cherezoff - stock.adobe.com
Datentrends 2023: Dynamisches Nachfrageverhalten im Visier
Um Daten optimal zu nutzen und ihren Wert zu erkennen, muss das Datenmanagement ständig aktualisiert werden. Automation und Bedarf stehen dieses Jahr im Fokus.
Im neuen Jahr dreht sich alles um das Stichwort Bedarf. Besonders die fünf in diesem Beitrag skizzierten Nachfragetrends verdienen besonderes Augenmerk. Datenkataloge und Datenmanagement-Tools werden obsolet (sofern sie nicht Teil größerer Plattformen sind).
Vor einigen Jahren äußerte Gartner, dass Datenkataloge der letzte Schrei im Bereich Datenmanagement und Datenanalyse seien. An sich ist dieses Konzept nicht neu: eine gemeinsame Definition für alle Geschäftsbegriffe, Ziele, Datensätze und Systeme ist so notwendig wie vorteilhaft. Im Moment ist jedoch der Übergang von einfachen Taxonomien hin zu Ontologien zu beobachten.
Die Entwicklung tendiert also zu einem wirklichen Verständnis der Beziehungsklassen und der Struktur von Daten und Regeln, sowie zur Festlegung von Beschränkungen für die Verwaltung der Daten. Übergeordnet geht es also um weit mehr als nur um eine reine Klassifizierung. Unternehmen haben dies vereinzelt bereits implementiert, allerdings oft nur in Silos und nicht über Geschäftsbereiche hinweg.
Einzelne Tools, die nur eine Funktion erfüllen, werden aber nicht ausreichen, um den wachsenden Herausforderungen im Datenmanagement gerecht zu werden. Selbst Definitionen sowie Kriterien, die von Analysten zur Klassifizierung der Branchenführer verwendet werden, sind einem dynamischen Wandel unterzogen. Begriffe wie etwa „Augmented“ oder „Discovery“ werden klassischen Kategorien (Datenqualität, Integration, Stammdatenmanagement) vorangestellt, um die Anforderungen und den vernetzten Charakter dieser Produkte zu betonen. Es ist zu erwarten, dass einige der langjährigen Marktführer im kommenden Jahr ins Hintertreffen geraten und die Innovatoren hier insgesamt die Führung übernehmen.
Goodbye, Data-Mesh-Architekturen: der Data-Fabric Ansatz gewinnt an Attraktivität
Die Data-Mesh-Architektur ist eine Strategie zur Dezentralisierung der Daten - mit dem Ziel, Kohärenz zwischen verschiedenen Geschäftsbereichen herzustellen. Sie ist in erster Linie personenorientiert. In der Regel sind Datenexperten involviert, die sich mit dem Thema befassen, Informationen kennzeichnen, Regeln entwerfen sowie verstehen, wer zu den Daten beiträgt, um insgesamt ein besseres Bewusstsein dafür zu schaffen, wie Daten auf Unternehmensebene genutzt werden können.
Im Gegensatz dazu ist ein Data-Fabric-Ansatz stärker automatisiert. Er nutzt künstliche Intelligenz/Machine Learning und ist nicht auf erfahrene Datenwissenschaftler (Data Scientists) angewiesen. Dieses Entwurfsmuster wird für Unternehmen immer wichtiger werden. Firmen, die nicht bereit sind, zu einem automatisierten Ansatz übergehen, werden nicht mithalten können und nicht in der Lage sein, den gesamten potenziellen Wert Ihrer Systeme und Daten zu erschließen.
Weiter im Aufwind: Datenmanagement in der Cloud gewinnt überragende Bedeutung
Für Unternehmen, die sich von althergebrachten Datenmanagementprodukten verabschieden wollen, bieten sich jetzt viel mehr Möglichkeiten, da immer mehr Lösungen Cloud-nativ werden. Diese Lösungen sind auf Erweiterbarkeit und Integration ausgelegt und bieten die Möglichkeit, ein „Best-of-Breed“-Lösungspaket zu erstellen, das exakt auf die Bedürfnisse eines Kunden zugeschnitten ist.
Wenn wir über Cloud-Infrastruktur, Integration, Data Lakes oder Analyseplattformen nachdenken, wird deutlich, dass Kunden zunehmend in der Lage sein möchten zu prüfen, wie sie diese Funktionen zwischen strategischen Anwendungsanbietern und ihren Cloud-Plattformanbietern kombinieren können.
Ein Kunde, der beispielsweise die Entscheidung getroffen hat, seine IT-Infrastruktur in die Cloud zu verlagern, wird einem Cloud-Anbieter den Zuschlag geben wollen, der nicht nur Rechen- und Speicherleistung, sondern auch Datenmanagementlösungen und Datendienste anbietet, die seine Modernisierungsbemühungen insgesamt beschleunigen.
Diese Dienste müssen im Hinblick darauf betrachtet werden, wie gut sie mit Anwendungen des Kerngeschäfts, die auf der entsprechenden Cloud-Plattform ausgeführt werden, zusammenarbeiten. Die Möglichkeit, Kernanwendungen mit umfangreichen Funktionen über die Infrastruktur hinaus zu erweitern, stellt sicher, dass der Umzug das bestmögliche Geschäftsergebnis bringt und nicht nur einen bloßen Austausch von Investitionsausgaben mit Betriebsausgaben darstellt. Aus diesem Grund werden Plattformen, Anwendungen und Tools, die diese Integration und Erweiterung beschleunigen und insgesamt vereinfachen, insgesamt stärker ins Blickfeld des Interesses rücken.
Auf Augenhöhe: die Nachfrage nach der Beobachtbarkeit von Daten steigt
Wenn es um Daten und Datenmigration geht, sprechen wir über eine große Menge beweglicher Elemente. Für eine optimale Lösung können mehrere Anwendungsanbieter sowie Cloud-Anbieter miteinbezogen sein. Um all dies in den Griff zu bekommen, benötigen Unternehmen ein besseres Verständnis über den Zustand der Daten in ihren Systemen sowie die Auswirkungen, die dieser Status Quo auf das Unternehmen hat. Datenbeobachtbarkeit (Data Observability) ermöglicht es, den Zustand der Daten zu beurteilen sowie Probleme zu beheben, bevor sie sich vertiefen können.
Das Konzept stammt ursprünglich aus dem DevOps-Bereich und nutzt die Fähigkeit, Silos zwischen Entwicklung und IT-Betrieb zu beseitigen, um eine kooperative, schnelle und iterative Produktbereitstellung zu ermöglichen. Die Datenbeobachtung lehnt sich im Grunde an die Vorteile von DevOps an und bringt diese Vorteile mit Blick auf unternehmenskritische Daten zur Anwendung.
„Für Unternehmen, die sich von althergebrachten Datenmanagementprodukten verabschieden wollen, bieten sich jetzt viel mehr Möglichkeiten, da immer mehr Lösungen Cloud-nativ werden.“
Andreas Engel, Syniti
Datenbeobachtung stellt einen Ansatz dar, der Organisationen hilft, wirklich zu verstehen, wie gut ihre Daten das Geschäft unterstützen.
Wenn Unternehmen ihre Teams nicht in die Lage versetzen, die Auswirkungen von Daten auf das Geschäft allumfassend zu verstehen, und ihnen ferner nicht die erforderlichen Tools zur Verfügung stellen, um etwaige Probleme zu lösen, werden sie insgesamt nicht effizient und kostenkontrolliert agieren.
Nachweise geschäftlicher Auswirkungen: Erwartungshaltung der Kunden steigt
Wenn Anbieter über Softwarefunktionen sprechen sowie darüber, wie Funktionen im Vergleich zu denen eines anderen Produkts aussehen, bieten sie Kunden keinen Mehrwert. Anbieter müssen vielmehr in der Lage sein, die geschäftlichen Auswirkungen der Software auf das Unternehmen und den mit der Implementierung verbundenen ROI aufzuzeigen.
Sie müssen Wege finden, einen Bezug zu den Elementen herzustellen, die ein Unternehmensvorstand oder der CEO eines Kunden als Schlüsselkennzahlen verwenden. Wenn Anbieter nicht in der Lage sind, einen klaren Bezug zum tatsächlichen Wert herzustellen, werden Sie ihre Software langfristig nicht verkaufen können.
Über den Autor:
Andreas Engel ist VP und Geschäftsführer bei Syniti DACH/MEE. Engel verfügt über umfangreiche Erfahrung von mehr als 20 Jahren und eine bemerkenswerte Erfolgsbilanz in der internationalen Vertriebsleitung, mit besonderem Schwerpunkt auf der DACH-Region und zusätzlicher Expertise in den Bereichen Geschäftstransformation und Strategie. Er wechselt von SUSE Software Solutions zu Syniti, wo er als Vice-President für die Central EMEA Region verantwortlich zeichnete. Zuvor war er 15 Jahre lang bei Microsoft in verschiedenen Vertriebs- und Führungspositionen tätig.
