Business Analytics Platform: Framework für datengetriebene Unternehmen

Datenbasierte Entscheidungen bedeuten einen wichtigen Wettbewerbsvorteil. Jedes Unternehmen kann heutzutage auf Unmengen von Daten zugreifen. Aber nur wenige sind in der Lage, das Potenzial, das in diesen Daten steckt, auch wirklich gewinnbringend für den eigenen Geschäftserfolg und für die Entscheidungsfindung zu nutzen. Dass das nur selten gelingt, liegt an verschiedenen Herausforderungen, denen Unternehmen im Umgang mit Daten gegenüberstehen. Diese lassen sich in fünf Bereiche clustern:

• Governance

• Mitarbeiter

• Prozesse

• Kosten

• Organisation

Schaffen Sie die Grundlage für ein datenbasiertes Vorgehen im Unternehmen

Herausforderungen im Umgang mit Daten

Herausforderung #1: Governance

Das Thema Governance gewinnt im Zusammenhang mit Daten aufgrund strenger gesetzlicher Bestimmungen einen immer höheren Stellenwert. Häufig fehlen in Unternehmen allerdings verbindliche Richtlinien und Standards für Themen wie Berechtigungen, Zugriffssteuerung, Erfassung, Speicherung und Vernichtung von Daten, Sicherheit sowie Datenschutz.

Auch für die Datenkonsistenz und die Datenqualität spielt Governance eine wichtige Rolle. Unternehmen benötigen entsprechende Regelungen, um die Konsistenz und die Qualität ihrer Daten zu überprüfen und zu wahren. So gehen moderne Ansätze im Daten-Management mittlerweile dazu über, Daten nicht mehr von einer zentralen Stelle im Unternehmen aus bereitzustellen und zu verantworten. Vielmehr wird die Zuständigkeit im Sinne einer dezentralen Architektur in die Fachabteilungen verlagert, in deren täglichen Business die Daten auch anfallen. Solche Konzepte werden als Data Democracy oder Data Mesh bezeichnet.

Herausforderung #2: Mitarbeiter

Um datengetriebenen zu agieren, müssen Unternehmen die Anforderungen an eine zeitgemäße Datenhaltung nicht nur aus technischer Sicht erfüllen. Auch die Mitarbeiter müssen die neue Datenkultur leben. Anwender stellen zunehmend höhere Anforderungen an Daten: Sie wünschen sich eine Bereitstellung in Echtzeit, einen größeren Nutzwert und die Möglichkeit für schnellere Anpassungen.

Oft fehlt es jedoch an geeigneten Fachkräften, um den Datenschatz eines Unternehmens zu heben. Um mit den Entwicklungen in Sachen Daten-Management Schritt halten zu können, müssen die Mitarbeiter über passende Skill-Sets verfügen. Das sich ständig wandelnde Arbeitsumfeld, die hohe Komplexität und die damit einhergehenden immer kürzeren Upskilling-Zyklen erfordern eine hohe Veränderungsbereitschaft bei den Mitarbeitern. Darüber hinaus nimmt die Zahl der eingesetzten Tools, Technologien und Entwicklungs-Stacks stetig zu, weil die Unternehmen gemäß dem Best-of-breed-Ansatz das jeweils beste System für den spezifischen Anwendungsfall auswählen – unabhängig vom Hersteller.

Herausforderung #3: Prozesse

Es ist keinesfalls die Regel, dass die Prozesse, die im Zusammenhang mit Daten stehen, in Unternehmen sauber definiert, systemseitig abgebildet und dokumentiert sind. Was Anpassungen und Änderungen der Wertschöpfungsprozesse und der nachgelagerten IT-Prozesse angeht, ist die Flexibilität häufig eher gering. Hinzu kommen eine langsame Reaktionsgeschwindigkeit sowie ein geringer Automatisierungs- und Digitalisierungsgrad bei den Prozessen. Auch ein Data Lifecycle Management, das den gesamten Lebenszyklus von Daten von der Erzeugung bis zur Löschung umfasst, ist zu selten vorhanden.

Sowohl die Menge als auch die Arten der Daten nehmen permanent zu. So entstehen aus den Unternehmensprozessen heraus beispielsweise Nutzungsdaten (Behavioral) und Streaming-Daten (Internet of Things), die zusätzliche Potenziale für Analysen und Entscheidungen bieten. Auch semi-strukturierte und unstrukturierte Daten sollten stärker ausgewertet werden.

Herausforderung #4: Kosten

Mit der Erhebung, Speicherung, Weiterverarbeitung und Abfrage von Daten gehen Kosten einher. Für Big-Data-Anwendungen erweisen sich bestehende Systeme oftmals als zu teuer. Eine Skalierbarkeit ist meist gar nicht oder nur geringfügig gegeben. Nicht selten verfügen Unternehmen über komplexe ETL-/ELT-Prozesse, um Daten für analytische Zwecke zu nutzen. Für eine hohe Performance von relationalen Datenbanken müssen Redundanzen in der Datenspeicherung in Kauf genommen werden. Die Daten-Virtualisierung ist noch nicht allzu weit verbreitet. Der enorme Anstieg des Datenvolumens macht aus Kostensicht die Speicherung bei Hyperscalern wie Microsoft Azure, Google Cloud Platform und Amazon Web Services (AWS) oder in Data-Lake-Anwendungen erforderlich.

Herausforderung #5: Organisation

Damit ein Unternehmen datengetrieben agieren kann und Entscheidungen nicht nach dem Bauchgefühl treffen muss, braucht es neben geeigneten technologischen Lösungen auch das passende Mindset und eine echte Datenkultur. Letztlich muss die gesamte Organisation das datenbasierte Vorgehen unterstützen.

Allerdings ist in der Realität häufig nur eine geringe Veränderungsbereitschaft vorhanden, was bereits auf C-Level-Ebene beginnt. Menschen tun sich schwer damit, ihre Gewohnheiten umzustellen. Das fehlende Commitment der Mitarbeiter und des Managements steht dem Etablieren einer echten Datenkultur im Weg.

Für die Wettbewerbsfähigkeit eines Unternehmens spielt die Datendemokratisierung eine essenzielle Rolle, damit mehr Mitarbeiter Zugriff auf die für sie relevanten Daten erhalten. Datensilos erschweren das bereichsübergreifende Arbeiten. Die Mitarbeiter halten lieber an althergebrachten Prozessen fest und sind nicht bereit, sich mit neuen Themen auseinanderzusetzen. Zudem fehlen Aus- und Weiterbildungsprozesse, um die Mitarbeiter in Bezug auf ein datengetriebenes Vorgehen zu befähigen.

Antwort auf die Daten-Herausforderungen: Business Analytics Platform

Die Business Analytics Platform ist ein ganzheitliches Framework von IBsolution, das die drängendsten Herausforderungen im Umgang mit Daten löst. Sie setzt sich aus verschiedenen Schichten zusammen:

• Data Sources

• Integration Layer

• Data Layer

• Virtualization Layer

• Reporting Layer

Je nach Ausprägung im Unternehmen kann die Datenlandschaft sehr heterogen sein. Es existieren vielfältige Anwendungen als Datenquellen – Cloud-Systeme, On-Premise-Systeme, SAP-Lösungen, Nicht-SAP-Systeme –, die Daten liegen in strukturierter oder unstrukturierter Form vor. Der Integration Layer bringt die Daten aus den Quellsystemen in den Data Layer, wo sie persistiert und abgespeichert werden.

Nun gilt es, die Daten für die verschiedenen Reporting-Disziplinen (Operational Reporting, Strategic Reporting & Analytics, Advanced Analytics) bereitzustellen. Es bedeutet einen entscheidenden Wettbewerbsvorteil, wenn die unterschiedlichen Daten in einen Zusammenhang gebracht werden können. Allerdings erschwert die Heterogenität der Datenspeicherung genau diesen Schritt. Hier kommt der Virtualization Layer ins Spiel. Er stellt eine einheitliche Sicht auf die Daten aus dem Data Layer her, indem er die Daten konsolidiert und in einen geschäftlichen Kontext bringt.

Flankiert wird die Layer-Struktur der Business Analytics Platform von den Themen Data Mesh und (Master) Data Governance, die für eine hohe Datenqualität sorgen. Eine dezentrale Bereitstellung der Daten im Data Layer bedeutet den ersten Schritt für die Etablierung einer Data-Mesh-Architektur im Unternehmen. Auch ein Organizational Change Management (OCM) sollte unabdingbarer Bestandteil der Business Analytics Platform sein. Das OCM stellt sicher, dass die Mitarbeiter die Veränderungen annehmen und eine neue (Daten-)Kultur im Unternehmen entstehen kann.

Merkmale der Business Analytics Platform

Der ganzheitliche Ansatz der Business Analytics Platform berücksichtigt nicht nur technologische Aspekte, sondern auch die organisatorischen Strukturen und die Menschen, ohne die ein datengetriebenes Unternehmen nicht funktioniert. Im Rahmen der End-to-end-Prozesssicht ist auch die Frage zu klären, welche Daten im Quellsystem verbleiben können und welche im Data Layer persistiert werden.

Darüber hinaus verfolgt die Business Analytics Platform auch das Ziel einer hohen Kosteneffizienz. So stellt beispielsweise die Virtualisierung eine günstige Form der Datenspeicherung dar, weil die Daten dort verbleiben, wo sie entstehen. Eine geringere Zahl an ETL-Prozessen wirkt sich auf der Kostenseite positiv aus. Das Thema Governance ist allein schon aufgrund der geltenden gesetzlichen Bestimmungen zum Datenschutz essenziell. Für hohe Skalierbarkeit sorgen die Datenspeicherung bei Hyperscalern und die Datenvirtualisierung.

Wer profitiert von der Business Analytics Platform?

Die Business Analytics Platform wirkt sich im gesamten Unternehmen positiv aus. Das Management kann bessere Entscheidungen auf der Basis von Echtzeitdaten treffen. Es behält die volle Kostenkontrolle und hat ein vitales Interesse am Governance-Thema, da die Geschäftsführung bei Verstößen gegen die Datenschutzbestimmungen haftet.

Die Endanwender erhalten durch die Business Analytics Platform möglichst einfach und kosteneffizient Zugriff auf die für sie relevanten Daten. Dazu tragen vor allem die Datendemokratisierung und die dezentrale Architektur des Data Mesh bei. Mit der Business Analytics Platform bekommen die Nutzer eine umfassende Lösung an die Hand, um alle Business-Anforderungen und -Aufgaben zu bewerkstelligen. Gleichzeitig bietet das Framework eine hohe Flexibilität für notwendige Anpassungen. Auch eine hohe Datenqualität ist sichergestellt und dient als Grundlage für Use Cases mit künstlicher Intelligenz und maschinellem Lernen.

Als Betreiber der Business Analytics Platform schafft die IT eine zukunftssichere und skalierbare Architektur, welche die Voraussetzungen für ein datengetriebenes Unternehmen erfüllt. Die Kosten sind planbar und überschaubar. Das Konzept der Business Analytics Platform ist auch für heterogene IT-Landschaften geeignet. Der Best-of-breed-Ansatz bezieht vorhandene Verträge und Skills der Mitarbeiter mit ein.