Die 3 Steuerungsebenen für eine erfolgreiche Datentransformation
Erfolg durch strategisches Datenmanagement
Daten sind schön, machen aber viel Arbeit.
Ein effizientes Datenmanagement ist im 21. Jahrhundert der entscheidende Faktor für den Erfolg eines Unternehmens. Im ersten Teil unsere Serie zum Thema «Data-to-Value» geht es um die Umsetzung einer erfolgreichen Datentransformation.
Lesen Sie, wie Sie mit dem eigenen Datenschatz Wettbewerbsvorteile erzielen und vom Daten-Anfänger zum Daten-Meister werden.
Unternehmen stehen den vielfältigen Datenherausforderungen oft ratlos gegenüber und viele Dateninitiativen scheitern. Die häufigsten Gründe sind die fehlende geschäftliche Relevanz, operative Hindernisse oder die nicht vorhandene technische Umsetzbarkeit.
Das mm1 Data-to-Value Framework unterstützt Unternehmen erfolgreich auf dem Weg vom Daten-Anfänger zum Daten-Meister. Dafür bringen wir die drei Steuerungsebenen der Datentransformation in Einklang.
Transformation zum Daten-Meister
Drei Steuerungsebenen für die systematische Vorgehensweise
Für eine erfolgreiche Datentransformation müssen die geschäftliche, die operative und die technische Steuerung Hand in Hand gehen. Werden diese drei Steuerungsebenen systematisch bearbeitet, lässt sich die Nutzung von Daten zielgerichtet vertiefen und verbreitern.
1. Datenstrategie als geschäftliche Steuerungsebene
Die Kernfrage dieser Steuerungsebene von Data-to-Value lautet:
- Welche Rolle kann und soll unser Datenschatz für das Erreichen unserer geschäftlichen Ziele zukünftig spielen?
Hier wird sichergestellt, dass der geschäftliche Nutzen von Daten im Unternehmen verstanden und systematisch verfolgt wird. So wird Datennutzung als Teil des Geschäftsmodells verankert.
Darüber hinaus wird der angestrebte Daten-Nutzungsgrad („Lehrling oder Meister?“) festgelegt und die erforderliche Datentransformation eingeleitet und umgesetzt.
2. Informations-Governance als operative Steuerungsebene
Durch die Informations-Governance wird die dauerhafte und verlässliche Abbildung der realen in der digitalen Welt sichergestellt.
Zwei wesentliche Fragen werden hier bearbeitet:
- Wie können wir unseren Datenschatz transparent, in hoher Qualität und rechtssicher regelmäßig verfügbar machen?
- Welche Rollen, Zuständigkeiten, Prozesse und Tools sind hierfür erforderlich?
Das Metadatenmanagement ist das zentrale Werkzeug der Informations-Governance: Es schafft die notwendige Transparenz über den gesamten Datenhaushalt und ermöglicht durch Automatisierung eine zunehmend effiziente Bewirtschaftung der Datenlandschaft.
Im Idealzustand führt das automatisierte Metadatenmanagement dazu, dass Datenanwendungen für geschäftliche Nutzer im Self Service zur Verfügung stehen.
Darüber hinaus legt die Informations-Governance Rollen, Zuständigkeiten und Prozesse für die Datenbewirtschaftung fest, sodass alle daten- und informationsspezifischen Aufgaben bewältigt werden können.
3. System-Architektur als technische Steuerungsebene
Die System-Architektur liefert einen entscheidenden Beitrag zur Flexibilisierung der Datennutzung - von der schnellstmöglichen Bereitstellung bis zur explorativen Nutzung von Daten.
Die Kernfragen auf dieser Ebene lauten:
- Mit welchen technischen Systemen und Architekturen können wir unseren Datenschatz beherrschen?
- Wie können diese Systeme effizient entwickelt und betrieben werden?
Data-to-Value definiert im Rahmen der System-Architektur eine unternehmensweite IT-Roadmap sowie IT-Standards und Leitlinien, die Ihr Unternehmen zur Umsetzung der Datentransformation befähigen.
Ein digitaler Bebauungsplan, bestehend aus Ist-Sicht der Fach-, Anwendungs-, Infrastruktur-, Schnittstellen und Sicherheitsarchitektur, ist das zentrale Werkzeug der System-Architektur. Er setzt den Rahmen für eine zielgerichtete, harmonisierte und nachhaltige IT-Landschaft im gesamten Unternehmen.
Solution-Architekten stellen in den Umsetzungsprojekten sicher, dass die IT-Standards und die fachlichen und funktionalen Zielsetzungen mit bestmöglichen Synergien und Nachhaltigkeit umgesetzt werden.
Wie läuft die Datentransformation ab?
Phase 1: Zielbild
- Assessment: Diagnose von Datenbestand und derzeitiger Datennutzung
- Zielbild: Festlegung Ambitionsniveau für zukünftige Datennutzung („Anfänger -> Meister“)
- Roadmap: Erarbeitung von Maßnahmenplan und einer Longlist von Daten Use Cases
Phase 2: Prototyping
- Use Case Auswahl: Priorisierung von geschäftlich relevanten Daten Use Cases (auf Basis von Nutzen und Machbarkeit)
- Umsetzungsvorbereitung: Anforderungsmanagement, Data Engineering und Solution Design
- Eine leichtgewichtige Umsetzung: Aufbau eines ‚Minimum Viable System‘, mit dem der Daten Use Case trotz geringem Funktionsumfang schnell erlebbar wird
Phase 3a: Skalierung/Governance
- Datentransparenz: Einführung der relevanten Werkzeuge für Datentransparenz (Datenkatalog, Business Glossar, Komponentenbaum, Geschäftsobjektmodell)
- Rollen und Zuständigkeiten: Rollenbeschreibung (z.B. Data Owner/Data Steward) und passgenaue Verankerung in der Organisation
- Datenprozesse: Etablieren der Datenkernprozesse (u.a. Management von Datenqualität und Datenrisiken, Datensicherheit, Sicherstellung Data Lineage, …)
- Metadaten: Einführung und weitgehende Automatisierung eines umfassenden Metadatenmanagements
Phase 3b: Skalierung/Systeme und Architektur
- Referenz-Architektur: Festlegung von Regel-Komponenten, Verarbeitungsschichten und Schnittstellen (u.a. durch Architektur-Leitlinien und Bebauungspläne)
- System-Ausbau und -Betrieb: Steuerung des Systemausbaus mit Fokus auf Nachhaltigkeit, Wiederverwendbarkeit, Automatisierung
Phase 4: Regelbetrieb
- Nach der Umsetzung der Datentransformation kann der durch die digitale Transformation optimierte Regelbetrieb wieder aufgenommen werden.
Fazit: Data to Value…
… ist das Framework für die erfolgreiche Datentransformation: Vom Daten-Anfänger zum Daten-Meister.
… bedeutet: die Nutzung von Daten systematisch zu vertiefen und zu verbreitern, damit Daten zu Werttreibern werden.
… verhilft dazu, die Möglichkeiten von Daten und Informationen zu erkennen und voll auszuschöpfen
… bringt drei Steuerungsebenen der Datentransformation in Einklang: Datenstrategie, Informations-Governance und System-Architektur.
Über mm1
mm1 ist die Unternehmensberatung für Connected Business.
Mit rund 100 Beratern unterstützt mm1 führende Unternehmen bei der Gestaltung der digitalen und vernetzten Welt. Geleitet von dem Anspruch „Wir machen digitale Champions!" verwirklicht mm1 dabei zeitgemäße Geschäftsmodelle, Produkte und Prozesse.
Das Beratungsangebot reicht von der Entwicklung von Connected Business Strategien und Geschäftsmodellen bis zur Sicherstellung der effizienten operativen Umsetzung. Renommierte Unternehmen aus den Branchen Telekommunikation, Medien, Unterhaltungselektronik, Finanzdienstleistung und Automobilbau zählen zum Kundenkreis von mm1. Das Unternehmen wurde 1997 gegründet und hat seinen Firmensitz in Stuttgart, sowie weitere Büros in Berlin, Bonn und Zürich. Mit dem Tochterunternehmen mm1 Technology (Berlin) liefert mm1 zudem bedarfsgerechte Funktechnologie sowie Hardware und Software für Connected Business Lösungen.
Mehr Informationen unter mm1.com.
