief Data Officer, Enterprise Architects, Business Unit Leads und Data Stewards. Sie sind für die Kontrolle der Datenqualität sowie die Einhaltung von Richtlinien und -prozessen ebenso verantwortlich wie für alltägliche Governance-Aktivitäten. Die einzelnen Abteilungen müssen außerdem eng mit den IT-Teams zusammenarbeiten, um die Rollen und Ziele des jeweils anderen zu verstehen. Ansonsten laufen sie Gefahr, dass Data Governance-Richtlinien und -Prozesse nicht umgesetzt werden. Data Governance ist bei den effektivsten Programmen ein Teil der Unternehmenskultur. Es ist keine eigenständige Disziplin, sondern die Art und Weise, wie das Geschäft geführt wird.

Erfolgreiche Data Governance für Big Data

Die folgenden Schritte unterstützen Unternehmen dabei, das Potenzial von Data Lakes auszuschöpfen. Damit sind sie in der Lage, die Aktivitäten innerhalb ihrer Organisation voranzutreiben – sei es, um eine höhere Kundenzufriedenheit zu unterstützen, Betrug zu erkennen, Risiken zu managen, effizienter zu sein oder andere Geschäftsziele zu erreichen.

  1. Daten strukturieren und kategorisieren. Unternehmen sollten eine Data Governance-Strategie entwickeln und implementieren. Nur so lässt sich gewährleiten, dass Informationen gut organisiert, klassifiziert und katalogisiert sowie allgemeinverständlich beschrieben sind. Anwender sind so in der Lage, Bedeutung, Kontext und Relevanz von Daten besser zu verstehen und einzuordnen. Rohdaten, aber auch strukturierte und unstrukturierte Informationen sind so einfacher zu kategorisieren.
     
  2. Analyse vorbereiten. Die Datenqualität ist ein wichtiger Bestandteil des Data Governance-Programms. Sie gewährleiste, dass Informationen konsistent, akkurat, vertrauenswürdig und für Analysen geeignet sind. Data Governance-Initiativen sollten auch dazu beitragen, dass nur autorisierte Mitarbeiter auf entsprechende Daten zugreifen können. Darüber hinaus müssen sie den gesetzlichen Anforderungen entsprechen, insbesondere beim Thema Datenschutz.
     
  3. Self-Service ermöglichen. Business-User und Data Scientists benötigen Tools und semantische Suchfunktionen, um einfach und problemlos nach Daten zu „suchen“ (ähnlich der Produktsuche auf einer Retail-Website). Sie könnten dann außerdem eine detailliertere Suche anwenden, um die Ergebnisse zu verfeinern. Die Datenverantwortlichen innerhalb einer Organisation werden nur dann Daten unternehmensweit zur Verfügung stellen, wenn gewährleistet ist, dass sie Richtlinien und Branchenvorschriften erfüllen. Unternehmen erhalten somit eine Vielzahl von Vorteilen, wenn Informationen besser nutzbar sind.
     
  4. Impulsgeber für datenbasierte Geschäftswerte. Unternehmen können Data Governance als Impuls für eine beschleunigte digitale Transformation nutzen. Entsprechend aufbereitete Informationen unterstützen dabei, komplexe Prozesse zu vereinfachen sowie innovativer und effizienter zu sein. Darüber hinaus erzielen Organisationen Wettbewerbsvorteile und halten gleichzeitig Datenschutzanforderungen wie die Datenschutzgrundverordnung (DSGVO) ein.

Kristallklare Data Lakes benötigen Governance, Strukturen und Prozesse

Ein Data Lake soll ein einziges Repository für historische und Echtzeit-Informationen sein. Unternehmen sind damit in der Lage, intelligentere und schnellere Entscheidungen hinsichtlich der Geschäftsentwicklung, aber auch neuer Produkte und Services zu treffen. Data Governance ermöglicht konsistente, kontextualisierte, zugängliche und geschützte Daten. Denn nur ein kristallklarer (sprich: strukturierter) Data Lake ermöglicht Unternehmen, dass sie den umfangreichen Daten profitieren und diese bestmöglich nutzen. Künftig werden nur Organisationen wettbewerbsfähig bleiben, die ihre Kunden mit innovativen Produkten und Dienstleistungen zufriedenstellen und ihnen so eine positive Erfahrung bieten. Damit dies so bleibt, sind Daten und vor allem deren Analyse eine wichtige Voraussetzung. Nur so lassen sich informierte Entscheidungen zur strategischen Ausrichtung eines Unternehmens treffen und damit Mehrwerte schaffen – für Kunden und Partner ebenso wie für die betreffende Firma selbst.

Oliver Schröder, Geschäftsführer DACH
Oliver Schröder
Geschäftsführer DACH, Informatica
Whitepaper Datenbankmodernisierung in der Cloud
Sep 28, 2019

Datenbankmodernisierung in der Cloud

In Zeiten von Big Data, Serverless Computing, Microservices und Ad-hoc-Analysen auf Basis…
Tb W90 H64 Crop Int 770d09f98240ec4a3414198cc46b646c
Jun 27, 2019

Globale Data Governance - Schwerpunkt beim G20-Gipfel

Die Vertreter der stärksten Wirtschaftsnationen treffen sich von 28. bis 29. Juni 2019 in…
Frau am Startblock einer Laufbahn
Apr 12, 2019

Sechs Schritte für einen agilen Start in die Data Governance

Die digitale Transformation in Unternehmen fordert einen offenen, transparenten und…
GRID LIST
Datamanagement

Das Potential von Datenmanagement für TK-Anbieter

Im Laufe der Zeit generieren und speichern Telekommunikationsanbieter aufgrund ihrer…
Big Data & more

Von Data Lakes, -Marts, -Vaults und -Warehouses

Big Data oder Data Analytics sind einige der größten Herausforderungen für die IT unserer…
Big Data Trends 2020

Big Data Trends 2020: Analytics reicht nicht mehr aus

Eines steht fest: Der Umgang mit Daten wird in Zukunft weit über Suche, Dashboards und…
CDO

Die wichtige Funktion des Chief Data Officer im digitalen Wandel

Daten sind der Treibstoff des digitalen Wandels, und der enorme Zuwachs an…
Datamanagement

Datenqualität: Die Achillesferse der Digitalisierung schützen

In einem digitalisierten Prozess beeinflusst die Qualität der Daten direkt die…
Datenkugel

Alle Daten im Griff mit Datenvirtualisierung

Die Digitalisierung schreitet unaufhaltsam voran. Unternehmen sind dadurch zunehmend…