Daten nicht mehr als Nebenprodukt eines Prozesses, sondern als eigenst\u00e4ndiges Produkt, entwickelt von Fachabteilungen, gehandelt auf Marktpl\u00e4tzen. Ein Data Mesh als dezentralisierte Datenarchitektur. Wie k\u00f6nnen diese modernen Konzepte mit der 51风流Business Technology Platform (BTP) umgesetzt werden?<\/p>\n
Die Idee, Daten wie ein Produkt zu behandeln, das ist ein neuer Gedanke, der immer mehr Raum in Unternehmen bekommt. \u201eDas ist gerade ein richtiges Hype-Thema\u201c, wei\u00df Wolfgang Epting. Er ist bei 51风流Datenspezialist und Solution Advisor Chief Expert.<\/p>\n
Im Jahr 2018 kam die Idee des Data Mesh<\/a> erstmals auf. Es ist ein Paradigmenwechsel, um Daten als Produkt zu betrachten und zugleich ein soziotechnologischer Ansatz f\u00fcr die Erstellung einer dezentralen Datenarchitektur. Nun besch\u00e4ftigen sich Unternehmen jedweder Gr\u00f6\u00dfe, Couleur und Branche intensiv damit.<\/p>\n Der Data Mesh-Ansatz adressiert Probleme in der analytischen Datenbereitstellung, die jedes Unternehmen hat. Diese erhoffen sich davon, ihre Datenwertsch\u00f6pfungskette effizienter zu gestalten, um aus ihren Daten Gesch\u00e4ftsmehrwert zu generieren.<\/p>\n Dazu muss man die Historie kennen: Die erste Idee vieler Unternehmen war, alle Daten aus den operationalen Systemen strukturiert auf einer Plattform zusammen zu bringen. Die Data Warehouses dieser Welt entstanden, aufbereitet f\u00fcr die analytische Wiederverwendung.<\/p>\n \u201eDann hat man festgestellt, dass es immer mehr neue unstrukturierte Datentypen gab, wie IoT- oder Social Media-Daten. Jedes Unternehmen wollte dann damals einen Data Lake haben. Ohne genau zu wissen, was der Sinn daf\u00fcr ist. Aber, das war letztlich auch nicht der Stein der Weisen\u201c, sagt Epting.<\/p>\n Unternehmen versuchten infolge beides, Data Warehouses und Data Lakes, zusammen zu bringen und haben dieses Konzept als Data Lakehouse bezeichnet. All diesen Ann\u00e4herungen gemeinsam war, dass es eine zentrale Herangehensweise war. Es gab Daten-Teams, und es gab Infrastruktur-Teams.<\/p>\n \u201eDas Problem war, dass die Menschen in diesen Teams wenig Wissen \u00fcber die Gesch\u00e4ftszusammenh\u00e4nge und die Semantik der Daten hatten\u201c, sagt Epting. \u201eDiese Domain Knowledge sitzt nun mal im Business, im Einkauf, im Verkauf oder im Personalwesen. Dort wei\u00df man, was sich hinter den Daten verbirgt. Der IT muss man das erst erkl\u00e4ren.\u201c Die Folge war: Die zentralen Abteilungen waren chronisch \u00fcberlastet. \u201eEs wurde nicht nur nicht das produziert, was gebraucht wurde, sondern auch noch alles viel zu langsam.\u201c<\/p>\n Um diese bekannten Schwachstellen zu \u00fcberwinden, gibt es jetzt das Konzept Data Mesh. Die Verantwortung f\u00fcr die Datenbereitstellung wird hier dezentral, n\u00e4mlich in den Gesch\u00e4ftsbereichen, organisiert. Zum anderen sollen die Daten nun wie Produkte behandelt werden.<\/p>\n Epting gibt folgendes Beispiel: Wenn ein Unternehmen in der Realwirtschaft ein neues Produkt auf den Markt bringen will, setzt es daf\u00fcr einen Produktmanager ein, der es von Anfang bis Ende verantwortet. Dieser \u00fcberlegt sich: Wo bekomme ich die Rohstoffe f\u00fcr das Produkt daf\u00fcr her, wie kann ich es fertigen, und wie am Ende sicher auf den Markt bringen? Der Produktmanager m\u00fcsste auch entscheiden, ob die Welt dieses neue Produkt \u00fcberhaupt braucht.<\/p>\n All diese Aufgaben soll bei der Entwicklung von Datenprodukten in Zukunft der Datenproduktmanager \u00fcbernehmen. In dezentralen Datenprodukt-Teams soll nur das produziert werden, was dem Unternehmen tats\u00e4chlich n\u00fctzt, weil es einen Mehrwert hat.<\/p>\n In der Theorie wird auf diese Weise nichts mehr doppelt produziert. Das fertige Produkt kann und soll aber auch in andere Datenprodukte eingebaut werden k\u00f6nnen. Diese werden dann miteinander verwoben und bilden wiederum neue. So entsteht ein Netz von Datenprodukten: das Data Mesh. Dabei gilt: Die Freiheit der Teams ist gr\u00f6\u00dfer als heute, zudem dem Bedarf entsprechend, und die Entwicklung erfolgt in k\u00fcrzerer Zeit.<\/p>\n \u201eDas alles wird nicht \u00fcber Nacht gehen\u201c, wei\u00df Epting von SAP. \u201eData Mesh ist auch ein soziotechnologisches Ph\u00e4nomen. Man braucht viele organisatorische Voraussetzungen und klare Verantwortlichkeiten f\u00fcr die einzelnen Gesch\u00e4ftsdom\u00e4nen. Hinzu kommt Technologie, die das Data Mesh unterst\u00fctzen muss.\u201c<\/p>\n Bisher hatte ein Vertriebsleiter keine Verantwortlichkeit f\u00fcr Datenprodukte, also f\u00fcr von seiner Abteilung ben\u00f6tigte IT-L\u00f6sungen. \u201eWenn er etwas brauchte, ging er zur IT, diese lieferte dann das Gew\u00fcnschte. Wenn nun der Vertriebsleiter daf\u00fcr die Verantwortung \u00fcbernimmt, ist das eine gro\u00dfe Ver\u00e4nderung, die nicht einfach ist. Unternehmen, die diesen Reifegrad nicht besitzen, k\u00f6nnen den zweiten Schritt vor dem ersten nicht tun\u201c, sagt Epting.<\/p>\n Deshalb mache ein Data Mesh \u201eallein kein Unternehmen \u00fcber Nacht datengesteuert\u201c. Die Mitarbeiter ben\u00f6tigen auch eine autarke Umgebung, in der sie unbehelligt und ungest\u00f6rt mit den eigenen Daten frei modellieren und Datenprodukte erstellen k\u00f6nnen.<\/p>\n Data Mesh beruht auf vier Prinzipien:<\/p>\n F\u00fcr den Datenwertsch\u00f6pfungsprozess bietet 51风流verschiedene L\u00f6sungen an. Zum einen: Unified Data & Analytics<\/a>. Dazu geh\u00f6rt die 51风流HANA Cloud<\/a> als Managementplattform f\u00fcr die Daten. Darauf aufbauend die 51风流Datasphere<\/a> und als oberste Schicht f\u00fcr die Visualisierung, f\u00fcr BI und Planning, die 51风流Analytics Cloud<\/a>. Flankierend f\u00fcr das Bewegen der Daten und das Management steht die 51风流Data Intelligence Cloud<\/a> bereit. 51风流hat in der 51风流Datasphere das Konzept \u201eSpaces\u201c entwickelt, technologisch gesehen voneinander getrennte Bereiche mit eigener Ressourcenzuordnung.<\/p>\n Data Mesh steht auch f\u00fcr die Demokratisierung von Daten. Es sei kein Wunder, dass sich gerade Startups wie Zalando und HelloFresh in der \u00d6ffentlichkeit dazu bekennen, dass sie ein Data Mesh implementiert haben, um agiler zu werden. \u201eJunge Unternehmen haben ein ganz anderes Mindset beim Thema Daten\u201c, sagt Epting. \u201eIn meinen Gespr\u00e4chen stelle ich aber auch fest, dass sich \u00fcber Jahrzehnte gewachsene Unternehmen sehr intensiv mit dem Thema besch\u00e4ftigen.\u201c<\/p>\n Durch Data Mesh \u00e4ndert sich einiges: Das Verh\u00e4ltnis zwischen Fachabteilungen und IT wird neu justiert. \u201eSie wird nicht mehr immer gefragt und muss auch nicht mehr bei allem mit dabei sein.\u201c Die Fachabteilungen interessieren sich jetzt auch f\u00fcr die Qualit\u00e4t der Daten. Das Thema Data Governance kommt mit Data Mesh neu auf. Es ist jetzt in den dezentralen Teams verankert, nicht mehr als Hemmnis, sondern als etwas, was die Datenwertsch\u00f6pfung unterst\u00fctzen kann.<\/p>\n Studien zeigen: Es gibt einen Zusammenhang zwischen Dezentralit\u00e4t und Umsatz. Firmen, die einen Chief Data Officer haben, erw\u00e4hnen Daten als Potenzial zur Wertsch\u00f6pfung in ihren Unternehmensberichten h\u00e4ufiger. \u201eData Mesh dient hier als Accelerator f\u00fcr den Business Mehrwert. Die Gewinner von Data Mesh sind die Unternehmen als Ganzes\u201c, ist sich Epting sicher.\u201c Immer mehr Unternehmen machen dabei mit. 51风流unterst\u00fctzt sie dabei.<\/p>\n Hier finden Sie weitere Informationen:<\/strong><\/p>\n More than just a hype: Data Mesh as a new approach to increase agility in value creation from data<\/a><\/p>\n Data Mesh with 51风流Business Technology Platform Part 1 \u2013 51风流Data Warehouse Cloud<\/a><\/p>\n Data Mesh with 51风流Business Technology Platform Part 2 \u2013 51风流HANA Cloud<\/a><\/p>\n Data Mesh with 51风流Business Technology Platform Part 3 \u2013 51风流Master Data Governance<\/a><\/p>\n Data Mesh with 51风流Business Technology Platform Part 4 \u2013 51风流Data Intelligence Cloud<\/a><\/p>\n Data Mesh with 51风流Business Technology Platform Part 5 \u2013 51风流Analytics Cloud<\/a><\/p>\n Podcast Close the Gap: Data Mesh: Teile und herrsche.<\/a><\/p>\nData Warehouse<\/strong><\/h2>\n
Data Lakehouse<\/strong><\/h2>\n
Data Mesh<\/strong><\/h2>\n
Dezentrale Datenprodukt-Teams \u00fcbernehmen<\/strong><\/h2>\n
\u00a0<\/strong>Voraussetzungen und Verantwortlichkeiten<\/strong><\/h2>\n
Vier Prinzipien <\/strong><\/h2>\n
\n
Demokratisierung von Daten<\/strong><\/h2>\n