Data-Mesh – Das Data-driven Business braucht eine andere Daten-Architektur

Data-Mesh – Das Data-driven Business braucht eine andere Daten-Architektur
Quelle: Scott Van Hoy | unsplash

Auf dem Weg zum Data-driven Business stehen Unternehmen vor einer Herausforderung. Die Datenmengen, mit denen sie arbeiten, wachsen und wachsen. Immer größere Abteilungen nur für die Datenarbeit sind darauf aber die falsche Antwort. Zwar ist die Datenarbeit zentraler Teil des Alltags. Doch gerade Dezentralität zahlt sich hier aus.

Was zuerst widersprüchlich klingt, ist in Wirklichkeit eine logische Konsequenz: Wenn Daten immer wichtiger für Unternehmen werden, wird es für Unternehmen immer wichtiger, dass mehr als nur eine Abteilung mit ihnen umgehen kann. Das hat Konsequenzen, auch für die Unternehmenskultur.

Data-Mesh macht klar: So wie es ist, kann es nicht bleiben

Es ist bei weitem nicht das erste Mal, dass Unternehmen neue Daten-Architekturen einführen. Allein schon die Namen der verschiedenen Architekturen verraten, ihnen geht es darum, die umfassenderen Datenmengen ihrer Zeit zu beherrschen.

Zunächst wurden Datenquellen voneinander isoliert in einzelnen »Datensilos« gespeichert. Es folgte das zentrale »Data-Warehouse«, das alle aufbereiteten Daten vereinen sollte. Aber auch das Warehouse platzte aus seinen Nähten.

Deshalb kam der »Data-Lake« – ein Speichermonstrum, welches alle aufbereiteten Daten und Rohdaten konzentriert. Aufgrund der Datenmenge muss der Lake jedoch oft mit Strukturproblemen kämpfen. Denn der Data- Lake hat nur einen Abstrom.

Um zu erkennen, warum eine effiziente Datenarbeit ins Straucheln gerät, sollten wir uns ein anderes Bild statt das des Sees vorstellen. Nehmen wir eine Flasche. Die kennen wir in unterschiedlichen Größen. Aber wenn wir genau hinschauen, bleibt ein Teil der Flasche immer gleich groß: Der Flaschenhals, oder auch »Bottleneck«. Mit immer umfangreicherem Datenschatz erweist sich der Bottleneck immer mehr als eine hinderliche Engstelle.

Im Unternehmen liegt eben jene Engstelle zentral: bei den Data Engineers und IT-Fachkräften. Von allen Seiten bekommen sie stetig mehr Datenarbeit zu bewältigen. Der Output, den sie leisten, kann dem wachsenden Input irgendwann nicht mehr standhalten.

Die Teams, die auf ihre Leistung zählen, haben das Nachsehen – Daten fehlen oder bei der Qualität ist deutlich zu viel Luft nach oben. Effizienz? Die sieht anders aus und wenn wir mal ehrlich sind, das Bild vom Data-Lake erscheint so in einem anderen Licht. Denn ein See ist doch normalerweise gut zugänglich. Genau da wollen wir hin mit dem Data-Mesh.

Data-Mesh: Ran an die Strukturen

Der Bottleneck muss also weg, damit alle Teams an die Daten kommen, die sie im datengetriebenen Unternehmen brauchen. Konkret bedeutet das, dass die Datenkompetenz aus ihrer Zentrale abwandert und zwar an all die Stellen, die die Daten bereitstellen und nachfragen. Just help yourself!

Der Self-Service-Ansatz braucht, um zu funktionieren, gemeinsame Standards und Toolsets wie auch Frameworks. Hier ergibt es durchaus Sinn, dass diese zentralisiert von einem spezialisierten Team organisiert sind. Nicht von ungefähr reden wir hier von »Infrastructure as a Platform« oder kurz IaaP.

Datenkompetenz zu dezentralisieren und in die Teams zu integrieren erfordert, dass dort die erforderlichen Mitarbeiterinnen und Mitarbeiter ihren Platz finden. Das sind »Data Engineers«, die das technische Know-how mitbringen, und es sind »Domain Data Product Owner«, die Anforderungen definieren und die fachliche Verantwortung tragen.

Die Data-Mesh-Architektur löst auf die Art ein weiteres Problem: Bisher war nicht klar, wer so wirklich die Verantwortung für die Datenarbeit und ihre Qualität übernimmt.

Verantwortungsdiffusion bestand zwischen denen, die die Daten produzieren, denen, die sie bereitstellen, und denen, die sie konsumieren. Die Zeiten können von nun an der Vergangenheit angehören.

Daten werden zu Produkten. Die Ansprüche steigen.

Es lohnt sich übrigens einen weiteren Blick auf den Domain Data Product Owner zu werfen. Denn die Jobbezeichnung beinhaltet gleich zwei neue Eigenschaften, die Data-Mesh etabliert. Erstens denken wir Teams neu und sprechen von nun an von »Domains« oder länger von »Domain data cross-functional teams«.

Die neue Struktur und die dezentralisierten Aufgabenbereiche sind es wert, das in der Sprache zu spiegeln. Mehr als nur Rhetorik, das gilt auch für das »Data Product«. Datenprodukte sind nämlich so viel mehr als Datensätze. Hier achten wir auf Qualitätskriterien:

  • Wir wollen unseren Datensatz finden und durchsuchen können.
  • Daten sind nichts Exklusives mehr! Entweder erklärt sich der Datensatz von selbst oder er hat eine verständliche Dokumentation.
  • In den ganzen weiterführenden Datenpipelines soll der Datensatz seine Verwendung finden. Was er dafür braucht, ist eine eindeutige Adresse. Außerdem müssen Programme auf ihn zugreifen können. Das macht am Ende allen das Leben leichter.
  • Gerade über verschiedene Domains hinweg sollen doch die Datensätze verfügbar bleiben – und auch miteinander verbunden werden können. Die Aufgabe übernehmen gemeinsame Schlüsselfelder, zum Beispiel eine Kundennummer. Interoperabilität heißt das Zauberwort und ermöglicht sogar Datensätze zusammenzufassen oder zu filtern.
  • Aber nach wie vor darf nicht jeder Hans und Franz in sensible Kundendaten Einblick bekommen. Natürlich müssen Unternehmen klar regeln, wer worauf Zugriff haben darf.
  • Kontrolle ist gut, Vertrauenswürdigkeit ein Kriterium für Datenprodukte: Wir erheben weiterhin nur Daten, die wir brauchen, und arbeiten mit ihnen erst, wenn sie bereinigt, geprüft und aufbereitet sind. Ein Hefeteig ist noch lange keine Pizza, Rohdaten sind noch lange kein Datenprodukt.

Data-Mesh verändert Unternehmenskultur

Einige Gütemerkmale unserer Datenprodukte kennen wir schon. An der Stelle merken Unternehmen, wie sehr es sich auszahlt, auf eine gute und konsequente Data Governance zu setzen. Sie verkürzt die To-Do-Liste für die Transformation. Doch auch wenn hier noch Baustellen bestehen sollten, Data-Mesh bringt noch größere Chancen mit sich, sogar in Sachen Unternehmenskultur.

Wenn sich die Datenkompetenz weiter verbreitet, heißt das, dass Datenwissen demokratisiert wird. Oder anders gesagt: Mitarbeiterinnen und Mitarbeiter identifizieren sich mehr mit dem Data-driven Business, wissen, worum es geht, und können ihre eigene Kreativität einbringen.

Im Idealfall ergeben sich so Impulse für neue Lösungsansätze, um der Konkurrenz einen weiteren Schritt voraus zu sein. Mitarbeiterinnen und Mitarbeiter, die mit Daten arbeiten, Erfolge tracken, datengetrieben denken – ein Großteil von Führungskräften sieht genau das als Qualifikation der Zukunft. Wer hätte geahnt, dass ein Unternehmen ohne Data-Bottleneck solche Potenziale entfalten kann?

Data-Mesh und Data Culture im aktuellen Trendbuch: Jetzt kostenfrei herunterladen!

Digitale Champions Trendbuch Handelskraft 2022Data-Mesh ist ein entscheidender Schritt auf dem Weg zum datengetriebenen Unternehmen. Erfahrt im aktuellen Trendbuch Handelskraft 2022 »Digitale Champions« wie Daten zu Freunden werden und wie der Change gelingt. Das Wissen zur digitalen Transformation ist nah.

Füllt das Formular aus und sichert euch ein kostenloses Exemplar

(10 Bewertung(en), Schnitt: 5,00 von 5)
Loading...