Wissen aus Daten gewinnen

Datenstrategien geben Orientierung

| Autor / Redakteur: Otto Geißler / Ulrike Ostler

Um im digitalen Wettbewerb bestehen zu können, müssen Unternehmen auf ein datengetriebenes Geschäftsmodell übergehen. Die Entwicklung und Umsetzung einer durchdachten Datenstrategie ist hierfür eine notwendige Voraussetzung.
Um im digitalen Wettbewerb bestehen zu können, müssen Unternehmen auf ein datengetriebenes Geschäftsmodell übergehen. Die Entwicklung und Umsetzung einer durchdachten Datenstrategie ist hierfür eine notwendige Voraussetzung. (Bild: gemeinfrei - bere69 / Pixabay / CC0)

Wer zu den Gewinnern der Digitalisierung gehören möchte, braucht ohne Zweifel eine durchdachte und gut organisierte Vorgehensweise, um Nutzen aus den vielen unternehmensinternen und externen Daten ziehen zu können. Diese bergen häufig nach wie vor viel unentdecktes Potenzial.

Bei Big Data ist alles möglich: Manche Daten sind Gold wert, andere können bereits in der nächsten Sekunde obsolet sein - nämlich dann, wenn letztlich nur deren Auswertungen relevant bleiben. Obwohl sie dann längst keine "heißen Daten“ mehr sind, sollten gewisse von ihnen trotzdem verwahrt bleiben, um den an Nachvollziehbarkeit und Compliance gestellten Forderungen zu entsprechen.

Das Problem ist nur, woher weiß ich, welche Daten ich in welcher Form und für wie lange aufbewahren soll? Das Zauberwort lautet Datenstrategie. Und da liegt auch schon der Hase im Pfeffer. Denn viele Anwender haben darüber noch nicht einmal ansatzweise nachgedacht.

Andere wiederum sind sich zwar des Potenzials durchaus bewusst, das in einer zielführenden Datennutzung schlummern könnte. Jedoch nicht unbedingt der Tragweite, die aus der Umsetzung darauf ausgelegter Projekte hinsichtlich des Einsatzes und des Ergebnisses erwachsen kann. So fehlt auch hier eine geeignete Datenstrategie.

Was ist zu tun?

"Unternehmen müssen Datenstrategien auch konzeptionell im Unternehmen etablieren", erklärt Stefan Roth, Head of Storage Central Europa bei Fujitsu. "Diese dürfen nicht nur auf Papier, sondern müssen vielmehr in der Infrastruktur, in den Prozessen als auch in der Organisation abgebildet werden." Damit nicht nur darüber geredet wird, muss ein ausformulierter und zielorientierter Verfahrensplan erstellt werden, auf dessen Basis Unternehmen Wissen aus Daten gewinnen können.

Für eine erfolgreiche Datenstrategie werden eindeutige Ziele mit Zeitangaben definiert. Um dies zu erreichen, muss eine Planung des Ressourcen-Einsatzes als auch eine Festlegung der jeweiligen Rahmenbedingungen erfolgen. Dazu gehören technische (Hard- und Software) sowie rechtliche Komponenten (Datensicherheit und mehr). "Unternehmen brauchen an sich eine Datenstrategie, unabhängig davon, was für eine Hardware sie einsetzen", so Roth. "Infrastruktur ist daher immer nur ein Mittel zum Zweck. Ob man die Daten dann in eine Cloud gibt oder behält, ist eine andere Frage - die ebenfalls Teil der Datenstrategie sein sollte."

Für den Anwender aktuell wichtige Daten aus Big-Data-Applikationen müssen in der Regel sehr schnell verarbeitet werden - in extrem hohen Maß beispielsweise bei der Zukunftstechnologie des autonomen Fahrens. Nach kurzer Zeit sind jedoch meist viele Daten obsolet, wobei bestimmte von ihnen oder aber Berichte aus Nachvollziehbarkeits- und Rechtssicherheitsgründen aufbewahrt werden sollten. Entsprechende Regularien existieren allerdings gegenwärtig noch nicht.

Eine Lösung: Object Storage

Ein hohes Datenverfügbarkeits-Niveau ist ebenso in der industriellen Fertigung gefordert. Hier spielen schnelle Zugriffs- beziehungsweise Antwortzeiten eine wesentliche Rolle. Um diese zu gewährleisten bietet sich der Einsatz moderner All-Flash-Systeme an. "Solche Big Data-Daten werden meist im ‚Tier 0‘ oder ‚Tier 1‘ gesammelt, da sie dort schnell gelesen und verarbeitet werden können", so Roth. "Danach folgt eine Auswertung der Big Data-Analyse und nach deren Abschluss in der Regel ihre Verlagerung auf sehr günstige Tiers."

Große Unternehmen tendieren heute dazu, diese Daten auf einen Objektspeicher zu verschieben. Solche Systeme sind nicht nur sehr günstig, sondern werden gerne für die langfristige Ablage verwendet. "Zudem sind sie extrem skalierbar und die von Unternehmen gefürchtete risikobehaftete Datenmigration ist nicht mehr notwendig", betont Roth.

Bei Object Storage handelt es sich um eine Speicherarchitektur, die Daten nicht hierarchisch oder als Blöcke innerhalb von Spuren und Sektoren, sondern als Objekte verwaltet. Dies wird gerne mit einem Park-Service verglichen. Ein Nutzer gibt sein Fahrzeug ab und erhält dafür einen Beleg, der sinnbildlich ein Objekt verkörpert. Der Anwender weiß zwar nie, wo sein Auto genau steht oder wie oft es umgeparkt wird, aber ein Zugriff ist jederzeit möglich.

Auf der anderen Seite gibt es klassische Applikationen - Lagerverwaltung ist hierfür ein Beispiel - , bei denen Daten im "Middle-Tier-Bereich" gesammelt werden.

Checkliste zur Datenstrategie

Die Entwicklung einer Datenstrategie erfordert, dass alle relevanten Funktionsbereiche eines Unternehmens zusammengeführt werden. Sie ist daher auch immer eine Übung der interdisziplinären Teambildung.

1. Formulieren einer Vision

Jedes Unternehmen benötigt eine individuelle Datenstrategie, die auf die gesetzten Unternehmensziele zugeschnitten ist. Es sind unter anderem folgende Fragen zu beantworten: Wie ist die Marktsituation? Was will das Unternehmen besser, schneller oder genauer über den Markt wissen? Wie genau funktionieren die Geschäftsmodelle? Was will das Unternehmen mehr über sich erfahren?

2. Identifikation von relevanten Datenquellen

Es müssen Daten identifiziert werden, die Antworten auf wichtige Fragen liefern. Andersherum gedacht können vorhandene Daten betrachtet und daraus Lösungsideen abgeleitet werden, für die bisher noch niemand Fragen formuliert hatte. Aber auch mit den Datenquellen verbundene Fragen müssen geklärt werden.

3. Konzept der Informationsgewinnung

Welche Informationsflüsse sind bereits vorhanden und welche Datenquellen erschaffen neue Informationsflüsse? Das Ergebnis ist eine Beschreibung der neuen Informationsgewinnung durch Zugriff auf definierte Daten.

4. Konzept der Wissensgenerierung

Werden Informationen in einem ausgewählten Kontext betrachtet, entsteht Wissen. In diesem Schritt wird beleuchtet, welche Informationen zur Wissensgenerierung von besonderem Interesse sein könnten und welches Wissen über welche Informationen generiert werden kann.

5. Planung der Realisierung

Das Ergebnis ist ein Plan darüber, wie die Datenstrategie technisch realisiert werden soll.

6. Ausformulieren der Datenstrategie

Nachdem alle Fragen von der Vision bis zur konkreten Umsetzungsplanung beantwortet wurden, erfolgt die schriftliche Ausformulierung der Ideen, Konzepte und der zu erwartenden Ergebnisse.

Praxisfall Leistungsverbesserung

Für einen europaweit aufgestellten Maschinenhersteller mit extremen Anforderungen hinsichtlich Entwicklung und Design setzte Fujitsu ein Storage-Projekt auf. "Der Kunde hatte viele neue innovative Applikationen installiert sowie Prozesse und Projekte aufgesetzt, wobei er vorab nie wusste, was am Ende des Tages sein wird", kommentiert Roth. "Daher entschloss er sich für eine Lösung, die Skalierbarkeit hinsichtlich Performance und Kapazität in unterschiedliche Ebenen erlaubt."

Die bereits implementierten Storage-Systeme konnten diese hohen Anforderungen nicht mehr erfüllen. Zunächst diskutierten die Projektmitarbeiter hybride Lösungen. Nach einem Test mit einer Flash-Lösung entschied man sich jedoch für ein Eternus-System von Fujitsu, dass eine Kombination mit einer Datensicherung und einem Langzeitarchiv für CAD-Daten umfasst. Darüber hinaus kommt es ohne zusätzliche Software und Spiegelungen in die verschiedensten Richtungen aus.

"Die Verbesserung der Performance lag nicht nur am neuen Storage-System, sondern ebenso daran, dass wir unseren Kunden als Fujitsu auch im Bereich Datacenter und Applikationsumfeld beraten konnten", sagt Roth. "So nahmen wir architekturtechnische Änderungen und Optimierungen vor, mit denen sich letztlich Einsparungen erzielen ließen." Das bedeutete in diesem Fall durch ein verbessertes Management eine Zeiteinsparung von 30 bis 40 Prozent. Parallel dazu erhöhte sich die Geschwindigkeit um den Faktor 5 bis 10.

"Wichtig ist, dass sich der Anwender Gedanken zum Thema Datenstrategie macht. Er sollte sich zudem für Hersteller entscheiden, die nicht nur ein bis zwei Systeme im Portfolio haben, sondern die ganze Breite an Lösungen abdecken können und zudem über umfassendes Know-how verfügen", rät Roth. "Wer kein Komplettanbieter ist, fährt sich in Teillösungen fest und ist in seinen Möglichkeiten limitiert."

* Diesen Beitrag haben wir von unserem Schwesterportal DataCenter-Insider übernommen.

Kommentare werden geladen....

Was meinen Sie zu diesem Thema?

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45622088 / Daten)