Wildwuchs gefährdet Geschäftserfolg

Ohne Big Data Governance droht das Chaos

Rüdiger Eberlein ist Berater und Architekt bei Capgemini. Er unterstützt seit mehr als 20 Jahren Unternehmen aus verschiedensten Branchen dabei, Geschäftsnutzen aus Big Data Analytics und Business Intelligence zu ziehen. Gemeinsam mit den Unternehmen erarbeitet er Strategien und identifiziert innovative Business Use Cases für Big Data Analytics als wichtigen Enabler der Digital Transformation.
In Zeiten von Big Data ist eine funktionierende Governance für erfolgreiche Projekte unerlässlich. Wer mit wem worüber reden sollte, lesen Sie hier.

Produkte sollen schnell auf den Markt kommen und der Kunde will gut verstanden sein. Dazu disruptive Umbrüche an allen Ecken. Gerade die rasanten Umwälzungen bei Geschäftsmodellen und das Aufkommen neuer Spieler im Markt haben viele Unternehmen überrascht. Die digitale Transformation läuft. Inzwischen ist klar: Gewartet wird auf niemanden, mitschwimmen ist vielmehr zur Minimalanforderung geworden.

Oft fehlt es an einer stringenten Big Data Governance.
Oft fehlt es an einer stringenten Big Data Governance.
Foto: wavebreakmedia - shutterstock.com

Viele Unternehmenslenker haben große Hoffnungen in Big Data Analytics gesetzt, um mit diesen Herausforderungen klarzukommen. Aber die Hoffnungen sind mancherorts schnell zerplatzt, Ernüchterung ist eingezogen. An der Idee lag es dabei aber nicht. Oft genug fehlt(e) es dagegen an einem passenden, zeitgemäßen Ordnungsrahmen – einer stringenten Big Data Governance, und damit an einer fundamentalen Voraussetzung für den Erfolg von Big Data Analytics, wie die Studie "The Big Data Payoff" von Informatica und Capgemini zeigt. Um zu verstehen, wie es dazu kommen konnte, lohnt sich ein kurzer Rückblick:

Herkömmliche Data Governance für die traditionelle Business Intelligence (BI) war starr angelegt. Die Verantwortlichen definierten alle Kennzahlen unternehmensweit und legten sie im Data Warehouse ab. Die Qualität der Daten wurde vor dem Laden streng geprüft, fehlerhafte Daten blieben gleich komplett außen vor. In halbjährlichen Releases setzten die Verantwortlichen punktuelle Änderungen um, die vorher und mit allen Beteiligten bis ins letzte Detail abgestimmt waren. Und die IT hatte die Hoheit über den gesamten Prozess bis hin zum fertigen Bericht.

Heute bestimmen konkrete und geschäftsrelevante Anwendungsfälle das Big-Data-Analytics-Geschehen. Die Projekte werden agil und fachlich vorangetrieben. Nicht geeignet für diese agile Vorgehensweise ist der bisher gelebte Zyklus zur Entwicklung von BI-Lösungen, so die Ergebnisse der Studie "Big & Fast Data: The Rise of Insight-Driven Business" (2015) von Capgemini und EMC.

Wie die Studie „Big & Fast Data: The Rise of Insights-Driven Business” von EMC und Capgemini zeigt, dauert es bei vielen Unternehmen zu lange bis Insights wirklich zur Verfügung stehen. Die Ursache sind vor allem die zu langen Entwicklungszyklen.
Wie die Studie „Big & Fast Data: The Rise of Insights-Driven Business” von EMC und Capgemini zeigt, dauert es bei vielen Unternehmen zu lange bis Insights wirklich zur Verfügung stehen. Die Ursache sind vor allem die zu langen Entwicklungszyklen.
Foto: Capgemini/EMC

Die agile und parallele Durchführung mehrerer analytischer Anwendungsfälle kann allerdings durchaus leicht zu Chaos führen. Dazu kommt: Die Idee des Self Service nehmen Mitarbeiter gerne auf und zwar für BI, Data Preparation und Data Science. Data Scientists können ihre Arbeit nur dann gut erledigen, wenn sie viel Flexibilität haben.

Digital Leader aufgepasst! - Foto: IDG

Digital Leader aufgepasst!

Die Manager verstehen Daten inzwischen als wertvolles Unternehmensgut und teilen sie deswegen mit den Business Analysts und Data Scientists in den Fachbereichen – und manchmal auch über die Organisationsgrenzen hinaus. Unter diesen Bedingungen funktionieren die klassischen Prinzipien der Data Governance aus der alten Business-Intelligence-Welt nicht mehr. Es braucht eine systematische Big Data Governance, die sich über das gesamte Unternehmen erstreckt und von allen Mitarbeitern verstanden und gelebt wird. Das wichtigste Argument für eine solide Big Data Governance ist der geschäftliche Nutzen. Hinzu kommen Effizienz, Vertrauen sowie der Aspekt Sicherheit und Compliance.

Die Hauptgründe für Big Data Governance im Überblick:

  1. Geschäftsnutzen: Analysegetriebene Unternehmen wollen einen substanziellen Mehrwert aus der Analyse von Big Data ziehen und bei Markttrends mitmischen oder Umbrüche im Markt aktiv mitgestalten.

  2. Effizienz: Die Prozesse rund um die Verarbeitung und Analyse von Big Data sollen effizient und schnell ablaufen. Auch in der agilen Welt müssen Entscheider wertvolle (Zwischen-) Ergebnisse wiederverwenden können. Dazu zählen zum Beispiel bereinigte Daten oder auch bewährte analytische Algorithmen. Auch sollen die Nutzer um die Bedeutung und Qualität der Daten wissen – Transparenz lautet hier die Devise.

  3. Vertrauen: Der Fachbereich muss Vertrauen in die Qualität der verwendeten Daten und die korrekte Analyse haben, nutzt er doch die Ergebnisse als Grundlage für strategische und operative Entscheidungen.

  4. Compliance und Sicherheit: Unternehmen müssen sich gegen gesetzliche und vertragliche Verstöße absichern. Auch ethische Aspekte und die öffentliche Meinung spielen für das unternehmerische Handeln eine wichtige Rolle.

Wer regiert in der Welt von Big Data Analytics?

Ist der grundsätzliche Wille, eine Big Data Governance zu etablieren, vorhanden, geht es schnell ans Eingemachte: Wer hat das Sagen? An dieser Frage scheiden sich vielerorts die Geister. Die Erfahrung zeigt, dass ein Dreigestirn die Verantwortung übernehmen und bereichsübergreifend auf die Daten schauen sollte. Zuerst einmal müssen alle Daten einen Eigentümer aus einem der Fachbereiche bekommen. Anschließend muss die Rechtsabteilung erklären, wie der Umgang mit den Daten im jeweiligen Fall auf legale Art und Weise möglich ist. Und als dritter Spieler kommt die IT mit aufs Feld: Sie hat alle Hände voll damit zu tun, die Daten bereitzustellen, so dass die Experten sie für ihre analytischen Anwendungsfälle nutzen können. Im Detail ergeben sich folgende Zuständigkeiten:

  • Der Fachbereich hat vor allem den geschäftlichen Nutzen der Daten im Auge. Er bestimmt den Wert von Datenquellen und beschafft zusätzliche externe Daten, die für analytische Anwendungsfälle relevant sind. Gleichzeitig achtet er darauf, dass Daten nicht mehrfach beschafft werden. Zudem vergibt der Dateneigentümer Zugriffsrechte für sie. Dies geschieht auf Anfrage der Verantwortlichen eines analytischen Anwendungsfalls, so dass sie das nötige Rüstzeug für die Entwicklung ihrer Anwendungsfälle haben. Dieser Freigabeprozess muss stark automatisiert und geregelt ablaufen und sollte sich in einem Zeitraum von Stunden bis wenigen Tagen bewegen.

  • Die Rechtsabteilung hat die gesetzlichen Vorgaben im Blick: Sie muss daraus entsprechende Handlungsanweisungen für die Beteiligten ableiten. Das betrifft an allererster Stelle den Umgang mit personenbezogenen Daten. Zudem klären die Juristen ab, inwieweit Daten entsprechend des jeweiligen Nutzungsvertrages verwendet werden dürfen. Sie zeigen darüber hinaus allen Beteiligten im Unternehmen auf, welche Einschränkungen sich aus der lokalen Gesetzgebung – zum Beispiel der General Data Protection Regulation (GDPR) der EU – für die physische Datenhaltung ergeben.

  • Die IT setzt die Vorgaben der Fachbereiche und der Rechtsabteilung letztlich um. Dabei sollte ihr Hauptaugenmerk sein, die Data-Science-Teams zu unterstützen: Sie müssen mit einer Vielfalt an Daten agiler und flexibler arbeiten können als der Wettbewerb.