Was ist ein Daten­management? Definition, Elemente und Vorteile kennenlernen

Unternehmen wie Nike, Zalando oder Hello Fresh sind erfolgeich, nicht nur weil sie gute innovative Produkte und Services anbieten, sondern insbesondere auch, weil sie ihre Daten optimal einsetzen. So verstehen sie ihre Kunden besser, können bessere Angebote bieten und ihre Prozesse optimal gestalten.
Doch was können sich Unternehmen genau unter einem Datenmanagement vorstellen und wie sieht eine Datenmanagement Definition aus?

Was ist ein Datenmanagement?

Ein Datenmanagement ist ein übergreifendes Konzept, das verschiedene Aspekte der Verwaltung & Verwendung von Daten in einem Unternehmen umfasst. Dazu gehören die strategische Planung und Steuerung von Daten, die Organisation von Prozessen und Ressourcen zur Verwaltung von Daten, sowie die Verwendung von Technologien, um Daten zu sammeln, zu speichern, zu analysieren und zu visualisieren.

Ein erfolgreiches Datenmanagement erfordert daher die Entwicklung dedizierter Fähigkeiten auf strategischer, organisatorischer und technologischer Ebene. Diese Fähigkeiten sind notwendig, um eine hohe Qualität und Verfügbarkeit der Daten zu gewährleisten und datengetriebene Anforderungen aus den Geschäftsbereichen zu realisieren in Form von neuen (digitalen) Produkten und Services

Ein Datenmanagement unterstützt Unternehmen zudem die gesetzlichen und regulatorischen Anforderungen (z.B. DSGVO) in Bezug auf den Umgang mit Daten einzuhalten und nachvollziehbar zu machen.

Mit Datenmanagement zur Datenexzellenz

Führende Unternehmen nutzen Ihre Daten, um digitale Use Cases zu realisieren und so Mehrwert für sich und für ihre Kunden zu schaffen. Die Fähigkeit, das volle Potenzial der Daten im Unternehmen auszuschöpfen – die so genannte Datenexzellenz – ist kein Zufall. Datenexzellenz erfordert den Aufbau von Datenmanagement Fähigkeiten in vier Dimensionen:

Das neoverv Datenmanagement Framework

Datenstrategie

Das Datenmanagement legt im Rahmen der Datenstrategie die Daten Vision, -Mission und -Ziele fest und verfolgt deren Umsetzung im Zuge der Implementierung einer definierten Daten Transformations Roadmap.

Die Strategiedimension bestimmt, wie das Datenmanagement im Unternehmen praktiziert wird. Grundsätzlich gibt es zwei unverzichtbare Elemente der Strategie.  Zum einen die Datenmanagement Vision, Mission und Ziele, die auf der Grundlage der übergeordneten Unternehmensstrategie definiert werden und die langfristige Ambition des Datenmanagements festlegen. Zum anderen eine Transformation Roadmap, die die Maßnahmen zur Realisierung der Vision, Mission und Ziele enthält und diese mit Leben füllt.

Datenstrategie messbar machen

Die Datenmanagement Ziele sollten messbar definiert werden (z.B. durch Nutzung der OKR-Methode) und Roadmap-Prioritäten und -Forschritt regelmäßig überprüft und angepasst werden. Des Weiteren eignet sich hier die Verwendung von spezifischen Daten KPIs um den Status der operativen Realisierung der Datenstrategie zu überprüfen. Hier gibt bereits eine Vielzahl an Best-Practice Daten-KPIs, die Realisierung begleiten und messbar machen können wie zum Beispiel: Die Anzahl der umgesetzten Daten Use Cases oder der etablierten Daten Rollen. Lesen Sie hier, wie sie messbare Ziele ihrer Datenstrategie festlegen und umsetzen können.

Business

Ein effektives Datenmanagement muss einen direkten Beitrag zu den geschäftlichen Bedarfen des Unternehmens leisten. Es soll keine reine technologie-getriebene Initiative sein, sondern an den Anforderungen der verschiedenen Geschäftsbereiche ausgerichtet sein.

Business Daten Domains

Um das Datenmanagement erfolgreich auszurichten, sind zwei Konzepte wichtig: Erstens ein klares Verständnis der geschäftlichen Anwendungsbereiche (sogenannte Business Domains) und der zugehörigen Geschäftsdaten. Zweitens ein Verständnis der aktuell und zukünftig relevanten Daten Use Cases je Geschäftsbereich, d.h. welche Kundenbedürfnisse, Innovationspotentiale bzw. Prozessoptimierungen durch die Nutzung von Daten erfüllt werden sollen.

Die Daten in einem Unternehmen sollten nicht ausschließlich von den Geschäftsbereichen verwaltet werden, die Sie erzeugen und verwenden. Um fundierte Entscheidungen treffen zu können benötigen Geschäftsbereiche wie z.B. Sales & Marketing eine Business-Domain übergreifende Sicht und Zugriff auf die Daten. Ein Datenmanagement ermöglicht diese übergreifende Anwendung und bewahrt zudem vor der Entstehung von isolierten Datensilos.

Die Darstellung unterhalb zeigt beispielhaft wie eine solche übergreifende Sicht auf die Daten aussehen kann. Kundendaten liegen hier sowohl im Strategiebereich als auch im Marketing & Sales, da sie von strategischer Wichtigkeit sind in Bezug darauf, welche neuen Produkte und Services die Kunden verlangen als auch von operativer Wichtigkeit in täglichen Anwendung um Bestellungen abzuwickeln oder Kundenservice zu gewährleisten.

Beispiel eines Business Daten Domain Models

Daten Use Cases

Die Daten Use Cases zeigen aktuelle und zukünftige Daten-Anwendungsbereiche. Die Use Cases helfen zu priorisieren , welche Daten benötigt sind und welche Daten Fähigkeiten und und -Technologien im Unternehmen etabliert werden müssen um die Anwendungsfälle erfolgreich umzusetzen. Unterhalb ist ein Beispiel eines Use Cases auf übergeordneter Ebene aufgeführt. Die Darstellung ermöglicht eine einfache Vergleichbarkeit der Use Cases und ermöglicht einfache Priorisierung nach Mehrwert für das Unternehmen. Mehr über die Entwicklung von Daten Use Cases hier erfahren.

Beispiel eines Daten Use Cases

Governance

Ein Datenmanagement muss eine effektive Daten Governance und Daten Organisation bereitstellen, um die Datenqualität und -verfügbarkeit zu optimieren und die richtigen Kompetenzen für eine effektive Datennutzung bereitzustellen. Des Weiteren unterstützt ein Datenmanagement Unternehmen dabei Ihre Datenschutz und Compliance Anforderungen einhalten zu können.

Daten-Rollen & Verantwortung

Um ein Datenmanagement effektiv umzusetzen, braucht es neue Verantwortlichkeiten und Prozesse im Unternehmen. Spezifische datengetriebene Rollen wie beispielsweise die des Data Owners und Data Stewards stellen sicher, dass neue benötigte Fähigkeiten aufgebaut werden und die Verantwortlichkeiten für Datenpflege und -nutzung klar definiert und gelebt werden. Ein Data Steward ist darüber hinaus verantwortlich für die Überwachung, Pflege und Sicherstellung der Qualität, Integrität und Verfügbarkeit von Daten.

Wichtig für die Etablierung der Data Rollen sind zwei Faktoren. Erstens eine Daten Rolle entspricht nicht einer neu zu besetzenden Position. Bestehende Positionen können mehrere Rollen vereinen. So kann beispielsweise ein Abteilungsleiter die Rolle des strategisch verantwortlichen Daten Owner übernehmen. Zweitens erfolgt die Etablierung der Rollen im Rahmen von konkreten Anwendungsfällen der Daten Use Cases, sodass die neuen Fähigkeiten direkt am geschäftlichen Mehrwert orientiert sind. Neue agile Zusammenarbeitsmodelle helfen sicherzustellen, dass Datenexperten aus Business und Tech Bereichen effektiv zusammenarbeiten.

Datenschutz & Compliance

Der Datenschutz ist ein wichtiger Aspekt eines Datenmanagements. Er sorgt dafür, dass persönliche Daten geschützt und vertraulich behandelt werden und dass sie ausschließlich für die Zwecke verwendet werden, für die sie gesammelt wurden. Ein Datenmanagement kann dazu beitragen, den Datenschutz zu fördern, indem es sicherstellt, dass Unternehmen die notwendigen technischen und organisatorischen Maßnahmen bereitstellen, um Daten vor Verlust, Diebstahl oder Missbrauch zu schützen.

Dazu gehören zum Beispiel die Verwendung von Verschlüsselung, die Einhaltung von Zugriffsbeschränkungen und die Durchführung von Sicherheitsüberprüfungen. Das Datenmanagement kann auch dazu beitragen, dass Unternehmen Transparenz bei der Verarbeitung von Daten zeigen und die Betroffenen über ihre Rechte informieren.

Compliance-Anforderungen sind Vorschriften und Regeln, die Unternehmen einhalten müssen, um sicherzustellen, dass sie sich an länder- & branchenspezifische Standards halten. Dazu gehören zum Beispiel die EU-Datenschutz-Grundverordnung (DSGVO), Payment Card Industry Data Security Standard (PCI DSS) oder auch das Lieferkettengesetz. Diese Vorschriften legen fest, wie Unternehmen mit persönlichen Datensätzen umgehen müssen und sorgen dafür, dass sie sicher und geschützt sind. Durch ein Datenmanagement können Unternehmen nachvollziehbar machen, wie sie persönliche Daten speichern und verwalten und ihre Compliance-Anforderungen für Dritte dokumentieren.

Technologie

Das Datenmanagement stellt außerdem die technische System-Architektur und Tool-Unterstützung bereit, um die Umsetzung der Data Use Cases und die Governance Anforderungen effektiv zu unterstützen.

Der Aufbau und der Einsatz von Daten-Technologien ist ein wichtiger Faktor, um Datenexzellenz zu erreichen. Das umfasst zum einen den Aufbau einer Datenarchitektur, die den flexiblen und kosteneffizienten Zugriff auf alle gemäß der Business Use Cases benötigten Daten erlaubt und die Bereitstellung von sogenannten Data Governance Tools, die tägliche datengetriebenen Aufgaben der Experten effektiv unterstützen.

Data Governancen Tools

Data Governance Tools sind Softwareanwendungen oder Cloud Datenplattformen, die Unternehmen zur Verwaltung, Überwachung und Durchsetzung ihrer Data Governance Richtlinien und -Prozesse einsetzen. Diese Tools können Unternehmen dabei helfen, verschiedene Aspekte der Data Governance zu automatisieren und zu rationalisieren, z. B. die Kontrolle der Datenqualität, die Zugriffskontrolle und die Compliance Berichterstattung.

Einige gängige Beispiele für Data Governance Tools sind Datenkataloge, technische Data Dictionaries, Data-Lineage-Tools und Data Governance Frameworks. Mit Hilfe dieser Tools können Unternehmen sicherstellen, dass ihre Daten korrekt, konsistent und sicher sind und in einer Weise verwendet werden, die mit den Unternehmenszielen und Anforderungen des Datenschutzes übereinstimmt.

Daten Technologien

Eine umfassende Datenarchitektur ermöglicht es Unternehmen ihre Daten zu sammeln, zu speichern, zu analysieren und zu visualisieren. Wichtige Daten wie z.B. Kundendaten, die in der Umsetzung der Use Cases benötigt werden, werden häufig in verschiedenen technischen Systemen gehalten (z.B. CRM, ERP). Ein effektives Datenmanagement stellt davon unabhängig eine Gesamtsicht auf die Daten sicher und erlaubt – je nach Anwendungsfall – eine Veränderung der Daten, die anschließend wieder konsistent in alle Systeme übernommen wird. Beispiele für solche Technologien, die dies unterstützen sind Data Lakes oder Data Warehouses, Extraction- & Integration Tools sowie Visualisierungs-Tools.

Beispiele von Daten Technologien und Anwendungsbereichen

Data Lakes und Data Warehouses dienen hier zur Speicherung und können zudem skaliert werden für Anforderungen aus dem Bereich Big Data oder künstliche Intelligenz. Extraction und Integration Tools ermöglichen die Bereitstellung der Daten in die jeweiligen Systemen und für die Data Use Cases. Analytics und Visualisierungstools helfen die Daten so aufzubereiten, dass sie smart die Entscheidungsfindung unterstützen können. Dies kann von einfachen Tabellen und Grafiken hin zu Monitoring Dashboards reichen. Die meisten Analytics & Visualisierungstool ermöglichen eine direkte Anbindung an die Datenbanken, sodass eine Live-Ansicht und Datenverarbeitung leicht ermöglicht werden kann.

Was sind die Vorteile eines Datenmanagements?

Betrachtet man Unternehmen, die Datenmanagement Vorhaben erfolgreich umgesetzt haben, so zeigen sich die Vorteile eines Datenmanagements insbesondere in drei Bereichen: Customer Experience, Produkt-Fit und Innovationsfähigkeit sowie operativer Exzellenz.

Vorteile eines Datenmanagement (beispielhaft)

Customer Experience

52 % der Unternehmen, die ein Datenmanagement eingeführt haben, geben an, dass sie die Kundenerfahrung verbessern konnten. Durch ein verbessertes Datenbild gelingt es ihnen z.B. besser die Vorlieben und Kaufgewohnheiten ihrer Kunden zu verstehen.  Dadurch, dass sie wesentliche Kunden- und Produktdaten sofort im Zugriff haben, können sie zudem ihren Kunden eine personalisierte und einfache Customer Journey bieten.

Führende eCommerce-Unternehmen wie Zalando integrieren Datenmanagement-Prozesse entlang der gesamten Wertschöpfungskette – im Verkauf, beim Einkauf und bei der Lieferung. So trägt ein effektives Datenmanagement entscheidend dazu bei, Informationsbedarfe (z.B. Produktverfügbarkeit, Lieferzeiten) in Echtzeit zu befriedigen, um die Kundenbindung (41%) und -loyalität (39%) zu stärken. Darüber hinaus ermöglicht eine effiziente Datenanalyse Unternehmen eine gezieltere Kundenansprache, was zur Gewinnung neuer Kunden beiträgt (36%).

Produkt-Fit & Innovation

Ein effektives Datenmanagement leistet darüber hinaus ein wesentlichen Beitrag zur Entwicklung innovativer Produkte und Services. Um bestehende Produkte weiter zu verbessern, brauchen Produkt Manager Daten. Mit Hilfe des Datenmanagements können diese demokratisiert und leicht zugänglich gemacht werden, so dass die Build- / Measure- / Learn-Zyklen schneller und effektiver ablaufen und den Kunden bessere Produkte und Dienstleistungen angeboten werden können (36% der Unternehmen, die ein Datenmanagement einführen sehen diesen Effekt). Die Daten selbst können zudem die Basis neuer Produktfeatures und Kundenservices sein, sofern diese verfügbar und verlässlich sind.

Beispiel aus der Praxis

So setzt Sportartikelhersteller „Nike“ setzt so im Rahmen seiner Direct-to-Consumer Strategie auf Predicitive Analytics, um seinen Kunden maßgeschneiderte Services zu ihren physischen Produkten anbieten zu können. Digitale Produkte wie z.B. Fitness-Apps („Nike Running“), personalisierte Workouts sowie neue Loyalitäts-Features wie die „SNKRS“- App sind eine Auswahl von neuen, datengetriebenen Kundenservices.

Eine optimierte Preisstrategie

Zudem ist das Datenmanagement eine wesentliche Voraussetzung für eine optimierte Preisstrategie (43%). Mit Hilfe eines effektiven Datenmanagements können Unternehmen die Nachfrage ihrer Artikel besser einschätzen (z.B. auf Basis historischer Daten) und vorhersagen (z.B. unter Berücksichtigung von Wetterdaten, Feiertagen oder Veranstaltungen). Der Preis kann so dynamisch an die Nachfrage angepasst werden und die Beschaffung kann frühzeitig optimiert werden. In Summe kann die Profitabilität dadurch erheblich verbessert werden.

Operative Exzellenz

Mit der Verarbeitung einer immer größerer Menge an Daten, steigt der Aufwand für Speicherung, Pflege und Schutz Dieser. Mit Hilfe gut integrierter Datenmanagements-Tools und -Prozesse können Unternehmen viele dieser Prozesse automatisieren und optimieren. Dies reduziert nicht nur den manuellen Aufwand bei der Datenabfrage (35%) und Datenpflege (25%), sondern sichert auch eine hohe Datenqualität und schnelle Verfügbarkeit.

Häufige Fragen:

Was ist Business Intelligence (BI) ?

BI bezeichnet den Prozess der Sammlung, Analyse und Bereitstellung von relevanten Informationen und Erkenntnissen, um fundierte geschäftliche Entscheidungen zu treffen. Es umfasst Technologien, Anwendungen und Methoden, um Daten aus verschiedenen internen und externen Quellen zu extrahieren, zu transformieren und zu laden. Anschließend werden sie zu aussagekräftigen Berichte, Dashboards, Kennzahlen und Visualisierungen umgewandelt.

Was ist unter Datenpflege zu verstehen?

Unter Datenpflege versteht man den Prozess der Aufrechterhaltung, Aktualisierung und Kontrolle von Daten, um ihre Genauigkeit und Vollständigkeit sicherzustellen. Dies umfasst die regelmäßige Überprüfung, Korrektur und Ergänzung von Daten. Datenpflege umfasst auch die Identifizierung und Behebung von Datenfehlern, Duplikaten oder Inkonsistenzen. Ein guter Datenpflegeprozess ist entscheidend, um sicherzustellen, dass Datenqualitätsstandards eingehalten werden.

Was macht ein Data Scientist?

Ein Data Scientist analysiert große Datenmengen, um Muster und Trends zu identifizieren, datengesteuerte Entscheidungen zu treffen und geschäftlichen Mehrwert zu schaffen. Dies umfasst die Anwendung von statistischen Modellen, maschinellem Lernen und Data Mining-Techniken zur Problemlösung und Vorhersage. Data Scientists arbeiten eng mit verschiedenen Stakeholdern zusammen, um Datenstrategien zu entwickeln und innovative Lösungen zu finden.

Ihr Start ins Datenmanagement

Lesen Sie in unserem Data Strategy Playbook

Haben Sie weitere Fragen? Sprechen Sie mich gerne an oder vereinbaren Sie ein kostenloses Beratungsgespräch.