Datenstrategie-Frameworks, die Sie kennen sollten
Datenstrategie erfolgreich implementieren mit Rahmenstrukturen
Seit dem Aufkommen von Big Data und Data Science spricht jeder über Datenstrategie. Aus diesem Grund haben wir für Sie einige Recherchen zu diesem Thema durchgeführt und die verschiedenen Möglichkeiten zur Implementierung einer Datenstrategie auf Unternehmensebene untersucht. Im Folgenden werden wir Ihnen die beiden – unserer Meinung nach – interessantesten Frameworks kurz vorstellen:
Framework 1: Datenstrategie und der Enterprise Data Executive
Das erste Framework, über das wir sprechen möchten, wird von Todd Harbour und Peter Aiken in ihrem Buch „Data Strategy and the Enterprise Data Executive“ behandelt (Publisher: Technics Publications, Juni 2017). Es gliedert sich in zwei Teile und konzentriert sich auf die Beseitigung von Einschränkungen mit einem interaktiven Ansatz.
Abbildung 1: Datenstrategie[1]
In der oben stehenden Abbildung sehen Sie eine kurze Zusammenfassung des Frameworks. Zu Beginn werden die Organisation auf Veränderungen vorbereitet, qualifizierte Datenmanager und Datentalente eingestellt und das beseitigt, was die Autoren "die sieben Todsünden" nennen.
Diese sind:
- Unverständnis für datenzentriertes Denken
- Fehlende qualifizierte Datenführung
- Versäumnis, einen programmatischen Weg zum Datenaustausch zu implementieren.
- Fehlende Koordination des Datenprogramms mit seinen Projekten
- Nicht angemessenes Management der Erwartungen
- Versäumnis, die Implementierung der Datenstrategie zu sequenzieren.
- Nichtbewältigung von Herausforderungen des Änderungsmanagements
Der zweite Teil des Frameworks konzentriert sich auf die Identifizierung der primären Einschränkungen im Unternehmen. Diese verhindern, dass die Daten die Gesamtstrategie vollständig unterstützen, und die Beseitigung dieser Einschränkungen auf iterative Weise.
Framework 2: Moderne Unternehmensdatenstrategie
Das von Scott Kurth, Edd Wilder-James und John Akred geschaffene Framework wird in der Onlineschulung „Entwicklung einer modernen Unternehmensdatenstrategie“ von Safari Books ausführlich erklärt. Dieses Framework hat ebenfalls einen iterativen Ansatz. Es konzentriert sich aber darauf, eine umsetzbare Roadmap zu erstellen und Workloads zu priorisieren, die sich auf die meisten Anwendungsfälle auswirken.
Das Framework besteht aus sieben Schritten:
- Strategische Imperative identifizieren
Dies betrifft nicht nur datenbezogene Aspekte des Unternehmens, sondern auch die Gesamtstrategie, welche aus den Säulen „Globale Abdeckung“, „Einzelne Plattform“, „Konvergenz“, „Erweiterung der Wertschöpfungskette“ sowie „Operative Exzellenz“ besteht. - Unternehmensziele definieren
Im zweiten Schritt werden die allgemeinen Unternehmensziele für die verschiedenen Abteilungen definiert. Obwohl diese Ziele in den verschiedenen Bereichen unterschiedlich sein können (Verkaufseinheiten haben unterschiedliche Ziele als technische Teams), sollten sie immer auf die Erfordernisse der Gesamtstrategie des Unternehmens ausgerichtet sein. Zudem sollte jedes Ziel auf mindestens eine der Säulen zurückzuverfolgen sein. - Datenanforderungen definieren
Mit den allgemeinen Unternehmenszielen werden schließlich die unterschiedlichen Datenanforderungen und die unterschiedlichen Nutzungsmöglichkeiten dieser Daten im Unternehmen bewertet. - Lücken in bestehenden Systemen und Technologien identifizieren
Durch die vorhergegangene Definition ist es somit möglich, die unterschiedlichen Lücken in den derzeitigen Systemen und Technologien zu beurteilen: Es wird deutlich, wo die Daten verwendet und wie wir die gestellten Anforderungen erfüllen werden. - Unternehmensziele auf Anwendungsfälle abbilden
Abbildung 2 fasst das in diesem Abschnitt beschriebene Datenstrategie-Framework zusammen. So geht es vorerst darum, die Unternehmensziele auf konkrete Anwendungsfälle abzubilden. Hierbei werden nur jene Fälle ausgewählt, die sich auf Daten beziehen, sprich in denen Daten entweder in einer Entscheidung verwendet oder erzeugt, geteilt und anderen Systemen ausgesetzt werden. - Anwendungsfälle in Workloads rationalisieren
Mit einer umfassenden Liste von datenbezogenen Anwendungsfällen werden diese zu strategischen Workloads rationalisiert. In diesen Workloads besteht die Möglichkeit der Wiederverwendung zwischen den verschiedenen Use Cases, d. h. auch wenn etwas einmalig gebaut wird, wird es mehrfach genutzt. - Aktionsplan und Fahrplan
Der letzte Schritt besteht darin, all diese Teile zu übernehmen und sie in einer Roadmap zusammenzuführen. Diese soll es Ihnen ermöglichen, Maßnahmen zu ergreifen und die Strategie umzusetzen, sobald Sie den Prozess des Aufbaus durchlaufen haben.
Abbildung 2: Data Strategy Framework Overview[2]
[2] Scott Kurth , Edd Wilder-James and John Akred. Developing a Modern Enterprise Data Strategy, online training offered by SafariBooks available at https://learning.oreilly.com/library/view/learning-path-developing/9781491985472/ |
