Im Jahr 2025 werden täglich etwa 463 ZB an Daten generiert werden, mit einem geschätzten Datengesamtwert von 229,4 Milliarden US-Dollar. Auch wenn Digitalisierung kein neues Thema mehr ist, zeigen diese Zahlen doch eines: Das Wachstum und der Wert von Daten haben unerwartete Ausmaße erreicht. Dieser enorme monetäre Wert setzt sich unter anderem zusammen aus der Optimierung interner Prozesse und Entscheidungen, der direkten Monetarisierung der Daten sowie der Entwicklung datengesteuerter Geschäftsmodelle. Um den Wert von Daten jedoch effektiv freisetzen zu können, muss ein Unternehmen datengesteuert werden.

Datengesteuert werden: Was bedeutet das?

Für eine erfolgreiche digitale Transformation muss ein entscheidender Aspekt berücksichtigt werden: die enorme Geschwindigkeit, mit der jeden Tag, jede Stunde und sogar jede Minute riesige Datenmengen erzeugt werden. Die schiere Menge an Informationen ist von unschätzbarem Wert und für Unternehmen extrem wichtig, wenn es darum geht, ihr Potenzial in Hinblick auf datengesteuerte Entscheidungen voll auszuschöpfen. Um den potenziellen Wert der Daten eines Unternehmens wirksam zu maximieren, müssen die Daten zuverlässig, qualitativ hochwertig und für die Benutzer leicht zugänglich sein. Trotzdem ist dies in den meisten Unternehmen nicht der Fall. Tatsächlich werden Daten in Silos gespeichert und sind daher nicht einfach zu finden und nicht schnell verfügbar. Oft sind die Daten von geringer Qualität, schlecht strukturiert und formatiert, was ihre Interoperabilität mindert.

Ein gut geeigneter Ansatz zum Aufbrechen dieser Silos, um das volle Potenzial der Daten nutzen zu können, ist die Einrichtung einer modernen Datenarchitektur. Der nachfolgende Blog bietet einen Leitfaden für die Gestaltung einer nachhaltigen modernen Datenarchitektur – den Governance-Rahmen.

Sechs Kernelemente eines Governance-Rahmens für die Datenarchitektur

Bei der Implementierung und Verwaltung einer modernen Datenarchitektur ist eine angemessene Governance entscheidend. Der richtige Rahmen für die Datenarchitektur-Governance ist eine entscheidende Grundlage für den Aufbau einer Organisation für die Datenarchitektur. Nach den Erfahrungen, die wir in unseren Datenarchitekturprojekten gesammelt haben, erwiesen sich sechs Kernelemente als geeignete Grundlage.

Es beginnt mit der Festlegung der benötigten Prozesse, um eine zur Strategie passende Datenarchitektur zu entwickeln und zu verwalten, jeweils auf einer strategischen, taktischen und operativen Ebene (erstes Element). Zweitens müssen die für eine geeignete Organisation der Datenarchitektur erforderlichen Rollen definiert werden. Dabei sollten die entsprechenden Aufgaben sowie die Zuständigkeiten und Verantwortlichkeiten jeder Rolle festgelegt werden. Dann werden diese Rollen auf die entsprechenden Prozesse abgebildet (drittes Element) und innerhalb der Organisation positioniert, was zu einem organisatorischen Rahmen (viertes Element) führt, der zusammen mit der Einrichtung von Ausschüssen eine ganzheitliche und synergetische Planung, Genehmigung und Kontrolle der Datenarchitektur-Governance ermöglicht. Die Schaffung von Standards und Richtlinien (fünftes Element) unter anderem für die Handhabung von Metadaten und für Governance-Prozesse ermöglicht eine einheitliche Standardisierung und Integration von Daten im gesamten Unternehmen. Dies hilft beim Aufbau einer Unternehmensdatenarchitektur, die das Betriebsmodell (sechstes Element) unterstützt, das benötigt wird, um Silos innerhalb der geschäftlichen und technischen Prozesse aufzubrechen und Hindernisse auszuräumen und so das volle Potenzial der Daten nutzen zu können.

Abbildung 1: Sechs Kernelemente eines Governance-Rahmens für die Datenarchitektur
Abbildung 1: Sechs Kernelemente eines Governance-Rahmens für die Datenarchitektur

In unserem ersten Blog legen wir den Schwerpunkt auf die ersten drei Elemente, da diese die Basis für die weiteren Elemente bilden. Die weiteren Elemente werden ausführlicher in einem der nächsten Blogs beschrieben. Somit starten wir mit den Prozessen, bevor wir zu einem organisatorischen Rahmen kommen und die Rollen beleuchten, die zur Ausführung dieser Schritt notwendig sind.

Prozesse

Unsere Erfahrung hat gezeigt, dass die Gestaltung eines Governance-Rahmens für die Datenarchitektur am besten mit der Festlegung der Prozesse auf strategischer, taktischer und operativer Ebene beginnen sollte.

Abbildung 2: Strategische Prozessebene einer Datenarchitektur-Governance
Abbildung 2: Strategische Prozessebene einer Datenarchitektur-Governance

Wie der Name schon sagt, sind die strategischen Prozesse auf die langfristige Planung von Aktivitäten zur Datenarchitektur ausgerichtet. Hier vorgenommene Entscheidungen und Genehmigungen dienen zur Orientierung für die gesamte Organisation. Die zu dieser früheren Phase gehörenden Prozesse beginnen mit der Vereinbarung und Festlegung der allgemeinen Datenstrategie, gefolgt von Überprüfungen und Bewertungen bestehender Strukturen: Welche Anforderungen bestehen seitens des Geschäfts und in welchem Ausmaß werden diese bereits durch die IT-Infrastruktur erfüllt? Darüber hinaus sind die Festlegung einer Strategie für Änderungsmanagement und Kommunikation sowie die Verwaltung der Daten-Governance-Prozesse entscheidend. Außerdem ist es wichtig, zu überprüfen und zu evaluieren, wie der bestehende organisatorische Rahmen aufgebaut ist und welche Rollen und Aufgaben enthalten sind.

Abbildung 3: Taktische Prozessebene einer Datenarchitektur-Governance
Abbildung 3: Taktische Prozessebene einer Datenarchitektur-Governance

Auf der taktischen Ebene bestehen die Prozesse in der Regel aus Modellierungsaktivitäten und proaktivem Management von Datenqualität und Anforderungen. Dies beinhaltet mittel- und langfristige Entscheidungen in Bezug auf die allgemeinen Standards und Richtlinien zur Datenarchitektur sowie die Erstellung und Pflege (logischer) Datenmodelle. In dieser Phase steht das allgemeine Lebenszykluskonzept von Datenprodukten im Mittelpunkt – von deren Schaffung über die Integration und Aktualisierung bis zu ihrer Archivierung. Dabei sollte entschieden werden, wie allgemeine Daten-Compliance, Datenschutz und Sicherheit sowie Datenqualität innerhalb dieses Lebenszyklus zu handhaben sind. Auch die Prozesse für die Verwaltung von Metadaten und Datenproduktanfragen müssen definiert werden. Und schließlich sollte auf dieser Ebene auch eine Bewertung der Werkzeuge und ihrer Implementierung erfolgen.

Abbildung 4: Operative Prozessebene einer Datenarchitektur-Governance
Abbildung 4: Operative Prozessebene einer Datenarchitektur-Governance

Letztendlich richten sich die Aufgaben und Prozesse auf der operativen Ebene auf kurzfristige proaktive und reaktive Aktivitäten rund um die Nutzung und Zugänglichkeit der Daten. Dazu gehören die allgemeine Verwaltung von Datenprodukten während ihres Lebenszyklus, die Verwaltung geschäftlicher und technischer Metadaten sowie die Handhabung von Datenproduktanfragen. Zusätzlich hierzu sollten Aktivitäten zum organisatorischen Änderungsmanagement stattfinden, um zu gewährleisten, dass die Bedürfnisse der Zielgruppen in Hinblick auf organisatorische Änderungen ermittelt und erfüllt werden. Dazu sollten weitere Schulungen erstellt und vorhandene Kenntnisse gehandhabt werden und es sollte eine laufende Unterstützung auf technischer und geschäftlicher Ebene bereitgestellt werden. Zuletzt müssen die Initiativen zur Datenarchitektur-Governance gemäß den definierten Prozessen verwaltet, ausgeführt und unterstützt werden. Dabei ist zu beachten, dass einige dieser Prozesse gleichzeitig ausgeführt werden können oder müssen, während andere voneinander anhängen, weshalb zuerst ein Folgeprozess ausgeführt werden muss.

Zentrale Rollen für die Handhabung einer modernen Datenarchitektur

Nachdem wir nun einen Überblick über die erforderlichen Prozessschritte einer modernen Datenarchitektur gewonnen haben, wollen wir uns nun die grundlegenden Rollen anschauen, die diese Schritte ausführen. Abbildung 5 zeigt fünf Rollen innerhalb der drei Planungsebenen.

Abbildung 5: Fünf grundlegende Rollen in der Datenarchitektur-Governance
Abbildung 5: Fünf grundlegende Rollen in der Datenarchitektur-Governance

Der Qualitätsmanager und die Datenprodukteigner sind auf der taktischen Ebene beteiligt. Während der Qualitätsmanager sich um die allgemeinen Standards und Richtlinien für die Datenqualität kümmert, handhaben die Datenprodukteigner die Datenprodukte während des Lebenszyklus sowie Datenproduktanfragen innerhalb ihrer Zuständigkeitsbereiche. Der Transformationsmanager arbeitet flexibel über alle drei Planungsebenen hinweg, da seine Position auf die Durchführung von Schulungen und das Management von Änderungen, einschließlich einer Kommunikationsstrategie, ausgerichtet ist.

Der Datenarchitekt hat auf der strategischen Ebene die primäre Verantwortung für die Handhabung von Strategie, Governance-Prozessen, Initiativen und Organisation. Typische Aufgaben für diese Position sind unter anderem die Festlegung der Vision für die Datenarchitektur-Governance, die Bestimmung der Hauptziele und Fristen sowie die Ableitung strategischer Ziele. Zentrale Voraussetzung für diese Rolle ist ein hervorragendes Verständnis von Datenarchitektur, Geschäftsprozessen, relevanten Systemen und Auswirkungen von Governance-Prozessen. Um in dieser Führungsposition erfolgreich zu sein, sind starke Kommunikationskompetenzen sowie eine flexible Führung erforderlich, da diese Rolle in der Regel für die Auflösung von Konflikten innerhalb des Datenarchitekturteams und das Vorantreiben der Harmonisierung mit anderen Ökosystemen verantwortlich ist. Vor allem aber muss der Datenarchitekt eine starke Bereitschaft besitzen, die Initiative zu ergreifen und die entsprechende Verantwortung zu übernehmen, immer mit Blick auf das Gesamtbild, da diese Rolle die gesamte Datenarchitektur-Organisation vertritt und verantwortet.

Die Datenstewards pflegen technische und geschäftliche Metadaten sowie die Datenherkunft und leisten Unterstützung auf operativer Ebene. Wie im vorangehenden Artikel erörtert, sind Metadaten und Datenherkunft grundlegende Komponenten eines Datenkatalogs, der ein datengesteuertes Unternehmen ermöglicht. Daher kann der Datensteward auch als Motor des Datenkatalogs betrachtet werden, der sicherstellt, dass Metadaten für andere Benutzer verfügbar und durchsuchbar sind. Im Tagesgeschäft erfasst und verfolgt der Datensteward die Herkunft von Datenprodukten und behebt diesbezügliche Probleme. Zugleich entwickelt er technische Lösungen zur Automatisierung der Extraktion technischer Metadaten. Daher sind exzellente Kenntnisse der Tools und technischen Lösungen für die Extraktion von Metadaten erforderlich. Zusätzlich ist ein gutes Verständnis von Geschäftsprozessen und relevanten Systemen gefragt, um geschäftliche Anforderungen erfassen und Datenprodukte in einen geschäftlichen Kontext setzen zu können. Da für Datenprodukte sowohl technische als auch geschäftliche Metadaten verwaltet werden müssen, kann die Rolle des Datenstewards je nach Größe und Komplexität des Unternehmens in einen technischen und einen geschäftlichen Datensteward aufgeteilt sein.

Indem diese grundlegenden Rollen mit den oben genannten Prozessen kombiniert werden, entsteht ein organisatorischer Governance-Rahmen – die Grundlage für eine nachhaltige moderne Datenarchitektur.

Die meisten Unternehmen verwalten bereits große Mengen an Daten, nutzen deren Potenzial jedoch nur selten aus, da geschäftliche und technische Silos bestehen, die Daten von geringer Qualität, schlecht strukturiert und formatiert sind und deren Interoperabilität vermindert ist. Eine moderne Datenarchitektur mit einer starken Grundlage für die Datenarchitektur-Governance hilft, die Vorteile bestehender Daten auszuschöpfen und stellt die langfristige Wettbewerbsfähigkeit von Unternehmen sicher. Letzten Endes gibt es eben keine allgemeingültige Organisationsstruktur. Wir bei Camelot können Ihnen helfen, einen unternehmensspezifischen modernen und nachhaltigen Governance-Rahmen für Ihre Datenarchitektur zu planen und zu erstellen.

Wir danken Stefan Morgenweck für seinen wertvollen Beitrag zu diesem Artikel.

DataDrivenLeaders

Die Community für Data Driven Leaders

Die Community für Data Driven Leaders vernetzt Branchenexperten und hält Sie mit exklusiven Einblicken auf dem Laufenden.

Werden Sie Teil der Data Driven Leaders

Empfohlene Artikel

Future Value Chain

ESG – Von der Governance zur nachhaltigen Einbettung im Management – Teil 2

In den vergangenen Jahren haben viele Unternehmen erhebliche Anstrengungen unternommen, um die Transparenz und Performance im Bereich Bereich Umwelt, Gesellschaft und …

weiterlesen
New Now in Organizations

Lieferkettengesetz: Auswirkungen auf den Einkauf

In wenigen Wochen soll das Bundeskabinett über die Eckpunkte eines deutschen Lieferkettengesetzes entscheiden. Was heißt das für den Einkauf? …

weiterlesen
Data & Analytics

Daten-Visualisierung: Hilfe bei der Tool-Auswahl

Je mehr Daten Sie analysieren wollen, desto höher ist der Bedarf für eine Datenvisualisierung. Der CAMELOT BI&A-Toolvergleich analysiert …

weiterlesen

Denken Sie Ihre Value Chain neu mit uns

Kontaktieren Sie uns