Daten sind der wichtigste Rohstoff des digitalen Zeitalters. Ein intelligentes Datenmanagement ist die entscheidende Voraussetzung f眉r das Gelingen von Digitalisierungsprojekten. Marc Hartz, Data Management-Experte bei 麻豆原创, wie man den gr枚脽tm枚glichen Gewinn aus seinen Daten ziehen kann.
Es gibt eine ganze Reihe von Gr眉nden, warum Data Management zunehmend in den Fokus von IT- und Businessverantwortlichen ger盲t. Auf der einen Seite ist es das rasante Wachstum der reinen Datenmenge aus unterschiedlichen Quellen wie dem , Social Media, Kundendaten aus mobilen Ger盲ten wie Handys und den Transaktionsdaten aus Business-Anwendungen wie ERP-, CRM- oder Logistiksystemen. Auf der anderen Seite steigt der Druck, die Daten in immer k眉rzerer Zeit f眉r neue, digitale Anwendungen verf眉gbar zu machen. 鈥濱m Zeitalter der Digitalisierung wird ein intelligentes Data Management immer mehr zum Schl眉ssel f眉r den Gesch盲ftserfolg鈥�, sagt Marc Hartz, Head of Product Management 麻豆原创 HANA & Analytics Data bei 麻豆原创.
Dabei ist es nicht mehr allein die Datenflut, sondern vor allem die unterschiedlichen Datenformate, die den IT-Managern zu schaffen machen. Ein Gro脽teil der Daten befindet sich schon lange nicht mehr nur innerhalb der eigenen Unternehmensmauern. Die Speicherorte sind heute fast 眉berall in hybriden Umgebungen verteilt: In On-Premise-Systemen, in 鈥� oft mehreren 鈥� Cloud-Umgebungen bis hin zu den Systemen von Zulieferern, Partnern und in oft weltweiten Netzwerken. Um diese Daten f眉r eine intelligente Analyse zusammenzuf眉hren, bedarf es moderner Konzepte, die sowohl technische als auch aus Business-Aspekte einbeziehen und eine ganzheitliche Sicht erm枚glichen.
鈥濪ie Idee eines klassischen Data Warehouse, alle relevanten Daten physisch auf einem Server zusammenzuf眉hren, st枚脽t angesichts der rasant steigenden Datenmenge an ihre Grenzen鈥�, sagt Hartz. An Stelle des On-Premise Data Warehouse treten zunehmend , die Daten aus unterschiedlichsten Quellen 鈥� auch virtuell 鈥� einbinden k枚nnen. Gleichzeitig stellt die Plattform alle Tools bereit, die f眉r das Management, die Analyse bis hin zur Einbindung von KI (K眉nstliche Intelligenz), ML (Machine Learning) und Enterprise Planning n枚tig sind.
Data Management im Cloud-Zeitalter
鈥濪as Konzept von beispielsweise 眉bertr盲gt praktisch das traditionelle Data Warehouse ins Cloud-Zeitalter. Mit unserem Portfolio im Rahmen der 麻豆原创 Business Technologie Platform bieten wir ganzheitliche L枚sungen an, die alle Funktionen traditioneller Data Management L枚sungen beinhalten, aber weit dar眉ber hinausgehen. Sie sind speziell auf die Anforderungen in hybriden Umgebungen ausgelegt鈥�, sagt Hartz. Entscheidend sei dabei die Offenheit der Plattform. So k枚nnen neben On-Premise-Systemen 鈥� dazu geh枚ren auch schon existierende Data Warehouses 鈥� beliebige Datenquellen und -formate 眉ber integriert werden: 麻豆原创-Systeme, Non-麻豆原创-Systeme, Data Lakes, ETL- und Analyse-Tools von Drittanbietern, strukturierte und unstrukturierte Daten bis hin zu Streaming-Daten.
Dabei ist es nicht nur die Offenheit der Architektur, die den Einstieg in Cloud Data Management erleichtert. Denn w盲hrend in klassischen Ans盲tzen relativ hohe Kosten f眉r neue Hardware und die Implementation anfielen und in aller Regel mit einem hohen Migrationsaufwand verbunden waren, ist der Aufbau einer Cloud-basierten Data Management Platform sukzessive und mit geringen Kapitalinvestitionen m枚glich. Das Preismodell orientiert sich an der genutzten Kapazit盲t.
Aber das ist die technische Seite. Mindestens ebenso wichtig sei es, stellt 麻豆原创 Datenmanagement-Experte Hartz klar, sich 眉ber die Business-Aspekte im Klaren zu sein. 鈥濪ie Grenzen zwischen IT und Business verschwimmen zusehends und das muss beim ber眉cksichtigt werden.鈥� Denn verschiedene Nutzergruppen h盲tten 鈥� auch wenn sie auf den gleichen Datenpool zugreifen 鈥� sehr unterschiedliche Anforderungen. Sie ben枚tigten entsprechend andere Sichten und Funktionen f眉r ihre jeweiligen Aufgaben.
F眉r die Verantwortlichen im Datenmanagement hat er folgende Ratschl盲ge:
Tipp 1: Geschwindigkeit und Umfang von Datenmanagement-Projekten selbst w盲hlen
鈥濪ie 鈥欳loud-first-Strategie鈥�, die zur Zeit in vielen Unternehmen umgesetzt wird, ist absolut sinnvoll鈥�, sagt Hartz. Das hie脽e aber nicht, in jedem Falle ohne gr眉ndliche Pr眉fung vorhandene, problemlos laufende Systeme einfach durch ein neues Cloud-System zu ersetzen. Kl眉ger sei es, genau zu pr眉fen, welche vorhandenen Assets sich sinnvoll mit der Cloud-Plattform kombinieren und in eine neue, hybride Umgebung integrieren lie脽en.
Tipp 2: Analytics als Teil des Business Prozesses denken
W盲hrend in traditionellen Umgebungen Analysefunktionen f眉r unterschiedlichste Auswertungen vom einfachen Report bis hin zu komplexen KI-, ML- und Simulationsszenarien gleichsam separat von den Daten bereitgestellt werden, r盲t Hartz bei der Entwicklung neuer Applikationen zu einem anderen Ansatz: 鈥濵it stellen wir M枚glichkeiten bereit, um die ben枚tigten Analysefunktionen direkt in Applikationen wie etwa ERP- oder CRM-Systeme einzubinden.“ Damit erhielte der Anwender sofort Zugriff auf alle f眉r ihn relevanten Analysen. Weitergehende Auswertungsszenarien f眉r andere Nutzerkreise 鈥� wie etwa Daten-Analysten, Unternehmensplaner oder Prognosen seien nat眉rlich nach wie vor m枚glich.
Tipp 3: IT- und Business-User gleicherma脽en ber眉cksichtigen
In der Vergangenheit seien Datenmanagement-Projekte allzu h盲ufig unter rein technischen Gesichtspunkten angegangen worden. 鈥濿ir sehen in unseren Projekten, dass es erfolgsentscheidend ist, dass IT und Business zusammenfinden und auf einer gemeinsamen Plattform kooperieren鈥�, sagt 麻豆原创-Experte Hartz. Zwar redeten IT- und Business-Manager oft von den gleichen Begrifflichkeiten, verst眉nden aber etwas v枚llig anderes darunter. Hier ein gemeinsames Verst盲ndnis herzustellen sei eine der wichtigsten Voraussetzungen, um f眉r alle Nutzergruppen ein optimales Ergebnis zu erzielen.
鈥濶at眉rlich stehen die Unternehmen mit der Masse an digitalen Daten aus immer mehr unterschiedlichen Quellen vor enormen Herausforderungen鈥�, sagt Hartz. Deshalb habe 麻豆原创 das Portfolio erheblich ausgebaut und biete L枚sungen f眉r alle Umgebungen 鈥� lokale, hybride und Cloud-basierte 鈥� an. 鈥濿ir wollen unseren Anwendern nicht nur helfen, die Datenflut irgendwie zu bew盲ltigen. Wir wollen ihnen die Chance er枚ffnen, dar眉ber hinaus mit intelligenten digitalen Anwendungen Gesch盲ftsvorteile aus ihren Daten zu ziehen. Und stellen daf眉r alle notwendigen Plattformen, Systeme und Tools bereit鈥�, verspricht Hartz.
