Datenmanagement ist ein alter Bekannter aus der IT – und andererseits ein neuer „Hidden Champion“ im digitalisierten Unternehmen. Warum? Weil Datenintegration und -aufbereitung einerseits eine ureigene und unverzichtbare Aufgabe der IT ist, deren Bedeutung weiter wächst. Andererseits aber stehen vor dem Hintergrund von datenbasierten Geschäftsprozessen und -modellen auch die Mitarbeiter in den Fachabteilungen in der Pflicht, aktiv im Datenmanagement mitzuwirken.

Bewährt reicht nicht mehr

Also „same procedure as every year“? Auf keinen Fall. Was sich lange bewährt hat, reicht vor dem Hintergrund von Big Data nicht mehr aus. Denn es knirscht ordentlich im Gebälk der Datenstrategie: Die drei „Vs“ (Variety, Volume und Velocity) drängen weiterhin unaufhaltsam ins System. Datenschutzkonform allerdings, das versteht sich! Und die Anwender in den Fachabteilungen sind nicht mehr nur „Konsumenten“, sondern werden ungeduldig und wollen wirklich alle Daten auch selbst nutzen können.

Und so kommen sechs Anforderungen ins Spiel, die Lösungen für den Umgang mit Daten im Unternehmen heute erfüllen sollten. Zunächst muss Data Management heute 1.) agil sein und ad hoc stattfinden. Die Zeit der bloßen Batch-Verarbeitung über Nacht ist deshalb vorbei. Zudem heißt agil in dem Zusammenhang unvoreingenommen. Der Anwender soll sämtliche Daten zur Verfügung haben und analysieren können, anforderungsgetrieben und flexibel.

Und genau dieser Aspekt führt auch schon zum nächsten Punkt: 2.) Self-Service Data Preparation. Heißt: Der Nutzer entscheidet. Eine Lösung wie SAS Data Preparation versetzt auch Anwender in der Fachabteilung in die Lage, Daten schnell, einfach und agil für Analysen aufzubereiten.

Das ist alles andere als einfach, da in vielen Unternehmen inzwischen eine Big-Data-„Parallelwelt“ entstanden ist. Während vielfach Data Lakes genutzt werden, um wertvolle, aber nur semi-strukturierte Daten abzulegen, werden Kundenstammdaten weiterhin in einem klassischen, revisionssicheren Data Warehouse vorgehalten. Das Geheimnis besteht darin, beide Welten zusammenzubringen. Stichwort: 3.) Hadoop-Integration. Und diesen Brückenschlag muss das Datenmanagement heute schaffen – logisch, technisch und auch personell.

Jetzt, nicht morgen

Weiterhin spielen 4.) Realtime Processing und 5.) Nutzung und Verarbeitung von Datenströmen eine wichtige Rolle. SAS Event Stream Processing analysiert Daten kontinuierlich in Echtzeit und schafft damit die Voraussetzung, um sofort reagieren zu können. Statt sich – wie bisher – ausschließlich auf Informationen aus unternehmensinternen Systemen wie ERP und CRM zu verlassen, kommen jetzt immer häufiger – oftmals auch externe – Datenströme wie Social-Media-, Geo- oder Sensor-Daten hinzu. Gerade das Internet of Things (IoT) fordert ein Filtern und Bewerten der Daten bereits an dem Ort, wo sie entstehen – an einer Maschine, einem Gerät, einem Edge-Device. Die Schwierigkeit liegt hier auch oft darin, die Übersicht und Kontrolle zu bewahren. Das ist die Aufgabe von 6.) Data Governance. Diese wird zwar oftmals als leidiges Korsett angesehen, dabei schafft sie auch Chancen. Bei konsequenter, systemunterstützter Anwendung profitieren alle Beteiligten von Übersicht und Nachvollziehbarkeit – Produktivitätssteigerung und eine effizientere Zusammenarbeit zwischen Abteilungen (Fachbereiche, IT) sind die logische Folge.

Sie möchten gerne wissen, wie Unternehmen mit SAS bereits ein modernes Datenmanagement aufgebaut haben?