Controllermagazin 4/2020

87 Controller Magazin | Ausgabe 4 IT / DIGITALISIERUNG treiben, haben heute schon die Möglichkeit, ihre Jahres­ abschlüsse mit den richtigen digitalen Tools stress- und fehlerfrei zu erledigen, Marketingmaßnahmen individu­ ell auf einzelne Kunden zuzuschneiden, Zukunftsszena­ rien zu prognostizieren und zu verhältnismäßig geringen Kosten mit künstlicher Intelligenz zu experimentieren. Die Zusammenführung, Abstimmung und Organisation vonDaten ist keinHexenwerk und kann sogar von kleine­ ren Mittelständlern leicht umgesetzt werden. Datenmanagement ist Qualitätsmanagement Leider reicht es nicht, Daten lediglich zu besitzen und ir­ gendwo abgelegt zu haben, da Rohdaten nur von be­ grenztemWert sind. Erst wenn eine Integrationmehrerer Rohdatensätze realisiert wurde und eine Transformation der Daten zur Information stattgefunden hat, können Daten ihren wahren Wert entfalten. 5 Des Weiteren sind sie häufig in Unternehmenssilos und somit unzugänglich für andere Abteilungen abgelegt. Das verzögert in der Regel die ein oder andere Digitalisierungsmaßnahme. 6 Unternehmenssilos existieren immer dann, wenn Abtei­ lungen stringent voneinander getrennt agieren. Häufig wird so nicht nur das agile Arbeiten allgemein beein­ trächtigt, sondern es entstehen auch Besitzansprüche einzelner Abteilungen an „ihren“ Daten. Im schlimmsten Fall verursacht parallel dazu eine Datenhaltung in Silos Informationsredundanzen im Berichtswesen, die die Entscheidungsgrundlage verfälschen. Auch lange Lade­ zeiten und händische Aufbereitungsaufwände, die den Verarbeitungsprozess lähmen, sind ein deutliches Silo­ symptom. Bestenfalls werden lediglich schlummernde Potenziale bei der Auswertung übersehen, die auf­ schlussreiche steuerungsrelevante Informationen liefern könnten. Entrümplungs- und Vervollständigungsprozess Um Daten als Entscheidungsgrundlage nutzen zu kön­ nen, müssen diese in der richtigen Form an einem zent­ ralen Ort abgelegt werden. Sie sollten für alle relevanten User zugänglich sein und gegenwartsbezogene Relevanz haben. Doch die Qualität der eigenen Daten muss zunächst sichergestellt werden. Daher müssen Daten, bevor sie aus ihren Quellsystemen an eine zentrale Sammelstelle getragen werden, zunächst einen Entrüm­ plungs- und Vervollständigungsprozess durchlaufen: Während die Daten beispielsweise einen ETL-Prozess durchlaufen (Extract, Transform, Load von Daten aus verschiedenen Quellen in eine Datenbank), werden Un­ gereimtheiten aufgedeckt, sowie Dubletten und unvoll­ ständige Angaben identifiziert. Der Entschluss, seine Datenhaltung zu modernisieren, zieht eine Verkettung technologischer Folgeentschei­ dungen hinter sich her: Cloud versus eigene Datenhal­ tung on Premises, Lake versus Warehouse? Die Daten­ plattform ist der Single Point of Truth als verlässliche Datenquelle. An die zentrale Datenbasis kann quasi je­ des relevante Vorsystem angebunden werden, sogar bei sensiblen Compliance-Anforderungen an die Quellsyste­ me. So wird ein Datenpool geschaffen, der es Berichter­ stattern ermöglicht, aus dem Vollen zu schöpfen. Aber Datenbasis ist nicht gleich Datenbasis: Für Höchst­ anforderungen an die Aktualität von Daten im Frontend wird eine Datenautobahn errichtet. Informationen aus Quellen, die Maschinendaten in Echtzeit liefern sollen, werden blitzschnell am ruhenden Kern der Datenbasis vorbeigeschleust und in Real-Time auf Dashboards an­ gezeigt. So kann ein Produktionscontrolling rasch auf unerwartete Zwischenfälle reagieren. Für die Unterneh­ men, die ihre Daten gerne speichern möchten, jedoch mit der Vielfalt ihrer Auswertungsmöglichkeiten derzeit noch überfordert sind, kann bei großen Datenmengen ein Data Lake als Datendepot angelegt werden. Unter­ nehmen, die wiederum eine übersichtlichere und struk­ turiertere Variante benötigen, können für ihre Daten­ haltung eine relationale Datenbank etablieren. Auch Hybridlösungen aus mehreren oder gar allen Varianten können sich als sinnvoll erweisen. Think big – start small Wenn Unsicherheiten bei der Auswahl bestehen, hilft es wie bei so vielen Digitalisierungsmaßnahmen, zunächst im kleineren Rahmen zu starten und nach dem Motto think big – start small Skalierungs- und Erweiterungs­ optionen imHinterkopf zu behalten. Jedoch sollte es hier nicht um die Technologie gehen, sondern um die Errei­ chung übergeordneter Business-Ziele. Nach der Ent­ wicklung von Ideen für Digitalisierungsprojekte wird eine Roadmap für die Datenstrategie unter Berücksichti­ gung der digitalen Reife konzipiert. Häufig sind nach Aufbau erster Plattformstrukturen die Implementie­ rungsaufwände für beispielsweise Reporting-Tools ver­ hältnismäßig klein. Erste Quick Wins sind daher schnell zu verzeichnen und ein wichtiger Schritt für die Trans­ formationsstrategie der Organisation. Auf diese Weise erlebt das Unternehmen im natürlichen Tempo sein di­ gitales Erwachsenwerden. Fußnoten 1 Ernst & Young. 2018. Digitalisierung im deutschen Mittelstand. S. 11. 2 Bundesministerium für Wirtschaft und Energie. 2018. Monitoring-Report Wirtschaft DIGITAL 2018 (Langfassung). S. 51. 3 neuland.digital. 2014. Digital Transformation Report. S. 40 4 Mc Kinsey Global Institute. 2016. The Age of Analytics: Competing in a Data-DrivenWorld. S. 8 5 Harvard Business Review. 2017. What’s Your Data Strategy? 6 SAS Institute. 2014. Data Management –Why is it important? B.A. NINA WOLF Sycor GmbH Account Manager Business Intelligence, Münster. nina.wolf@sycor.de DIPL.-WIRT.-INF. JULIAN HANS Sycor GmbH Leiter Professional Services Business Intelligence, Münster. julian.hans@sycor.de DIPL.-VW. HANSW. KREFELD Sycor GmbH Director Business Intelligence, Münster. hans.krefeld@sycor.de