Data Product

Sechs Schlüsselprinzipien für eine erfolgreiches Data-Mesh

23.01.2023
Anzeige  Ein Data-Mesh zu realisieren, muss die Daten-Infrastruktur neu organisiert werden. Dies erfordert ein Umdenken hinsichtlich des Umgangs mit Daten.

Die Umstellung der Daten-Infrastruktur eines Unternehmens lässt sich auch als Daten-Transformation beschreiben: Im Kern geht es um eine Neuorganisation der internen Strukturen und Prozesse bei der Datenerhebung und Verarbeitung - vor allem bei der Auswertung und Analyse von Daten. Diese erfolgt in vielen Unternehmen zentral, entweder durch die IT oder ein dezidiertes zentrales Datenteam.

Bevor das Data Mesh technisch umgesetzt wird, sollten Sie eine Kultur des Vertrauens hinsichtlich des richtigen Umgangs mit Daten schaffen.
Bevor das Data Mesh technisch umgesetzt wird, sollten Sie eine Kultur des Vertrauens hinsichtlich des richtigen Umgangs mit Daten schaffen.
Foto: Standret - shutterstock.com

Serie Data Mesh

Erfahren Sie in dieser vierteiligen Themenreihe, wie das neue Konzept „Data Mesh“ funktioniert und welche Datenprobleme es löst. Per Klick können Sie direkt zu einem Beitrag zu springen. Verfasst wurde die Serie von Snowflake, einem Cloud-basierten Software-as-a-Service-Unternehmen aus den USA.

Teil 1: Data Ownership: Die Trennung von Datenbesitz und Dezentralisierung

Teil 2: Data Product: Umdenken beim Thema Daten, Wandel in Mindset und Unternehmenskultur

Teil 3: Erfolgreiche Transformation: Schlüsselprinzipien einer erfolgreichen Data-Mesh-Strategie, DATSIS und nötige Transformation

Teil 4: Umsetzung: Wie eine gute Data-Mesh-Plattform aussieht und Sie Ihre Infrastruktur darauf ausrichten können.

Nicht-technische Grundlagen: Vertrauen in der Praxis

Jede Umstrukturierung ist eine Herausforderung. Die Einführung eines Data Mesh ist da keine Ausnahme und bringt sowohl eine technische Neuorganisation als auch einen kulturellen Wandel mit sich. Bevor es an die technische Umsetzung geht, ist es wichtig, eine gute "Datenkultur" im Unternehmen zu schaffen - eine Kultur des Vertrauens durch den richtigen Umgang mit Daten überall im Unternehmen.

Im Data-Mesh-Konzept produzieren Fachabteilungen Datenprodukte, die in anderen Teilen des Unternehmens konsumiert werden. Im Gegenzug werden sie ebenso Daten nutzen, die von anderen Fachabteilungen stammen. Damit dies reibungslos funktioniert, müssen Mitarbeiter:innen auf allen Ebenen des Unternehmens verstehen, wie ein guter Umgang mit Daten aussieht und welche Auswirkungen Daten im Unternehmen haben. Dieses Grundwissen und eine gewisse Kultur im Datenumgang lässt sich durch Trainingsprogramme erreichen, die geeignete Leitlinien für die Datennutzung sowie Standards und Best Practices vermitteln. Hinzu kommen gezielte Schulungen zu den Themen Datenaustausch, Datenqualität und Governance.

Aufbauend auf diesem allgemeinen Grundwissen sollte im Unternehmen ein Vertrauen zwischen dem zentralen IT-Team beziehungsweise Datenteam und den Fachabteilungen herrschen, wenn es um Daten geht. Dieses Vertrauen hilft, Daten zu akzeptieren, ohne sie erneut überarbeiten zu wollen. Das zentrale Datenteam unterstützt diese Struktur durch Zertifikate, die es an die Fachabteilungen vergibt - je nach Rolle, Verantwortlichkeit und dem Grad der nötigen Datenbearbeitung in den lokalen Datenteams der Fachabteilungen.

Technische Grundlagen: DATSIS

Die Implementierung einer Data-Mesh-Struktur erfordert die Einhaltung bestimmter Grundsätze. Die Erfinderin vom Data Mesh, die Informatikerin Zhamak Dehghani, definierte 2019 bereits ein Set an sechs Grundsätzen oder Eigenschaften, die Datenprodukte mitbringen müssen, um im Rahmen des Data Mesh optimal zu funktionieren. Dehghani nennt die sechs Eigenschaften DATSIS - Discoverable, Addressable, Trustworthy, Self-Describing, Interoperable und Secure.

Im zweiten Artikel dieser Serie wurde die Idee von Daten als Produkt näher beschrieben. Das Konzept besagt, dass Fachabteilungen Datenprodukte "herstellen", wie etwa Tabellen, Reports und Analysen. Diese Datenprodukte können anschließend im gesamten Unternehmen genutzt werden. Doch dazu bedarf es gemeinsamer Grundlagen, damit eine gleichbleibende Qualität sichergestellt werden kann. Dies sind die sechs Eigenschaften, die jedes Datenprodukt haben sollte:

  • Discoverable: Datenprodukte müssen in einen Datenkatalog aufgenommen werden, in dem unter anderem die Metainformationen, der oder die Eigentümer:in und die Herkunft erfasst werden.

  • Addressable: Datenprodukte müssen über eine eindeutige und einheitliche Adresse zugänglich sein, die auf gemeinsamen Konventionen basiert.

  • Trustworthy: Datenprodukte sollten streng und nachhaltig geprüft und mittels SLAs zertifiziert werden.

  • Self-Describing: Datenprodukte sollten nicht erst neu bearbeitet werden müssen, um nutzbar zu sein. Ein klares Datenschema und selbsterklärende Daten sind der Schlüssel zu funktionierendem Self-Service.

  • Interoperable: Datenprodukte sollten aggregiert werden können. Um dies zu ermöglichen, ist eine starke Standardisierung und Governance unumgänglich.

  • Secure: Datenprodukte sollten über eine rollenbasierte Zugriffskontrolle und nicht für alle Mitarbeiter des Unternehmens auf unbestimmte Zeit verfügbar sein.

Die Fachabteilungen sind für die Entwicklung und Pflege der Datenprodukte gemäß den DATSIS-Richtlinien verantwortlich. Ein zentrales Datenteam übernimmt Initiierung und Durchführung der globalen Governance. Dieses Team definiert Standards und kontrolliert die Datenprodukte auf Sicherheit und Qualität.

Ein zweiter grundlegender Bestandteil einer Data-Mesh-Struktur ist die Self-Serve-Datenplattform, die es Fachbereichen ermöglicht, ihre Datenprodukte zu entwickeln, zu teilen und zu nutzen.

Der dritte Bestandteil neben Qualitätsstandards und dem Zugänglichmachen ist der Support innerhalb des Data Mesh. Dazu gehört etwa Knowledge Transfer, Unterstützung durch (externe) Expert:innen, die Entwicklung innovativer Use Cases als Leuchtturmprojekte und Data Scouting, die Suche nach Datensätzen, die dem Unternehmen helfen, produktiver zu werden.

Alle Fachbereiche ziehen an einem Strang

Fachbereiche mit höherem Reifegrad (hohe Datenkompetenz, lokale Spezialisten), die keine großen Auswirkungen auf die IT-Abteilung haben, sollten bei der Transformation vorrangig behandelt werden.

Da die Nachfrage nach Datenspezialist:innen steigt, ist es schwieriger, qualifizierte Mitarbeiter:innen zu finden. Eine Vereinbarung zwischen den Fachbereichen ist zwingend erforderlich, um die frühe Phase der Transformation zu steuern.

Diese Vereinbarung kann etwa die Ressourcenzuweisung festlegen und auch die Abhängigkeiten, die zwischen den Fachbereichen bestehen - zum Beispiel in der Anwendungsentwicklung. Für eine gelungene Transformation ist es essenziell, Konflikte zwischen den Fachbereichen zu vermeiden und Transparenz bei den Anforderungen und Bedürfnissen herzustellen.

Mit diesen grundlegenden Vorbereitungen und etablierten Standards lässt sich eine Umstellung auf die Data-Mesh-Struktur deutlich leichter umsetzen - sehr zum Vorteil der Fachbereiche, der IT und des gesamten Unternehmens.

„Data Mesh“ geht zurück auf die Informatikerin Zhamak Dehghani, die den Begriff 2019 in einem viel beachteten Artikel prägte und das Konzept in diesem Video vorstellt.

Nächster Artikel: „Wie Sie für Ihr Data Mesh eine gute Plattform finden“

Im nächsten Artikel geht es um das Thema Wie eine gute Data-Mesh-Plattform aussieht und Sie Ihre Infrastruktur darauf ausrichten können.