- Data as a Product: Daten sollten als Produkte von Teams betrachtet werden, die auch von anderen Teams im Unternehmen genutzt werden können. Die dezentralen Teams sollen sich auf die Bereitstellung von qualitativ hochwertigen Datenprodukten konzentrieren. Beispiele dafür wären ESG-Daten, Marktrisikodaten, Transaktionsdaten oder Kundensegmentdaten.
- Domain-driven Ownership: Daten sollten von dezentralen Teams beziehungsweise Domänen verwaltet werden, die für bestimmte Geschäftsbereiche oder Anwendungen verantwortlich sind und damit die Daten inhaltlich verstehen. Das heißt, die Fachbereiche haben die Datenhoheit und sind für die Definition, Verwaltung und Bereitstellung von Datenprodukten verantwortlich – und nicht die IT.
- Self-Serve Data Platform: Die dezentralen Teams beziehungsweise Domänen müssen Zugang zu einer gemeinsamen Infrastruktur haben, die es ihnen ermöglicht, ihre Datenprodukte zu erstellen, zu verwalten und bereitzustellen. Dabei sind die möglichst einfache Bedienung und eine hohe Skalierbarkeit die zentralen Anforderungen an die Infrastruktur.
- Federated Computational Governance: Eine klare technologiegestützte Governance-Struktur ist notwendig, um sicherzustellen, dass die Domänen ihre Datenprodukte in Übereinstimmung mit den Unternehmensstandards und -richtlinien erstellen, verwalten und insbesondere selbstbestimmt teilen können. Die Governance muss auf die Zusammenarbeit zwischen den verschiedenen Teams im Unternehmen ausgerichtet sein.
Klare Richtlinien schaffen und Fachbereiche mit Trainings befähigen
Es ist herausfordernd, ein einziges Projekt oder Programm zu entwickeln, das alle genannten Punkte einer zentralen Datenplattform umfasst. Dennoch ist es wichtig, eine klar definierte Datenstrategie zu haben und auf dieser Grundlage zu starten.
Um klare Richtlinien zu schaffen, empfiehlt es sich, frühzeitig auf der Reise eine Data Governance mit definierten Aufgaben, Rollen und Verantwortlichkeiten zu implementieren. Die Prozesse sollten technologisch unterstützt werden und die dezentralen Interessen der Fachbereiche widerspiegeln.
Technologische Voraussetzungen sollten zunächst modular getestet werden, um entlang der Bedürfnisse der Fachbereiche eine integrierte Datenplattform zum Austausch von Datenprodukten aufzubauen. Das ist essenziell, um eine ganzheitliche Unterstützung der Prozesse als Basis für die Automatisierung zu gewährleisten.
Dies wird erreicht, indem die Datenverwaltung dezentralisiert und die Datenhoheit auf die jeweiligen Domänenexpertinnen und -experten übertragen wird. Während des Prozesses müssen die inhaltlichen Domänenexpertinnen und -experten der Bereiche befähigt und incentiviert werden, um eine erfolgreiche Umsetzung zu gewährleisten.
Daten teilen als Kultur: Das Management muss Anreize schaffen
Das Data-Mesh-Konzept schafft Leitplanken zum Datenaustausch und ebnet den Weg zum datengetriebenen Asset Manager. Es ermöglicht eine effektive Zusammenarbeit zwischen den verschiedenen Domänen und fördert die Nutzung von Datenprodukten als strategischem Vorteil und Basis der digitalen Plattform.
Datenkultur und Erfolg basieren schlussendlich auf der festen Verankerung in der Unternehmensstrategie, dem Verständnis der Bedeutung und der Nutzung von Daten sowie der Vorbildrolle des Managements. Eine erfolgreiche Umsetzung erfordert daher, dass die Datenstrategie fest in die Unternehmensstrategie integriert und eine datengetriebene Arbeitsweise von oben nach unten aktiv gefördert und gelebt wird – auch bezeichnet mit dem Begriff „Data Leadership“.
Anreize zur Erstellung und insbesondere zum Teilen von Datenprodukten sind dabei hilfreich und sollten in den Managementzielen verankert sein, um eine nachhaltige Datenkultur zu etablieren.
