Warum in DataOps investieren?

Autor/Redakteur: Ram Chakravarti, CTO bei BMC Software/gg

Unternehmen haben einen Berg bedeutender Daten, die sie verwenden können – aber sie nutzen diesen Wert nicht. Die DataOps-Methodik sorgt für mehr Flexibilität und Automatisierung im Datenmanagement, um datengesteuerte Geschäftsergebnisse zu erzielen. Sie erfordert beträchtliche Investitionen in Technologie und Geschäftsprozessoptimierung sowie in Talent und Fachwissen. Der Knackpunkt für einige Unternehmen scheint darin zu bestehen, diese Investitionen zu rechtfertigen, wenn sie keine unmittelbaren konkreten organisatorischen oder betrieblichen Ergebnisse oder einen realen ROI sehen können.

Viele dieser Initiativen sind grundlegender Natur, was bedeutet, dass sie an und für sich keinen klaren Erfolgsmaßstab haben. Was bedeutet die Bereinigung und Verbesserung der Datenqualität in einem bestimmten Datensatz in Bezug auf Umsatzsteigerung oder Kostensenkung?

Datenqualität als Herausforderung

Eine Studie von S&P Global und BMC ergab, dass die Mehrheit der befragten Unternehmen ihre Investitionen in Datenmanagementtechnologien entweder beschleunigt oder stark beschleunigt hat, während 31 Prozent ihr Investitionsniveau beibehalten haben. Die Datenqualität ist die Grundvoraussetzung für Dateninitiativen, und 38 Prozent gaben an, dass Qualitätsprobleme ihre größte Herausforderung darstellen. Es überrascht nicht, dass die am häufigsten genannten Faktoren, die die Einführung von Datenmanagementtechnologie vorantreiben, Initiativen zur Verbesserung der Datenqualität und -integrität sind, so 57 Prozent.

Organisatorische Investitionen können sich nicht nur auf die Technologie konzentrieren. Die Probleme der Datenlieferanten oder derjenigen, die Daten für die Nutzung aufbereiten und verfeinern, sind nicht außer Acht zu lassen. Unternehmen müssen auch in die angrenzenden, mit Menschen und Prozessen verflochtenen Probleme investieren. Dazu gehören laut der Studie Engpässe (30 Prozent), Datensilos (39 Prozent), unzureichende Schulung und Personalausstattung (59 Prozent).

Die Chefetage von Anfang an ins Boot holen

Die Unterstützung durch die Geschäftsleitung ist eines der wichtigsten Unterscheidungsmerkmale zwischen erfolgreichen datengesteuerten Unternehmen und solchen, die ins Hintertreffen geraten sind. Datenmanagement braucht Experten auf Führungsebene, die sich für die gesamte Dauer der Initiative engagieren. Leider liegt es in der Verantwortung des Teams, frühzeitig und häufig einen Mehrwert zu liefern, damit die Führungskräfte ihre Unterstützung nicht frühzeitig zurückziehen.

Das bedeutet, dass man nicht versucht, sich zu viel zuzumuten, sondern mit einem anwendungsbezogenen Ansatz beginnt. Der Schlüssel dazu ist eine Machbarkeitsanalyse, bei der der relative Wert potenzieller Anwendungsfälle ermittelt wird. Hoher Wert, niedrige Machbarkeit – das ist eine harte Nuss, die es zu knacken gilt. Entscheiden Sie sich gleich zu Beginn für die einfacheren Lösungen, und lernen Sie dann systematisch dazu, passen Sie sie an und operationalisieren Sie sie. Und wenn die Ergebnisse des Pilotprojekts den Aufwand nicht wert sind, der für eine Skalierung erforderlich wäre, müssen Sie sich dem nächsten Fall zuwenden und dabei alle bewährten Verfahren und Erkenntnisse berücksichtigen, die Sie auf dem Weg dorthin entwickeln.

Verknüpfung von Investition und Ergebnis

Letztendlich reicht es jedoch nicht aus, eine Liste von Anwendungsfällen abzuhaken. Entscheidend ist es, die übergreifende Strategie und die Geschäftsziele Ihres Unternehmens zu bestimmen. Daraus ergibt sich in der Regel eine Reihe von Ergebnissen: Umsatz- und Produktivitätssteigerung oder Kosten- und Risikominderung.

Sobald Sie eine Reihe von Anwendungsfällen identifiziert und die zu ihrer Unterstützung erforderlichen Daten, Analysen und Prozesse festgelegt haben, sollten Sie die Verknüpfung mit den Geschäftsergebnissen darstellen und eine klare Reihe von Messgrößen definieren, die die Auswirkungen Ihrer zugrunde liegenden Datenstrategie auf die Geschäftsergebnisse erfassen. Im Idealfall zeigt jeder Anwendungsfall einen neuen Bereich auf, in dem technische Investitionen priorisiert werden sollten.

Im Laufe der Zeit finden Sie für jeden dieser Anwendungsfälle das beste Set von Tools. Das kann kein nachträglicher Gedanke sein – es geht darum, wie Sie Ihre Organisation oder Ihr Betriebsmodell verfeinern müssen, um wirklich datengesteuert zu sein.

Mit Zeithorizonten planen

Die Umsetzung bringt eine Reihe von Strategien und Herausforderungen mit sich – aber auch Missgeschicke. Und auch hier ist jeder Fehler eine Gelegenheit, zu lernen, zu verfeinern und zu verbessern. Es gibt drei Zeithorizonte:

1. In der nahen Zukunft definieren Sie einen Zielzustand in Bezug auf Ihren Prozess, Ihre Architektur und Ihren Implementierungsplan.
2. Mittelfristig skalieren Sie über diese frühen Anwendungsfälle hinaus, und zwar über eine gesamte Geschäftsfunktion. Lernen Sie aus Ihren Stürzen, skalieren Sie erneut und operationalisieren Sie – verkünden Sie nicht vorschnell den Sieg, sondern bauen Sie Ihre Expertise weiter aus.
3. Und wenn Sie dann auf lange Sicht in einen Montagemodus übergehen, machen Sie dies zu einer alltäglichen Praxis, die den Reifegrad und die Komplexität Ihres Unternehmens insgesamt erhöht. Wenn eine anfängliche Investition zu verwertbaren Geschäftseinblicken und nachweisbarem ROI führt, entsteht ein positiver Kreislauf des langfristigen Erfolgs, der kontinuierliche Investitionen in datengesteuerte Strategien nach sich zieht.

Dies sind keine trivialen Investitionen. Initiativen wie Datenumwandlung, -management und -analyse kosten erheblich und zwar Zeit, Talent und Geld, oft über mehrere Jahre hinweg. Viele dieser Investitionen sind von grundlegender Bedeutung. Aber man darf nicht nur dem schönen Schein hinterherjagen und zu viel in einen Bereich investieren, während man das große Ganze vernachlässigt. Man muss langfristig denken, mit einer gut durchdachten Datenstrategie.