Tipps für Entwicklung und Einführung einer IA
IA geht jeden an: Eine der wichtigsten Botschaften für die Datenverantwortlichen in einem Unternehmen wiederholt Enterprise Architect Brunk gleich mehrmals: "Eine IA ist kein IT-Projekt. Sie kann nur funktionieren, wenn Management, Fachabteilungen und IT gemeinsam daran arbeiten." Das Management muss das Ziel ausgeben und gegebenenfalls moderieren, die Fachabteilungen arbeiten mit an den inhaltlichen Definitionen und Klassifizierungen, während die IT für die entsprechenden technischen Voraussetzungen sorgen muss. Außerdem ist es laut Brunk unerläßlich, einen "Daten Owner" zu installieren und für ein kontinuierliches Data Stewardship zu sorgen. Die Owner legen die Regeln fest. Ihre Überwachung und die Stewards kümmern sich um das Doing.
Nicht ohne Mehrwert: Zwingende Voraussetzung für den erfolgreichen Aufbau einer IA ist der Mehrwert, den sie schaffen muss. "Wenn eine Informationskonzeption keine direkten Vorteile erzeugt, scheitert sie." warnt Brunk. Wenn der Fachseite nicht erklärt würde, warum Daten klassifiziert und die Hierarchie der Speicherorte festgelegt werden muss, dann suche sie Workarounds, die zwar einer bestimmten Abteilung die Arbeit erleichtere, aber der Informationsverarbeitung im gesamten Unternehmen schade. "Wenn ich dem Marketing aber verspreche, dass es Dank einer funktionierenden IA für seine Big Data Analysen die richtigen Daten mit den richtigen Bezügen bekommt, dann unsterstützt sie eine IA von ganzem Herzen."
Nach vorherrschender Meinung stellen Daten das wertvollste Betriebsmittel der Unternehmen dar. Brunk unterstützt das mit einem Beispiel: "Der Aufbau eines zusätzlichen Netzes kostet die Telekom zwar sehr viel Geld, aber mit dem schnellen Zugriff auf saubere Kundendaten kann sie sehr viel Geld verdienen. Wenn das alles Beteiligten verinnerlichen, funktioniert eine IA praktisch automatisch."
In kleinen Schritten zum großen Ziel:Am Anfang eines IA-Projektes ist darauf zu achten, dass nicht zu viel auf einmal angestrebt wird. Anstelle der kompletten Transparenz aller Daten könnte sich die Projektgruppe darauf einigen, dieses große Ziel zu formulieren, aber zunächst bei einem Prozess oder Teilprozess mit seiner Ralisierung zu beginnen: Brunk erläutert: Ein Teilziel könnte sein, die 360-Grad-Sicht auf einen Kunden zu ermöglichen, gleichgültig, aus welchem Eingangskanal er betrachtet wird.
Schmerzpunkte zuerst: Wenn das Fehlen einer IA einem Prozess oder einem Bereich keine Probleme bereitet, ergibt es wenig Sinn, in diesem Bereich mit Datenklassifizierung oder -definition zu beginnen. IA-Prozesse sind dort am schnellsten aufzusetzen, wo fehlende Informationen oder schlechte Daten Porbleme erzeugen. Im CRM zum Beispiel, in Marketing oder im Vertrieb machen sich fehlende Datenqualität und Konsistenz in der Regel sehr schnell negativ bemerkbar.
Die wichtigsten Elemente zusammenfügen: Zu einem IA-Framework gehören ein Information Model, eine Information Dictionary and Syntax, die Information Classification sowie das IA-Meta-Model.
Das IA-Meta-Model beantwortet die Frage, welche Informationen zu den Informationsobjekten in einem Unternehmen verfgügbar sind bzw. benötigt werden.
Das Information Model wiederum setzt sich aus der technischen, logischen und betriebswirtschaftlichen Beschreibung der Daten sowie aus der Beschreibung der unternehmensweiten Perspektive auf die Daten zusammen.
Die Infomation Dictionary and Syntayx liefert eine Liste von Informationsobjekten sowie die Syntax-Regeln. Das Wörterbuch ermöglicht den Austausch von Daten über verschiedene Elemente und Systeme hinweg. Außerdem sorgt es für ein gemeinsames Verständnis von IT und Business für die Daten und verhindert das Entstehen inkompatibler Datenelemente.
Im Bereich Information Classification schließlich wird auf Basis von Sensibilität und Kritikalität beispielsweise festgelegt, wem bestimmte Daten gehören, wie stark bestimmte Daten abgesichert werden müssen oder auf welche Art und Weise sie gelöscht werden sollen. Die Klassifikation wird unter anderem benutzt, um Zugriffsberechtigungen, Archivierung oder Verschlüsselung zu regeln.
Neben diesen Elementen ist außerdem ein Governance-Modell aufzubauen, mit dem die Information Architecture gesteuert und überwacht werden kann. Dazu gehören Strategie- und Visions-Entwicklung, Definition und Einrichtung der entsprechenden Prozesse, der Organisation sowie last, but not least die Entwicklung geeigneter Metriken.
Das SOA Innovation Lab hat dazu ein eigenes Maturity Modell entwickelt, das sich an den fünf Stufen des CMMI orientiert und von den Reifegraden chaotisch, über reactive, defined, proactive bis hin zu optimized reicht. Auf der niedrigsten Stufe zum Beispiel existieren keine gemeinsamen Regeln zum Teilen von und Zugriff auf Daten. Hat eine Organisation dagegen den höchsten Reifegrad erreicht, dann verfügt es über eine unternehmensweite Integrationsplattform und hat volle Transparenz über die gesharten Informationen. "Jede Reifegradstufe ist in bis zu sieben verschiedene Ebenen unterteilt und wir haben sehr exakt beschrieben, welche Capabilities eine Organisation beherrschen muss, um zum Beispiel ihren Reifegrad von reactive zu defined zu steigern", erläutert Brunk. Das SOA Innovation Lab sieht folgende Einführungsschritte für eine IA vor:
Festlegen der Schmerzpunkte, Bedarf klären
Use Cases für die Umsetzung eines Enterprise Information Models entwickeln
Use Case Entwicklung dokumentieren
Beteiligte und Betroffene überzeugen
Management überzeugen
Publizieren der Modelle und sie verfügbar machen
Definition der Maintenance-Prozesse und ihre Governance
Schulung für den Umgang mit dem Enterprise Information Model
Governance für die Nutzung des Gesamtmodells etablieren als Teil der Enterprise Architecture Governance.
Definition der Roadmap