de
Die Business Analytics Platform sorgt für eine saubere Datenbasis und bildet eine verlässliche Grundlage für datenbasierte Geschäftsentscheidungen. Mit dem ganzheitlichen Framework von IBsolution können Unternehmen ihre drängendsten Herausforderungen in Bezug auf Daten angehen und bewältigen.
Der ganzheitliche Ansatz berücksichtigt nicht nur technologische Aspekte, sondern auch die Organisation und die Menschen, ohne die ein datengetriebenes Unternehmen nicht funktioniert. Ein begleitendes Organizational Change Management ist unabdingbarer Bestandteil der Business Analytics Platform und stellt sicher, dass die Mitarbeiter die Veränderungen annehmen und eine neue (Daten-)Kultur im Unternehmen entstehen kann.
Die Business Analytics Platform besteht aus verschiedenen Schichten, die aufeinander aufbauen. Unternehmen verfügen in der Regel über eine Vielzahl von Datenquellen. Das können On-Premise- oder Cloud-Systeme von SAP oder anderen Anbietern sein. Dort liegen die Daten 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.
Der Data Layer ist in der Regel heterogen verteilt – auf SAP- und Nicht-SAP-Systeme. Bei den SAP-Systemen sind im On-Premise-Bereich SAP BW on HANA bzw. SAP BW/4HANA und im Cloud-Bereich SAP Datasphere am häufigsten vertreten. Bei den Nicht-SAP-Systemen handelt es sich für gewöhnlich um SaaS-Anwendungen, die Bestandteil von mindestens einem der drei großen Hyperscaler Microsoft Azure, Google Cloud Platform und Amazon Web Services (AWS) sind. Der Virtualization Layer ist notwendig, um eine einheitliche Sicht auf die heterogenen Daten des Data Layer herzustellen, sodass die unterschiedlichen Reporting-Disziplinen darauf aufsetzen können.
Flankiert wird die Business Analytics Platform von den Themen (Master) Data Governance und Data Mesh. Damit die aus den Unternehmensdaten abgeleiteten Erkenntnisse und Entscheidungen verlässlich sind, muss die Datenqualität über die verschiedenen Layer hinweg hoch sein. Data Governance stellt die entsprechenden Strukturen und Prozesse bereit, um eine dauerhaft hohe Datenqualität sicherzustellen. Ein Data Mesh schafft die organisatorische Grundlage für einen anderen Umgang mit Daten im Unternehmen, indem die Verantwortung für die Bereitstellung und die Qualität der Daten dezentral in die Fachabteilungen verlagert wird.
Fehlende Standards und Richtlinien für:
Berechtigungen
Zugriffe
Erfassung
Speicherung
Vernichtung
Sicherheit
Datenschutz
Konsistenz
Qualität
Data Lineage
Data Ownership
Data Democracy
Steigende Anforderungen von Mitarbeitern an Daten
Bereitstellung von Daten in Echtzeit
Höherer Nutzwert
Schnellere Anpassungen
Fachkräftemangel
Ausreichende Skill-Sets der Mitarbeiter
Fehlendes oder verteiltes Know-how
Immer kürzere Upskilling-Zyklen durch höhere Komplexität und ein sich stetig veränderndes Arbeitsumfeld
Kontinuierlich zunehmende Menge an benötigten Tool-Sets, Technologien und Entwicklungs-Stacks
Zu geringe Flexibilität bei Anpassungen und Änderungen
Schlechte Reaktionsgeschwindigkeit
Geringer Automatisierungsgrad
Fehlende Operationalisierung
Fehlendes Data-Lifecycle-Management
Neue Arten von Daten aus Unternehmensprozessen
Verhaltensdaten (behavioral data)
Streaming-Daten aus IoT-Anwendungen
Semi-strukturierte Daten
Unstrukturierte Daten
Bestehende Systeme oftmals zu teuer für Big-Data-Anwendungen
Keine oder nur geringe Skalierbarkeit
Komplexe ETL-/ELT-Prozesse
Redundanzen in der Datenspeicherung
Fehlende Virtualisierung
Kein Nutzen aus den verfügbaren Daten
Starker Anstieg der Datenvolumina
Mindset der Mitarbeiter
Fehlende Veränderungs- und Lernbereitschaft
Fehlendes Commitment des Managements und der Mitarbeiter
Datendemokratisierung
Kein bereichsübergreifendes Arbeiten aufgrund von Datensilos
Fehlende Aus- und Weiterbildungsprozesse
Fehlendes Change-Management
Seit dem Launch von SAP Datasphere im März 2023 sind diverse Blogs und Videos erschienen, die sich vornehmlich mit den technischen Aspekten des Nachfolgeprodukts der SAP Data Warehouse Cloud befassen.
Data Mesh bedeutet einen Paradigmenwechsel und ebnet den Weg zu einer domänengesteuerten Datenarchitektur. Jeder Unternehmensbereich ist für die Definition, die Qualität und die Erstellung von Daten aus der eigenen Domäne verantwortlich.
