BI Target Operating Model: 5 Elemente für modernes Daten ... / 3 Erfolgsfaktoren

Das bereits aufgezeigte TOM bildet die Grundlage eines modernen Datenmanagements in Unternehmen. Um den erfolgreichen Aufbau, Betrieb oder Wandel zu erleichtern, soll abschließend entlang der Säulen des TOM ein Ausblick auf kritische Erfolgsfaktoren aus der Unternehmenspraxis gegeben werden.

Architektur

Die Anforderungen an eine moderne BI- & Datenarchitektur sind enorm und nicht in jedem Unternehmen dieselben. Daher empfiehlt es sich zunächst die bestehende Architektur zu analysieren und mittels des daraus entstehenden Schaubildes abzuwägen, wie sich die Integration von Datenflüssen zwischen verschiedenen Systemen sicherstellen lässt. So wird sichergestellt, dass die Daten mit dem potenziell größten Mehrwert identifiziert und in harmonisierter Form in die BI-Landschaft integriert werden können.

In weiteren Schritten können dann zum einen Plattformen reduziert werden oder die Interoperabilität durch die Integration in ein cloud-basiertes System sichergestellt werden. Generell ist abzuwägen, ob eine Architektur mit bestmöglich passenden Tools bzw. Funktionsmodulen ("best-of-breed") oder eine preislich und wartungsseitig, andererseits jedoch bzgl. Lock-in-Effekten nachteilige One-Vendor-Strategie ("Alles aus einer Hand von Anbieter XY von DWH bis Planung und Reporting-Frontends") bevorzugt wird im jeweiligen Unternehmen.

(Daten-)Produkte

Wie bei jedem Unternehmen, ob im produzierenden Gewerbe oder bei Dienstleistungen, stehen die Produkte und Services im Fokus. Die gleiche Denkweise muss auch für Datenprodukte gelten, auch wenn dieses Umdenken viele Unternehmen vor eine große Herausforderung stellen wird.

Organisation

Damit der Wandel und das Umdenken gelingen kann, ist es notwendig, dass die Dateninitiativen von der Führungsebene mitgetragen und aktiv gesteuert werden. Dies ist vor allem wichtig, um Mitarbeitende zu befähigen und zu motivieren sich intensiver mit den eigenen Daten zu beschäftigen und sich neue Tools und Fähigkeiten aneignen.

Prozesse

Um in Einklang mit der sich wandelnden Organisation & Architektur zu stehen, müssen die bestehenden Prozesse hinterfragt und angepasst werden. Auch hier kommt die Produktorientierung zum Tragen, um z. B. eine möglichst kurze time-to-market zu ermöglichen oder Kosten durch überflüssige Anforderungszyklen zu minimieren.

Governance

Die Verbesserung und Aufrechterhaltung der Datenqualität ist einer der zentralen Kernpunkte im modernen Datenmanagement. Damit dies gelingt, muss die Governance technisch und organisatorisch im Unternehmen verankert werden. Organisatorisch empfiehlt sich die Etablierung dedizierter Data Stewards, welche in ihrer Rolle für die Einhaltung bestehender Standards und die Ausarbeitung abteilungsübergreifender neuer Standards verantwortlich sind. Technisch empfiehlt sich der Einsatz von Data Catalog Software oder Reporting Software mit eingebauten Data Quality Checks. Außerdem kann fallweise auch ein Master Data Management Tool dabei helfen, eine solche Datenexzellenz zu erreichen.

Datentransparenz durch Toolunterstützung

Um die (Daten-)Transparenz über die wachsende Anzahl und Diversität an Datenprodukten, BI-Architekturkomponenten, Systemmodulen, Prozessen, Ansprechpartnern, Rollen, Daten und Datendomänen sowie Datenqualitätskontrollen aufrechtzuerhalten, sind Verzeichnisse in Form von Software-Werkzeugen und Datenkatalogen erforderlich. Diese ermöglichen Governance und Standards und helfen dabei, den Überblick über die Daten- bzw. BI-Plattform zu behalten. Der Aufwand zur Dokumentation und Pflege dieses Verzeichnisses muss dabei im Verhältnis zum resultierenden Mehrwert stehen und kann daher im Detailgrad variieren. Damit wird einerseits die schnellere Suche nach Daten für Analysen etc. ermöglicht und andererseits eine Nachvollziehbarkeit ermöglicht.

Auch wenn die aufgeführten Faktoren den Anspruch haben universell anwendbar zu sein, müssen weitere unternehmensspezifische Faktoren für ein erfolgreiches Datenmanagement betrachtet werden. Die sorgfältige Analyse der Ausgangssituation ist dabei ein entscheidender Erfolgsfaktor für die technischen und organisatorischen Maßnahmen auf dem Weg zu einer modernen Datenorganisation.