Ein gutes Datenmanagement wird immer mehr zu einem strategischen Wettbewerbsvorteil für Unternehmen. Denn Daten bilden heute das Fundament sämtlicher Abteilungen: Einkauf, Produktion, Vertrieb, Controlling, Personalwesen – sie alle sind auf aktuelle und gut verfügbare Informationen angewiesen. Erfahren Sie hier, worauf es beim Datenmanagement ankommt.

Leitfaden Datenmanagement

KOSTENLOSER LEITFADEN

Datenmanagement: Die 6 Best Practices für Ihr Unternehmen

Sie möchten noch mehr über optimales Datenmanagement erfahren? Dann laden Sie sich jetzt unseren Leitfaden „Datenmanagement: Die 6 Best Practices für Ihr Unternehmen“ herunter.

Jetzt herunterladen

Schön, dass Sie hier sind! Wie Ihnen vielleicht schon aufgefallen ist, verwenden wir aus Gründen der Lesbarkeit die männliche Form in unseren Texten. Im Sinne der Gleichbehandlung meinen wir damit selbstverständlich immer alle Geschlechter (m/w/d). Und jetzt wünschen wir Ihnen viel Spaß beim Lesen.

Definition: Was ist Datenmanagement?

Datenmanagement bezeichnet das Erfassen, Ordnen, Speichern und Bereitstellen von Daten. Dies beinhaltet ein breites Spektrum von Aufgaben:

  • Datenquellen identifizieren, erschließen und integrieren
  • Erstellen und Aktualisieren von digitalen Informationen
  • Speichern von Daten On-Premises und in Clouds
  • Gewährleistung der Datensicherheit und Datenintegrität durch Backups und andere Maßnahmen
  • Sicherstellen des Datenschutzes und der Befolgung von Vorschriften wie der DSGVO
  • Archivieren und Vernichten von Daten unter Einhaltung von Aufbewahrungszeitplänen und Compliance-Anforderungen
  • Hochverfügbarkeit und Disaster-Recovery
  • Bereitstellen der Daten für eine wachsende Vielfalt von Anwendungen, Analyse-Plattformen, Dashboards und anderen Steuerungsinstrumenten

Ziel des Datenmanagements ist es, dem Unternehmen die optimale Nutzung von Daten auf allen Ebenen und in allen Tätigkeitsfeldern zu ermöglichen. Anhand von Daten werden Entscheidungen getroffen, Waren produziert, Logistik organisiert, Dienstleistungen erstellt und Teams geführt. In der digitalisierten Welt bilden Daten einen entscheidenden Erfolgsfaktor. Datenkapital ist Geschäftskapital – aus diesem Grund sollte dem Datenmanagement dieselbe Aufmerksamkeit gewidmet werden wie etwa dem Finanzmanagement.

Sie möchten Ihr Datenmanagement effizient gestalten?

Unser Leitfaden “Datenmanagement: Die 6 Best Practices für Ihr Unternehmen” unterstützt Sie dabei und gibt Ihnen konkrete Handlungsvorschläge. Erfahren Sie mehr darüber, wie Sie Ihre Ausgangslage analysieren, einen Datenmanagementplan entwickeln oder das passende Speichermodell auswählen.

Jetzt herunterladen

Diese Teilgebiete umfasst Datenmanagement

Das Datenmanagement umfasst mehrere Teilgebiete, welche je unterschiedliches Expertenwissen erfordern:

Stammdatenverwaltung

Stammdaten sind Basisinformationen, auf welchen andere Daten und Analysen aufbauen. Ein typisches Beispiel sind Firmenname und Adresse eines Unternehmens. Je mehr Datenquellen vorhanden sind, desto schwieriger wird es, eine einzige Version aktueller und korrekter Informationen bereitzustellen. Aufgabe der Stammdatenverwaltung ist es, eine solche „Single Source of Truth“ zu schaffen und zu unterhalten.

Data-Stewardship

Stewardship bezeichnet ein aktives Durchsetzen von Verwaltungsrichtlinien. Der Data-Steward implementiert Richtlinien des Datenmanagements im Unternehmen. Er steht im Austausch mit den verschiedenen Abteilungen und Teams, welchen er die geltenden Richtlinien für Datensammlung, Datentransport und Datennutzung erklärt. Der Data-Steward sorgt im Weiteren dafür, dass diese Richtlinien eingehalten und von Vorgesetzten kontrolliert werden.

Datenqualitätsmanagement

Daten müssen korrekt, eindeutig, aktuell und vollständig sein. Die Aufgabe des Datenqualitätsmanagements besteht darin, diese Anforderungen sicherzustellen. Der Datenqualitätsmanager bzw. die Datenqualitätsmanagerin prüfen die gesammelten Daten auf mögliche Probleme wie etwa doppelte Einträge, uneinheitliche Versionen und inhaltliche Fehler.

Datensicherheit

Zu den wichtigsten Teilgebieten des Datenmanagements zählt die Datensicherheit. Hier geht es um drei verschiedene Aufgaben:

  • Schutz der Daten vor Verfälschung und Verlust. Dazu kommen Strategien für Backups und Versionierung zum Einsatz.
  • Schutz gegen unbefugte Datenzugriffe von außen („Hacker“). Dies ist das Tätigkeitsgebiet von Cybersecurity-Spezialisten.
  • Schutz von sensiblen Personendaten. Datenschutz-Spezialisten kümmern sich um das sichere Management von sensiblen Personendaten und um das Einhalten gesetzlicher Bestimmungen wie der DSGVO.

Data-Governance

Data-Governance ist vergleichbar mit der Verfassung eines Staates. Das Data-Governance-Framework enthält klare, verbindliche Richtlinien für das Erfassen, den Fluss, die Nutzung und den Schutz wichtiger Informationen. Der Data-Governor beaufsichtigt die Data-Stewards, Qualitätsmanagement-Experten, Sicherheitsspezialisten und andere Datenmanagement-Rollen.

Big-Data-Management

Das Big-Data-Management beschäftigt sich mit dem Erfassen, Bereinigen, Speichern und Bereitstellen riesiger Rohdatenbestände. Diese Daten werden zur Prozessoptimierung, zur Verbesserung der Sicherheit und als Basis für Business-Intelligence-Analysen genutzt.

Die vier Arten von Daten

Um eine Datenmanagement-Strategie zu entwerfen, müssen Sie die vorhandenen Datenbestände systematisch analysieren, um die Anforderungen an die Datenverwaltung präzise definieren zu können. Die folgende Kategorisierung erleichtert Ihnen diese Analyse:

Personenbezogene Daten

Definition: Informationen über natürliche Personen, welche diese identifizieren könnten.
Beispiele: Namen, Adressen, Telefonnummern, Verhaltensdaten
Häufige Quellen: Selbstauskunft, Shop-Daten
Zentrale Anforderung: Einhalten der Datenschutzgesetze, speziell der DSGVO

Schützenswerte Firmendaten

Definition: Informationen über das Unternehmen und dessen Betriebe, welche unter das Geschäftsgeheimnis fallen.
Beispiele: Finanzdaten, Steuerunterlagen, Produktionsverfahren
Häufige Quellen: Buchhaltung, Forschung und Entwicklung, Topmanagement
Zentrale Anforderung: Geheimhaltung nach innen und außen

Sekundärdaten

Definition: Daten, die nicht vorsätzlich erfasst wurden, sondern „nebenbei“ anfallen.
Beispiele: IP-Adressen von Website-Besuchern in Logfiles
Häufige Quellen: Logfiles, Dokumente, Chatprotokolle
Zentrale Anforderung: Filterung sensibler Personendaten

Öffentliche Daten

Definition: Informationen, welche öffentlich zugänglich sein sollen oder bereits veröffentlicht wurden.
Beispiele: Marketing-Content, Fotos, Firmenbroschüren
Häufige Quellen: Marketing-Abteilung, Mitarbeitende
Zentrale Anforderung: Verhindern von Urheberrechtsverletzungen, Schutz firmeneigener Daten

Wie Sie Ihre Daten strukturieren können

Die beiden wichtigsten Formen der Datenspeicherung sind das Data-Warehouse und der Data-Lake. Hinter diesen beiden Begriffen verbergen sich zwei unterschiedliche Speicherphilosophien. Nachfolgend stellen wir Ihnen beide vor.

Was ist ein Data-Warehouse?

Das Data-Warehouse folgt dem Organisationsprinzip eines Warenhauses: Dieses bietet Waren vorsortiert nach unterschiedlichen Verwendungszwecken an, von Textilien über Hausrat bis zu Lebensmitteln.

Analog dazu stellt das Data-Warehouse Informationen in gefilterter und geordneter Form bereit. Hier finden beispielsweise Business-Analysten Umsatzdaten, Zeitreihen und andere Informationen. Sie können sofort damit arbeiten, ohne zuerst die Daten neu strukturieren zu müssen.

Der Aufwand für das Aufbereiten der Daten fällt beim Einspeisen an. Entsprechend schwierig ist das Ändern von Datenstrukturen oder das Integrieren neuer Datenquellen.

Dank des Filterns und Vorstrukturierens vor dem Einspeisen benötigt das Data-Warehouse weniger Speicherplatz als der Data-Lake.

Was ist ein Data-Lake?

Der Data-Lake („Datensee“) funktioniert nach dem Prinzip eines Wasserspeichers: Man gießt alles in ein Reservoir und schöpft nach Belieben daraus, was im Moment benötigt wird. Dabei werden die Daten ungefiltert und in unstrukturierter Form gespeichert.

Data-Lakes sind leicht zugängliche Speicherplätze: Anwender benötigen kein Spezialwissen, um neue Daten einzuspeisen und zu modifizieren. Umgekehrt erfordert der Abruf der Daten Expertenwissen und Spezialtools.

Data-Warehouse Data-Lake
Struktur der gespeicherten Daten Bereits verarbeitet und vorstrukturiert Rohdaten in unterschiedlichen Strukturen
Benötigte Expertise für die Speicherung Hoch Niedrig
Benötigte Expertise für den Datenabruf Niedrig Hoch
Typische Anwenderschaft Business Data-Scientists
Typische Anwendungsbeispiele Spreadsheets, Dashboards, Power BI, deskriptive Statistik Machine-Learning, Künstliche Intelligenz, analytische Statistik
Sicherheit beim Datenzugriff Hoch Niedrig
Flexibilität Niedrig Hoch

Viele Unternehmen setzen beide Formen der Datenspeicherung ein: Oft werden Informationen aus Geschäftsprozessen wie etwa Verkaufsumsätze im Data-Warehouse gespeichert. Data-Lakes dienen hingegen dazu, die wachsende Flut an Daten aus dem Onlinemarketing, von digitalisierten Produkten, IoT-Anwendungen und dergleichen aufzunehmen.

Welche Speicherumgebungen es gibt

Für die Speicherung großer Datenmengen stehen Unternehmen hauptsächlich drei verschiedene Modelle zur Verfügung:

Cloud-Speicher

Bei der Cloud-Lösung erfolgt die Datenspeicherung auf den Servern externer Provider. Der Zugriff erfolgt über das Internet. Für Cloud-Speicher gibt es drei hauptsächliche Varianten:

  • Die Private Cloud ist eine besonders abgeschirmte Unternehmens-Cloud. Hier greifen Sie über einen sicheren VPN-Zugang auf die Datenspeicher zu. Wenn der Cloud-Anbieter dies zulässt, können Sie sogar direkt via LAN-/WAN-Kabel Ihre Infrastruktur an die Cloud anbinden.
  • Die Public Cloud stellt die Universallösung für alle dar: IT-Services werden über öffentliche Internetverbindungen zugänglich gemacht; eine VPN- oder gar LAN-/WAN-Anbindung ist nicht erforderlich. Die bekanntesten Anbieter von Public Clouds sind Amazon Web Services (AWS), Google und Microsoft Azure.
  • Die Hybrid Cloud kombiniert Private Cloud und Public Cloud. Während sensible Daten in der Private Cloud gut abgeschirmt gespeichert werden, lagern unkritische Daten in der Public Cloud.

On-Premises

On-Premises bedeutet, dass die Daten auf den hauseigenen Servern des Unternehmens gespeichert werden. Dieses Modell erlaubt zwar ein besonders hohes Level bezüglich Datensicherheit und Vertraulichkeit, erfordert jedoch einen wesentlich größeren Arbeitsaufwand und ist nicht leicht skalierbar.

Mitarbeitende, die von außerhalb Daten abrufen wollen, müssen genau wie bei den Cloud-Lösungen über das Internet auf die Server zugreifen – in dieser Hinsicht bietet das On-Premises-Modell also keinen Sicherheitsvorteil.

Data-Fabric

Datenmanagement - Darstellung einer Data Fabric

Die Data-Fabric ist eine besonders fortschrittliche Speicherumgebung. Sie stellt eine Architektur von Datenservices dar, welche diverse Endpunkte in Cloud- und On-Premises-Umgebungen miteinander verbindet und sie mit einheitlichen, übergreifenden Funktionen ausstattet. Damit erhöht sich die Flexibilität der Verwendung, ohne Abstriche bei der Skalierbarkeit oder Sicherheit zu machen.

Hinweis auf Praxistipp

Praxistipp: Sie möchten noch genauer erfahren, welches Storage-Modell am besten zu Ihrem Unternehmen passt? Dann empfehlen wir Ihnen das Explore Portal von unserem Partner NetApp. Beantworten Sie sechs einfache Fragen, um eine individuelle Lösungsempfehlung zu erhalten. Der Vorgang dauert nur drei Minuten. Danach erhalten Sie Zugriff auf Ihr personalisiertes Portal mit Produktinformationen, Gestaltungsvorschlägen und Case-Studies.

New call-to-action

Von diesen Vorteilen profitieren Sie

Datenmanagement ist zwar arbeitsintensiv, bietet Ihrem Unternehmen aber wichtige Vorteile:

Höhere Datenverfügbarkeit

Datenmanagement ermöglicht es dem Unternehmen, die erforderlichen Speicher- und Übertragungskapazitäten exakt zu bestimmen und vorausschauend zu planen. Dies vermeidet Engpässe und Ausfälle. Eine kluge Datenstrategie sorgt auch dafür, dass alle Abteilungen und Teams einfach auf die benötigten Informationen zugreifen können.

Höhere Sicherheit

Datenmanagement sorgt dafür, dass keine digitalen Informationen verloren gehen, verfälscht oder gestohlen werden. Damit wird das gesamte Unternehmen sicherer.

Kürzere Innovationszyklen

Die moderne Produktentwicklung arbeitet mit einer Fülle von Informationen, welche von Sensoren, Nutzungsdaten, Kundenfeedbacks und andere Quellen stammen. Insbesondere agile Teams, die iterativ arbeiten, sind auf schnelle Datenzugriffe angewiesen. Dies gelingt mit gutem Datenmanagement.

Geringere Betriebskosten

Datenmanagement zielt auf eine effiziente Nutzung der IT-Ressourcen ab. Damit senkt es sowohl die Infrastrukturkosten als auch den Aufwand für deren Wartung und Unterhalt.

Wirkungsvolleres Machine-Learning

Das moderne Datenmanagement sorgt dafür, dass Data-Scientists für ihre Machine-Learning-Projekte auf gut verfügbare, qualitativ hochwertige Rohdaten zurückgreifen können.

Effizientere Unternehmensprozesse

Digitalisierung und Automatisierung bringen für Unternehmensprozesse einen großen Effizienzgewinn. Voraussetzung dafür ist ein sorgfältiges Datenmanagement.

Produktivere Angestellte

Je schneller, einfacher und umfassender Mitarbeitende auf Daten zugreifen können, desto produktiver arbeiten sie.

Bessere Kundenerfahrung

Heute sammeln Unternehmen zahllose Informationen über ihre Konsumenten. Kluges Datenmanagement befähigt die Firmen dazu, diese Daten gezielt zur Steigerung der Kundenfreundlichkeit ihrer Dienstleistungen und Produkte einzusetzen.

Intelligentere Werbung

Das Personalisieren und Individualisieren von Werbeinhalten wird immer wichtiger. Datenmanagement unterstützt das Marketing dabei, noch intelligentere, auf die individuellen User abgestimmte Onlinekampagnen zu realisieren.

Verbesserte Compliance

Vorschriften und Regeln wie die DSGVO geben manchem Hausjuristen bzw. mancher Hausjuristin Anlass zur Sorge. Das Datenmanagement hilft bei der Einhaltung relevanter Compliance-Standards.

Warum sich viele Unternehmen mit Datenmanagement noch schwertun

Das hohe Geschäftstempo und die rasche Weiterentwicklung der IT-Landschaft stellen Unternehmen vor einige Herausforderungen. Dies sind die häufigsten Probleme:

Fehlender Überblick über den Datenbestand

Mitarbeitende müssen wissen, welche Daten existieren, wo sie sich befinden und wie sie verwendet werden, damit sie produktiv arbeiten können. Viele Unternehmen überblicken aber nicht genau, über welche Daten sie verfügen, da sie immer mehr davon sammeln, zum Beispiel über Social Media, intelligente Geräten, Sensoren, Nutzerdaten und Kundenfeedbacks.

Wachsende Compliance-Anforderungen

Die gesetzlichen Regelungen zum Datenschutz werden immer komplizierter und verändern sich zudem laufend. Hinzu kommt noch, dass sie sich je nach Land unterscheiden. Hier immer auf dem neuesten Stand zu sein, stellt eine große organisatorische Herausforderung für Unternehmen dar.

Wachsende Flut unstrukturierter Daten

Unstrukturierte Daten wie Sensor-Informationen oder Texte fallen immer häufiger an. Diese müssen organisiert, dedupliziert und strukturiert werden. Ihre Analyse erfordert ein hohes Maß an Expertenwissen, um zum Beispiel innovative Geschäftsmodelle zu extrahieren. Auch der zeitliche Aufwand ist hoch.

Dezentrale Datensilos

Oft erfassen und speichern verschiedene Abteilungen ihre eigenen Datenbestände. Viele Geschäftsbereiche wie das Marketing sind jedoch auf eine globale, abteilungsübergreifende Datensicht angewiesen. Die Herausforderung für das Datenmanagement liegt darin, diese Datensilos aufzubrechen und eine unternehmensweit einheitliche Informationsbasis zu schaffen.

Korrektes Datenmanagement - keine Datensilos

Vielfalt von Speicherlösungen

In der modernen Welt des Datenmanagements nutzen Unternehmen mehrere verschiedene Speicherlösungen parallel, einschließlich Data-Warehouses und Data-Lakes. Diese Vielfalt stellt Analysten vor die Herausforderung, quer über sämtliche Speicher hinweg die benötigten Daten zu finden, zu extrahieren und in eine geeignete Struktur zu überführen. Das Datenmanagement muss Konzepte und Werkzeuge einführen, welche dies ermöglichen.

Sechs Quick Tipps

1. Entwickeln Sie einen umfassenden Datenmanagementplan

Halten Sie sämtliche Elemente des Datenmanagements in einem zentralen Dokument für alle Stakeholder fest:

  • Datenkategorien
  • Zugriffsrechte
  • Speicherorte
  • Namenskonventionen
  • Zulässige Dateiformate
  • Datenschutzvorschriften (Compliance)
  • Bevorzugte externe Partnerfirmen

Dieser Datenmanagementplan (DMP) ist kein statisches Dokument, sondern ein Datensatz, der sich dynamisch verändert. Bestimmen Sie eine Person, welche verantwortlich dafür ist, dass der DMP laufend nachgeführt wird und alle Beteiligten über die Änderungen informiert sind.

2. Erarbeiten Sie ein umfassendes Data-Governance-Papier

„Governance“ bedeutet, wichtige Werte einer Organisation verantwortungsvoll zu verwalten. Weil Daten für moderne Unternehmen einen Vermögenswert von zentraler Bedeutung darstellen, müssen sie mit der gleichen Sorgfalt behandelt werden wie Maschinen oder finanzielle Vermögenswerte.

Das Data-Governance-Papier ist ein Dokument, welches die Verantwortlichkeiten, Prozesse und Maßnahmen hinsichtlich des Datenmanagements festhält. Es sollte mindestens die folgenden Elemente beinhalten:

  • Die Rollen und Verantwortlichkeiten derjenigen, welche mit Daten arbeiten.
  • Die Prozesse, mit welchen Daten erfasst, gespeichert, transportiert und verarbeitet werden.
  • Die Maßnahmen betreffend Datensicherheit und Datenschutz, einschließlich der Vorgehensweise und der Sanktionen bei Verstößen.
  • Die Vorschriften, welche für die Auswahl, Beauftragung und Kontrolle externer Partnerfirmen gelten.

3. Nutzen Sie Tools für die Kontrolle der Compliance

Um sicherzustellen, dass Compliance-Anforderungen erfüllt werden, sollten Sie Data-Discovery-Tools einsetzen. Diese helfen Ihnen, die Speicherorte und Verbindungsketten der personenbezogenen Daten vollständig zu erfassen, nachzuverfolgen und zu überwachen. Sorgen Sie dafür, dass die mit der Compliance-Überwachung beauftragten Personen diese Tools kennen und beherrschen.

4. Erstellen Sie eine Datenermittlungsebene

Die Datenermittlungsebene bildet eine Schicht oberhalb der Datenabfragen. Sie ist vergleichbar mit dem Katalog einer Bibliothek. Hier suchen die Analysten nach geeigneten Datensätzen, welche sie für Auswertungen verwenden können. Wichtig ist, dass diese Suchplattform sämtliche Speicher mit einbezieht, egal, wo sich diese befinden und wie das Speichermodell aussieht.

Investieren Sie genügend Zeit in das Definieren und Implementieren geeigneter Suchkriterien. Sprechen Sie mit den Benutzern. Finden Sie heraus, wonach diese suchen, für welche Analysewerkzeuge die Daten benötigt werden und welche Metadaten vorhanden sein müssen.

5. Schulen Sie das Personal

Damit Ihr Datenmanagementplan umgesetzt werden kann und die Data-Governance greift, müssen alle Angestellten darüber im Bilde sein: Sie sollten die Vorschriften kennen, den Wert der Daten verstehen und mit den bereitgestellten Tools arbeiten können.

Entwickeln Sie eine effiziente Trainingsmethode. Setzen Sie dafür mehrere Lehrmittel parallel ein:

  • Gut sichtbar platzierte Cheatsheets („Spickzettel“)
  • Videokurse
  • Präsenz-Seminare
  • Merkzettel über wichtige Vorschriften
  • Manuals

6. Briefen Sie die Vorgesetzten

Die Teamleader und Vorstandsmitglieder sollten über Ihre Data-Governance und den DMP im Bilde sein und verstehen, welche Verantwortung sie selbst tragen. Erstellen Sie kurze, übersichtliche Dokumente, in welchen Sie die wesentlichen Informationen zusammenfassen. Achten Sie darauf, die passende „Flughöhe“ beizubehalten und sich nicht in Details zu verlieren. Wichtig ist, dass Führungskräfte wissen, wo sie sich Detailinformationen beschaffen können und wer ihre Kontaktperson ist.

Managen Sie Ihre Daten mit der ahd!

Sie möchten Daten effektiver für Ihr Unternehmen nutzen? Dann sollten wir uns unterhalten. Die Experten der ahd analysieren Ihre Anforderungen, unterstützen Sie bei der Erstellung eines Datenmanagementplans und realisieren Ihre Speicherlösung. Dafür bieten wir Ihnen eine Vielzahl von verschiedenen Cloud- und On-Premises-Modellen an. Kontaktieren Sie uns jetzt für eine unverbindliche Erstberatung.

Leitfaden Datenmanagement

KOSTENLOSER LEITFADEN

Datenmanagement: Die 6 Best Practices für Ihr Unternehmen

Sie möchten noch mehr über optimales Datenmanagement erfahren? Dann laden Sie sich jetzt unseren Leitfaden „Datenmanagement: Die 6 Best Practices für Ihr Unternehmen“ herunter.

Jetzt herunterladen