Datendemokratisierung: Mit Self-Service Datenprodukten das volle Potenzial der Unternehmensdaten entfesseln

Schritt 1: Datendemokratisierung – Daten allen Mitarbeitern zugänglich machen

Unternehmensverantwortlichen ist durchaus bewusst, dass sie das Potenzial ihrer Daten nur dann wirklich erschließen können, wenn die Mitarbeiter zu allen Daten einfachen Zugang haben, die sie für ihre Arbeit benötigen. In dem kürzlich von Denodo veröffentlichten „Data Gap Report 2023“ stimmten in Deutschland drei Viertel der befragten Führungskräfte großer Unternehmen (75 Prozent) dieser Aussage zu. Die Realität gestaltet sich jedoch anders. So ist es den Mitarbeitern nicht einmal in jedem fünften dieser Unternehmen (19 Prozent) möglich, selbstständig und ohne die Unterstützung anderer Kollegen und Teams auf Daten zuzugreifen.

Wenn Organisationen diese Problematik lösen wollen, müssen Verantwortliche zwei zusammenhängende Faktoren beachten:

• Daten sind über verschiedene Systeme verteilt: Allein jedes zweite große Unternehmen in Deutschland (56 Prozent) speichert seine Daten in einer hybriden Umgebung mit einer Mischung aus On-Premises-, Private-Cloud und Public-Cloud-Systemen.
• Zentrale Datenarchitekturen haben Nachteile: Um all diese Daten zugänglich zu machen, erscheint ein zentrales Data Repository wie ein Data Lake naheliegend. Doch Datenduplikate, die in diesem gespeichert werden, gehen oft mit einer minderen Datenqualität einher. Zudem entstehen im Laufe der Zeit immer mehr solcher Repositories und man befindet sich dann wieder an demselben Punkt wie zuvor.

Sinnvoller ist es daher, die Daten an Ort und Stelle zu belassen und sie stattdessen in virtualisierter Form in einer logischen Schicht darzustellen. Die Vorteile hierbei: Daten werden nicht bewegt, was Qualitätsverluste verhindert, es entstehen keine Kosten für zusätzliche Speicher und sie stehen den Nutzern in Echtzeit und ihrer neusten Version zur Verfügung. Und um den Zugang zu den Daten zu vereinfachen, bietet es sich an, eine Virtualisierungsplattform zu nutzen, die zum Beispiel mit ChatGPT und Azure OpenAI integriert ist. Denn der Chatbot kann natürliche Sprache in eine Search Query Language (SQL)-Anfrage umwandeln und so die gewünschten Daten finden. Damit ist jeder Mitarbeiter in der Lage, Daten zu finden, unabhängig davon, wie technisch versiert er ist. Doch um tatsächlich das Optimum aus ihren Daten rauszuholen, sollten Unternehmen noch einen Schritt weitergehen.

Schritt 2: Datenprodukte per Self-Service erstellen und bereitstellen

Denn diese Geschäftsanwender sind auch diejenigen, die am besten wissen, wofür die Daten, die sie für ihre Arbeit nutzen, optimalerweise eingesetzt werden können. Deshalb sollten Unternehmen es ihnen ermöglichen, eigene Datenprodukte zu erstellen, die dann wiederum den anderen Mitarbeitern zur Verfügung stehen.

Bislang werden dafür oft Experten wie Data Scientists oder Data Engineers benötigt, die sind jedoch rar gesät. Das Fehlen von solchen qualifizierten Fachkräften wird entsprechend von den im Data Report befragten Führungskräften in Deutschland als eine der größten Herausforderungen betrachtet (20 Prozent). Doch Self-Service-Datenprodukte können Abhilfe schaffen. Hierfür ist jedoch ein Datenkatalog dringend erforderlich, damit die Geschäftsnutzer zum einen eine Übersicht haben, welche Daten grundsätzlich im Unternehmen vorhanden sind. Zum anderen kann dieser Datenkatalog bei manchen Datenmanagement-Plattformen auch genutzt werden, um dort die Datenprodukte per Drag-and-Drop-Prinzip zu erstellen, bereitzustellen und mit anderen zu teilen.

Gleichzeitig lassen sich mithilfe eines Datenkatalogs Data-Governance-Richtlinien durchsetzen, damit Daten, die beispielsweise sensibel sind, und ihre Datenprodukte nur von berechtigten Nutzern eingesehen und verwendet werden können. So können Unternehmen die Balance zwischen dem größtmöglichen Datenzugriff für ihre Mitarbeiter und etwaigen Compliance-Richtlinien wahren.