{"id":164984,"date":"2023-03-20T08:00:49","date_gmt":"2023-03-20T07:00:49","guid":{"rendered":"https:\/\/news.sap.com\/germany\/?p=164984"},"modified":"2023-03-24T09:36:59","modified_gmt":"2023-03-24T08:36:59","slug":"heiss-begehrt-data-mesh-data-as-a-product-mit-sap-business-technology-plattform-btp-umsetzen","status":"publish","type":"post","link":"https:\/\/news.sap.com\/germany\/2023\/03\/heiss-begehrt-data-mesh-data-as-a-product-mit-sap-business-technology-plattform-btp-umsetzen\/","title":{"rendered":"Hei\u00df begehrt: Data Mesh & Data as a Product"},"content":{"rendered":"

Daten nicht mehr als Nebenprodukt eines Prozesses, sondern als eigenst\u00e4ndiges Produkt, entwickelt von Fachabteilungen, gehandelt auf Marktpl\u00e4tzen. Ein Data Mesh als dezentralisierte Datenarchitektur. Wie k\u00f6nnen diese modernen Konzepte mit der 麻豆原创 Business Technology Platform (BTP) umgesetzt werden?<\/p>\n

Die Idee, Daten wie ein Produkt zu behandeln, das ist ein neuer Gedanke, der immer mehr Raum in Unternehmen bekommt. \u201eDas ist gerade ein richtiges Hype-Thema\u201c, wei\u00df Wolfgang Epting. Er ist bei 麻豆原创 Datenspezialist und Solution Advisor Chief Expert.<\/p>\n

Im Jahr 2018 kam die Idee des Data Mesh<\/a> erstmals auf. Es ist ein Paradigmenwechsel, um Daten als Produkt zu betrachten und zugleich ein soziotechnologischer Ansatz f\u00fcr die Erstellung einer dezentralen Datenarchitektur. Nun besch\u00e4ftigen sich Unternehmen jedweder Gr\u00f6\u00dfe, Couleur und Branche intensiv damit.<\/p>\n

Der Data Mesh-Ansatz adressiert Probleme in der analytischen Datenbereitstellung, die jedes Unternehmen hat. Diese erhoffen sich davon, ihre Datenwertsch\u00f6pfungskette effizienter zu gestalten, um aus ihren Daten Gesch\u00e4ftsmehrwert zu generieren.<\/p>\n

Data Warehouse<\/strong><\/h2>\n

Dazu muss man die Historie kennen: Die erste Idee vieler Unternehmen war, alle Daten aus den operationalen Systemen strukturiert auf einer Plattform zusammen zu bringen. Die Data Warehouses dieser Welt entstanden, aufbereitet f\u00fcr die analytische Wiederverwendung.<\/p>\n

\u201eDann hat man festgestellt, dass es immer mehr neue unstrukturierte Datentypen gab, wie IoT- oder Social Media-Daten. Jedes Unternehmen wollte dann damals einen Data Lake haben. Ohne genau zu wissen, was der Sinn daf\u00fcr ist. Aber, das war letztlich auch nicht der Stein der Weisen\u201c, sagt Epting.<\/p>\n

Data Lakehouse<\/strong><\/h2>\n

Unternehmen versuchten infolge beides, Data Warehouses und Data Lakes, zusammen zu bringen und haben dieses Konzept als Data Lakehouse bezeichnet. All diesen Ann\u00e4herungen gemeinsam war, dass es eine zentrale Herangehensweise war. Es gab Daten-Teams, und es gab Infrastruktur-Teams.<\/p>\n

\u201eDas Problem war, dass die Menschen in diesen Teams wenig Wissen \u00fcber die Gesch\u00e4ftszusammenh\u00e4nge und die Semantik der Daten hatten\u201c, sagt Epting. \u201eDiese Domain Knowledge sitzt nun mal im Business, im Einkauf, im Verkauf oder im Personalwesen. Dort wei\u00df man, was sich hinter den Daten verbirgt. Der IT muss man das erst erkl\u00e4ren.\u201c Die Folge war: Die zentralen Abteilungen waren chronisch \u00fcberlastet. \u201eEs wurde nicht nur nicht das produziert, was gebraucht wurde, sondern auch noch alles viel zu langsam.\u201c<\/p>\n

Data Mesh<\/strong><\/h2>\n

Um diese bekannten Schwachstellen zu \u00fcberwinden, gibt es jetzt das Konzept Data Mesh. Die Verantwortung f\u00fcr die Datenbereitstellung wird hier dezentral, n\u00e4mlich in den Gesch\u00e4ftsbereichen, organisiert. Zum anderen sollen die Daten nun wie Produkte behandelt werden.<\/p>\n

Epting gibt folgendes Beispiel: Wenn ein Unternehmen in der Realwirtschaft ein neues Produkt auf den Markt bringen will, setzt es daf\u00fcr einen Produktmanager ein, der es von Anfang bis Ende verantwortet. Dieser \u00fcberlegt sich: Wo bekomme ich die Rohstoffe f\u00fcr das Produkt daf\u00fcr her, wie kann ich es fertigen, und wie am Ende sicher auf den Markt bringen? Der Produktmanager m\u00fcsste auch entscheiden, ob die Welt dieses neue Produkt \u00fcberhaupt braucht.<\/p>\n

Dezentrale Datenprodukt-Teams \u00fcbernehmen<\/strong><\/h2>\n

All diese Aufgaben soll bei der Entwicklung von Datenprodukten in Zukunft der Datenproduktmanager \u00fcbernehmen. In dezentralen Datenprodukt-Teams soll nur das produziert werden, was dem Unternehmen tats\u00e4chlich n\u00fctzt, weil es einen Mehrwert hat.<\/p>\n

In der Theorie wird auf diese Weise nichts mehr doppelt produziert. Das fertige Produkt kann und soll aber auch in andere Datenprodukte eingebaut werden k\u00f6nnen. Diese werden dann miteinander verwoben und bilden wiederum neue. So entsteht ein Netz von Datenprodukten: das Data Mesh. Dabei gilt: Die Freiheit der Teams ist gr\u00f6\u00dfer als heute, zudem dem Bedarf entsprechend, und die Entwicklung erfolgt in k\u00fcrzerer Zeit.<\/p>\n

\u00a0<\/strong>Voraussetzungen und Verantwortlichkeiten<\/strong><\/h2>\n

\u201eDas alles wird nicht \u00fcber Nacht gehen\u201c, wei\u00df Epting von 麻豆原创. \u201eData Mesh ist auch ein soziotechnologisches Ph\u00e4nomen. Man braucht viele organisatorische Voraussetzungen und klare Verantwortlichkeiten f\u00fcr die einzelnen Gesch\u00e4ftsdom\u00e4nen. Hinzu kommt Technologie, die das Data Mesh unterst\u00fctzen muss.\u201c<\/p>\n

Bisher hatte ein Vertriebsleiter keine Verantwortlichkeit f\u00fcr Datenprodukte, also f\u00fcr von seiner Abteilung ben\u00f6tigte IT-L\u00f6sungen. \u201eWenn er etwas brauchte, ging er zur IT, diese lieferte dann das Gew\u00fcnschte. Wenn nun der Vertriebsleiter daf\u00fcr die Verantwortung \u00fcbernimmt, ist das eine gro\u00dfe Ver\u00e4nderung, die nicht einfach ist. Unternehmen, die diesen Reifegrad nicht besitzen, k\u00f6nnen den zweiten Schritt vor dem ersten nicht tun\u201c, sagt Epting.<\/p>\n

Deshalb mache ein Data Mesh \u201eallein kein Unternehmen \u00fcber Nacht datengesteuert\u201c. Die Mitarbeiter ben\u00f6tigen auch eine autarke Umgebung, in der sie unbehelligt und ungest\u00f6rt mit den eigenen Daten frei modellieren und Datenprodukte erstellen k\u00f6nnen.<\/p>\n

Vier Prinzipien <\/strong><\/h2>\n

Data Mesh beruht auf vier Prinzipien:<\/p>\n