3 Faktoren, die Mitarbeiter wirklich motivieren, sich an Data Management Initiativen zu beteiligen und was Data Governance in der Praxis bedeutet

by Annecilla Sampt

Data Governance 2.0. – Susanne Zach, Associate Partner und Data & Analytics Lead bei unserem Confare #CIOAward Partner EY, ist wohl eine der profundesten Expertinnen zu Themen rund um Data Science, Business Analytics und Data Governance in Österreich. Klar, dass wir sie beim Gestalten unseres nächsten Factsheets Data Driven Business in Zusammenarbeit mit Sphinx IT Consulting um ihren Input gebeten haben. Sie hat uns verraten, was Data Owner wirklich motiviert sich an Datamanagement Initiativen zu beteiligen und warum es jetzt der richtige Zeitpunkt ist, eine entsprechende Data Governance aufzubauen.

Persönlich trifft man Susanne, die Experten von EY und mehr als 400 hochkarätige IT-Entscheider auf Österreichs größtem IT-Management Treffpunkt, dem Confare #CIOSUMMIT 2021 in Wien, mit Verleihung des Confare #CIOAward.

Mit welchen Maßnahmen kann man die Awareness für die Chancen von Daten im Unternehmen steigern?

Es gibt vier Stakeholder Gruppen, die im zentralisierten Data Management involviert sind und die über den Erfolg oder das Scheitern einer Transformation entscheiden:

Data Provider, Data Consumer, Data Engineers, Corporate Audit

Susanne Zach - Confare BlogDie Aufwände für die Bereitstellung der Daten sind nicht gleich verteilt. Die Data Provider müssen sehr viel Aufwand für die Bereitstellung der Daten für “abteilungsfremde” Anwendungsfälle investieren, profitieren aber nicht von der Umsetzung dieser Use Cases. Die Frage ist, wie man diese Gruppe motiviert, ihre Daten für “cross-funktionale” Use Cases zur Verfügung zu stellen.

Wir haben eine Umfrage gemacht und die Data Owner gefragt, was sie brauchen, um sich an unternehmensweiten Datenmanagement-Initiativen zu beteiligen und haben drei Gruppen von “Belohnungen” identifiziert:

  1. Bezahlung: Die Data Provider, die die Daten für “abteilungsfremde“ Use Cases zur Verfügung stellen, werden aus einem Zentralbudget bezahlt
  2. Kontrolle: Die Data Provider müssen die Kontrolle über die Daten behalten und aktiv in die Entscheidungsprozesse involviert werden – nur dann sind sie bereit, die Daten verfügbar zu machen
  3. Unterstützung: Die Data Provider müssen weiterhin in der Lage sein, ihre Daten laufend überwachen zu können. Dazu brauchen sie technische Tools, die das Monitoring von Daten ermöglichen.

Welche Methoden haben sich bewährt, um das Unternehmen auf dem Weg ins Data Business voran zu bringen?

Immer mehr Firmen sehen Daten als Asset und entwickeln datengetriebene Strategien, die einen nachhaltigen Beitrag zur Erreichung der Geschäftsziele leisten. Daten sind der Treiber der Transformation und ermöglichen die Entwicklung neuer Produkte und Dienstleistungen.

Aber: Ohne Etablierung einer zielgerichteten Data Governance wird jedes datengetriebene Geschäftsmodell langfristig scheitern.

Organisatorische und technologische Data Governance 2.0 Ansätze erhöhen die Chancen, die zunehmenden Datenmengen richtig auszunutzen. Sie führen zu Effizienzsteigerungen im Unternehmen, verbessern die Transparenz der Datenbestände, ermöglichen die Anwendung von Inputs aus unterschiedlichen Quellen und helfen Unternehmen die Datenqualität zu erhöhen.

Um Data Governance auf einen höheren Reifegrad zu heben, haben wir vier Ansätze erarbeitet, mit denen die Basis für die digitale Finanz-Transformation schnell und effizient geschaffen werden kann.

Data Governance 2.0 Ansatz

Mehrwert

Anwendung von Machine Learning (ML) Methoden bei der Datenbereinigung

Die ML-Modelle können 98% der Datenqualitätsprobleme automatisiert entdecken, das ist ca. 12 Mal mehr als bei der Verwendung von herkömmlichen Methoden. Einsparung von ca. 60-80% der FTEs für die Ermittlung von Datenqualitätsproblemen.

Einbauen von Motivationsfaktoren im Organisationsmodell

Eine faire Belohnung motiviert die Data Provider ihre Daten auch für „abteilungsfremde“ Use-Cases zur Verfügung zu stellen.

Definition von Use-Case getriebenen KPIs

Der Fokus auf Use-Case abhängige Datenqualitätskennzahlen ermöglicht eine effiziente Anwendung von Ressourcen und schafft Vertrauen in die Unternehmensdaten.

Kombinieren flexibler Datenintegrationsframeworks

Effizienzsteigerung im Datenmanagement: Moderne technologische Ansätze wie zB Data Fabric und Virtualisierung machen die Daten schneller verfügbar und können “neue Arten” von Daten verarbeiten.

Agilität und Geschwindigkeit sind oft entscheidend, wenn es darum geht aus Daten Nutzen zu ziehen. Welche Rahmenbedingungen sind dafür nötig?

Die Verfügbarkeit von Daten in entsprechender Qualität ist Grundvoraussetzung, um datengetriebene Lösungen schnell und effizient umzusetzen.

Typische Herausforderungen, mit denen Unternehmen in diesem Zusammenhang konfrontiert sind:

  • Fehlende Transparenz: Es existiert keine Transparenz über die Daten, d.h. es ist nicht klar wo und in welcher Form sie verfügbar sind
  • Keine Data Ownership: Es besteht keine Organisationsstruktur rund um das Management der Daten / die Ownership der Daten ist unklar oder nicht richtig etabliert
  • Unzureichende Datenqualität: Die Qualität der Daten ist für datengetriebene Ansätze nicht ausreichend und die Bereinigung ist sehr aufwändig

Weiters führen die Menge und Vielfältigkeit der internen und externen Datenquellen dazu, dass Unternehmen oft nicht wissen, wie ihre Daten verwendet werden und wem sie innerhalb der Organisation zugänglich sind. Dies erhöht das Risiko eines ungewollten Datenmissbrauchs.

Um eine nachhaltige Veränderung im Unternehmen zu erzielen, ist es notwendig eine datengetriebene Kultur zu entwickeln und die organisatorischen und technologischen Voraussetzungen durch die Einführung von Data Governance Prinzipien zu schaffen.

CIO ThinkTank: DATA DRIVEN BUSINESS – WOHIN GEHT DIE REISE?

Legacy Infrastruktur kann ein großes Hindernis auf dem Weg zum datengetriebenen Unternehmen darstellen. Welche Modernisierungsschritte sind erforderlich? Wo beginnt man am besten?

In den letzten 50 Jahren haben Unternehmen versucht mittels verschiedener Technologien (Data Marts, Data Warehouses, Data Lakes,…) ihre “Datenprobleme” zu lösen. Data Lakes, die in 2010s versprochen haben, ALLE Daten für ALLE Benutzer verfügbar zu machen, haben sich für Business-Anwender jedoch als nicht praktikabel erwiesen da sie zu einem weiteren Datensilo geworden sind. Sie interagieren nicht gut mit Transaktionssystemen und können Datenqualitäts- und Konsistenzprobleme schwer lösen. Auch eine Operationalisierung von künstlicher Intelligenz ist mit dieser Technologie sehr schwer.

Die Etablierung einer Datenfabrik (laut einer Gartner Studie einer der Top 10 Data und Analytics Technologie Trends) kann helfen, diese Challenges zu lösen. Unter einer Data Fabric versteht man eine moderne Datenarchitektur und ein Portfolio von Datenservices, die die Endpunkte in On-Premises- und Cloud-Umgebungen miteinander verbindet und mit einheitlichen, übergreifenden Funktionen ausstattet, um Unternehmen bei der Verwaltung ihrer Daten zu unterstützen und die digitale Transformation zu beschleunigen.

Das datengetriebene Business hat viel mit Innovation und Experimentieren zu tun. Was braucht es um die notwendigen Freiräume und Spielwiesen dafür zu schaffen?

Um die notwendigen Freiräume zu ermöglichen, ist es wesentlich – neben der Verfügbarkeit von finanziellen Mitteln und fachlichen Ressourcen – Vertrauen in datengetriebene Lösungen zu schaffen.

Die Erarbeitung eines Kommunikationsplans kann helfen, das Bewusstsein für datengetriebenes Business zu schärfen und eine positive Wahrnehmung für das Thema Data und Analytics zu fördernd, um das Engagement verschiedener Stakeholder einzuholen.

Es braucht eine Shared Vision im gesamten Unternehmen.

Confare Digital CIO Thinktank: ERP Fitness 2021

Daten gewinnen an Wert, wenn man sie vernetzt betrachtet. Welchen Stellenwert haben Data-Ecosystems für Sie? Mit welchen Maßnahmen kann man solche Ecosysteme aufbauen?

Ich möchte hier ein konkretes Beispiel aus der Praxis nennen: EY hat einen deutschen Handelskonzern beim Aufbau einer eigener Lebensmittelproduktion als Digitale Fabrik unterstützt und eine leistungsfähige IT Infrastruktur geschaffen, die es ermöglicht hat, Daten spartenübergreifend zu nutzen und die Produktion weitgehend zu. In einer digitalen Fabrik kommunizieren Mensch, Maschine und Produkte in Echtzeit und über alle Funktionsbereiche hinweg. Die Grenzen zwischen Finance, F&E, Einkauf, Produktion, Vertrieb, Business Intelligence und Advanced Analytics lösen sich auf.

Das Ergebnis einer Transformation zur digitalen Fabrik sind hocheffiziente Beziehungen nicht nur zwischen Produkten, Maschinen und Dienstleistungen, sondern auch zwischen Kunden, Mitarbeitern, Führungskräften und Zulieferern, welche zu neuen Geschäftsmodellen, erhöhter Effizienz und Nachhaltigkeit führen.

Die Digitale Fabrik ist ein gutes Beispiel für das Nutzen von Datenpotentialen im gesamten Ökosystem.

Welche Sicherheitsvorkehrungen sind notwendig, um das datengetrieben Geschäft voran zu bringen?

Der Einsatz von datengetriebenen Produkten stellt Unternehmen vor völlig neue Herausforderungen in Bezug auf Geschwindigkeit, Komplexität und Transparenz.

Viele Unternehmen kämpfen dadurch mit dem Dilemma Mehrwert aus Daten generieren vs.  Datenrisiken minimieren, denn das enorme Potenzial von Künstlicher Intelligenz (KI) / Data Science,… geht mit der Beherrschung „neuer“ Risken einher:

  • Zuverlässigkeit und Nachvollziehbarkeit
  • Verantwortung für autonome Entscheidungen
  • Vertrauen in KI und Datenschutz
  • Einhaltung ethischer und sozialer Normen
  • Schutz des Menschen und der Umwelt
  • Fairness und Respekt

Um diese Risiken in Griff zu bekommen, erfordert Digitalisierung die Einführung zusätzlicher Kontrollen, die über klassische IT-Kontrollen (zB Zugriffsschutzkontrollen, Freigaben im Änderungsmanagement) hinausgehen.

Durch die Etablierung unseres eines entsprechenden Internen Kontrollsystems und Schaffen der entsprechenden Strukturen zur verantwortungsvollen Nutzung von Daten können Unternehmen sicherstellen, dass Compliance Risiken auf ein angemessenes Maß minimiert und datenethische Grundsätze eingehalten werden..

„Genießen Sie auch unsere brandneuen EY Tech Snacks (https://www.ey.com/de_at/emerging-technologies/ey-tech-snacks)! Sie geben uA Einblick in aktuelle Praxisbeispiele zum Aufbau eines Internen Kontrollsystems für Künstliche Intelligenz.“

IT-Strategie: Diese 10 Bausteine müssen Sie kennen

Mehr interessante Videos zu diversen Themen finden Sie auf unserem YouTube-Kanal

Für Sie ausgewählt

Leave a Comment