Das starke Wachstum strukturierter und unstrukturierter Daten bremst vielerorts die Digitalisierung aus. Das Speichermanagement und die Mobilität von Daten werden dadurch komplexer. Abhilfe schaffen eine strikte Daten-Policy und die passenden Analysewerkzeuge.
Vorbedingung: Ob ein Unternehmen die digitale Transformation erfolgreich bewältigt, hängt vor allem davon ab, wie gut es mit seinen Daten umgeht. Fortschritte gibt es schließlich nur mit einer konsistenten Daten- und Analytics-Strategie. Viele Betriebe stellen sich derzeit strukturell neu auf, um zu einer Data-driven Company zu werden. Dieses Schlagwort bezeichnet Unternehmen, welche die eigenen Datenbestände konsequent nutzen, um sich neue Chancen und Möglichkeiten für ihre Geschäftsprozesse zu erschließen. „Eine große Hilfestellung geben dabei Machine-Learning-Lösungen und Datenanalyseplattformen in Zusammenhang mit bestehenden Data-Leaks“, berichtet Christian Hager, Managing Director von retailsolutions Austria, einem Beratungshaus für SAP-Lösungen. „Start-ups haben hier oft Vorteile, da sie von Anfang an mit dieser Architekturvorgabe arbeiten.“
Strategische Analysen machen Fachanwender flexibel
Daten spielen für Unternehmen seit jeher eine wichtige Rolle. Häufig bilden Informationen wie Verkaufsdaten oder Kundeninformationen die Grundlage für Entscheidungsfindungen oder Prozessentwicklungen. Im Handel müssen Retailer beispielsweise einerseits eine große Menge an Daten laufend verarbeiten und andererseits auch im täglichen Business auf Veränderungen mit Daten reagieren. Noch überall wird dieses Potenzial ausgeschöpft. Eine Studie von Forrester zeigt zum Beispiel, dass Unternehmen bis zu 73 Prozent der Daten nicht verwenden. „Viele Informationen zu haben, reicht allerdings auch nicht aus“, erläutert Hager. „Es gilt diese auch systematisch und methodisch richtig zu nutzen und in die Prozesse zu integrieren, damit sie einen Mehrwert für die Organisation, die Anwender und die Kunden bringen.“
Data-driven Unternehmen oder solche, die es werden möchten, betrachten die Daten als ein strategisches Element, das allen Mitarbeitern zugänglich ist, sobald sie es benötigen. Verfügt jeder Mitarbeiter über den entsprechenden Zugriff, lassen sich Entscheidungen rasch und dort, wo sie benötigt werden, fällen. Das hilft Unternehmen, flexibel zu bleiben. „Eine hohe Datenqualität und rasche Datenverfügbarkeit ermöglichen es den Unternehmen, schnell auf Marktveränderungen zu reagieren und Kosten zu sparen“, berichtet Hager. „Eine Voraussetzung dafür ist es, dass es für die Daten eine einheitliche Definition gibt und dass Datensilos vermieden werden.“
Ein Enterprise Data Model bildet die Datenstruktur ab
Um als etabliertes Unternehmen mit einer gut vernetzten IT-Architektur ein datengetriebenes Geschäftsmodell aufzubauen, gilt es die relevanten Prozesse neu zu organisieren. „Es gibt nicht den einen richtigen Weg zur Data-driven Company“, erläutert Hager. Jedes Unternehmen steht hier vor einem anderen Kontext und anderen Herausforderungen, die den Gesamtprozess beeinflussen“, Zunächst gehe es vor allem darum, Daten zu teilen und nutzbringend einzusetzen. Außerdem gelte es die Struktur der Daten mit einem Enterprise-Data-Model abzubilden und Rollen sowie Verantwortlichkeiten für die Informationen festzulegen, sogenanntes Data Governance – beispielsweise mit „Data Stewardship“ oder „Data Ownership.
Die Enterprise-Architektur muss angepasst werden. Hier geht es darum, Datenmodelle zu definieren und Verteilermechanismen zu etablieren. Die Verantwortung für die Daten liegt dann nicht mehr beim Erzeuger, sondern beim Empfänger. „Für all diese Schritte gilt es, die am besten passenden Lösungen für Datenmanagement, Analytics und Machine-Learning auszuwählen“, erläutert Hager. „Die idealen Applikationen erfüllen die Anforderungen des Business und lassen sich ohne großen Aufwand in die vorhandene Architektur integrieren.“ Jürgen Frisch
