Transparenz schaffen im „Daten-Dschungel“

Fotoquelle: Unsplash.com, Download am 02.05.2024

Ausgangslage

Branchenübergreifend wachsen die internen und externen Datenanforderungen an Unternehmen stetig, sei es durch die fortschreitende Digitalisierung von Abläufen, Maschinen und Prozessen, durch umfassende und zunehmend detailliertere Markt-, Kunden- und Lieferanteninformationen oder durch regulatorische Anforderungen. Nach Schätzungen der International Data Corporation (IDC) vergrößern sich die verarbeiteten Datenmengen in den einzelnen Unternehmen im Schnitt um 40 bis 50 Prozent [1] jährlich; das bedeutet eine Verdreifachung der Datenmenge innerhalb von 5 Jahren.

Da große und komplexe Datenmengen herausfordernd sind, können sie Unternehmen organisatorisch, technologisch und regulatorisch überfordern. Dabei führt die richtige und konsequente Nutzung von Daten zu mehr Agilität, Effizienz und Produktivität im Unternehmen. Daten gehören zu den wichtigsten Treibern einer erfolgreichen Unternehmensentwicklung. Daher ist es von enormer Wichtigkeit, dass jedes Unternehmen über eine Datenmanagement-Struktur verfügt und Datenmanagement betreibt.

Abbildung 1: Datenmanagement Framework, angelehnt an den DAMA-Standard **[2]**.

In der Praxis sind Datenhaushalte und IT-Landschaften jedoch oftmals historisch gewachsen und intransparent. Daten wurden zumeist unstrukturiert und situativ gesammelt. Ein Datenmanagement-Konzept ermöglicht ein zielgerichtetes, speziell auf die Bedürfnisse ausgelegtes Management des Datenhaushalts in einem Unternehmen. Dieses Konzept schafft Transparenz über den Datenbestand und macht auch die Zusammenhänge und Abhängigkeiten zwischen den einzelnen Daten (internen und externen), sowie den Bezug und die Aussagekraft zu den Unternehmenssteuerungskenngrößen (Performance- wie auch Risikokenngrößen) verständlich.

Welche Vorteile bietet Datenmanagement für Ihr Unternehmen?

1. Kostenreduktion

Datenmanagement führt zu einem signifikanten Kostenreduktionspotenzial in Ihrem Unternehmen. Indem es

eine effiziente und effektive Informationssuche und ein Umsetzen von Informationsanfragen (z.B. Berichtsformate) in kürzester Zeit ermöglicht. Jeder kann sehen, welche Daten bereits vorhanden sind und wo diese zu finden sind;
die Erzeugung redundanter oder widersprüchlicher Berichtsinhalte durch die gegebene Transparenz der Informationen vermeidet. Berichtsinformationen können unternehmensweit konsistent und aufeinander abgestimmt analysiert werden;
die Arbeitsabläufe bei der Verarbeitung von Daten und Informationen vereinfacht. Der Datenursprung, Data Owner sowie die einzelnen Verwendungsprozesse sind für alle Mitarbeitenden transparent;
proaktiv die Datenkorrekturprozesse unterstützt und somit substanziell die Datenqualität in Ihrem Unternehmen fördert. Nachträgliche Abstimmungen oder aufwendige Korrekturen, nachdem Daten geladen wurden, werden auf ein Minimum reduziert.

2. Schnelligkeit

Mitarbeitende können aufgrund der verbesserten Transparenz schneller benötigte Daten und Informationen identifizieren und auf sie zugreifen. Hierdurch kann beispielsweise die Vertriebssteuerung optimal unterstützt werden, Innovationen werden gefördert und die Time-to-Market wird optimiert. In der Finanzberichterstattung wird der Fast Close von Monats-, Quartals- und Jahresabschlüssen durch die beschleunigte Bereitstellung der relevanten Finanzinformationen erheblich vereinfacht und der Veröffentlichungszeitpunkt kann ggf. nochmals vorgezogen werden. Entsprechende Vorteile sind in allen Bereichen des Unternehmens zu erwarten, deren Prozesse von Datenverfügbarkeit abhängig sind.

3. Data-Governance

Datenmanagement erfordert die Definition von Rollen und Verantwortlichkeiten für die einzelnen Informationen, Kennzahlen und Daten im Unternehmen. Dies umfasst z.B. die Sicherstellung der Korrektheit und Aktualität der Informationen und Daten, aber auch, dass sie allen befugten Mitarbeitenden im Unternehmen barrierefrei für weitere Analysen und Prozesse zur Verfügung stehen. Es ist zu empfehlen, diese Zuständigkeiten und Verantwortlichkeiten dauerhaft in den jeweiligen Fachbereichen auf Basis eines Data Ownership-Konzeptes zu verorten. Dies umfasst auch die nötigen Prozesse zur Datenpflege.

4. Basis für Data-Compliance

Datenmanagement ermöglicht die Darstellung von Data Lineages [3] in unterschiedlichen Granularitäten und gibt somit allen Nutzern die Möglichkeit, den Ursprung und die jeweilige Weiterverarbeitung eines Datenfeldes oder einer Information zu analysieren und nachzuverfolgen. Durch die geschaffene Transparenz bietet Datenmanagement auch die Grundvoraussetzung dafür die Kernanforderung des Standards 239 des Baseler Ausschusses für Bankenaufsicht [4] zu erfüllen.

5. Einheitliches Daten- und Informationsverständnis

Datenmanagement basiert auf einer definierten Metadatensystematik mit einer einheitlichen Klassifikation von Informationen, Kennzahlen und Daten. Dies ist die Grundlage für ein unternehmensweites einheitliches Verständnis der Informationen und ermöglicht eine konsistente Nutzung bereitgestellter Informationen, einen interpretationsfreien Austausch von Informationen und eine einheitliche und datengestützte Ableitung von Handlungsempfehlungen.

Abbildung 2: Vorteile durch die Einführung von Datenmanagement in Ihrem Unternehmen.

Der Weg zum Datenmanagement in Ihrem Unternehmen

Die Basis für ein effizientes und effektives Datenmanagement ist ein unternehmensindividuelles Datenmanagementsystem). Mit einem Datenmanagementsystem können dabei mehrere Perspektiven des Datenmanagements abgebildet werden.

In einer fachlichen Perspektive wird das fachliche und logische Datenmodell in Form eines Geschäftsobjektmodells dargestellt. In einer technischen Perspektive wird das physische Datenmodell abgebildet. In der prozessualen Perspektive werden wiederum Prozesse in Form von Prozesslandkarten [5] visualisiert und mit dem Datenmodell verknüpft. Informationen zur Datenqualität können ebenfalls in einer qualitativen Perspektive auf den verschiedenen Ebenen des Datenmodells wiedergegeben werden. All diese Daten und Informationen können mit Organisationsdaten verknüpft und somit mit Verantwortlichkeiten gemäß eines definierten Data Ownership-Konzeptes in einer organisatorischen Perspektive dargestellt werden.

Abbildung 3: Unterschiedliche Datenmodellebenen und Perspektiven des Datenmanagements.

Entscheidend für ein effizientes und effektives Datenmanagement in einem Unternehmen ist auch das verwendete Datenmanagementsystem selbst. Wir empfehlen eine detaillierte Anforderungsanalyse durchzuführen. Funktionale Anforderungen sind z. B. wer mit dem System arbeiten soll und welche Usability hierfür notwendig ist, welche Analyseperspektiven im Fokus stehen, welche technischen, prozessualen und organisatorischen Ziele verfolgt werden und wie das System die formulierte Datenstrategie bestmöglich unterstützen kann. Das Datenmanagementsystem darf aber auch kein Stand-alone IT-System sein. Daher ist bei den nicht-funktionalen Anforderungen u. a. die benötigte Hardware und Programmiersprache, die möglichen Schnittstellen sowie Administration und Betreuung zu analysieren.

Profitieren von Lessons Learned aus der Finbridge Datenmanagement Projektpraxis!

Schrittweise Entwicklung – es muss nicht Alles auf einmal sein

Die Entwicklung und Umsetzung eines Datenmanagementsystem als Basis für eine Datenstrategie bedarf einer Vielzahl an einzelnen Entwicklungsschritten, die auch Veränderungen im aufbauorganisatorischen Ablauf des Unternehmens sowie in der Unternehmenskultur notwendig machen. Wir raten daher zu einer schrittweisen Entwicklung und Umsetzung.

Es ist ratsam die Transparenz der Daten in Form eines Geschäftsobjektmodells in einem ersten Schritt nur für die Prio 1 Steuerungs- und Risikokennzahlen zu entwickeln. Die Mitarbeitenden können lernen, was Datentransparenz und –management für das Unternehmen bedeutet und die Vorteile noch stärker herausarbeiten.

Iterationen notwendig

In allen Projekten hat sich gezeigt, dass im ersten Entwurf, insbesondere beim Geschäftsobjektmodell, nicht an Alles gedacht werden kann. Es sind mehrere Iterationen notwendig, um alle Steuerungs- und Reporting-Kenngrößen zu erfassen und diese vollständig und richtig den Basisdaten zuzuordnen, sowie entsprechende Owner auf IT- wie auf der Fachseite zu bestimmen.

Closed-Job durch Fach- und IT-Seite

Datenmanagement in einem Unternehmen ist ein sozialer Akt. Es dient zur Visualisierung der Daten- und Informationsbedürfnisse der Steuerungs-, Performance- und Risikokenngrößen der einzelnen Fachbereiche und Leitungsebenen im Unternehmen. Daher müssen alle relevanten Personen einbezogen werden, die auch verständnisvoll und unterstützend mit den unterschiedlichen Perspektiven und Wissensständen umgehen. In unseren Projekten haben wir dabei die Erfahrung gemacht, dass es vorteilhaft ist, die Leitung in den einzelnen Fachabteilungen anzusiedeln.

Änderungen und Anpassungen

Erweiterungen eines Datenmanagement-Konzeptes erzwingen manchmal Änderungen an dem definierten Geschäftsobjektmodell, dem Datenmanagementsystem oder der Data-Governance. Änderungen sind nicht per se schlecht und ergeben sich aus der Komplexität des Datenmanagements in einem Unternehmen. Entsprechend sollten Unternehmen und die Projektteams mit diesem Umstand umgehen.

Finbridge als Ihr Partner für Ihre Datenstrategie

Durch unser umfassendes Wissen in den Bereichen Unternehmens- und Finanzsteuerung und -entwicklung, gepaart mit der sehr umfangreichen Praxiserfahrung bei der Umsetzung der regulatorischen Daten- und IT-Anforderungen sowie bei der Entwicklung und Umsetzung von Datenmanagementkonzepten, fachlichen und technischen Datenmodellen und Datenmanagementsystem, können wir flexibel auf Ihre Spezifika, Bedürfnisse und Wünsche eingehen und unterstützen Sie bei einer effizienten und effektiven Umsetzung. Wie bei allen Umsetzungsprojekten begleiten wir Sie auch, in allen Belangen der Kommunikation mit den Mitarbeitenden, bis das Werteverständnis und ein Verantwortungsgefühl für Daten und Informationen in der Unternehmenskultur verankert sind.

SPRECHEN SIE UNS GERNE FÜR WEITERE INFORMATIONEN AN.

Quellen und Anmerkungen

[1] https://www.seagate.com/files/www-content/our-story/trends/files/idc-seagate-dataage-whitepaper.pdf

[2] Global Data Management Community (https://www.dama.org/cpages/home)

[3] Datenfluss – vom Ursprung (Abstammung) bis zum Endpunkt (Kennzahl/Bericht)

[4] Basel Committee on Banking Supervision – BCBS.

[5] Eine Prozesslandkarte stellt graphisch die verschiedenen Prozesse innerhalb eines Unternehmens und ihre Beziehungen zueinander dar.

[6] Data Age 2025, The Digitization of the World – from Edge to Core, IDC White Paper, 2019 – https://www.seagate.com/files/www-content/our-story/trends/files/idc-seagate-dataage-whitepaper.pdf, zuletzt aufgerufen am 07.05.2024.

Als PDF Lesen