Warum ist die Datenmodellierung eine grundlegende Aktivität zur Unterstützung Ihres datengesteuerten Unternehmens und wie kann man sie angehen?
Die Datenmodellierung ist eine gemeinsame Aufgabe von Unternehmen und IT. Ein weit verbreiteter Irrglaube ist, dass es sich dabei in erster Linie um einen notwendigen technischen Schritt bei der Entwicklung von Anwendungen und eine Aufgabe handelt, die den IT-Experten vorbehalten ist. Die Wahrheit ist, dass nur eine enge Zusammenarbeit mit den jeweiligen Fachleuten aus dem Geschäft datengesteuerte Anwendungen hervorbringt, die die Geschäftsziele unterstützen. Datenmodelle dienen als Kommunikationsmittel, um dieses Ziel zu erreichen.
Die bereichsbezogene Datenmodellierung ist ein moderner Ansatz mit übergreifenden Elementen wie dem Enterprise Conceptual Data Model und der Data Model Governance. Der Ansatz ist strukturiert und dennoch pragmatisch und orientiert sich an den Bereichen mit dem höchsten Geschäftswert.
Warum ist die Datenmodellierung heute so wichtig?
Datenmodelle sind ein Kommunikationsinstrument zwischen Menschen, vor allem aus den Geschäfts- und IT-Abteilungen, sowie ein Entwurf für den Aufbau datenzentrierter Anwendungen. Diese weitreichenden Erwartungen an Datenmodelle machen deutlich, dass die Datenmodellierung eine grundlegende Tätigkeit ist. In der Realität wird sie jedoch oft unterbewertet und ist unterrepräsentiert. In Projekten neigt man dazu, sich mehr auf die Syntax und die technischen Aspekte der Datenmodellierung zu konzentrieren, anstatt sich vom geschäftlichen Wert der Modellierung leiten zu lassen. Die aus den Geschäftszielen abgeleitete Datennutzung führt zu einem Wettbewerbsvorteil auf dem Markt.
Die Vorteile der Datenmodellierung sind vielfältig und werden in der folgenden Abbildung zusammengefasst.
Datenmodellierung unterstützt die Strategie. Gute Datenmodellierungsverfahren führen zu anpassungsfähigeren Datenstrukturen und höherer Effizienz bei der Umsetzung strategischer Änderungen. Datentransparenz erleichtert Fusions- und Akquisitionsstrategien.
Die Zusammenarbeit zwischen verschiedenen Funktionen und Einheiten, insbesondere zwischen Business und IT, wird durch die Kommunikation von Datenmodellen in einer technologieneutralen Art und Weise, aber dennoch mit ausreichendem Detaillierungsgrad gefördert, um eine Erstellung von physischen Datenstrukturen zu ermöglichen.
Höhere Leistung und geringere Kosten. Bei den modernen Datenspeicherlösungen ist die teuerste Komponente nicht die Speicherung, sondern die Berechnung. Im Allgemeinen senkt ein gutes Datenmodell die Kosten für die Abfragen und führt zu weniger komplexem Code, wodurch die Anwendungsgeschwindigkeit erhöht und der Implementierungs- und Wartungsaufwand verringert wird.
Verstehen und Verbessern von Geschäftsprozessen. Die Datenmodellierung zwingt das Unternehmen dazu, sein Geschäft und seine Prozesse zu artikulieren. Es ist nicht möglich, die Struktur und Dynamik von Daten zu definieren, wenn nicht bekannt ist, wie das Unternehmen arbeitet.
Schnellere Wertschöpfung und höhere Effizienz. Bei der Datenmodellierung können die Geschäftsanwender direkt an der Definition der wichtigsten Geschäftsregeln mitwirken, was bedeutet, dass bei der Implementierung weniger Überarbeitungen erforderlich sind. Dies erhöht die Effizienz und senkt die Kosten.
Verbesserte Datenqualität. Die Datenmodellierung kann dabei helfen, Fehler und Unstimmigkeiten in den Daten zu erkennen, was die Gesamtqualität der Daten verbessert.
Die Datenmodellierung ist in den letzten Jahren ein sehr viel komplexeres Unterfangen geworden. Die zunehmende Komplexität und Dynamik der Datenarchitekturlandschaft, exponentiell steigende Datenmengen sowie neue Technologietrends und Fortschritte im Bereich der KI/ML sind die wichtigsten Faktoren. In Kombination mit den sich ständig ändernden Geschäftsanforderungen muss die Datenmodellierung strukturiert durchgeführt werden, um effektiv zu sein.
Die gute Nachricht ist, dass die Ideenfindung für die Erstellung von Datenmodellen pro Anwendungsfall deutlich einfacher geworden ist. Es gibt viele Ressourcen über Datenmodellierungsmuster und branchenspezifische Standards. Darüber hinaus gibt es Werkzeuge, die auf der Grundlage der bereitgestellten Daten physische Datenmodellstrukturen vorschlagen, und GenAI ist in der Lage, Teile von Datenmodellen auf der Grundlage der bereitgestellten Anforderungen zu generieren. All dies ersetzt jedoch nicht den Bedarf an Datenmodellierern. Der Bedarf an Datenmodellierung als Tätigkeit bleibt bestehen. Die Erstellung von Datenmodellen hat nicht nur eine reine Anforderungs- und technische Perspektive, sondern ist auch ein Produkt einer Vereinbarung und eines gemeinsamen Verständnisses zwischen den relevanten Interessengruppen aus Business und IT.
Wie lassen sich Datenmodelle im Rahmen eines ganzheitlichen Ansatzes implementieren und verwalten?
Unternehmensdaten sind über verschiedene Datenspeicher verteilt, die zentral oder von einzelnen dezentralen Einheiten verwaltet werden. Unternehmensweite Analysen setzen voraus, dass die zugrundeliegenden Daten aus verschiedenen Quellen integriert und in gewünschter Weise kombiniert werden können. Um dies zu erreichen, wird ein gemeinsames Datenmodell benötigt, das ein kollektives Verständnis von Geschäftseinheiten, Beziehungen und Regeln repräsentiert und damit eine allgemeine Akzeptanz erreicht.
Das Unternehmensdatenmodell (EDM) ist ein solches übergreifendes gemeinsames Datenmodell, das in Zusammenarbeit zwischen verschiedenen Ebenen und Einheiten des Unternehmens erstellt wurde. Es handelt sich um ein ganzheitliches, schichtenbasiertes Modell, dessen Schichten die Unternehmens-, Fachgebiets- und Anwendungsebene repräsentieren und darüber hinaus einem konzeptionellen, logischen oder physischen Datenmodelltyp entsprechen. Das EDM bietet ein gemeinsames Vokabular und gleicht Unterschiede zwischen verschiedenen Auffassungen derselben Geschäftseinheit durch entsprechende Zuordnungen aus. So kann beispielsweise die Entität Kunde in einer zentralen Abteilung ein Kunde in einer dezentralen Einheit sein.
Das oberste konzeptionelle Unternehmensdatenmodell ist die einzige zentral verwaltete Komponente. Die konzeptionellen Datenmodelle der Fachbereiche (CDM) sowie die entsprechenden logischen (LDM) und physischen Datenmodelle (PDM) darunter werden von den einzelnen Funktionsbereichen einer Organisation verwaltet, z. B. Finanzen oder Marketing.
Die Fachbereichsmodelle ermöglichen die Autonomie der entsprechenden Geschäftsbereiche über ihre Daten bei gleichzeitiger Einhaltung der umfassenderen Organisationsstandards. Sie sind keine eigenständigen Artefakte, sondern vielmehr miteinander verknüpft und ermöglichen so die unternehmensweite Integration.
Dieses bereichsorientierte Design ist auch im Data-Mesh-Ansatz enthalten, einer dezentralen soziotechnischen Datenarchitektur, die das Konzept von Daten als Produkt einzelner Bereiche verstärkt.
Die Richtlinien, Verfahren, Standards und Metriken, die den effektiven und effizienten Einsatz der Datenmodellierung innerhalb einer Organisation sicherstellen, werden von der Datenmodell-Governance verwaltet. Sie konzentriert sich auf die Überwachung und Regulierung der Datenmodellierungsbemühungen und ist ein Teil der allgemeinen Data Governance-Funktion. Einer der Bereiche der Datenmodell-Governance ist die Erstellung interner Datenmodellierungsrichtlinien, die Aspekte wie Datenmodellierungsnotationen, Namenskonventionen, Designstandards und Dokumentationsanforderungen abdecken. Eine regelmäßige Qualitätskontrolle ist ein weiterer wichtiger Aspekt, bei dem Metriken wie die Data Model Scorecard bei der Überprüfung von Datenmodellen angewendet werden.
Leitprinzipien
Aus allgemeiner Sicht werden die folgenden Leitprinzipien für einen Datenmodellierungsansatz empfohlen:
Stellen Sie sicher, dass die relevanten Fachexperten (KMUs) aus dem Unternehmen sowie die IT-Experten an der gemeinsamen Erstellung oder Anpassung der konzeptionellen und logischen Datenmodelle beteiligt sind.
Verwenden Sie generische Datenmodellierungsvorlagen aus der Branche oder solche, die mit KI erstellt wurden, als Inspiration und Checkliste und nicht als ersten Entwurf Ihres Datenmodells.
Das EDM selbst umfasst nicht alle möglichen Datenmodelle, die in einem Unternehmen existieren, sondern konzentriert sich auf die Kerndaten des Unternehmens.
Halten Sie die Komponenten des Unternehmensdatenmodells nach jeder agilen Iteration konsistent zueinander.
Die Erstellung des Unternehmensdatenmodells ist keine akademische Übung, sondern vielmehr ein vernünftiges und praktisches Unterfangen. Seien Sie pragmatisch und halten Sie den Nutzen und den Aufwand im Gleichgewicht. Beginnen Sie zuerst mit den Quick Wins - den Bereichen mit dem höchsten Geschäftswert.
Die Datenmodellierungsfähigkeit einer Organisation ist eine Reise, die häufig durch Stufen in einem entsprechenden Reifegradmodell gekennzeichnet ist. Die Reifegradbewertungen ermöglichen die Bewertung des aktuellen Zustands und zeigen einen Fahrplan für den weiteren Weg auf. Ausgehend von den anfänglichen Ad-hoc-Bemühungen entwickelt sich die Organisation typischerweise durch die Festlegung von Standards und anschließenden Governance-Richtlinien, durch die Einführung fortschrittlicherer Tools und kontinuierlicher Verbesserungspraktiken.
AdEx Partners bietet einen umfassenden Ansatz, um die Datenmodellierungsfähigkeiten Ihrer Organisation zu bewerten und sie gemeinsam mit Ihnen weiterzuentwickeln, um Ihre spezifischen Geschäftsanforderungen zu erfüllen. Wir beginnen mit der Analyse des Ist-Zustandes und treiben die Transformationsinitiativen begleitet von den besten agilen und Projektmanagementpraktiken voran.
Ihre Ansprechpartner
