Datenstrategien: eine Reise vom Ursprung zum Ziel

Es gibt eine Szene in Mission: Impossible – Rogue Nation, wo Tom Cruise während des Starts an der Außenseite eines Jets hängt. Und während er ja mitfliegt, ist er nicht wirklich an Bord und hat auch keine Kontrolle. Manche Datenmanager:innen denken so. Es reicht nicht aus, Ziele festzulegen – oder das Ziel in dieser Metapher. Die Datenstrategie muss einen Flugplan enthalten, damit Sie pünktlich, budgetgerecht und natürlich sicher an Bord ankommen. 

Ihre Datenstrategie beginnt mit Ihren Ambitionen – Ihren Geschäftszielen. Dabei geht es jedoch nicht nur um das Ziel. Nachdem Sie Ihre Ziele definiert haben, müssen Sie bewerten, wo Sie sich als Unternehmen gerade befinden. Das erfordert eine starke Dosis Realität. Anhand dieses Ausgangspunkts können Sie die Route ermitteln und herausfinden, mit was Sie unterwegs arbeiten müssen. Dann haben Sie eine Karte für Ihre Reise zum gewünschten Ziel.

In den jüngsten Strategieworkshops mit Kunden haben wir uns auf vier Bereiche konzentriert: Datenzugriff, Analytics und KI-Funktionen, Organisationsstruktur sowie Kultur und Kommunikation. 

Wie wir alle wissen, gibt es keine KI-Strategie ohne Datenstrategie, also fangen wir mit den Daten an. Um die aktuelle Datenrealität eines Kundenunternehmens besser zu verstehen, stellen wir eine Reihe von Fragen: 

• Haben Sie Zugriff auf all Ihre internen Daten?
  • Haben Sie das gesamte Potenzial von Daten aus bestehenden Anwendungen, Systemen oder Geschäftsbereichssilos erschlossen? 
  • Haben Sie Ihre unstrukturierten Daten in strukturierte, nutzbare Daten verwandelt? 
• Teilen Sie derzeit Daten mit Partnern und/oder Kunden? 
• Beziehen Sie derzeit externe Daten von Datenanbietern oder über einen Marketplace? 
• Sind Sie sicher, dass Ihre Daten geschützt sind und ihre Verwendung den Vorschriften entspricht?

Angesichts des explosionsartigen Interesses und der Verbreitung von KI ist es sogar noch zwingender, auf breite und vielfältige Datenquellen zuzugreifen und diese zu kontrollieren. Datenvielfalt mindert das Risiko von Halluzinationen und Bias.

Doch wie die Datengrundlage aufgebaut und gepflegt wurde, hängt nicht nur von den Daten oder der Technologie selbst ab. Eine weitere Reihe von Fragen befasst sich mit den Menschen, Prozessen und organisatorischen Elementen der aktuellen Realität: 

• Verfügen Sie über die richtigen Daten, Analytics und technischen Fähigkeiten? 
• Wo befinden sich Daten- und Analysefunktionen in Ihrem Unternehmen? 
• Sind Ihre Teams organisiert und befähigt für erfolgreiche Kollaboration? 
• Haben Sie Anwendungsfälle oder Analytics- und KI-Initiativen identifiziert und priorisiert?
• Sind Sie in der Lage, geschäftlichen Benutzer:innen Dateneinblicke und Anwendungen bereitzustellen?
• Wie messen Sie derzeit die Wirkung Ihrer Daten- und Analytics-Projekte?
• Sie evangelisieren Daten, bilden das Unternehmen aus und schaffen eine Datenkultur? 
• Messen und kommunizieren Sie die Auswirkungen von Daten auf das Unternehmen?

Diese Fragen sind sicherlich nicht erschöpfend, und die Antworten auf jede von ihnen können komplex sein. Bei der Bewertung vorhandener Talente stellt sich beispielsweise die Frage, wo sie umqualifiziert oder eingestellt werden sollen. Ebenso komplex ist die Organisation von Daten. Das reicht von zentralisiert bis dezentral, mit der Wahrscheinlichkeit eines hybriden Modells irgendwo dazwischen. Einen guten Mittelweg findet man oft, wenn die Daten im gesamten Unternehmen verteilt bleiben, aber durch starke Data Governance und Prozesse koordiniert werden, um ihre Verwendung zu identifizieren und zu priorisieren. 

In einem Workshop bei einer großen Hafenbehörde wurde kürzlich das verteilte, aber koordinierte Modell als Endziel festgelegt. Mit einem zentralisierten Datenteam und starker Unterstützung der Führungskräfte hatte bereits eine Datentransformation begonnen. Die breitere Organisation bestand jedoch aus mehreren Geschäftsbereichen auf der ganzen Welt sowie vielen Tochtergesellschaften und Partnern, mit denen Daten geteilt werden mussten. Neue KI-Anforderungen erhöhten die Komplexität. Das Team fragte sich, wie sich das effizient und flächendeckend umsetzen lässt. 

Mehrere zentrale Herausforderungen, mit denen sich das Datenteam weiterhin auseinandersetzte, umfassten: 

• Woher wissen wir, welche Daten wir im breiteren Unternehmen haben? 
• Können wir unsere Daten einheitlich und aussagekräftig beschreiben? 
• Wie können wir externe Daten erhalten, die wir brauchen? 
• Können wir in einem breiteren Daten-Ökosystem zusammenarbeiten?
• Wie kann das Unternehmen die Daten leichter entdecken und auf diese zugreifen? 
• Wie können wir die nötigen Informationen und Einblicke an die richtigen Personen liefern? 
• Wie können wir Kostenmanagement mit mehr Transparenz und Kontrolle erreichen?

Diese Fragen spiegeln die Anforderungen eines breiten Ökosystems mit dem Ziel wider, datengestützter zu werden. Den Fragen liegt die Koordination zugrunde. 

„Der Sieg entsteht durch die Suche nach Möglichkeiten in Problemen“, bemerkte Sun Tzu, der alte chinesische Krieger und Stratege. Und das gilt für Technologie genauso wie für Kriege. Ja, Daten gelten als Asset. Viele mögen es als Herausforderung ansehen (und dies kann der Fall sein). Aber die Gelegenheit besteht darin, sie zu nutzen und Mehrwert zu erzielen. Hier möchten Sie sicherstellen, dass Sie diese Möglichkeiten auf Ihre Geschäftsziele abstimmen, indem Sie die richtige Grundlage schaffen.

Drei Säulen bilden die Grundlage: die Plattform, die Prozesse, die die Nutzung der Plattform regeln, und die Menschen, die sie nutzen. Diese Grundlage ermöglicht die effektive und skalierbare Bereitstellung verwertbarer Einblicke über alle Unternehmensaktivitäten oder Anwendungsfälle hinweg.

Die Grundlage hierfür ist die Zusammenführung von Daten – nicht unbedingt physisch, sondern in einer integrierten Plattform, die einen gut kontrollierten Zugriff für die End-to-End-Ausführung von Analytics- und KI-Projekten ermöglicht. Die Plattform erstreckt sich von der Erfassung über die Governance und den Betrieb bis hin zur Bereitstellung von Einblicken und Auswirkungen. Erfahren Sie mehr auf Snowflake.com/de.

Im Folgenden stellen wir nur einige wichtige Funktionen vor. Zunächst einmal müssen alle Arten von Daten unterstützt werden: strukturiert, semistrukturiert und unstrukturiert, sowie Daten, die sich in verschiedenen Clouds oder sogar on-premise befinden. Darüber hinaus geht es nicht nur um interne Daten. Die Datengrundlage muss die Kollaboration mit externen Partnern und Kunden ermöglichen, um gemeinsame Anwendungsfälle zu ermöglichen und den Zugriff auf Drittanbieterquellen für ein vollständigeres Bild Ihres Unternehmens zu gewährleisten. 

Ein weiteres wichtiges Element für eine solide Datenstrategie ist der Begriff Datenprodukte. Bei einem Datenprodukt kann es sich um die Daten aus einer Single-Source-Anwendung oder einem -Prozess handeln, oder um ein Aggregat aus mehreren Datenquellen zur Bereitstellung einer zusammengesetzten Ansicht, wie z. B. Customer 360 oder Product 360. Die Komponentenprodukte werden zu verschiedenen Datenprodukten kombiniert, um auf die Bedürfnisse verschiedener Nutzender einzugehen. Dazu braucht es Koordination und einen Mechanismus für Auffindbarkeit und Zugriff – wie die Angebote von Snowflake und Marketplace. Natürlich kann die tatsächliche Form eines Datenprodukts von den Daten selbst über eine einfache Schnittstelle oder Entscheidungshilfe bis hin zu einer nativen Anwendung mit Geschäftslogik reichen. Die Auswahl hängt vom Anwendungsfall und dem Endnutzenden ab. Die Plattform sollte alle Anwendungsfälle und Endnutzenden unterstützen.

Natürlich gibt es noch viel mehr, und was in der Plattform enthalten ist, ist ein großer Teil der Datenstrategie ... aber es ist nicht der einzige Teil.

Eine umfassende Datenstrategie befasst sich mit den Rollen und Aufgaben aller Mitarbeitenden. Ein datengestütztes Unternehmen bedeutet, dass jeder eine Rolle spielen muss. 

Die meisten Datenstrategien umfassen eine RACI-Tabelle, um die Verantwortlichen (Responsible), Rechenschaftspflichtigen (Accountable), Konsultierten (Consulted) oder Informierten (Informed) für alle Aufgaben zu identifizieren. Aber die Datenstrategie muss auch die Rollen aller im gesamten Unternehmen berücksichtigen – nicht nur derjenigen, die bereits datenkundig sind.  Datengestützt zu werden, erfordert einen kulturellen Wandel, der sich „von der Werkshalle bis zur obersten Etage“ erstreckt. Schließlich spielt jeder eine Rolle bei der Erfassung, dem Schutz oder der Nutzung von Daten. Wer die Daten erfasst, wird oft übersehen – etwa der Kassierer oder die Außendiensttechnikerin. Und diese Art von Veränderung erfordert mehr als nur ein Megafon. Ihre Datenstrategie muss eine Kommunikationsstrategie umfassen, um alle Mitarbeitenden zu evangelisieren und zu schulen.

Ein CDO hat mir einmal gesagt, dass das D bei CDO nicht für „Daten“, sondern für „Diplomatie“ steht. Einer der Schlüssel für den Erfolg in dieser Rolle – und für die Umsetzung einer Datenstrategie – ist die Koordination zwischen wichtigen Stakeholder:innen und potenziell konkurrierenden Anforderungen, oft mit begrenzten Ressourcen. Um das effektiv zu erreichen, braucht es transparente Richtlinien und Prozesse. 

• Wer hat Zugriff auf welche Daten oder zu welchem Zweck? 
• Wie werden die Plattformanforderungen ermittelt? 
• Wie werden Datenprodukte definiert, entwickelt und bereitgestellt?
• Wie werden die Anforderungen und die Verwendung von Datenprodukten über mehrere Verbraucher:innen hinweg koordiniert? 
• Wie werden Datenprodukte und -projekte priorisiert? 
• Wie werden Ressourcen zugewiesen? 
• Wie werden die Ergebnisse gemessen? 
• Und wie wird letztlich über laufende Investitionen entschieden? 

Durch die Einführung dieser Richtlinien und Guardrails wird die reibungslose Umsetzung der Datenstrategie gewährleistet. Richtlinien und Prozesse schaffen Transparenz. Die Menschen wissen, wo sie stehen und wie sie sich weiterentwickeln können und vertrauen letztlich dem Prozess. 

Prozesse und Richtlinien werden oft als der Bereich der Data Governance angesehen. Es ist jedoch wichtig, Governance weit zu fassen, und zwar nicht nur in Bezug auf Datensicherheit, Datenschutz und Compliance. Es geht um den Betrieb und letztendlich um die geschäftliche Transformation. 

Aus betrieblicher Sicht helfen transparente Prozesse bei der Koordination von Anforderungen und Ressourcen wie Daten oder KI-Operationen, indem sie Schritte definieren – von der Ermittlung von Anforderungen und der Koordination von Investitionen bis hin zur Überwachung und Messung von Auswirkungen. Eine Datenstrategie muss beispielsweise einen Prozess zur Priorisierung von Anwendungsfällen umfassen, der auf den strategischen Zielen des Unternehmens und der Machbarkeit der Bemühungen basiert. Dieser Prozess wird die nächsten Schritte und die tatsächliche Umsetzung der Strategie vorschlagen. 

In einem anstehenden E-Book von Snowflake berichten viele KI-orientierte Datenverantwortliche von Snowflake-Kunden, wie sie effektive und skalierbare KI-Strategien umgesetzt haben, einschließlich gewonnener Lektionen und Best Practices. Freuen Sie sich auf weitere Updates!

Alles zusammengenommen muss Ihre Datenstrategie mit Ihren Zielen beginnen und Ihre Reise aus der aktuellen Realität abbilden. Aber wir können uns nicht einfach von einem Ort zum nächsten beamen. Wir müssen die Plattform dafür aufbauen, die Prozesse und Richtlinien einrichten, wie wir sie effektiv nutzen können, und allen beibringen, wie sie sie verwenden. Dazu gehört die Bewertung der Organisation von Teams, aller Rollen und Aufgaben sowie die Erstellung eines Plans zur kontinuierlichen Kommunikation im gesamten Unternehmen. 

Wir alle wissen es, aber es schadet nicht, es noch einmal zu sagen. Für diejenigen, die datengestützt sein wollen, geht es bei einer Datenstrategie nicht nur um die Technologie, sondern auch um die Mitarbeitenden und Prozesse (bis wir wirklich autonom werden). Ohne Straßen und Regeln verursachen Fahrer:innen Kollisionen und Blockaden. Eine Datenstrategie muss alles abbilden.