Mit der richtigen Strategie zu einer zukunftsfähigen Analytics-Umgebung 

Wozu brauche ich eine Datenstrategie?

Das Geschäftsmodell der Unternehmen basiert bereits heute zu einem großen Teil auf einem technischen Betriebsmodell. Jede Entscheidung, die wir in Bezug auf die Architektur, den Code oder die Organisation treffen, hat Auswirkungen auf das operative Geschäft und die Anwender. Viel zu lange haben wir entkoppelt, was zusammen gehört. Die Folge ist, dass unsere Strukturen mit den notwendigen Veränderungen nicht Schritt halten können. Eine gute Datenstrategie beschreibt einen Weg, genau dieses Problem zu lösen. 

Es mag offensichtlich klingen, aber den meisten Unternehmen fehlt ein verständlicher und vor allem ganzheitlicher strategischer Plan, wie Daten, Analysen, Frontend-Tools und Mitarbeiter zusammenkommen, um heute und in Zukunft echten Mehrwert aus Daten zu schaffen. Die Stärke eines Plans besteht darin, dass er ein Ziel und eine gemeinsame Sprache liefert, die es Führungskräften, Technologieexperten, Datenwissenschaftlern und Managern ermöglicht, zu diskutieren, woher die größten Erträge kommen werden, und - was noch wichtiger ist - die Stellen auszuwählen, an denen sie anfangen wollen. Ein guter strategischer Plan hebt deshalb die kritischen Entscheidungen oder Kompromisse hervor, die ein Unternehmen treffen muss. Er definiert und priorisiert die Initiativen zum Ziel. 

Doch wie schafft man den notwendigen kulturellen Wandel? Wie sieht eine Datenstrategie aus, die auch auf ihre Datenkultur "einzahlt"? Wie passt Ihre Datenstrategie mit ihrer Unternehmensstrategie zusammen?  Wo und wie genau fängt man denn mit der Entwicklung einer solchen Strategie an? Welche Rolle spielen Use Cases und wann im Prozess sollte ich mich darum kümmern? Wie schaffe ich die Operationalisierung?

Lesen Sie in unserem Whitepaper, warum ein Data Mesh für Sie die richtige Basis sein könnte und welche zentrale Rolle ein durchdachtes Vorgehensmodell dabei spielt. Lesen Sie, welche Auswirkungen der Problemlösungsmodus auf das Ziel-Architekturmodell hat, welche Rolle die Datenkultur spielt und was das alles mit Ihrer Datenstrategie zu tun hat.

Domänen-zentriertes Vorgehen 

Komplex und kompliziert darf man nicht verwechseln. Kompliziertheit ist ein Maß für Unwissenheit. Sie verschwindet durch Lernen. Komplexität ist das Maß für die Menge der Überraschungen, mit denen man rechnen muss. Kompliziertheit kann man reduzieren, Komplexität nicht. Man muss sie erschließen. Domänen-zentriertes Vorgehen ist ein in der Softwareentwicklung bewährtes Verfahren für das Erschließen komplexer Systeme. Die Basis ist die Analyse der Kommunikation, Schnittstellen, Entscheidungen, Ereignisse usw. zwischen Domänen. Auf den so gewonnen Erkenntnissen kann ein sinnvoller modularisierter Neuaufbau des Betriebsmodells erfolgen. 
-> mehr zu Domain Driven Design

Operationalisierung auf dem "Data Thinking Weg"

Mit unserem erprobten Vorgehen des "Data Thinking" begleiten wir unsere Kunden bei der Umsetzung ihrer Advanced Analytics Strategie. Der Data Thinking Weg ermöglicht uns ein gleichzeitig methodisch und strukturiertes, aber dennoch agiles Vorgehen. So stellen wir in jeder Phase die richtigen Fragen, identifizieren die Herausforderungen und erarbeiten gemeinsam die besten Lösungen. Nach der Erprobung und iterativen Optimierung im Data- oder MLLab  überführen wir diese in den Betrieb als Data- oder MLOps.
-> mehr zu Data Thinking