Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.

Unternehmen dehnen die Beteiligung am Datenmanagement aus, um datengesteuerte Entscheidungsfindung im großen Maßstab zu unterstützen

Haben Sie sich Gedanken über den Status Ihrer Daten gemacht? Wissen Sie, wo sie gespeichert sind und wer sie wie häufig nutzt? Wissen die Personen in Ihrem Unternehmen, welche Daten für die Entscheidungsfindung geeignet sind und wie sie darauf zugreifen?

Vorreiter der Datensteuerung zeichnen sich dadurch aus, dass sie ihre Unternehmen mit neuen Lösungen zur Integration ihrer verteilten Datenpipelines ausstatten. Die Rollen und Prozesse, mit denen Daten unternehmensweit vorbereitet, kuratiert und geteilt werden, verschieben sich im Zuge der Entwicklung, die bereits innerhalb der Datentechnologien stattfinden, ebenfalls. IT sollte sich ein Beispiel an „Ghostbusters“ nehmen: Auch wenn Laserströme eigentlich niemals gekreuzt werden dürfen, kann dies doch manchmal die größten und furchterregendsten Probleme lösen. In unserem Beispiel sind Unternehmen durch das Aufweichen der Grenzen zwischen IT und Geschäftsverantwortlichkeiten rund um das Datenmanagement nicht mehr durch funktionale Grenzen eingeschränkt und können Daten im großen Maßstab unternehmensweit integrieren und allen Personen im n zum richtigen Zeitpunkt die benötigten Daten zur Verfügung stellen.

Die Überwindung dieser Herausforderungen der Datenintegration ist unabdingbare Voraussetzung dafür, dass das Unternehmen die interne und externe Compliance wahren kann und in der Lage ist, ihre Geschäfte ganzheitlich zu betrachten, die Kunden zu verstehen und neue Geschäftsmöglichkeiten zu finden. Viele Unternehmen sind bestrebt, die Daten, die dem gesamten Unternehmen am meisten helfen, zu identifizieren, vorzubereiten, zu verwalten und weitreichend zur Verfügung zu stellen. Und wo dies gelingt, ändert sich das Datenmanagement – zunächst bei den Technologien.

Anbieter von Lösungen integrieren zunehmend Datenmanagementfunktionen, die sich an breitere Nutzerbasen als lediglich das IT-Personal richten. Und je tiefer die Funktionalität in die Workflows der Geschäftsbenutzer – einschließlich der Analytics-Plattformen – eingebettet ist, desto aktiver wirken die Mitarbeiter bei den Aufgaben des Datenmanagements mit, die zuvor traditionell dem IT-Personal vorbehalten waren. Dies ist der nächste logische Schritt in der Entwicklung des Selfservice in der Business Intelligence: Zunächst verbreiterten die Unternehmen den Zugang zu Daten, anschließend ermöglichten sie detailliertere Untersuchungen und banden neue Arten von Benutzern in die Erstellung von Analytics-Inhalten ein. Und heute sind einige Geschäftsbenutzer in der Lage, mit den eigentlichen Daten zu arbeiten. In jeder dieser Phasen lernte die IT, die Balance zwischen verwalteten und Selfservice-Inhalten zu gestalten, damit Geschäftsbenutzer einen Teil der Arbeitslast übernehmen konnten. Die Kreuzung dieser „Laserströme“ wird entscheidend für die Verwaltung von Daten und Analytics sein, wenn die Einführung auf das ganze Unternehmen ausgeweitet wird.

Selfservice-Datenvorbereitung ist ein gutes Beispiel für diese Entwicklung. Verschiedene Aspekte der herkömmlichen Verfahren zum Extrahieren, Umwandeln und Laden können nun mit modernen Tools, die in den Analytics-Workflow integriert sind, als Selfservice-Prozesse erfolgen. Dies ermöglicht nicht nur bessere Ad-hoc-Entdeckungen, sondern kann auch ein Ausgangspunkt sein, um neue Anwendungsfälle zu testen, bevor sie auf das ganze Unternehmen ausgeweitet werden. Und davon profitieren alle: Die Geschäftsabteilungen können größere Verantwortung im Datenmanagement übernehmen und verkürzen dadurch den (meistens) langwierigen Entwicklungslebenszyklus, während bei der IT Ressourcen für die hochspeziellen Aufgaben frei werden, die nur sie wirklich effizient ausführen kann.

Ein weiteres Beispiel für diese Evolution ist der Datenkatalog: ein Inventar der Datenassets, mit dessen Hilfe Daten definiert und qualifiziert werden können und das es möglich macht, Beziehungen zwischen Datenquellen, Inhalten und Benutzern nachzuvollziehen. In Unternehmen, in denen die Integration und Verwaltung von Daten auf mehrere Schultern verteilt ist, spielt ein Katalog als zentrale Übersicht über alle Vorgänge im Zusammenhang mit den Datenassets des Unternehmens eine wichtige Rolle. Mit Katalogen ist es einfacher, Daten zu entdecken und zu propagieren, ihre Relevanz und Aktualität zu verstehen und die Personen im Blick zu behalten, die bestimmte Assets nutzen.

Moderne Kataloge fördern diese wertvollen Informationen zutage und ergänzen sie direkt im Analyse-Workflow der Benutzer um den entsprechenden Geschäftskontext. Je mehr Daten also in einem Unternehmen integriert und vielseitig zugänglich werden, desto besser verstehen die Mitarbeiter die Qualität der Daten und deren Anwendungsgebiete innerhalb der bestehenden Richtlinien. Und hier wird die Datenkompetenz entscheidend: Selbst im Minimalfall lernen die Benutzer, wie sie Datenindikatoren interpretieren und vertrauenswürdige, relevante Daten identifizieren. Wenn Datennutzer ihre eigenen Datenstewards sein können, wird die IT entlastet und ein verantwortungsbewusster Umgang mit Daten bei der Entscheidungsfindung gewährleistet. Anschließend können versiertere Benutzer mit den entsprechenden Fertigkeiten bei der Selfservice-Datenvorbereitung mitwirken, neue Datenquellen für das Unternehmen zertifizieren oder Geschäftskontext als Metadaten im Kuratierungsprozess hinzufügen.

So können IT und Geschäftsabteilungen neue Formen der Zusammenarbeit und Abstimmung erzielen, wenn die Grenzen zwischen Funktionalität und Verantwortlichkeit unschärfer werden. Mit einem individuell abgestimmten Ansatz, der Geschäftsbenutzer und Ziele einbezieht, werden umfangreiche Initiativen zum Datenmanagement zum Erfolg führen, da IT und Geschäftsbenutzer gemeinsam darauf hinwirken, dass die Datenumgebung sichtbarer, transparenter und vertrauenswürdiger wird. So kann das Unternehmen außerdem die Datenassets mit dem höchsten Nutzen identifizieren und priorisieren und verwaltete Daten und Analytics besser im großen Maßstab unterstützen.