Von fragmentierten Daten zum gemeinsamen Zielbild

Daten sind in großen Organisationen selten grundsätzlich nicht vorhanden. Die Herausforderung liegt vielmehr darin, dass sie über Systeme und Bereiche verteilt sind, unterschiedlich definiert werden und Verantwortlichkeiten nicht immer eindeutig geklärt sind. Gemeinsam mit unserem Kunden haben wir in zwei intensiven Workshop-Tagen die bestehende Situation aus fachlicher, organisatorischer und technischer Perspektive betrachtet.

Ausgangspunkt waren bewusst die konkreten Probleme der Teilnehmer: fehlende Transparenz über Daten und Datenflüsse, fragmentierte Datenbestände, unterschiedliche Definitionen, Duplikate, unklare Single Sources of Truth, schwieriger Datenzugang und fehlende oder nicht ausreichend operationalisierte Data Ownership. Damit wurde Datenarchitektur nicht abstrakt diskutiert, sondern anhand der tatsächlichen Herausforderungen der Organisation.

Darauf aufbauend haben wir die Verbindung zwischen Unternehmensstrategie, Datenstrategie, Data Governance, Datenarchitektur und Datenplattform hergestellt. Im Mittelpunkt stand die Frage, welche Data Capabilities das Unternehmen benötigt, um konkrete Business-Ziele zu erreichen – und wie daraus Data Domains, Business Objects, Ownership, Data Products, Integrationsprinzipien, Self-Service und DataOps abgeleitet werden können. Technische Konzepte wie Data Lake, Lakehouse oder Data Platform wurden dabei nicht als Selbstzweck betrachtet, sondern als Bausteine eines übergeordneten Zielbildes.

Ein wesentlicher Teil der Arbeit war die organisatorische Perspektive. Data Governance funktioniert nicht allein durch Rollenbeschreibungen. Data Owner und Data Stewards benötigen Mandat, Ressourcen und konkrete Arbeitsprozesse. Gleichzeitig müssen Geschäftsführung und Fachbereiche verstehen, warum Datenmanagement für ihre eigenen Ziele relevant ist. Deshalb gehören Kommunikation, Stakeholder-Engagement und die Übersetzung von Datenproblemen in konkreten Business Impact genauso zum Zielbild wie Architektur und Technologie.

Das Ergebnis ist kein fertiges Architekturdiagramm, das anschließend in der Schublade verschwindet, sondern ein strukturierter Transformationspfad: von Unternehmenszielen über Datenstrategie und Kommunikation zu einer priorisierten Roadmap, einem fachlichen Datenfundament und konkreten Business Use Cases. An ausgewählten Use Cases können anschließend Data Products, Ownership, Data Contracts, Integration, Self-Service und DataOps End-to-End operationalisiert und daraus Standards für die weitere Organisation entwickelt werden.

Damit entsteht eine gemeinsame Grundlage für die nächsten Entscheidungen – fachlich, organisatorisch und technologisch.