Datenmanagement: Wie Unternehmen ihre Daten mit einem dezentralen Ansatz besser nutzen

Bitte lasst uns nicht mehr über Daten als das „neue Öl“ sprechen. Das hat die Branche nun wirklich lange genug gemacht. Fakt ist allerdings heute noch: Daten liefern Unternehmen mehr denn je wichtige Insights und Erkenntnisse, um ihr Geschäft in Bereichen wie dem Service- und Kundenmanagement, der Produktentwicklung, dem Marketing und der internen Prozessoptimierung erfolgreich voranzutreiben. Auch wenn es in der Realität häufig anders aussieht: Mehr als jedes zweite Unternehmen in Deutschland schöpft sein Datenpotenzial laut einer CXO-Umfrage von Statista und diconium immer noch nicht zufriedenstellend aus. Die Gründe hierfür sind vielfältig. Neben dem Fachkräftemangel (45 Prozent) sind es demnach vor allem technische Hürden (39 Prozent) und eine mangelnde Datenverfügbarkeit (36 Prozent), die ihre Datenprojekte ausbremsen. Im Kern geht es jedoch fast immer um die Organisation des Datenmanagements. 

Zentrale Datenteams werden schnell zum Nadelöhr 

Eine zentral organisierte Datenarchitektur galt lange Zeit als Königsweg, um Daten unternehmensweit nutzbar zu machen. Klar: Gerade große Unternehmen verfügen über viele Abteilungen und Mitarbeitende, die mit noch mehr Lieferanten und Partnern zusammenarbeiten. Um hier die Bildung von Silos und damit einen stockenden Informationsfluss zu vermeiden, wird der Input aller Datenquellen traditionell in einer zentralen Lösung gebündelt. So weit, so gut. Das Problem bei der Sache: Sämtliche unternehmensweiten Informationen werden dabei von genau einem Datenteam betreut und in der zentralen Lösung organisiert. Diese Datenspezialist:innen verfügen jedoch nicht über die Expertise der einzelnen Abteilungen, um welche fachlichen Inhalte es sich genau handelt und wer diese in welchem Kontext für Analysen heranziehen sollte. So leidet am Ende nicht nur die Agilität, sondern auch die Qualität der integrierten Daten. Die strategische Antwort auf zentrale Datenteams bietet der dezentrale Ansatz „Data Mesh“.  

Demokratisierung der Daten erhöht die Agilität und Qualität 

Statt nur eines Datenteams, das sich um alle Datenquellen gleichzeitig kümmern muss, werden beim Data Mesh-Ansatz funktionsübergreifende Teams eingesetzt, die nur für ihre speziell zugewiesene Business-Domain verantwortlich sind. Durch diese Demokratisierung des Datenmanagements verlagert sich die Datenverantwortung also in die Fachabteilungen, die ihre Daten am besten kennen. Alle Datenprodukte entstehen zukünftig in Zusammenarbeit mit ihnen. Wichtig dabei: Die Organisation der Datenarchitektur basiert beim dezentralen Ansatz auf Vernetzung statt auf Zentralität. Datensilos werden so von Anfang an vermieden. Neben dem Prinzip der Domain Ownership in den einzelnen Fachteams bilden vor allem die Grundhaltung „Data as a Product“ für die Übertragung des Produktdenkens auf Daten, eine Self-Service-Datenplattform für mehr Effizienz durch Standardisierung sowie Federated Computationel Governance für ein Plus an Vertrauen und Sicherheit die wichtigsten Säulen für einen erfolgreichen Data Mesh-Einsatz. 

Zwischen Data Governance und Literacy: Erste Schritte in die Implementierung 

Wie gut der Data Mesh-Ansatz für ein Unternehmen geeignet ist, hängt letztlich von verschiedenen Faktoren ab. Darunter u. a. der Komplexitätsgrad, die Unternehmensgröße, geschäftliche Verflechtung, Anzahl der Teams, Datenquellen, Datennutzungsfälle und Datenfragmentierung. Klar ist: Es gibt keine Universallösung für maximale Datenerfolge. Der Data Mesh-Ansatz bietet jedoch zahlreiche Vorteile wie die Beseitigung von Engpässen in zentralisierten Ansätzen und eine höhere Flexibilität. Die Implementierung erfordert eine Anpassung an die spezifischen Bedürfnisse der Organisation und ist ein schrittweiser, langfristiger Prozess, der Monate bis Jahre dauern kann. Ein besonderes Augenmerk sollte dabei auf das Thema Data Governance gelegt werden, um sicherzustellen, dass die Verantwortungsverteilung ohne Beeinträchtigung der Integrität, Qualität und Sicherheit der Daten umgesetzt wird. Hierfür ist eine Data Literacy, also die richtige Datenkompetenz, aller Data Owner fundamental. Wir von diconium unterstützen dich und dein Unternehmen gern bei der Organisation eures Datenmanagements. Nimm einfach Kontakt zu uns auf! 

Weitere Informationen rund ums Thema Data Mesh inklusive jeder Menge hilfreicher Insights zu den vier Grundprinzipien und dem Einstieg in ein effizienteres Datenmanagement findest du in unserem aktuellen Guide „Data Mesh in der Praxis“ zum kostenfreien Download.