ZetVisionsLogo2017

Mit Daten Mehrwert schaffen

Nicht nur die Bedeutung des Datenmanagements wächst, Datenmanagement beeinflusst direkt die Wertsteigerung aus Daten. In Zeiten, in denen Digitalisierung als Selbstzweck und ohne „Output“ der Vergangenheit angehört, bekommt Datenmanagement damit eine wachsende fachliche Relevanz. Darauf hat kürzlich das Würzburger Forschungs- und Beratungsinstitut für Unternehmenssoftware Business Application Research Center (BARC) hingewiesen.

Nicht nur die Zahl an Daten, Datenquellen und Datentouchpoints wächst. Neue technische Entwicklungen und fachliche Möglichkeiten wirken auf die Umgebungen ein, müssen bewertet und berücksichtigt werden. Dazu gehören Themen wie Edge Analytics, Cloud, stärkere Automatisierung, Advanced Analytics, Datenkataloge/Metadatenmanagement und Datenintegration. Nicht wenige dieser Themen beeinflussen die gesamte Datenverarbeitung. Als Bindeglied zwischen den Anwendungsbereichen – operative Systeme, klassische BI und fortgeschrittene Analysen – fungieren Stammdaten.

Die Analysten von Barc haben aufgezeigt, inwiefern adäquate Stammdaten für den Erfolg von „Advanced Analytics“ und „Data Governance“ sowie für die Schaffung von Mehrwerten ausschlaggebend sind.

Advanced Analytics umfasst Aufgaben wie Data Mining, Künstliche Intelligenz, Predictive Analytics, Machine Learning und Deep Learning. Für all diese Aufgaben ist „der Zugriff auf richtige, konsistente und verständliche Daten entlang des kompletten Analytics-Prozesses von hoher Bedeutung“, so Barc.


Newsletter Text weiterlesen:

Unabgestimmte Stammdaten führten dazu, dass voneinander losgelöste Datenwahrheiten entstünden und der eigentliche Kontext (die fachliche Aussage) der Daten verloren gehe oder nicht mehr stimme. Unternehmen falle es schwer, echte Mehrwerte mit Advanced Analytics zu generieren, weil Protoypen „nicht in die operativen Systeme“ gelangen. Einer der Hauptgründe bestehe im unzureichenden Datenhaushalt. Einheitliche Stammdaten seien hier ein wesentliches Element. Bereits in der Prototypisierungsphase fielen etwa 75 Prozent des Aufwands für die Datenaufbereitung an. Sind Stammdaten auffindbar und unmittelbar nutzbar, verringert sich der Aufwand direkt. Für eine gelingende Operationalisierung der Advanced-Analytics-Lösung seien daher einheitliche Stammdaten besonders wichtig, betont Barc.

Bei Data Governancegeht es heute neben der Einhaltung von regulatorischen Anforderungen verstärktauch um die Förderung von Innovation. Unternehmen, die Data Governanceerfolgreich in die Tat umsetzen wollen, finden im Stammdatenmanagement einenaussichtsreichen Ansatzpunkt. Der Grund: Data Governance-Initiativen mit demZiel, ein funktionsfähiges Stammdatenmanagement aufzubauen, stiften unmittelbarMehrwert. Dazu zählen unter anderem ein gemeinsames Verständnis und eine erhöhteNutzbarkeit durch die einheitliche Definition und Beschreibung derDatenobjekte; mehr Transparenz durch eine konsistente Ablage, klareZuständigkeiten und im Zeitverlauf nachvollziehbare Datenänderungen; eineeinfachere Datenaufbereitung durch qualitativ hochwertige Daten, die späternicht umständlich korrigiert werden müssen.

Um ein wirksamesStammdatenmanagement im Unternehmen etablieren zu können, ist zunächst dieUnterstützung des Managements erforderlich. Darüber hinaus bedarf es einesexpliziten Budgets und dedizierter Personalressourcen, eines laufendenMonitorings und der Visualisierung der Fortschritte (Mehrwerte), dieDatenqualitäts- und Stammdateninitiativen hervorbringen, und schließlich derinternen Vermarktung der Erfolge.

Autorenhinweis:

Monika Pürsing ist CEO der aufdie Softwareentwicklung für Stammdaten- und Beteiligungsmanagementspezialisierten zetVisions AG in Heidelberg. Sie hat zahlreiche internationaleProjekte zu Stammdatenmanagement-Lösungen geleitet und Kunden bei derProzessgestaltung beraten.

monika.puersing@zetvisions.com