Was ist Datenmanagement?
Datenmanagement (auch Data Management) umfasst die Erfassung, Organisation, Verwaltung und den Zugriff auf Daten, um die Produktivität, Effizienz und Entscheidungsfindung in Unternehmen zu verbessern.
Datenmanagement im Überblick
Daten sind für den Betrieb und das Überleben eines Unternehmens von essenzieller Bedeutung. Unternehmen müssen Daten richtig verstehen. Außerdem müssen sie in der Lage sein, die für sie relevanten Informationen im Datenrauschen der verschiedenen Systeme und Technologien, von denen sich eine stark vernetzte globale Wirtschaft heute unterstützen lässt, zu finden. Daten stehen daher im Mittelpunkt. Doch allein sind sie wertlos. Unternehmen benötigen eine effektive Strategie, Governance und ein Modell für das Datenmanagement, um alle Arten von Daten zu nutzen und für die Verwendung in Lieferketten, Mitarbeiter-, Kunden- und Partnernetzwerken und vielem mehr zu erschließen.
Definition und Prozess von Data Management
Datenmanagement (auch Data Management) umfasst die Erfassung, Organisation, Verwaltung und den Zugriff auf Daten, um die Produktivität, Effizienz und Entscheidungsfindung in Unternehmen zu verbessern. Angesichts der zentralen Rolle, die Daten in der heutigen Wirtschaft spielen, sind eine effektive Unternehmensstrategie und eine moderne Datenmanagementplattform für jedes Unternehmen unerlässlich – und das gilt für Unternehmen jeder Größe oder Branche. Das Datenmanagement ist wichtig für eine Vielzahl von datengesteuerten Anwendungsfällen, einschließlich durchgängiger Geschäftsprozessausführung, Einhaltung gesetzlicher Vorschriften, präziser Analysen und KI, Datenmigration und digitaler Transformation.
Der Prozess des Datenmanagements umfasst eine breite Palette von Aufgaben und Verfahren, z. B.:
Erfassung, Verarbeitung und Validierung von Daten
Integration verschiedener Arten von Daten aus unterschiedlichen Quellen, einschließlich strukturierter und unstrukturierter Daten
Verwaltung der Qualität der Daten zur Einhaltung geschäftlicher Standards
Bereitstellung von Self-Services, Zusammenarbeitsoptionen und Zugriff auf Daten
Schutz und Sicherheit von Daten und Gewährleistung des Datenschutzes
Verwaltung des Lebenszyklus von Daten (vom Anlegen bis zum Löschen)
Sicherstellung von hoher Datenverfügbarkeit und Disaster Recovery
Die wichtigsten Data-Management-Elemente
Warum ist Data Management wichtig?
Jede Anwendung, jede Analyselösung und jeder Algorithmus in einem Unternehmen ist auf nahtlosen Zugang zu hochwertigen Daten angewiesen. Das gilt insbesondere für Regeln und Prozesse, die es Technologien ermöglichen, Probleme zu lösen und Aufgaben zu erledigen. Im Kern trägt ein Datenmanagementsystem dazu bei, dass die Daten sicher, verfügbar und korrekt sind. Aber die Vorteile von Data Management enden hier noch nicht.
Daten in wertvolles Unternehmenskapital verwandeln
Zu viele Daten können erdrückend – und wertlos – sein, wenn sie nicht richtig verwaltet werden. Dazu kommt noch die ständig wachsende Vielfalt, eine Vielzahl von Verteilungswegen und die grundsätzlich steigenden Anforderungen an Daten. Angesichts dessen wird schnell klar, warum es für Unternehmen schwierig sein kann, Daten als wertvolles Gut im Sinne ihrer digitalen Geschäftsanforderungen zu nutzen. Aber mit den richtigen Tools schaffen Unternehmen genau das: Sie gewinnen immer bessere und präzisere Erkenntnisse, erstellen genauere Prognosen und entwickeln innovative Geschäftsprozesse. Datengestützte Erkenntnisse führen zu einem besseren Verständnis davon, was Kunden wollen, und befähigen Unternehmen, die Customer Experience zu optimieren. Auf Grundlage qualitativ hochwertiger Daten lassen sich auch neue Geschäftsmodelle aufbauen, z. B. können so die Modelle für Serviceangebote trainiert werden, die auf generativer KI basieren.
„Datenorientiert zu sein bedeutet, Daten zu nutzen, wobei die Komplexität des Zustands, der Speicherung, des Zugriffs, der Qualität und des Kontexts zu bewältigen ist. So wird es für Unternehmen möglich, ihre datengesteuerten Ziele zu verwirklichen, die für den Erfolg digitaler Geschäftsmodelle von zentraler Bedeutung sind.“
Gartner, Data Management Solutions Primer for 2023, Adam Ronthal, Ehtisham Zaidi, 14. Februar 2023
Es ist kein Geheimnis, dass datengesteuerte Unternehmen einen großen Wettbewerbsvorteil haben. Mit modernen Tools können Unternehmen heute so viele Daten aus so vielen Quellen erschließen und verwalten wie nie zuvor. Darüber hinaus lassen sich viele verschiedene Arten von strukturierten und unstrukturierten Daten in Echtzeit nutzen, darunter Gerätedaten aus dem Internet der Dinge (IoT), Video- und Audiodateien, Internet-Clickstream-Daten und Social-Media-Kommentare. Das eröffnet mehr Möglichkeiten, Daten zu monetarisieren und sie als Ressource zu nutzen.
Die Datengrundlage für die digitale Transformation legen
Oft hört man, Daten seien das Lebenselixier der digitalen Transformation – und das stimmt auch. Führende Unternehmen im Bereich Daten und Analysen (D&A) müssen in der Lage sein, die Anforderungen des digitalen Business zu erfüllen und die zunehmende Komplexität der Datenlandschaft (einschließlich der Auswirkungen der Cloud) zu beherrschen. KI, maschinelles Lernen, Industrie 4.0, fortschrittliche Analysen, das Internet der Dinge und intelligente Automatisierungen benötigen allesamt Unmengen von aktuellen, genauen und sicheren Daten, um ihren jeweiligen Zweck zu erfüllen.
Maschinelles Lernen und generative KI zum Beispiel benötigen sehr große und vielfältige Datensätze, um zu „lernen“. So können komplexe Muster erkannt, Probleme gelöst und die Modelle bzw. Algorithmen auf dem neuesten Stand gehalten und wirksam eingesetzt werden. Komplexe Analysen (die häufig auf maschinellem Lernen und KI beruhen) sind zur Gewinnung relevanter, umsetzbarer und vor allem verlässlicher Erkenntnisse ebenfalls auf große Mengen hochwertiger Daten angewiesen. Außerdem beruhen das IoT und industrielle IoT-Einsätze auf einem stetigen Strom von Maschinen- und Sensordaten, die mit immer höherer Geschwindigkeit erzeugt werden.
Der gemeinsame Nenner bei jedem Projekt zur digitalen Transformation sind Daten. Bevor Unternehmen ihre Prozesse umgestalten, die Vorteile neuer Technologien nutzen und zu intelligenten Unternehmen werden können, muss eine solide Datengrundlage geschaffen werden. Kurz gesagt: Sie brauchen ein modernes Datenmanagementsystem.
„Das weitere Überleben jedes Unternehmens hängt von einer flexiblen, datenzentrierten Architektur ab, die auf den ständigen Wandel reagieren kann.“
Donald Feinberg, Vice President bei Gartner
Datenschutzgesetze einhalten
Ein gutes Datenmanagement ist auch unerlässlich, um die Einhaltung nationaler und internationaler Datenschutzgesetze – wie der Datenschutz-Grundverordnung (DSGVO) und des California Consumer Privacy Act in den USA – sowie branchenspezifischer Datenschutz- und Sicherheitsanforderungen zu gewährleisten. Wenn diese Schutzmaßnahmen nachgewiesen oder geprüft werden sollen, sind solide Richtlinien und Verfahren für das Datenmanagement von entscheidender Bedeutung.
Datenmanagement-Konzepte
Die Begriffe Data Fabric und Data Mesh haben sich in der Fachsprache in den letzten Jahren etabliert und viele Unternehmen nutzen sie, um ihre Datenmanagement-Architektur zu beschreiben. Data Fabric ist dabei eine Art Verbindungsebene für unterschiedliche Datenquellen und erleichtert Self-Services, Datenzugriff und -bereitstellung im gesamten Unternehmen. Eine Data-Fabric-Architektur macht aus Nutzerperspektive Schluss mit unterschiedlichen Orten, an denen Daten gespeichert sind, indem eine zentrale Ansicht auf Daten bereitgestellt wird, selbst wenn eigentlich eine stark verteilte Architektur zugrunde liegt.
Data Mesh
Data Mesh ist ein Datenmanagementkonzept, bei dem auf ein verteiltes Architektur-Framework zurückgegriffen wird. Mit anderen Worten: Die Zuständigkeit für bestimmte Datensätze wird im gesamten Unternehmen auf die Nutzenden verteilt, die über das nötige Fachwissen verfügen, um zu verstehen, was diese Daten bedeuten und wie sie am besten genutzt werden können. Die Data-Mesh-Architektur verbindet und bezieht Daten aus verschiedenen Quellen wie Data Lakes und Data Warehouses und verteilt die relevanten Datensätze an die entsprechenden Fachkräfte und Domänenteams im gesamten Unternehmen. Im Wesentlichen wird ein umfangreiches Datenvolumen in einem zentralen Data Lake sortiert und in überschaubaren Abschnitten an die Personen verteilt, die sie am besten verstehen und nutzen können.
Data Fabric
Bei einem Data Fabric handelt es sich um eine Kombination aus einer Datenarchitektur und speziellen Softwarelösungen, über die Daten system- und anwendungsübergreifend zentralisiert, verknüpft, verwaltet und gesteuert werden. Mit Data-Fabric-Lösungen können Sie alle Daten in Echtzeit über verschiedene Systeme und Anwendungen hinweg verknüpfen und verwalten. So können Sie eine zentrale Datenquelle schaffen, die Daten nutzen und darauf zugreifen, wann und wo auch immer Sie sie benötigen. Es findet sozusagen eine Demokratisierung und Automatisierung der Datenverwaltung statt. Ein Data Fabric rationalisiert zudem die Daten, insbesondere in komplexen verteilten Architekturen. Es bereitet sie für die Verwendung für Analysen, KI und maschinelles Lernen auf, indem es sie vereinheitlicht, bereinigt, anreichert und sichert. Kurz gesagt, Data-Fabric-Architekturen und -Lösungen ermöglichen es Unternehmen, ihre Daten optimal zu nutzen und ihre Systeme zu skalieren, um sich an dynamische Marktanforderungen anzupassen.
Stammdatenmanagement
Stammdatenmanagement (Master Data Management, MDM) ist die Erstellung einer einzigen vertrauenswürdigen Master-Referenz (eine einheitliche Datenbasis) für alle wichtigen Geschäftsdaten, beispielsweise Produkt-, Kunden-, Anlagen-, Finanzdaten und mehr. MDM verhindert, dass Unternehmen mehrere, möglicherweise inkonsistente Datenversionen in verschiedenen Geschäftsbereichen verwenden (z. B. für Prozesse, Abläufe, Analysen, KI-Anwendungen und Berichte). Zu den drei wichtigsten Säulen eines effektiven MDM gehören: Datenkonsolidierung, Daten-Governance und Datenqualitätsmanagement.
„Eine technologiegestützte Disziplin, in der die Geschäftsbereiche und IT-Organisationen zusammenarbeiten, um die Einheitlichkeit, Genauigkeit, Verantwortlichkeit, semantische Konsistenz und Nachvollziehbarkeit der offiziellen, gemeinsam genutzten Stammdatenbestände des Unternehmens zu gewährleisten.“
Definition von MDM von Gartner
Datenintegration
Unter Datenintegration versteht man das Erfassen, Umwandeln, Kombinieren und Bereitstellen von Daten, wo und wann immer diese benötigt werden. Die Integration erfolgt innerhalb des Unternehmens sowie über Partner, externe Datenquellen und Use Cases hinweg, um die Anforderungen aller Anwendungen und Geschäftsprozesse an die Datennutzung zu erfüllen. Zu den Techniken gehören Massen-/Batch-Datenübertragung, Extrahieren, Transformieren, Laden (ETL), die Erfassung von Änderungsdaten, Datenreplikation, Datenvirtualisierung, Integration von Streaming-Daten, Datenorchestrierung und vieles mehr.
Datenermittlung und -katalogisierung
Mithilfe der Datenermittlung (auch Data Discovery) und Datenkatalogisierung finden Sie heraus, welche Daten vorliegen, und definieren, in welcher Beziehung sie zueinander stehen. Die Datenermittlung ist in der Regel ein Bestandteil des Datenprofilings. Dieses dient dazu, Ihre Daten hinsichtlich der Struktur, Inhalte etc. aus einer Art Vogelperspektive zu betrachten. Bei der Datenermittlung werden Verbindungen zwischen verschiedenen Datensätzen über unterschiedliche (heterogene) Datenquellen hinweg erkannt und verortet. Allgemeiner ausgedrückt handelt es sich um ein wichtiges Werkzeug für das Verständnis Ihrer Datenlandschaft. Die Ermittlung sensibler Daten ist eine besondere Form der Datenermittlung. Hier geht es insbesondere darum, personenbezogene oder andere sensible Daten im Unternehmen zu identifizieren und zu klassifizieren, um sie vor dem Hintergrund der Datenschutz-, Sicherheits- und Complianceanforderungen zu schützen.
Die Datenermittlung wird auch verwendet, um im Zusammenspiel mit anderen weitergehenden Automatisierungstechniken, wie KI und maschinellem Lernen, Datenkataloge zu erstellen. Datenkataloge sind Informationsverzeichnisse über Datenbestände (sogenannte Metadaten): Welche Daten liegen vor, wo sind sie gespeichert, welches Format haben sie und in welchen Domänen sind sie relevant. Es ist wichtig, möglichst viele dieser Informationen automatisch zu erfassen. Darüber hinaus sind Region, Zeit, Zugriffskontrolle etc. weiterführende Möglichkeiten der Klassifizierung. Kataloge sind indiziert und durchsuchbar und unterstützen Self-Service und Zusammenarbeit. Umfassendere Kataloge erfassen zusätzlich zu den physischen Quellen Ihrer Daten Metadaten aus verschiedenen abgeleiteten Quellen wie Analyseberichten und Dashboards. Kataloge werden häufig in Verbindung mit Datenaufbereitungstools verwendet und sind wichtig für die Unterstützung der Daten-Governance und eines gemeinsamen, self-service-basierten Datenzugriffs.
Daten-Governance, Sicherheit und Compliance
Daten-Governance ist eine Sammlung von Regeln und Verantwortlichkeiten zur Gewährleistung der Datenverfügbarkeit, ‑qualität, ‑konformität und ‑sicherheit im gesamten Unternehmen. Sie legt die Infrastruktur fest und benennt die Personen (oder Positionen) innerhalb eines Unternehmens, die für den Umgang mit und den Schutz von bestimmten Arten und Typen von Daten sowohl berechtigt als auch verantwortlich sind. Daten-Governance ist ein zentraler Bestandteil der Compliance. Die Systeme regeln alles rund um Mechanismen der Sicherheit, Speicherung und des Zugriffs sowie um eine korrekte Löschung und Archivierung. Die Daten-Governance trägt auch dazu bei sicherzustellen, dass die Daten von Anfang an korrekt sind und die Geschäftsstandards erfüllen, bevor sie im System erfasst, verwendet oder exportiert werden. Die Unternehmens-Governance legt fest, wie die Verantwortlichen Prozesse und Technologien einsetzen, um Daten zu verwalten und zu schützen.
Datensicherheit ist in der heutigen Welt der Hacker, Viren, Cyberangriffe und Datenschutzverletzungen ein immens wichtiges Thema. Während Sicherheitsfunktionen in der Regel in Systemen und Anwendungen integriert sind, sorgt die Daten-Governance dafür, dass diese Systeme zum Schutz der Daten ordnungsgemäß eingerichtet und verwaltet werden und dass die entsprechenden Verfahren und Verantwortlichkeiten außerhalb der Systeme und Datenbanken durchgesetzt werden.
Was ist eine Unternehmensdatenstrategie und warum sollten Sie eine haben?
Heute sind Unternehmensstrategien von Daten abhängig. Nur mit Daten lassen sich Prozesse automatisieren, das Kunden- und Mitarbeitererlebnis anpassen, Wachstum durch neue Märkte oder Akquisitionen erschließen und Innovationen entwickeln. Aus diesem Grund ist es unverzichtbar, Ihre Datenstrategie stärker an Ihrer Gesamtstrategie auszurichten. Eine Datenstrategie sollte auf allen Ebenen der Organisation verstanden und unterstützt werden. Sie muss für das gesamte Unternehmen Sinn ergeben.
Eine Datenstrategie hilft, geschäftliche Aufgaben zu priorisieren. Jeden Tag können wir einen signifikanten Anstieg des Datenvolumens verzeichnen, das Unternehmen generieren und verwenden, und es wird immer mehr Datenprobleme und -anforderungen geben als Mitarbeitende, die sich darum kümmern können. Über die Datenstrategie müssen Unternehmen datenbezogene Aktivitäten priorisieren und festlegen, welche Maßnahmen den höchsten Mehrwert bringen. Dabei ist es wichtig, dass die Datenstrategie praxisbezogen bleibt und zu den geschäftlichen Prioritäten passt. Auch flexible Anpassungen müssen einkalkuliert werden, weil sich Unternehmen weiterentwickeln und reifen. Es geht nicht nur um die reine Theorie und darum, dass es irgendwo aufgeschrieben wird. Unternehmen müssen die Strategie mit Leben füllen.
Eine Datenstrategie beschreibt alle Datenkompetenzen, die aufgebaut werden müssen, um das Geschäftsergebnis zu erreichen. Sie umfasst nicht nur Fähigkeiten und Werkzeuge im Datenmanagement, sondern auch strategische Informationen zu geschäftlichen Aspekten wie der Organisationsstruktur, der Datenerfassung, der Datennetzwerkstrategie sowie zu Compliance und Ethik. Die Strategie legt einen Plan fest, wie diese Kompetenzen über mehrere Jahre hinweg entwickelt werden sollen, und setzt Erwartungen, was in welchem Zeitrahmen, zu welchen Kosten und mit welcher Unterstützung durch das Management geliefert werden kann.
Die Entwicklung des Datenmanagements
Effektives Datenmanagement ist seit mehr als 50 Jahren entscheidend für den Erfolg zahlreicher Unternehmen – ob es sich nun darum handelt, Trends zu erkennen, das Reporting präziser zu gestalten, bessere Entscheidungen zu treffen oder die digitale Transformation bzw. den Einsatz neuer zeitgemäßer Technologien und Geschäftsmodelle zu fördern. Daten sind zu einer neuen Art von Kapital geworden, und zukunftsorientierte Unternehmen sind immer auf der Suche nach fortschrittlichen und besseren Möglichkeiten, Daten zu ihrem Vorteil zu nutzen. Hier finden Sie die neuesten Trends im modernen Datenmanagement, die Sie unbedingt im Auge behalten und deren Relevanz für Ihr Unternehmen und Ihre Branche Sie prüfen sollten:
Data Fabric: Die meisten Unternehmen arbeiten heute mit einer Vielzahl von Datentypen, die sowohl in der Cloud als auch vor Ort bereitgestellt werden, und sie setzen mehrere Datenbankmanagementsysteme, Verarbeitungstechnologien und Tools ein. Als maßgeschneiderte Kombination aus Architektur und Technologie nutzt ein Data Fabric die Metadaten und eine dynamische Datenintegration und ‑orchestrierung, um den reibungslosen Zugriff auf und die gemeinsame Nutzung von Daten in einer verteilten Umgebung zu gewährleisten.
Datenmanagement in der Cloud: Viele Unternehmen verlagern ihre Datenmanagementplattformen ganz oder teilweise in die Cloud. Das Cloud-Datenmanagement nutzt alle Vorteile, die die Cloud zu bieten hat – darunter Skalierbarkeit, erweiterte Datensicherheit, verbesserter Datenzugriff, automatische Backups und Disaster Recovery, Kosteneinsparungen und vieles mehr. Cloud-Datenbanken und Database-as-a-Service (DBaaS)-Lösungen, Cloud Data Warehouses und Cloud Data Lakes werden immer beliebter.
Data as a Product: Es wird immer üblicher, interne Daten wie ein Premiumprodukt zu behandeln. Die Aufgabe Ihrer Datenteams – und im weiteren Sinne Ihres Chief Data Officers oder einer gleichwertigen Führungskraft – besteht darin, alle Mitarbeitenden Ihres Unternehmens zuverlässig und rechtzeitig mit den richtigen Daten (in angemessener Qualität) zu versorgen. Ziel ist es, Daten generell besser einzusetzen, um z. B. noch aktuellere und präzisere Insights zu gewinnen.
Erweitertes Datenmanagement: Einer der neueren Trends nennt sich „erweitertes Datenmanagement“ (Augmented Data Management). Hier werden KI und maschinelles Lernen mit dem Ziel eingesetzt, dass sich Datenmanagementprozesse selbst konfigurieren und abstimmen. Das erweiterte Datenmanagement ist in der Lage, alles zu automatisieren, von der Datenqualität über das Stammdatenmanagement bis hin zur Datenintegration. Dadurch können sich qualifizierte technische Mitarbeitende auf höherwertige Aufgaben konzentrieren.
Erweiterte Analysen: Sie nutzen künstliche Intelligenz, maschinelles Lernen und die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP). Damit werden die wichtigsten Erkenntnisse automatisiert gewonnen und der Zugang zu erweiterten Analysen sozusagen demokratisiert. So kann jeder, nicht nur Datenwissenschaftler, Fragen zu seinen Daten stellen und Antworten auf natürliche, dialogähnliche Weise erhalten.
Informieren Sie sich über weitere Begriffe und Trends im Datenmanagement.
Zusammenfassung
Wir wissen, dass Informationen aus Daten abgeleitet werden. Und Informationen sind heute alles. Mit einem effektiven Datenmanagement und einer maximalen Nutzung von Daten entfaltet sich eine regelrechte Superkraft für Ihr Unternehmen. Die Aufgaben im Datenmanagement entwickeln sich immer weiter und die Mitarbeitenden werden gemeinsam mit dem Chief Data (and Analytics) Officer zu wahren Change Agents des Unternehmens. Sie treiben die Cloud-Einführung voran, machen neue Trends und Technologien nutzbar und liefern dem Unternehmen einen strategischen Mehrwert.
Datenbank- und Datenmanagementlösungen
SAP kann Ihnen bei der Verwaltung, Steuerung und Integration Ihrer Unternehmensdaten helfen.
Innovative Ideen, die inspirieren
Registrieren Sie sich, um interessante und relevante Informationen zum Thema Business Intelligence zu erhalten.