Suchen

Herausforderung Datenmanagement Mehrwert aus Daten schöpfen – aber wie?

Autor / Redakteur: Johannes Jahn / Dr. Jürgen Ehneß

Die Wertschöpfung aus Big Data scheitert in vielen Unternehmen an grundlegenden Dingen. Damit verhindern sie eine effiziente Nutzung von Daten und erschweren wichtige Geschäftsentscheidungen. Strategisches Datenmanagement ist daher eine Notwendigkeit.

Firmen zum Thema

Das Management gespeicherter Daten ist für Unternehmen ein zentraler Faktor für den Geschäftserfolg.
Das Management gespeicherter Daten ist für Unternehmen ein zentraler Faktor für den Geschäftserfolg.
(Bild: gemeinfrei / Pixabay )

Eine IDC-Studie im Auftrag des Cloud-Data-Management-Unternehmens Rubrik hat großen Nachholbedarf im Bereich Datenmanagement aufgezeigt. Vor allem die Datenzersiedelung ist für 80 Prozent der befragten Unternehmen ein kritisches Problem.

Effizientes Datenmanagement fehlt vielerorts

Für das IDC-Whitepaper „The Data-Forward Enterprise: How to Maximize Data Leverage for Better Business Outcomes“ wurden weltweit 801 Unternehmen unterschiedlicher Größen und aus verschiedenen Branchen untersucht. Eine Herausforderung, die einen großen Anteil dieser Firmen eint, ist der effiziente Umgang mit Daten.

Mehr als 80 Prozent der Befragten gaben an, Probleme mit der Zersiedelung und Fragmentierung von Daten im Unternehmen zu haben. In ihren Prognosen gehen die IDC-Experten davon aus, dass sich diese Problematik zukünftig weiter verschärfen wird. Sie erwarten eine Verdoppelung der Datenmengen, mit denen sich die Firmen befassen müssen, in Intervallen von zwei Jahren.

Hebelwirkung von Big Data wird selten genutzt

Die Folgen des unzureichenden Datenmanagements lassen sich an wirtschaftlichen Indikatoren ablesen: Die Betriebskosten liegen in Unternehmen ohne umfassende Datenmanagementstrategie um 66 Prozent höher und agieren um 67 Prozent langsamer am Markt als die Konkurrenz.

Auf der anderen Seite beweisen Firmen, die sich bereits auf den Umgang mit großen Datenmengen eingestellt haben, wie groß deren Hebelwirkung sein kann. Ihre Einnahmen liegen um 69 Prozent höher, die Gewinne um 57 Prozent. Das Datenmanagement hilft außerdem dabei, die Kundenzufriedenheit zu steigern (72 % höher) und neue Produkte oder Dienstleistungen auf den Markt zu bringen.

In jeder Branche bedeutet ein effizientes Datenmanagement daher einen Wettbewerbsvorteil. Um das Potenzial ihrer Daten ausschöpfen zu können, setzen die meisten Unternehmen (70 %) auf den Einsatz von Cloud-Technologie.

Datenorganisation in der Cloud

Über ein zentrales Datenmanagementsystem verfügen aber nur wenige der befragten Unternehmen. Entsprechend groß sind die Herausforderungen, die vorhandenen IT-Umgebungen in Richtung Cloud-Systeme zu modernisieren.

Daneben besteht ein weiteres Problem, denn das Aufkommen der Datenmengen vergrößert sich parallel zu den Bemühungen, diese besser zu organisieren. In den Übergangsphasen muss daher mit einer fortlaufenden Datenfragmentierung gerechnet werden, bei der die Daten über verschiedene physische Daten-Center, private und öffentliche Clouds verstreut abgelegt werden.

Auch wenn die IDC den Cloud-first-Ansatz der Unternehmen für den richtigen Weg hält, um den digitalen Wandel voranzutreiben, müssen die potenziellen Schwierigkeiten im laufenden Transformationsprozess berücksichtigt werden. Nur so kann die Basis geschaffen werden, um in weiteren Schritten Künstliche Intelligenz und Lösungen für maschinelles Lernen sowie verbesserte Analysen einzusetzen.

Bei deutschen Unternehmen wurde die Bedeutung von Cloud Computing ebenfalls erkannt. Der Anteil an Firmen, die keine Pläne für die Verwendung von Clouds haben, ist laut einer Bitkom-Umfrage mit sechs Prozent überaus gering. Demgegenüber steigt nicht nur die Zahl der Unternehmen, die mit der Technologie planen, sondern genauso der Anteil derer, die bereits mit verschiedenen Cloud-Lösungen arbeiten.

Big-Data-Management in der Umsetzung

Die Schwierigkeiten, die Unternehmen beim Thema Big Data vielfach immer noch haben, dürften nicht allein mit den wachsenden Datenmengen zusammenhängen. Es geht nicht allein darum, eine Vielzahl von Datensätzen und Dateien organisieren zu können.

Berücksichtigt werden müssen außerdem die Datenvielfalt, die Geschwindigkeit der Datengenerierung sowie der gesamte Bereich der Analytics. Es reicht also nicht aus, die IT-Abteilungen mit der notwendigen technischen Ausrüstung auszustatten, um gewonnene Daten in Geschäftsmodelle umzuwandeln.

Jedes der Merkmale von Big Data bedeutet nämlich eigene Herausforderungen, von der Bereitstellung ausreichender Speicherkapazitäten bis hin zu aussagekräftigen Vorhersagemodellen. Gebündelt werden sollten diese in einer umfassenden Strategie für das Datenmanagement, in der Ziele, mögliche Wege dorthin und konkrete Planungen für die Umsetzung festgelegt werden.

Die Wirtschaftlichkeit von Big Data

Der Bitkom-Leitfaden „Management von Big-Data-Projekten“ beschreibt die Vielschichtigkeit der Faktoren, die dazu miteinander verbunden werden müssen. Unternehmen müssen dazu auch abschätzen, wie sich der Wert der Daten zu den Kosten für die Bereitstellung und den Betrieb des Datenmanagements verhält.

Die (monetäre) Wertschöpfung aus Daten hängt dabei unter anderem vom vorhandenen Datenvolumen ab, von der Anzahl der Nutzer dieser Daten, der möglichen Tiefe der Datenanalyse sowie von dem Zeitraum, den es von der Generierung der Daten bis zu deren Bearbeitung benötigt.

Lösungen für die einzelnen Bereiche, etwa für die Datenanalyse, müssen Unternehmen nicht zwangsläufig selbst entwickeln. Auf dem Anbietermarkt finden sich immer mehr Spezialisten, deren Leistungen dabei helfen, den Wert von Daten auszuschöpfen, indem sie die zentralen Prozesse automatisieren. Datenimport, Analysen und Prognosen laufen so deutlich schneller ab.

Die Kompetenzentwicklung bei den Mitarbeitern bleibt dennoch ein fester Bestandteil jeder Datenmanagementstrategie. Eine Schärfung der Mitarbeiterprofile erleichtert nicht nur den Umgang mit Daten und Technologien, sondern wirkt sich zudem positiv auf angestrebte Innovationsprozesse aus. Mit ausreichenden Kenntnissen können etwa Verbesserungspotenziale im Unternehmen erkannt und realisiert werden.

Aufgabenbereiche des Datenmanagements

Darüber hinaus umfasst das Datenmanagement neben der Speicherung, Verwaltung und Visualisierung sehr verschiedene Aufgaben. Die zentralen Elemente dabei sind

  • das Data Lifecycle Management,
  • die Datenqualität,
  • der Datenschutz,
  • die Datensicherheit,
  • der Datenzugriff sowie
  • die Data Governance.

Insbesondere die Bereiche Datenschutz und Datensicherheit sind im Zuge der neuen gesetzlichen Bestimmungen in der Datenschutz-Grundverordnung (DSVGO) ein kritischer Aspekt.

Unternehmen müssen hierbei auf verschiedenen Ebenen dafür sorgen, dass personenbezogene Daten nicht missbraucht werden können, was sowohl Mitarbeiterdaten als auch die Daten von Kunden und Geschäftspartnern anbelangt. Dazu müssen sämtliche Daten vor einem Verlust oder unerlaubten Zugriff geschützt werden.

Dabei geht es nicht allein um firmeneigene Interessen, sondern genauso um Transparenz gegenüber Partnern und Kunden. Das gilt vor allem hinsichtlich der Verwendung der Daten, betrifft aber ebenfalls den Umfang der erhobenen Daten. Die Themen Datenschutz und Datensicherheit sind gerade in IT-Umgebungen, die zunehmend auf Cloud-basierte Lösungen setzen, sehr präsent und sorgen bei Unternehmen wie Kunden und Partnern nach wie vor für Bedenken.

Für kleine und mittlere Unternehmen ist der organisatorische Aufwand, der sich aus den Bestimmungen der DSVGO ergibt, laut Berufsverband der Datenschutzbeauftragten Deutschlands e.V. (BvD) noch immer zu hoch. In der Praxis besteht nach Meinung des BvD noch Verbesserungsbedarf, etwa im Hinblick auf die Meldepflicht bei Datenpannen.

Datability als Ziel

Bei den Diskussionen um Big Data und die Nutzbarmachung für verschiedenste Geschäftsmodelle sollten Unternehmen nicht die Rolle des Kunden innerhalb dieser Zusammenhänge vernachlässigen. Big Data und das Datenmanagement werden häufig als Themen behandelt, die sich vorrangig im Bereich der IT ansiedeln.

Es geht aber nicht allen darum, wie große Datenmengen bestmöglich gehandhabt werden können, sondern um die Frage, welcher Mehrwert daraus für die Endkunden gewonnen werden kann. Das schließt aber andere Unternehmensbereiche vom Marketing bis zum Vertrieb mit ein.

Der Begriff „Datability“ umschreibt dabei seit einigen Jahren die Fähigkeit, große Datenmengen nicht nur verarbeiten zu können, sondern mit diesen auch verantwortungsbewusst und nachhaltig zu verfahren. Das Kunstwort fasst also sehr unterschiedliche Aspekte (ability, sustainibility, responsibility) zusammen und richtet zugleich den Fokus auf den Kunden.

Von Big Data zu Smart Data

Datability gibt einem Datenmanagement, das vorrangig technische Fragen zum Umgang mit Big Data klären will, einen neuen Ansatzpunkt. Denn die Schwierigkeit bei Big Data besteht unter anderem darin, die Flut an Informationen in sinnvolle Zusammenhänge zu stellen und darauf aufbauend die richtigen unternehmerischen Entscheidungen zu treffen.

Als Grundlage für bessere Entscheidungen gelten vielfach mehr auswertbare Daten, die verlässlichere Aussagen über Entwicklungen erlauben. Das erfordert aber gleichzeitig einen immer größeren technischen Aufwand, da größere Datenmengen in kürzerer Zeit verarbeitet werden sollen.

Um die Bedürfnisse der Kunden dabei besser zu erfassen, ist die Qualität der Daten wichtiger als deren Quantität. Technische Lösungen müssen daher darauf abzielen, relevante Daten frühzeitig nach der Erhebung von irrelevanten zu trennen – das umschreibt die Grundzüge von Smart Data, das aus Big Data erst die Möglichkeiten für neuartige Lösungen schöpft.

Wenn sich Unternehmen also um den Aufbau eines effizienten Datenmanagementsystems bemühen, sollten sie nicht allein darauf schauen, was technisch möglich ist. Sie müssen sich ebenso fragen, welche Ziele – im Hinblick auf die Bedürfnisse ihrer Kunden – sie mit gewonnenen Daten verfolgen wollen.

(ID:46833323)