Von Bits & Bytes zum Business Value mit Data Mesh Prinzipien

In der datengestützten Welt von heute kämpfen Unternehmen mit vielseitigen Herausforderungen, wie man aus Daten einen konkreten geschäftlichen Nutzen erzielt. Künstliche Intelligenz, Process Mining und viele andere technische Innovationen haben uns gezeigt, was mit unseren Daten alles möglich ist.

Leider stoßen viele Projekte zur Umsetzung dieser technologischen Innovation auf ähnliche Hindernisse, wie zum Beispiel: Wo sind die relevanten Daten? Was bedeuten die einzelnen Attribute? Kann man sich auf die Qualität der Daten verlassen?

Die Möglichkeit einer strukturierten Lösung für diese und weitere Fragen bietet Data Mesh. Für ein grundlegendes Verständnis des Data Mesh Ansatzes, stellen wir zunächst die vier Grundprinzipien vor. Im weiteren Verlauf des Artikels konzentrieren wir uns jedoch auf das Prinzip Data-As-A-Product. Im Fokus steht, wie dieses in Unternehmen umgesetzt werden kann, um einen nachhaltigen datenbasierten Mehrwert zu erzielen.

Die vier Prinzipien von Data Mesh

Die Self-Serving Plattform bildet die technische Grundlage des Data Mesh und ist eine Kombination aus Technologien, Werkzeugen, Diensten und Infrastruktur-Elementen. Diese ermöglichen, Daten als Produkt anzubieten und die Sammlung, Speicherung, Verarbeitung, Analyse und Bereitstellung von Daten zu erleichtern.

Die zweite Dimension, Domain-Orientierte Dezentralisation, entwickelt das Konzept logischer Datendomänen innerhalb einer Organisation weiter. Die Dezentralisierung von Datendomänen schafft individuelle Eigenverantwortung und Verantwortungsbewusstsein. Ein Bewusstsein, welches mit Unternehmensstandards übereinstimmt, Datenteams befähigt und eine datenzentrierte Kultur fördert.

Innerhalb des verzweigten Netzes dezentraler Datenbereiche und -produkte ist eine kohärente Governance unerlässlich. Federated Computational Governance umfasst daher zentrale Richtlinien, Prozesse und Regeln, die die Zusammenarbeit und Kompatibilität zwischen dezentralen Dateneinheiten erleichtern.

Mit dem Ziel Geschäftswerte aus Daten zu gewinnen, steht das Prinzip Data-As-A-Product, sprich Daten als Produkte zu behandeln, im Mittelpunkt. In dieser transformativen Perspektive entwickeln sich Daten von einem betrieblichen Nebenprodukt zu einem eigenständigen und einsatzbereiten Vermögenswert, zugeschnitten auf Bedürfnisse der Datenkonsumenten.

Datenprodukte und ihre Mehrwerte

Damit Datenprodukte ihren vollen Mehrwert erzielen können, sind sechs Qualitätskriterien zu beachten.

• Sicherheit
• Verständlichkeit
• Auffindbarkeit
• Nutzbarkeit
• Interoperabilität/Wiederverwendbarkeit und
• Vertrauenswürdigkeit

Um diese zu gewährleisten, schlagen wir einen zweistufigen Prozess vor, welcher sich in eine Definitions- und eine Umsetzungsphase aufteilt. In der Definitionsphase geht es darum, aus dem fokussierten Anwendungsfall die Anforderungen für das Datenprodukt abzuleiten. Danach folgt die Umsetzungsphase, um Schritt für Schritt die vier Elemente eines Datenproduktes zu erstellen:

• Die Daten selbst: in Form einer Tabelle, als Datenmodell, als Stream oder unstrukturiert für Bilder, Videos, Dokumente, etc.
• Metadaten: Beschreibung der Datenelemente, deren Bedeutung, Format, Qualität, Datenstruktur, Verweise, ggf. Herkunft, etc.
• Zugriffsmöglichkeiten: Mailversand als Dokument, APIs, Download, Stream, etc.
• Service: Prozessschreibung zur Qualitätssicherung und -erhaltung sowie des Incident Managements

Das Zusammenspiel dieser Kriterien und Phasen ist es, was Unternehmen dazu befähigt, das volle Potenzial ihrer Daten zu nutzen. Kann eine Datendomäne diese Kriterien gewährleisten, so ist das Datenprodukt für die Konsumenten von hohem Nutzen. Die User der Produkte innerhalb des Unternehmens können sich dann auf die Datenprodukte stützen, diese schnell finden, nutzen und individuell anwenden. Durch die Interoperabilität gelingt es, verschiedene Datenprodukte miteinander zu verbinden und zur Steigerung des Mehrwerts für das Unternehmen wiederzuverwenden. Durch die Kombination verschiedener Datenprodukte zu immer komplexeren Konstrukten lassen sich zudem immer innovativere oder umfangreichere Herausforderungen meistern.

Ausblick

Zusammenfassend lässt sich feststellen, dass im Kontext des Data Mesh Ansatzes das Datenprodukt ein zentrales Prinzip ist, um das Data Management in Unternehmen weiterzuentwickeln.

Der Paradigmenwechsel, Daten nicht bloß als Nebenprodukt, sondern als eigenständiges Datenprodukt zu begreifen, entfesselt das Potenzial eines oft ungenutzten Schatzes in Unternehmen. Durch die bewusste zweiphasige Implementierung von Datenprodukten anhand von sechs Qualitätskriterien können Unternehmen mit überschaubaren Investitionen einen markanten Wettbewerbsvorteil erlangen.

Den Transformationsprozess zu einem datenzentrierten Unternehmen, welches Datenprodukte als zentrales Element des Datenaustausches nutzt, beschreiben wir im kommenden Blogartikel.