Data Product: Wie der kulturelle Wandel beim Thema Daten gelingt

Jede Abteilung im Unternehmen möchte Kund:innendaten nutzen: Das Marketing will die Vorlieben der Kund:innen besser verstehen, der Vertrieb muss wissen, wie viele Produkte an diese verkauft wurden, und die Marktforschung analysiert das Kaufverhalten und den Kontext der Käufer:innen. Daten sind ein Teil des Betriebsvermögens Ihres Unternehmens – eine Ressource, die sich alle Abteilungen teilen. Daten von und über Kund:innen sind ein großer Teil dieser Ressource, die je nach Perspektive völlig anders gesehen und genutzt wird. Zum Beispiel wird das Marketing Kund:innendaten anders betrachten als der Customer Support oder die Logistik.

Bei einem Data Mesh kommt es darauf an, dass Daten von allen Beteiligten als Produkte angesehen werden. Oft braucht es dafür ein Umdenken.


Foto: Rawpixel.com – shutterstock.com

Serie Data Mesh Erfahren Sie in dieser vierteiligen Themenreihe, wie das neue Konzept „Data Mesh“ funktioniert und welche Datenprobleme es löst. Per Klick können Sie direkt zu einem Beitrag zu springen. Verfasst wurde die Serie von Snowflake, einem Cloud-basierten Software-as-a-Service-Unternehmen aus den USA. Teil 1: Data Ownership: Die Trennung von Datenbesitz und Dezentralisierung Teil 2: Data Product: Umdenken beim Thema Daten, Wandel in Mindset und Unternehmenskultur Teil 3: Erfolgreiche Transformation: Schlüsselprinzipien einer erfolgreichen Data-Mesh-Strategie, DATSIS und nötige Transformation Teil 4: Umsetzung: Wie eine gute Data-Mesh-Plattform aussieht und Sie Ihre Infrastruktur darauf ausrichten können.

Mit der Auswertung des Käufer:innenverhaltens lässt sich die Nachfrage prognostizieren, die Lieferkette optimieren und Bestände besser planen. Die richtige Segmentierung der Kund:innendaten erlaubt eine Analyse des Bedarfs und hilft dabei, neue Produkte zu entwickeln und die Produkt-Lebenszyklen besser abzustimmen. In allen genannten Fällen gibt es einen gemeinsamen Datenpunkt, über den alle Bereiche sich austauschen können: Die ID der Kund:innen. Diese ID stellt sicher, dass alle über den gleichen Datensatz sprechen – nur eben aus ihrer Perspektive.

Bleibt der “Golden Record” im Besitz eines zentralen Teams? Oder wird eine bestimmte Abteilung für die Kund:innendaten als Produkt zuständig sein, ähnlich wie ein: Product Manager:in? Manche Unternehmen ordnen bereichsübergreifende Stammdaten (wie Kund:innendaten) einem zentralisierten Datenteam zu, das die Daten verwaltet und die Datenqualität gewährleistet. Das zentrale Team ist auch dann verantwortlich, wenn Teile der Stammdaten in den Fachabteilungen selbst liegen beziehungsweise während diese Abteilungen die Ownership behalten.

Das zentrale Datenteam verwaltet in diesem Fall den sogenannten “Golden Record”, mit dem sich alle Kund:innen eindeutig identifizieren lassen. So ist sichergestellt, dass jede Fachabteilung gleichermaßen auf die Datensätze zugreifen kann, die Qualität jedoch zentral garantiert wird. Die Fachabteilungen nutzen den Golden Record, um ihre lokalen Daten dem passenden Datensatz zuordnen zu können und somit aussagekräftigere Analysen fahren zu können.

Innerhalb einer Data-Mesh-Organisation produziert und konsumiert jeder Unternehmensbereich gleichermaßen Datenprodukte wie Tabellen, Berichte und Datenbanken. Um sicherzustellen, dass alle Abteilungen den Daten der jeweils anderen Abteilungen vertrauen können, ist es notwendig, die Daten als Produkt zu begreifen.

Alle Fachbereiche sollten dabei ihre Datenbestände als Produkte sehen, die sie produzieren und verteilen – und die von anderen Fachbereichen konsumiert werden können. Das mag trivial erscheinen, setzt jedoch einen Kulturwandel voraus. Wer bisher anfallende Daten als Mittel zum Zweck oder gar als überflüssige Nebeneffekte betrachtet hat, wird nicht von heute auf morgen die Verantwortung übernehmen, die eine echte Data Ownership mit sich bringt.

Mit Schulungen und einer Unternehmenskultur, die Wert auf den Umgang mit Daten legt, kann es jedoch gelingen, die eigenen Daten in hochqualitative Assets zu verwandeln, die im gesamten Unternehmen genutzt werden und Umsatz generieren können – sei es durch optimierte Produkte und Prozesse oder neue Geschäftsmodelle. Das größte Hindernis auf diesem Weg sind für die meisten Unternehmen nicht fehlende oder falsche Tools, sondern eine Unternehmenskultur, die Daten nicht als Produkt versteht.

Die Data-Mesh-Struktur ermöglicht die Zentralisierung von Fachwissen und Kontrolle in den Bereichen Datenarchitektur, Datenmanagement, Datenqualität und Governance. Diese Gebiete sind abteilungsübergreifend für alle Unternehmensbereiche wichtig. Spezialist:innen in Data Science, Analytics und BI sind dagegen effektiver, wenn sie “vor Ort” arbeiten und abteilungsrelevantes Fachwissen erwerben. Dazu ist es sinnvoll, wenn Spezialisten nicht zentral im Unternehmen, sondern in lokalen Teams in den Abteilungen selbst arbeiten.

Die Struktur eines Data Mesh bedeutet jedoch nicht das Ende eines zentralen Datenteams, sondern eine Verlagerung der Aktivitäten, um eine einheitliche Methodik und gemeinsame Best Practices zu gewährleisten. Governance ist ebenfalls eine Kernkompetenz, die besser im zentralen Verwaltungsorgan angesiedelt sein sollte: Prozesse, Richtlinien und Standards werden dort festgelegt und machen das Datenteam zum Kompetenzzentrum des Unternehmens. Das Team ist die Anlaufstelle für alle Fragen zum Thema Daten: Hier wird die Datenkultur des Unternehmens gepflegt, interne Schulungen und Zertifizierungen werden dort entwickelt und zentral durchgeführt.

Um eine robuste, harmonisierte und zukunftssichere Architektur zu erhalten, müssen die Lösungsarchitekt:innen im zentralen Datenteam sitzen. Je nach Reifegrad der einzelnen Abteilungen kann die Geschwindigkeit der Einführung leicht variieren. Das Datenteam kann fallabhängig bei der Produktentwicklung unterstützen.

Sind Fachwissen und Kompetenzen sinnvoll verteilt, können Unternehmen bereits auf eine sinnvolle Struktur aufbauen. Mit Schulungen und kontinuierlicher Weiterbildung im Unternehmen lässt sich sodann eine neue Kultur aufbauen, die das richtige Mindset für den Umgang mit Daten in allen Abteilungen verankert: Der richtige Umgang mit Daten ist kein Zusatzfeature, sondern geschäftskritisch. Dank des sinnvollen Aufbaus eines Data Mesh, das der natürlichen Zuordnung von Kompetenzen in den Fachbereichen und Governance in der Unternehmenszentrale entspricht, lassen sich Mitarbeiter:innen einfacher für das Ziel gewinnen – und das Unternehmen in Sachen Daten voranbringen.

„Data Mesh“ geht zurück auf die Informatikerin Zhamak Dehghani, die den Begriff 2019 in einem viel beachteten Artikel prägte und das Konzept in diesem Video vorstellt.

Nächster Artikel: “Sechs Schlüsselprinzipien für eine erfolgreiches Data-Mesh” Dies ist der zweite Teil der Artikelserie zum Thema Data Mesh von Snowflake. Im nächsten Artikel geht es um das Thema “Data Mesh: So gelingt die Transformation”. Darin: Sechs Schlüsselprinzipien für eine erfolgreiche Data-Mesh-Strategie und mehr Tipps zum Kulturwandel im Unternehmen.