Strategieansatz: Den Fokus erst auf die Daten, dann auf die Cloud legen

In die datenstrategische Vorarbeit fließen Überlegungen und Vorstellungen zur Technik (Hardware, Software), zur Organisation (Strukturen und Prozesse), zu den Geschäftsanforderungen (Ziele, KPI) sowie zur Sicherheit, zu Datenschutz und Compliance ein. Für diesen Schritt ist eine fachbereichsübergreifende Zusammenarbeit gefragt, die zu einer Datenarchitektur führen soll. In diesem wesentlichen Strategiebaustein schreibt eine Firma fest,wie genau definierte Daten gesammelt, gespeichert, transformiert, verteilt und konsumiert werden. Den Datenfluss steuern festzulegende Regeln für Datenbanken, Datensysteme sowie Systeme und Schnittstellen, die Geschäftsprozesse mit den richtigen Daten versorgen.

Datenumgang und Kontextualisierung regeln

Im Prinzip gibt eine Datenarchitektur die Regeln für ein einheitliches, umgebungsübergreifendes Datenmanagement vor, damit die Daten dort bereitstehen, wo sie gebraucht werden. Unter den Umständen lassen sich zügig geschäftsrelevante Erkenntnisse gewinnen. Ein wichtiger Aspekt ist daneben, die Daten zu kontextualisieren. Es muss eben klar sein, welche Daten zusammen betrachtet werden müssen. Eine Conversion-Rate bringt wenig Nutzen. In Kombination mit Tageszeit in einem Online-Shop ergibt sich, wann Kunden am meisten kaufen.

In der Praxis nimmt eine Datenstrategie, die letztendlich auch die Datenintegrität sicherstellen muss, schrittweise konkrete Züge an – über:

• eine Dateninventur für einen Datenkatalog mit allen Datenformaten und Ablageorten
• eine Klassifizierung nach geschäftskritischen und personengebunden Daten
• das Aufstellen von Datenmanagementkriterien hinsichtlich Datenverfügbarkeit sowie Richtlinien für den Datenumgang bezüglich Datensicherheit und -schutz sowie Compliance inklusive eines identitätsbasierten Datenzugriffsrechts
• ein Backup- und Recovery Konzept

Schnell startklar mit einer Enterprise Data Cloud – auch in der Multi-Cloud

Mit einer passenden Datenstrategie können Unternehmen zielgerichtet Anwendungsfälle identifizieren und definieren, um datenzentriert neue Geschäftsfelder zu erschließen oder ihr Kerngeschäft auf eine optimierte Datenbasis zu stellen. Dazu müssen ihre Daten vom Edge bis zur KI-Analyse nahtlos fließen und die nötige Datenübergabe sowie -interaktionen erfolgen. Den gesamten Datenlebenszyklus abzubilden, ist komplex und verlangt tiefe Daten- und Prozessexpertise. Den Akt vereinfacht eine Enterprise Data Cloud entscheidend, weil eine Lösung wie die Cloudera Data Plattform die Daten komplett auf einfache Weise integriert. Das schließt das Einbinden von Cloud-Services verschiedener Provider ein. In der Multi-Cloud greifen dann wie auf den On-Premises-Systemen dieselben Mechanismen und Tools, sodass sich der Datenumgang vereinheitlicht. Anwender einer Enterprise Data Cloud sehen auf einer zentralen Konsole, wie die Daten vom Edge über Gateway, Big Data-Cluster, Analyse-Tool sowie KI-App strömen. Sie können jederzeit eingreifen, etwa um den Self-Service für die Datenverarbeitung zu ergänzen und zu verbessern. Mit einer Enterprise Data Cloud ist ein Unternehmen schließlich in der Lage, seine Datenstrategie aufgabenbezogen und strukturiert bis in eine funktionierende Multi-Cloud umzusetzen.