Das Arbeiten mit großen Datenmengen eröffnet nicht nur neue Möglichkeiten für Organisationen, sondern geht auch mit neuen Risiken einher. Organisationen können bspw. vor lauter Daten den Überblick verlieren. Datenarchitektur, verstanden als organisationale Kompetenz, adressiert diese Big- Data-Herausforderung und ermöglicht das strategische Management des Assets Daten.
Datenarchitektur schafft Klarheit im Datenchaos
Die weltweite Datenmenge in allen gesellschaftlichen Bereichen explodiert. Von rund 33 Zettabyte im Jahr 2018 soll die Datenmenge jährlich um ca. 27 Prozent bis zum Jahr 2025 auf 175 Zettabyte steigen (das entspricht 175 Milliarden Terabyte). Innerhalb von Unternehmen und Organisationen sind die Auswirkungen dieser Entwicklungen bereits spürbar. So verbringen Mitarbeiter rund 30 Prozent ihrer Zeit mit der Suche nach Daten und Informationen, Tendenz steigend. Digitale Transformationsprojekte geraten ins Stocken, da nicht das Fehlen von Daten zu Behinderungen führt, sondern deren Vielfalt und ihr Volumen unerwartete organisatorische und technologische Anforderungen mit sich bringt. So scheinen Daten zwar das neue Öl zu sein, deren Nutzbarmachung und Kommerzialisierung fallen vielen Organisationen jedoch schwer. Schlimmer noch, viele Organisationen verlieren zunehmend den Überblick über Ihre Datenschätze, was wiederum Digitalisierungsansätze sowie Weiterentwicklungspotenziale hemmt und zu einer Gefährdung ihrer Wettbewerbsfähigkeit insgesamt führt.
Aus diesen Gründen ist in Organisationen, die überflutet werden von Informationen und Daten, Klarheit ein Wert an sich: Klarheit, die organisatorisch, technologisch und kulturell in Organisationen jedweder Couleur – vom Wirtschaftsunternehmen bis zur öffentlichen Verwaltung – geschaffen werden muss, um im 21. Jahrhundert wettbewerbsfähig zu sein. Klarheit, die nachhaltig in Organisationen verankert und kultiviert werden muss, da sie sonst wieder verloren geht. Klarheit, die es erfordert, dass Daten nicht als Neben- und Abfallprodukt einer Organisation begriffen werden, sondern als Vermögenswert, den es vergleichbar zum Personal oder zur Infrastruktur zu managen gilt.
Datenarchitektur: Konzept für organisationale Kompetenz
Datenarchitektur, verstanden als organisationale Kompetenz, schafft eben diese Klarheit. Es gilt, sie aufzubauen, um die Herausforderungen von Big Data und der Digitalisierung anzugehen.
Was ist Datenarchitektur?
Datenarchitektur ist eine spezifische Teilarchitektur der Unternehmensarchitektur. Sie hat zum Ziel, die organisationale Wertschöpfung und die strategische Weiterentwicklung durch die qualitätsgesicherte, nutzerorientierte und zeitgereichte Bereitstellung von Informationen über das Asset Daten zu unterstützen. Identifikation, Beschreibung und die zukunftsorientierte Modellierung von Daten und Datenzusammenhängen sind die Hauptfunktionen dieser organisationalen Kompetenz.
Deskriptive und präskriptive Datenarchitektur
Datenarchitektur kann im Hinblick auf die Zielsetzung in eine deskriptive und präskriptive Datenarchitektur ausdifferenziert werden.
- Deskriptive Datenarchitektur adressiert folgende wesentliche Fragen: Wo entstehen aktuell Daten in meiner Organisation? Wie hängen diese Daten zusammen? Wo und wie werden diese Daten bearbeitet, genutzt und monetarisiert?
- Präskriptive Datenarchitektur adressiert folgende wesentliche Fragen: Wie und wo sollten Daten erzeugt, bearbeitet und genutzt werden, um die Wertschöpfung meiner Organisation zu unterstützen? Wie sollte die Datenlandschaft der Zukunft aussehen, die unsere Geschäftsstrategie unterstützt, und wie sieht der Weg dahin aus?
Datenarchitektur ist mehr als ein Datenkatalog
Ein häufiges Phänomen in Organisationen ist, dass durch die Einführung eines Datenkatalogs geschaffen Klarheit im Datenchaos werden soll. Mit einem Datenkatalog und seinen Möglichkeiten zur Modellierung der Data Lineage and Data Usage will man möglichst schnell und effizient wieder die Kontrolle über seine Daten erlangen. Die Ernüchterung bei den meisten Datenkatalogprojekten tritt oft schnell ein. Fehlender Mehrwert für das Business ist ein Grund dafür, weitere sind ein unverhältnismäßiger Implementierung- und Betriebsaufwand für den Datenkatalog sowie stockende Umsetzungsprojekte aufgrund eines fehlenden Gesamtbilds, welches neben den technologischen auch die fachlichen und organisatorischen Aspekte berücksichtigt. Häufiges Ergebnis: Das Datenchaos bleibt, die Projekte versanden oder der Datenkatalog wird ohne ersichtlichen Mehrwert für das Unternehmen weiter betrieben.
Ursächlich für diese Probleme ist eine fahrlässige Verkürzung. Datenarchitektur wird auf die reine Technologie eines Datenkatalogs reduziert. Das Gesamtbild, insbesondere die organisatorische Verankerung und die Ausrichtung auf die organisationale Wertschöpfung, fehlt. Um Klarheit im Datenchaos zu schaffen, bedarf es eines ganzheitlichen Vorgehens, welches die strategischen, fachlichen, organisatorischen und technologischen Aspekte umfasst. Aus diesem Grund empfiehlt es sich, die zunehmende Intransparenz und den Kontrollverlust aufgrund des Datenchaos ganzheitlich anzugehen. Das Camelot Data Architecture Framework zusammen mit dem entsprechenden Vorgehensmodell für die Implementierung bietet hierfür einen ganzheitlichen Ansatz.
Erste Umsetzungsschritte:
Neben der Berücksichtigung des Gesamtbildes sollten folgende Aspekte beim Aufbau einer Datenarchitektur berücksichtigt werden:
Von der deskriptiven zur präskriptiven Datenarchitektur:
Zunächst empfiehlt es sich, sich einen Überblick über die aktuellen Datenbestände und deren Beziehungen zu verschaffen. Die Einführung und Nutzung von Datenkatalogen oder Graphdatenbanken sind zweckmäßige erste Schritte dafür. Bereits dadurch können Möglichkeiten für Kosteneinsparungen aufgedeckt und Effizienzgewinne erzielt werden. Nach erfolgreicher Bestandsaufnahme kann mittelfristig der Übergang zur präskriptiven Datenarchitektur, d.h. zur zukunftsfähigen und aktiven Gestaltung der Datenlandschaft, erfolgen.
Zweckmäßige Selektion von Tools und Methoden:
Datenarchitektur stützt sich auf ein umfangreiches Methoden- und Tool-Repertoire (z. B. Datenmodellierungswerkzeuge, Software für die Datenverwaltung, grafische Designanwendungen). Während des Ausbaus der Datenarchitektur sollten Methoden und Werkzeuge verwendet werden, mit welchen schnell ein Mehrwert für die Organisation gestiftet werden kann.
Fokussierung auf die Kernprozesse der eigenen Organisation:
Beim Aufbau der Datenarchitektur sollten zunächst die Kernprozesse der Organisation in den Fokus gerückt werden, um den größtmöglichen Nutzen zu erzielen. Handlungsempfehlung: Start small, scale fast.
Eine zweckmäßige Datenarchitektur unterstützt Organisationen dabei, Daten als das neue Öl unserer Zeit zu monetarisieren und nicht darin zu ertrinken. Wenn Sie mehr darüber erfahren möchten, wie mit einer wertschöpfungsorientierten Datenarchitektur das Datenchaos geordnet und dadurch nachhaltig die Wettbewerbsfähigkeit gesteigert werden kann, wenden sie sich an unsere Data-Architecture-Experten. Wir helfen Ihnen gerne mit Best Practices und unserem Camelot Data Architecture Framework. Von der Strategie bis hin zur Umsetzung.
Wir möchten Xifeng Du und Caroline Gerschner für ihren wertvollen Beitrag zu diesem Artikel danken.
