Was ist eine Datenstrategie?

Definition der Datenstrategie

Eine Datenstrategie umfasst die Mitarbeiter, Prozesse, Richtlinien und Technologien, die für die effektive und effiziente Erfassung, Analyse, Management, Speicherung und Nutzung der Daten eines Unternehmens während seines gesamten Lebenszyklus erforderlich sind. Durch die Entwicklung, Implementierung und Pflege einer Datenstrategie können Unternehmen alle ihre Datenressourcen optimal nutzen, um bestimmte Ziele zu erreichen und datenbasierte Strategien voranzutreiben.

Mit einer Datenstrategie profitieren alle Benutzer – vom einzelnen Mitarbeiter und Führungsteam bis hin zu Anwendungen und Analytics-Engines – von hochwertigen, leicht zugänglichen Daten. Die Strategie gewährleistet dies, indem sie sicherstellt, dass die Daten mit größter Sorgfalt behandelt werden, um sie vor Beschädigung und Missbrauch zu schützen und ihre Vertraulichkeit, Integrität und Verfügbarkeit (die CIA-Triade) zu wahren.

Zu den wichtigsten Elementen einer Datenstrategie gehören Identifizierung, Speicherung, Bereitstellung, Verarbeitung und Governance.

Identifizierung: Eine Datenstrategie beginnt mit der Identifizierung und dem Verständnis aller Daten, unabhängig von ihrem Domänenwert, ihrer Herkunft, ihrem Standort oder ihrer Struktur, um sicherzustellen, dass sie bearbeitet und verarbeitet werden können. In manchen Fällen erfordert dies die Erstellung und Anwendung von Namens- und Wertekonventionen, um die für die gemeinsame Nutzung und Nutzung der Daten erforderliche Konsistenz zu gewährleisten. Außerdem ist das Anhängen von Metadaten erforderlich, um das Referenzieren und Zugreifen auf Daten zu erleichtern und zu beschleunigen.

Governance: Data Governance ist ein entscheidender Bestandteil einer Datenstrategie. Richtlinien für die Datennutzung werden über ein Data-Governance-Framework festgelegt, verwaltet und kommuniziert. Die Strategie umfasst die Implementierung des Frameworks und die Unterstützung bei der Umsetzung der zugehörigen Richtlinien. Eine Datenstrategie ist ohne die durch Governance bereitgestellten Struktur- und Datenqualitätsleitplanken nicht effektiv.

Verarbeitung: Ein Teil der Verarbeitung einer Datenstrategie befasst sich damit, wie Daten aus unterschiedlichen Systemen verschoben und kombiniert werden. Bevor Rohdaten verwendet werden können, müssen sie aufbereitet, transformiert und auf ihre Qualität geprüft werden. Die Datenstrategie steuert diese Arbeit, indem Rohdaten in nützliche Informationen umgewandelt werden und Benutzern eine einheitliche und konsistente Datenansicht geboten wird.

Bereitstellung: Eine Datenstrategie enthält Richtlinien für das Zippen und Vorbereiten von Daten für die gemeinsame Nutzung zwischen Personen und Anwendungen. Richtlinien enthalten Regeln für das Zippen von Daten, den Zugriff und die gemeinsame Nutzung. Dadurch können Daten einfacher über mehrere Anwendungen, Systeme und Teams hinweg verwendet werden.

Damit die Daten eines Unternehmens zu einem Vermögenswert werden, sollte eine Datenstrategie die Datenbereitstellung als Standardgeschäftsverfahren behandeln und Richtlinien vorgeben, die vorschreiben, wie die Daten gezippt und für die Freigabe vorbereitet werden müssen.

Speicher: Die Speicherung ist ebenfalls ein wichtiger Bestandteil einer Datenstrategie.

Obgleich das Speichern ein grundlegender Bestandteil des Technologie-Stacks von Unternehmen ist, wird sich dabei häufig auf die Phase der Datengenerierung konzentriert, wobei die nachgelagerten Nutzungs- und Freigabeanforderungen, insbesondere im Hinblick auf die Freigabe großer Datenmengen, nicht ausreichend berücksichtigt werden.

Eine Datenstrategie muss Daten ganzheitlich betrachten und einen zentralisierten Ansatz für die gemeinsame Nutzung gespeicherter Daten verfolgen, um fragmentierte Kopien von Quelldaten zu vermeiden.

Warum eine Datenstrategie wichtig ist

Eine Datenstrategie hilft Unternehmen dabei, Herausforderungen zu meistern, die durch Datenbeschränkungen bedingt sind, beispielsweise:

• Datenschutzrisiken
• Datensilos
• Übermäßige Datenreplikation
• Unfähigkeit, zeitnahe, datenbasierte Entscheidungen zu treffen
• Ineffiziente Geschäftsprozesse
• Mangelnde prädiktive Analytik zur Entscheidungsfindung
• Einschränkungen der Rentabilität
• Eingeschränkter Datenzugriff
• Manuelle Datenintegration unterschiedlicher Quellen
• Keine einheitliche Datenquelle
• Betriebliche Ineffizienzen
• Schlechte Datenqualität
• Abhängigkeit von historischen Daten für die Entscheidungsfindung
• Langsamere Technologieeinführung
• Zeitverschwendung bei der Aufbereitung von Rohdaten
• Übermäßige Abhängigkeit der Benutzer von der IT
• Eingeschränkte Sichtbarkeit

Vorteile einer Datenstrategie

Die Vorteile einer umfassenden Datenstrategie basieren auf ihrem Kernprinzip, den Wert von Daten zu steigern. Eine Datenstrategie kann langfristige Lösungen für eine Reihe von Datenherausforderungen bieten, indem sie konkrete Anleitungen zur Bewältigung oder Vermeidung häufiger Fallstricke wie schlechter Datenqualität, Silos und Schwachstellen bietet.

Zu den Vorteilen einer Datenstrategie gehören:

Förderung einer Datenkultur. Eine Datenstrategie spiegelt die Priorisierung von Daten als Vermögenswert in einem Unternehmen wider und trägt zur Wertsteigerung bei. Wenn Teams dies und die daraus abgeleiteten Ergebnisse hochwertiger Daten erkennen, wächst die Datenkultur im Unternehmen.

Kundenerlebnis und -treue verbessern. Die Analytik kann das Kundenerlebnis nur dann verbessern und die Kundenbindung fördern, wenn die Daten korrekt sind und eine ganzheitliche Sicht bieten. Eine starke Datenstrategie stellt sicher, dass Unternehmen Zugriff auf einen umfangreichen Pool kundenbezogener Daten haben, um gezielte, relevante Kommunikation zu ermöglichen, die Beziehungen aufbaut und vertieft.

Durchsetzen von Datenmanagementrichtlinien. Eine Datenmanagementstrategie umfasst das Festlegen und Durchsetzen von Regeln für den Umgang mit Daten. Dies ist besonders hilfreich, um eine konsistente Formatierung zu gewährleisten und die Daten gut zu organisieren, wodurch sie für Analytik und andere Anwendungen leichter zugänglich und nützlicher werden.

Sicherstellen der Datenkonsistenz. Die Datenmanagementrichtlinien einer Datenstrategie gewährleisten eine konsistente Datenformatierung im gesamten Unternehmen, erleichtern den Zugriff und verbessern die allgemeine Datenqualität.

Optimal von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) profitieren. Die Wirksamkeit von KI- und ML-Anwendungen ist von Daten abhängig. Eine Datenstrategie unterstützt Unternehmen dabei, die Daten zu sammeln und zu verarbeiten, die diese Anwendungen benötigen, um Modelle für Bilderkennung, prädiktive Analytik und natürliche Sprachverarbeitung zu trainieren.

Steigerung der analytischen Reife. Eine Datenstrategie fördert die analytische Reife. Sie unterstützt Unternehmen beim Übergang von einfachen Überprüfungen, um zu verstehen, was passiert ist und warum, zu ausgefeilter prädiktiver Modellierung, die ihre Strategie effektiv auf der Grundlage der erwarteten Ereignisse ausrichten kann.

Förderung der Monetarisierung von Daten. Mit einer Datenstrategie erhalten Unternehmen Einblicke in deren Monetarisierung, indem sie umsetzbare Erkenntnisse liefert und die Produktivität steigert.

Verbesserung der Datenarchitektur. Eine Datenstrategie enthält Anweisungen zur technischen Architektur zur Unterstützung der Datenerfassung, -speicherung, -transformation, -verteilung und -nutzung. Dazu gehört die Steuerung der Interaktion verschiedener Systeme und Tools, einschließlich Datenbanken, Anwendungen, Dateisystemen und Datenmodellen.

Erfüllen der Compliance-Anforderungen. Eine effektive Datenstrategie umfasst die Implementierung von Datensicherheitsmaßnahmen zum Schutz von Informationen vor einem unbefugten Zugriff. Dies berücksichtigt die Anforderungen verschiedener staatlicher und branchenspezifischer Vorschriften zu Datensicherheit, Datenschutz, Integrität und Zugänglichkeit.

Vermeiden von Datensilos. Mit einer Datenstrategie werden Best Practices des Datenmanagements, wie z. B. die zentrale Speicherung, implementiert. Dadurch werden Datensilos eliminiert, die dadurch entstehen, dass verschiedene Gruppen Daten unabhängig voneinander speichern und verwalten.

Benutzern eine Anleitung an die Hand geben. Eine Datenstrategie bietet Benutzern eine Anleitung zur Gewinnung und Erhaltung des Werts von Daten, indem sie sicherstellt, dass sie wissen, wie sie Daten sicher und effektiv nutzen, verwalten und freigeben.

Optimieren von Daten-Workflows. Eine Datenstrategie schafft Prozesse für die Erfassung, Speicherung, den Zugriff und die Weitergabe von Daten, um sie im Rahmen genehmigter Nutzungsprotokolle sichtbarer und zugänglicher zu machen. Dies reduziert auch die Datenduplizierung, die ohne Datenmanagement entsteht.

Bestandteile einer Datenstrategie

Obwohl die Speicherung im Mittelpunkt aller Daten steht, muss eine effektive Datenstrategie darüber hinausgehen und angrenzende Bereiche berücksichtigen, die mit der Erfassung, dem Management, der Weitergabe und der Nutzung von Daten zusammenhängen. Im Folgenden finden Sie einen Überblick über diese wichtigen Bestandteile einer Datenstrategie.

Ausrichtung auf Unternehmensziele: Damit eine Datenstrategie effektiv ist und ein Unternehmen durchdringt, muss sie mit ihrem Gesamtziel übereinstimmen. Richtig umgesetzt, muss eine Datenstrategie die Bedürfnisse so priorisieren, dass sie für Benutzer und Manager sinnvoll ist und ihnen hilft, ihre Ziele zu erreichen. Das bedeutet, sich Zeit zu nehmen, um die Mikroprioritäten im gesamten Unternehmen zu verstehen und zu verstehen, wie die übergreifende Datenstrategie diese unterstützen kann.

Datenanalytik Das Ergebnis einer Datenstrategie wird durch Datenanalytik umgesetzt, die mithilfe von Analytik-Tools wie KI- und ML-Modellen Erkenntnisse aus Daten gewinnen. Datenanalytik deckt Muster und Trends in Daten auf, die zur Entscheidungsfindung genutzt werden können.

Datenkatalog-Tools: Ein Datenkatalog-Tool erleichtert die Datenerfassung und -organisation sowie die Data Governance, indem es Datenbestände identifiziert und kategorisiert. Dies unterstützt eine Datenstrategie durch die Bereitstellung detaillierter Metadaten, um die Durchsuchbarkeit und Zugänglichkeit der Daten zu verbessern.

Data Governance Data Governance spielt eine Schlüsselrolle in einer Datenstrategie, indem sie die Prozesse zur Erstellung von Rollen und Regeln etabliert, die die Datenqualität und -sicherheit gewährleisten. Die effektivsten Data-Governance-Regeln sind praktikabel, umsetzbar und den tatsächlichen Anforderungen angemessen.

Datenmanagement Datenmanagement bezeichnet die sichere, effiziente und kostengünstige Speicherung, Organisation, Pflege und Nutzung der von einem Unternehmen erfassten Daten. Es ist ein grundlegender Bestandteil einer jeden Datenstrategie.

Datenmanagement-Tools Zu den Tools zur Unterstützung von Datenmanagementprogrammen gehören Tools für Datenintegration, Visualisierung, Reporting und Dashboards. Dazu gehören auch die zum Speichern und Verarbeiten von Daten erforderlichen Systeme, wie z. B. ein Data Warehouse und Tools zum Extrahieren, Transformieren und Laden (ETL). Eine Datenstrategie gibt vor, welche Tools eingesetzt werden sollen, um die Anforderungen von IT- und Fachanwendern zu erfüllen.

Datenreifebewertungen Die Entwicklung und Umsetzung einer Datenstrategie muss sich am aktuellen Datenreifegrad des Unternehmens orientieren, Basismesswerte enthalten und Erwartungen und Ziele für den Fortschritt im Reifegradmodell festlegen (d. h. beginnend mit der deskriptiven, über die diagnostische und prädiktive Ebene bis hin zur präskriptiven Ebene).

Bestandsaufnahme der datenbezogenen Architektur, Infrastruktur und Arbeitsabläufe: Eine Datenstrategie sollte den Bestand an datenbezogenen Architekturen, Arbeitsabläufen, Tools, Technologien, Systemen und unterstützenden Prozessen eines Unternehmens gründlich bewerten. Diese umfassende Sicht auf die Datenarchitektur, Infrastruktur und Arbeitsabläufe des Unternehmens hilft bei der Ressourcenzuweisung, um Komponenten zu ersetzen, zu aktualisieren, zu optimieren oder hinzuzufügen und so die Ziele der Datenstrategie zu unterstützen. Bei der Überprüfung dieser Elemente sind folgende Aspekte zu berücksichtigen:

• Zugänglichkeit: Haben Benutzer und Systeme bei Bedarf Zugriff auf die Daten?
• Leistung: Können Daten verarbeitet und durch Analytik-Tools geleitet werden, um zeitnah Ergebnisse zu liefern?
• Relevanz: Wer und wie viele Personen nutzen die Systeme und werden ihre Anforderungen erfüllt?
• Umfang: Erfüllen die Systeme die Anforderungen des Datenmanagements in jeder Phase des Datenlebenszyklus (z. B. Datenidentifizierung, -aufnahme, -speicherung, -analyse und -nutzung zur Unterstützung der Entscheidungsfindung).

Protokolle für Datensicherheit, Datenschutz und Ethik Ein Datenstrategieplan sollte mindestens Protokolle zur Erfüllung der Anforderungen an Datensicherheit und Datenschutz zum Schutz der Daten vor unbefugtem Zugriff enthalten. Darüber hinaus sollten Organisationen eine Ethikkomponente integrieren, die sicherstellt, dass die gesamte Datennutzung in einem Maß geschützt ist, das ihren ethischen Standards entspricht.

Datenstrategieansätze

Organisationen verfolgen einen von zwei Datenstrategieansätzen: zentralisiert oder dezentralisiert. Manche Organisationen entscheiden sich für einen hybriden Ansatz.

Zentralisiert: Eine zentralisierte Datenstrategie folgt einem stark strukturierten Modell mit Top-down-Ansatz, bei dem eine bestimmte Führungskraft das Datenmanagement und die Data Governance überwacht. Dieser Ansatz etabliert eine einzige Quelle der Wahrheit. Daten werden aus unterschiedlichen Quellen gesammelt, bereinigt und zentral gespeichert.

Dezentral Eine dezentrale Datenstrategie ermöglicht die Anordnung von Datenspeichern in Funktionsbereichen. Die Quelle stammt aus einer einzigen Quelle der Wahrheit, Gruppen können jedoch Daten abrufen und Datentransformationen für ihre spezifischen Anforderungen durchführen. In einem dezentralen Modell gibt es einen stärker kooperativen Ansatz für Datenmanagement, Datenstrategie und Business Intelligence.

Hybrid Ein hybrider Datenstrategieansatz kombiniert die beiden anderen Ansätze. Das Datenmanagement erfolgt zentral, Gruppen profitieren jedoch von der Flexibilität eines dezentralen Ansatzes für die Datenanalytik.

Rollen und Zuständigkeiten der Datenstrategie

Das Datenstrategieteam umfasst Vertreter der Geschäftsleitung sowie der Teams für Business Analytics, IT und Datensicherheit. Es holt Input von wichtigen Stakeholdern im gesamten Unternehmen ein.

Nachfolgend finden Sie eine Zusammenfassung der wichtigsten Rollen und Zuständigkeiten eines Datenstrategieteams. Diese Personen arbeiten zusammen, um Datenstrategiepläne zu entwickeln, implementieren und durchzusetzen.

Data Engineers sind für die Konzeption, den Aufbau und die Pflege der Datenarchitektur verantwortlich. Darüber hinaus unterstützen sie die Umsetzung der Datenstrategie, indem sie wichtige Datenpipelinefunktionen wie Datenerfassung, -verarbeitung, -speicherung und -analytik verwalten. Sie sind außerdem für die Entwicklung und das Management von Datensicherheits- und Data-Governance-Systemen zuständig.

Data Scientists Sobald Data Engineers Daten erfasst und verarbeitet haben, übernehmen diese die Daten in für die Analyse entwickelte KI- und ML-Modelle. Die daraus resultierenden Analytik nutzen sie, um umsetzbare Erkenntnisse zu gewinnen.

Datenanalysten arbeiten mit Datenwissenschaftlern zusammen, um sicherzustellen, dass die Datenmodelle den Anforderungen des Unternehmens entsprechen. Sie analysieren und interpretieren die von den Data Scientists bereitgestellten Informationen, um Berichte zur Entscheidungsfindung zu erstellen.

Geschäftsleiter: Geschäftsleiter nutzen und teilen die Daten in den Berichten im Tagesgeschäft und zur Unterstützung der strategischen Planung. Darüber hinaus überwachen sie die Arbeit der anderen Teammitglieder, um sicherzustellen, dass die Datenstrategie mit den Gesamtzielen des Unternehmens übereinstimmt.

Schritte zur Erstellung einer Datenstrategie

Die Erstellung einer umfassenden Datenstrategie kann komplex sein. Nachfolgend finden Sie eine Übersicht der grundlegenden Schritte. Die Reihenfolge dieser Schritte variiert je nach Organisation, verfügbaren Ressourcen und Teammitgliedern.

Erstellen Sie einen Datenstrategieplan und nutzen Sie ihn, um die Zustimmung der Geschäftsleitung und wichtiger Stakeholder zu gewinnen.

• Demonstrieren Sie anhand von Beispielen und Wirtschaftsberichten, wie die Datenstrategie einen Mehrwert bietet.
• Holen Sie die Genehmigung für den Plan ein.
• Beschaffen Sie die für die Implementierung der Strategie benötigten Ressourcen.

Verfeinern Sie die Ziele der Datenstrategie und detaillieren Sie Pläne zu deren Erreichung.

• Erstellen Sie eine Roadmap für die Datenstrategie, die den Weg zur Zielerreichung aufzeigt.
• Entwerfen Sie konkrete Taktiken zur Erreichung der Datenstrategieziele.
• Bestimmen Sie Verantwortliche, die sicherstellen, dass alles dafür getan wird, um die Ziele zu erreichen.

Bilden Sie Datenmanagement- und Data-Governance-Teams zur Umsetzung der Datenstrategie. Jedem Verantwortlichen für Teile des Datenstrategieplans werden Einzelpersonen und Teams zur Umsetzung des Plans zugewiesen. Diese können einer bestimmten Gruppe zugeordnet sein oder eine teamübergreifende Rolle spielen.

Zu den Rollen bei der Umsetzung einer Datenstrategie gehören:

• Führungskräfte und Abteilungsleiter
• Datenanalysten
• Datensammler
• Data-Governance-Manager
• Datenmodell-Designer
• Datenqualitätsmanagement
• Datenschutzbeauftragter
• Datenverwalter
• Datenbankarchitekt
• Stammdatenmanagement

Identifizieren Sie die zu erfassenden Daten und ihre Quellen.

• Die Ziele der Datenstrategie bestimmen, welche Arten von Daten erfasst werden sollen.
• Anwendungsfälle definieren die Datenquellen.
• Pläne sollten vorgeben, wie die Daten aus den verschiedenen Quellen gesammelt werden.

Passen Sie Ihre Datenerfassungspraktiken an die geltenden Vorschriften an.

• Ermitteln Sie, welche Vorschriften für die Organisation gelten.
• Bestimmen Sie, welche Regeln für die Datenerfassung gelten.
• Stellen Sie sicher, dass die Praktiken und Prozesse zur Datenerfassung den geltenden Vorschriften entsprechen.

Legen Sie Regeln für die Datenspeicherung, -organisation und -nutzung fest.

• Es müssen Datenmanagementrichtlinien für die Speicherung und Organisation von Daten erstellt werden.
• Es sollten Methoden zur Datenspeicherung und zum Datenzugriff definiert werden.
• Es müssen Systeme und Prozesse implementiert werden, um sicherzustellen, dass Daten in einem konsistenten Format gespeichert werden und Datensilos vermieden werden.

Optimieren Sie die Datenarchitektur.

• Stellen Sie sicher, dass die richtigen Tools und Technologien eingesetzt werden.
• Identifizieren und beheben Sie Lücken in der Datenarchitektur, die sich auf Zugriff, Speicherung und Sicherheit auswirken könnten.
• Berücksichtigen Sie die folgenden Elemente der Datenarchitektur:
  • Datenvolumen und -typ im Zusammenhang mit Zugriff und Speicherung
  • Anforderungen an die Datenqualität
  • Umfang der Analytik (z. B. Business Intelligence, KI und ML)
  • Sicherheit und Compliance
  • Datenlebenszyklus

Datenstrategie-Framework als Weg zur Wertsteigerung

Der aus Daten gewinnbare Wert erstreckt sich auf alle Aspekte eines Unternehmens. Er steigert die Rentabilität, erhöht die Produktivität und verbessert die Kundenzufriedenheit. Der Trick besteht darin, den Wert der Daten zu entwickeln und zu erhalten.

Ein Datenstrategie-Framework, selbst ein einfaches, schafft und sichert einen klaren Weg zu hochwertigen, wertschöpfenden Daten. Es bietet Richtlinien und Prozesse, die Unternehmen helfen, Daten trotz wachsender Mengen und sich ändernder Anwendungsfälle effektiv zu verwalten. Ein Datenstrategie-Framework gibt Unternehmen die nötige Struktur, um den maximalen Wert aus Daten zu ziehen.