Weiterentwicklung der BI- zur Datenstrategie Bewältigung technischer, fachlicher und organisatorischer Herausforderungen

Transkript

1 Weiterentwicklung der BI- zur Datenstrategie Bewältigung technischer, fachlicher und organisatorischer Herausforderungen München, 22. Juni 2015 Jacqueline Bloemen, Patrick Keller, Senior Analysten BARC

2 Business Application Research Center (BARC) B Europas führendes IT-Analysten- und -Beratungshaus für Business Software und IT Services (Analystengruppe CXP / PAC / BARC) A R 140 Mitarbeiter, davon 80 Analysten an 17 Standorten in acht Ländern Portfolio aus Research, Beratung und Weiterbildung C Themen: Business Intelligence, Big Data, Datenmanagement, Customer Relationship Management, Enterprise Content Management, IT-Management, HR, Finance, ERP, IT Sourcing und IT Services BARC

3 BARC: Expertise für datengetriebene Unternehmen Beratung Strategie & Organisation Prozesse & IT- Architektur Softwareauswahl Data Science Weiterbildung Konferenzen Seminare Kamingespräche Expertenworkshops Datengetriebene Unternehmen Research Produktvergleiche Marktforschung BI Manager BARC

4 Agenda Welche Trends beeinflussen die BI-Strategie? Bestandteile, Vorgehensweise und Grenzen einer BI-Strategie Kaffeepause Von BI zur Daten Strategie aus Sicht Architektur Daten Strategie: Organisation und Governance BARC

5 Agenda Welche Trends beeinflussen die BI-Strategie? Bestandteile, Vorgehensweise und Grenzen einer BI-Strategie Kaffeepause Von BI zur Daten Strategie aus Sicht Architektur Daten Strategie: Organisation und Governance BARC

6 IT Metatrends Digitale Transformation Consumerisation Agilität und Kosteneffizienz Sicherheit und Datenschutz Cloud Computing und Virtualisierung Geschäftsmodelle der IT-Anbieter BI und Data Management Metatrends Marktreife und Commoditisation Fachkräftemangel Prozessorientierung BARC

7 BI und Data Management Trends Wachsendes Interesse Early Mover Akzeptanz Heiße Diskussion Breite Relevanz Laufende Diskussion Nicht hype, aber relevant Big Data Analytics Predictive Analytics Collaborative BI Search BI Streaming/Real Time Analytics SaaS und Cloud für BI & DM Big Data Data Management Self Service Data Management/Data Integration Data Storytelling Data as a product / Open Data Erweiterte Rolle des Business Analysten Self Service BI Visual Analysis & Data Discovery Advanced Planning Hadoop Technologie Analytische Datenbanken & In-Memory Computing Datennutzung Information Design Organisation Data Governance BI Organisation 2.0 Data Labs & Data Science Integrierte Plattformen für BI und Performance Management Spatial Intelligence Data Integration Stammdaten- und Datenqualitätsmanagement Mobile BI Agile BI Development BARC

8 Auswirkungen ausgewählter Trends auf die BI-Strategie und -Organisation Die digitale Transformation bedingt die Wandlung zum datengetriebenen Unternehmen Die teilweise fehlende Flexibilität/Agilität im klassischen DWH-Entwicklungsprozess gepaart mit gefühlt hohen Kosten bedingt Unzufriedenheit oder das Ausbrechen der Anwender und den Aufbau individueller Reportings Die Cloud und sich verändernde Angebote der IT-Hersteller bedingen einen Wandel, dem sich auch die BI nicht entziehen kann Der verstärkte Einsatz von BI näher an oder direkt innerhalb operativer Prozesse kann nicht mit einem herkömmlichen DWH-Schichtenmodell unterstützt werden Kompetenz-Neu-Verteilung in der BI bestehend aus Self Service BI und Self Service Datenintegration (DI) erfordert eine entsprechende Organisation Der Umgang mit neuen Anforderungen und deren organisatorische Abbildung erfolgt völlig unterschiedlich in den Unternehmen Erweiterung analytischer Landschaften um innovative Technologien innerhalb bestehender Ressourcen (Organisation, ) oft schwierig Mangelnde Qualität der Stamm- und Bewegungsdaten ist für viele Projekte weiterhin einer der Hauptkritikpunkte. Gleichzeitig werden immer noch wenige DQ-Initiativen gestartet BARC

9 (Neue) Anforderungen, intern und extern im Unternehmen: Gründe für den Weiterentwicklung einer BI-Strategie reaktiv Erfüllen von regulatorischen Anforderungen Erkennung von Betrugsfällen (Fraud detection) Reduktion von Debitorenverlusten Erkennen von (Produkt-) Qualitätsmängeln Datenqualität Ablösung veralteter Technologien Neue Zuständigkeiten Ungenügende Entscheidungsunterstützung (fehlende KPI s oder nicht rechtzeitig verfügbare, bzw. mit großem Aufwand verbundene Informationen) extern intern Erreichen eines Wettbewerbsvorteils Erschließen von Cross- und Up- Selling-Potentialen Versorgung von Kunden mit Berichten (Verfügbarkeit, Pay as you use, ) Steuerung der Lieferkette (abhängig von Nachfrage, Wetter, etc.) Erschließung neuer Geschäftsfelder mit Datenprodukten Einbindung neuer Use Cases (neue Analyseanwendungen, Industrie 4.0, IoT, ) Effizienzsteigerung Chancen von neunen Trends heben proaktiv BARC 2015

10 Neue Datenquellen, intern und extern im Unternehmen extern Wetter Open Data Social Media Video Bilder Ton RSS-Feeds intern Einkauf IT HR Sales Finanz Warenwirtschaft Börsenfeeds RFID Log-Daten Sensorik Traditionell oft genutzte Daten Geodaten Web Content Dokumente strukturiert semistrukturiert polystrukturiert unstrukturiert BARC

11 Auswirkungen neuer Anforderungen und Datenquellen auf die BI-Strategie und -Organisation Branchenabhängig entstehen teilweise sehr individuelle Anforderungen (bspw. Regulatorik), die über bisherige BI- und DWH-Anforderungen weit hinaus gehen (bspw. Datenqualität, Nachvollziehbarkeit, Reaktionszeit) Nachdem die Unternehmen ihre Kernprozesse (Produktion, Vertrieb, CRM, ) in den letzten Jahren immer weiter optimiert haben, gelangen jetzt die unterstützenden Prozesse immer stärker in den Fokus Bestehende Systeme können die gestiegenen Anforderungen oft nicht mehr ausreichend unterstützen, bzw. die bisherigen Kompromisse werden nicht mehr akzeptiert Im Rahmen der digitalen Transformation formen Unternehmen aus Daten neue Produkte (bspw. Swisscom und SBB, Analyse von Bewegungsdaten), die ihre Kerngeschäfte mit der Entwicklung von Datenprodukten ergänzen BARC

12 Agenda Welche Trends beeinflussen die BI-Strategie? Bestandteile, Vorgehensweise und Grenzen einer BI-Strategie Kaffeepause Von BI zur Daten Strategie aus Sicht Architektur Daten Strategie: Organisation und Governance BARC

13 Wesentliche Facetten bei der Entwicklung einer BI-Strategie Fachlich BI Strategie Organisatorisch Technisch Prozesse BARC

14 Warum eine BI-Strategie? Menschen verursachen mehr Probleme als Technik! Keine nennenswerte Probleme 32% Abfragegeschwindigkeit zu langsam Fehlendes Interesse der Nutzer Schlechte Datenqualität Unternehmenspolitik Uneinigkeit über Anforderungen Administrative Probleme Anforderungen änderten sich 17% 15% 15% 14% 13% 12% 12% Schlechte Data Governance Software ist nicht flexibel genug Unzuverlässige Software Daten aus einigen Vorsystemen nicht Fehlende Schlüsselfunktionen Softwarebedienung zu schwierig Zu große Datenvolumen für Produkt Sicherheitbeschränkungen im Produkt Zu große Nutzerzahlen für Produkt 9% 9% 8% 7% 6% 6% 4% 3% 2% Organisatorische Probleme Technische Probleme Datenprobleme Quelle: BARC BI Survey 12, (Oktober 2012), n=2067, BARC

15 Entwicklung einer BI-Strategie: Erfüllung der fachlichen Anforderungen Typische Situation in vielen Unternehmen: Uneinheitlich definierte Kennzahlen werden im Reporting eingesetzt Keine einheitliche Darstellung von Informationen Mangelnde Datenqualität hoher manueller Aufwand zur Bereinigung Keine übergreifende und abgestimmte Systemunterstützung BI-Strategie Berücksichtigung der Anforderungen in den Fachbereichen: Identifikation der Informationsbedarfe im Unternehmen und bei externen Partnern Definition der unterschiedlichen User-Rollen und deren Anforderungen Entwicklung eines Kennzahlenkataloges für ein unternehmensweites Reporting Berücksichtigung der fachabteilungsbezogenen, individuellen Anforderungen und Planungs- und Reportingprozesse Definition von Leitlinien für die Informationsaufbereitung (Information Design) Aufnahme der Anforderungen an die Datenqualität und -verantwortung Unterstützung und BI-Beratung der unterschiedlichen Bereiche im Unternehmen BARC

16 Entwicklung einer BI-Strategie: Definition der technische Rahmenbedingungen Typische Situation in vielen Unternehmen: Unterschiedlichste Softwarewerkzeuge für BI im Einsatz Individuelles Datenmanagement für unterschiedliche BI- Applikationen Falsche Werkzeuge für die entsprechende Anforderungen im Einsatz BI-Strategie Entwicklung einer anforderungsgerechten Architektur: Entwicklung einer Systemarchitektur zur Erfüllung der BI-Anforderungen Definition einer Bebauungsplanung & Festlegung der einzusetzenden Technologien Auswahl eines Toolportfolios auf Basis der Anforderungen Bewertung der Einsatzgebiete für Datenmanagement- und BI-Werkzeuge Entwicklung von Richtlinien zum Einsatz der Werkzeuge Identifikation und Nutzung von Synergien beim Betrieb der Systeme und Entwicklung eines Betriebskonzeptes (Entwicklung-Test-Produktion) Bestimmung von Dokumentationspflichten fachlich und technisch BARC

17 Entwicklung einer BI-Strategie: Einbettung der BI in die Organisation Typische Situation in vielen Unternehmen: Keine definierten und koordinierten Prozessabläufe für das Informationsmanagement, Reportaufbereitung und -verteilung, Kennzahlen-Definition Keine definierten Verantwortlichkeiten für übergreifende Themen BI-Strategie Aufbau einer Organisation zur Einbettung der BI in Unternehmen: Etablierung von definierten BI-Prozessen (Bsp.: Neue Kennzahlendefinition, Entwicklung eines Standardberichtes, Datenerweiterung im DWH, etc.) Definition von Rollen und Zuständigkeiten im Rahmen der BI BI-Management Applikationsmanagement Datenmanagement Betrieb Support & Schulung Etablierung von Gremien zur Entscheidungsfindung für übergreifende Themen Klärung der Finanzierung der BI-Projekte und des BICCs BARC

18 Rollen im BI Comptence Center (BICC) Fachbereich und IT BI CC Team niedrig IT-affinität hoch Key- User BI App. Owner BI Manager BI Architect BI App. Manager BI Data Manager BARC

19 Fachlich/konzeptionell orientierte Rollen im BI CC Rolle Key User (Schlüsselanwender) Key User Beschreibung Ausgewählte User pro Fachbereich Berichtserstellung und Tool Know how für Reporting, Analyse und Planung Verantwortung für Standardberichte 2nd Level Support für Anwender im eigenen FB (primär fachlicher Support) BI Application Owner (BI Anwendungs-Eigner) BI Manager BI App. Owner BI Manager Fachlicher Eigentümer für BI Anwendungen Einsammlung der Anforderungen und fachliche Anforderungsdefinition Fachliche Konzeption der Datenmodelle und semantische Schicht, Abstimmung mit Data Steward (Datenverwalter) Fachliche Konzeption der Datenintegrationsprozesse Komplexe Analysen für ad hoc Anfragen von Fachanwendern Verantwortlich für Koordination aller BI Aktivitäten und Projekte im Unternehmen, bildet Klammer zwischen Fachbereiche und IT, berichtet zum Management Kann ein Tandem aus FB und IT sein, aber häufig aus der IT besetzt BARC

20 Technisch orientierte Rollen im BI CC Rolle BI Application Manager BI Data Manager BI Architekt BI App. Manager BI Data Manager BI Architect Beschreibung Zentraler technischer Ansprechpartner für BI Anwendungen Technische Konzeption der Datenmodelle und Umsetzung von Data Marts und BI semantische Schicht Unterstützung der BI Anwendungseigner und Key User Entwicklung Schnittstellen zu Vorsystemen und Datenquellen Konzeption und Umsetzung der Staging- und DWH Schicht Zusammenarbeit mit BI Anwendungs-Manager für Data Marts Datenbankadministration Definition Leitlinien für die BI- und DWH-Systemarchitektur Verantwortung für Integration der zentralen Datenmodelle des DWH Verantwortung für BI- und DWH-Tool-Portfolio (Book of Standards) Abstimmung mit dem Domänen-/Enterprise-Architekten Tool- und Markt-Know how BARC

21 Weg zu einer erfolgreichen BI- Strategie 10. Weiterentwicklung der BI- Strategie 9. Ausrollen der definierten Standards im Unternehmen 8. Etablierung von Standardprozessen 7. Unterstützung von Pilot-Projekten Closed Loop Zieldefinition Umsetzung 6. Umsetzung der ersten Maßnahmen und Marketing neuer BI Initiativen 5. Definition BI-Roadmap: Prioritäten, Technologien, Standards, Methodologie und Kompetenz 4. Spätester Zeitpunkt: Organisatorische Konzeption und Sponsorsuche 3. Festlegung des Architekturrahmen und der Bebauungsplanung sowie der fachlichen Ziele der BI-Strategie 2. Identifikation von Schwachstellen in Organisation, BI-Systemen und fachlicher Ausrichtung der BI 1. Inventur von BI Nutzung und Systemen (IST) und Aufnahme der gewünschten Unterstützung (Prozesse, Daten, Funktionen, Anwender) (SOLL) 0. Einbeziehung aller relevanter Stakeholder und Gründung eines Kernteams zur Entwicklung der Strategie besetzt aus Fachbereichen und IT Roadmap Assessment Initiieren BARC

22 BI Strategie Bestandteile ( Inhaltsverzeichnis ) Hintergrund, Aufgabenstellung Ist-Zustand und Historie Anforderungen und Ziele (technisch & fachlich) Prioritäten Architektur und Standards Organisation und BICC Berichts-Qualität und BI-Governance Sourcing (Build, Buy, oder Hybrid) Programm-Management Ausbildung Support und Help Desk Roadmap BARC

23 Die 4 größten Probleme bei der Entwicklung einer BI-Strategie BI-Strategie wird ohne Sponsor und Unterstützung aus dem Top- Management angegangen Keine Ressourcen für die Entwicklung der BI-Strategie: Nebenbei kann keine BI-Strategie entwickelt werden Entwicklung einer BI-Strategie ohne eine klare Zielsetzung: Klare Abstimmung der Tragweite von fachlichen, technischen und organisatorischen Zielen Zu granulare und detaillierte Ist- und Soll-Analysen: Projekte mit zu langer Dauer sind eine Gefahr für die Zielerreichung BARC 2015

24 Grenzen der BI-Strategie

25 Häufig genannte Probleme analytischer Systeme Komplexität: Wartung, Weiterentwicklung, Nutzung Fehlende Flexibilität: neue Daten, neue Analysen Unzureichende Abfragezeiten Unbefriedigende Aktualisierung: Zyklen und Zeiten Kostenintensiv Effektivität Ungenügende Abdeckung (z.b. nur Finanz oder Sales) Kein Zielgruppenorientiertes Reporting (keine Gliederung in operative, taktische und strategische KPI s) Konzentration auf Standard- Reporting Viele Daten und Reporte, jedoch wenig Informationen Ungenügende Abstimmung mit Führungs- und KPI- System BARC

26 Wieso werden BI Systeme nicht akzeptiert? Kritik Informationen sind nicht rechtzeitig verfügbar Informationen werden nicht verstanden Informationen werden nicht geglaubt Informationen sind nicht am richtigen Ort Informationen sind nicht nutzbringend Informationen sind nur schwer erreichbar Antwortgeber/Verantwortlich Architektur (Sourcing, real-time) Unternehmensprozesse Fachliche Aufbereitung, Information Design Data Governance, Datenqualität Architektur, Technik (Mobile) Fachliche Aufbereitung, Kennzahlen- Modelle, Datenmodelle Architektur und Technik: Unterschiedlicher Tooleinsatz für Standard Reporting, Self Service BI und Explorative Auswertungen BARC

27 Limitierungen der klassischen BI-Strategie: Neue Datenquellen und explorative Anforderungen Klassisches BI / Data at rest Standard- und Ad-hoc Reporting OLAP-Analyse Self Service Berichts-Aufbau Management-Dashboard Analyse: Betrugsentdeckung, Operationales BI / Data in motion Jetzt! Was passiert, was mache ich? Entscheidungsautomation Explorative BI / Data at rest Warum? Zukunft & Vergangenheit Einkauf IT HR Vertrieb Finanzdaten Warenwirtschaft Börsenfeeds Twitter Kundeninteraktion RSS-Feeds Geodaten Web RFID Content Sensorik Dokumente Open Data Systems of Records Systems of Innovation BARC

28 Limitierungen der klassischen BI-Strategie: Neue Datenquellen und explorative Anforderungen Klassisches BI / Data at rest Operationales BI / Data in motion Explorative BI / Data at rest Standard- und Ad-hoc Reporting OLAP-Analyse Self Service Berichts-Aufbau Einkauf Management-Dashboard Analyse: Betrugsentdeckung, IT HR Vertrieb Finanzdaten Warenwirtschaft Jetzt! Was passiert, was mache ich? Entscheidungsautomation Börsenfeeds Twitter Kundeninteraktion RSS-Feeds Video Bilder Ton Wetter Log-Daten Social Media Warum? Zukunft & Vergangenheit Geodaten Web RFID Content Sensorik Dokumente Open Data Systems of Records Systems of Innovation BARC

29 Analyseprozess und Daten Persistierung Standard Reporting und Analyse Data Warehousing Explorative Analyse Big Data Visualisierung Analyse Gesicherte Ergebnisse Visualisierung Analyse Unsicher ( fast fail ) Datenspeicherung Datenbereinigung, Datensammlung Datenaufbereitung (Transform) Dateninterpretation Datenversorgung (Extrakt) Datenaufbereitung Dateninterpretation Datenspeicherung Datensammlung, Auswertung Datenversorgung (Extrakt) BARC

30 Unterschiede klassische BI vs. exploratives Arbeiten BICC (BI Fabrik) Ziel und oft Steuerungsgröße ist die zeit- und qualitätsgerechte Lieferung von Informationen Standardisierung und Automation steht im Fokus Anwendungsfall ist klar umrissen und meist relativ gut zu beschreiben Es gibt einen geregelten Entwicklungspfad für die Anwendung mit entsprechendem Budget Hohe Anforderungen an die nicht-funktionalen Anforderungen Data Governance und Verlässlichkeit Datenhaushalt eindeutig umrissen und meist reduziert 80% der Aufwände entstehen im ETL-Prozess, aber Wiederverwendung ist das Ziel Konsistenz ist Teil der Architektur SPoT Explorative Nutzung Ziel ist die schnelle Gewinnung neuer Erkenntnisse. Die Steuerungsgröße ist in vielen Fällen nicht scharf definiert. Die schnelle und agile Entwicklung/Analyse steht im Fokus Anwendungsfall ist unsicher, ein Teil der Initiativen wird scheitern bzw. ohne Nutzen bleiben Es gibt eine Idee, deren Nutzen in einem explorativen Verfahren nachgewiesen werden soll Diese nicht-funktionalen Anforderungen werden abhängig vom Anwendungsfall oft weniger stark priorisiert und teilweise sogar als Hindernis angesehen Alle Daten, die im Fragenkontext stehen, könnten relevant werden 80% der Aufwände gehen in die Datenbeschaffung: Wiederverwendung ist gering Konsistente Interpretation von mehrfach genutzten Daten (bspw. Text) muss organisatorisch sicher gestellt werden BARC

31 Pause

32 Agenda Welche Trends beeinflussen die BI-Strategie? Treiber, Bestandteile und Grenzen einer BI-Strategie Kaffeepause Von BI zur Daten Strategie aus Sicht Architektur Daten Strategie: Organisation und Governance BARC

33 Mind shift durch Big Data erfasste Daten werden intensiver und umfassender genutzt Standard Reporting und Analyse Data Warehousing Visualisierung Analyse TRADITIONELLE VERFAHREN Explorative Analyse Visualisierung Analyse Big Data BIG-DATA-KONZEPT Alle verfügbaren Informationen Datenspeicherung Analyse kleiner Untermengen von Informationen Datenaufbereitung (Transform) Dateninterpretation Analysierte Informationen Datenaufbereitung Dateninterpretation Analyse aller Informationen Datenspeicherung Alle verfügbaren Informationen Datenversorgung (Extrakt) Datenversorgung (Extrakt) BARC

34 Mind shift durch Big Data die Nutzung von Daten erfordert geringeren Aufwand Standard Reporting und Analyse Data Warehousing TRADITIONELLE VERFAHREN Visualisierung Analyse Datenspeicherung Datenaufbereitung (Transform) Dateninterpretation Kleine Menge von gut organisierter Information Sorgfältige Bereinigung der Informationen vor jeder Analyse Explorative Analyse Visualisierung Analyse Big Data BIG-DATA-KONZEPT Datenaufbereitung Dateninterpretation Datenspeicherung Große Menge unsauberer Information Analyse der Informationen ohne oder ad-hoc Aufbereitung; Bereinigung nach Bedarf Datenversorgung (Extrakt) Datenversorgung (Extrakt) BARC

35 Mind shift durch Big Data Daten weisen den Weg Korrelationen reichen häufig aus Standard Reporting und Analyse Data Warehousing Visualisierung TRADITIONELLE VERFAHREN Analyse Hypothese Antwort Frage Datenspeicherung Daten Datenaufbereitung (Transform) Dateninterpretation Beginn mit einer Hypothese und Test mit ausgewählten Daten Datenversorgung (Extrakt) Explorative Analyse Visualisierung Analyse Trigger Big Data BIG-DATA-KONZEPT Business Understanding Datenaufbereitung Dateninterpretation Evaluation Daten Datenspeicherung Erforschen aller Daten und Identifikation von Korrelation Datenversorgung (Extrakt) Data Understanding Data Preperation Modelling/ Korrelation BARC

36 Mind shift durch Big Data Datenanalyse direkt bei der Erfassung/Entstehung Standard Reporting und Analyse Data Warehousing Visualisierung TRADITIONELLE VERFAHREN Analyse Datenspeicherung Daten Repository Analyse Einsicht Datenaufbereitung (Transform) Dateninterpretation Analyse der Daten nach der Verarbeitung und Speicherung in Warehouse oder Mart Datenversorgung (Extrakt) Explorative Analyse Big Data Visualisierung Analyse BIG-DATA-KONZEPT Daten Datenaufbereitung Dateninterpretation Analyse Einsicht Datenspeicherung Analyse der Daten direkt nach Entstehung Datenversorgung (Extrakt) BARC

37 Mind shift durch Big Data Erweiterung der BI Disziplinen und Aufgaben Klassische BI Explorative BI Data at rest Was ist geschehen? Reporting/ Dashboards Warum ist es passiert? (Fortg.) Analyse Was wird passieren? Vorhersagende Modellierung Operationale BI Data in motion Was passiert aktuell? Business Activity Monitoring (BAM) Was ist interessant? Regeln, Meldungen Was sollen wir tun? Vorhersage & Entscheidung BARC

38 Architekturumgebungen des digitalen Unternehmens - und ihre Eigenschaften Kerngeschäftsprozesse Data in motion Zentrale Governance Systems of Record Klassische BI Data at rest Zentrale Governance Systems of Record Explorative BI Data at rest Lokale Governance Systems of Innovation ERP SCM CRM Strukturierte Geschäftsdaten Externe Systeme Sensor-Daten Web Logs Maschinengeneriert (strukt.) Social Media Dokumente Menschgeneriert (polystr.) BARC

39 BI Disziplinen des digitalen Unternehmens in den Architekturumgebungen Kerngeschäftsprozesse Data in motion Zentrale Governance Systems of Record Klassische BI Data at rest Zentrale Governance Systems of Record Explorative BI Data at rest Lokale Governance Systems of Innovation Warum ist es passiert? Fortgeschrittene Analyse ERP SCM CRM Logisch integriertes Geschäftsdatenmodell Strukturierte Geschäftsdaten Externe Systeme Sensor-Daten Web Logs Maschinengeneriert (strukt.) Social Media Dokumente Menschgeneriert (polystr.) BARC

40 Architekturumgebungen des digitalen Unternehmens - Eigenschaften, Technologien, Skills Kerngeschäftsprozesse Data in motion Zentrale Governance Systems of Record Operative BI Klassische BI Data at rest Zentrale Governance Systems of Record Taktische BI Explorative BI Data at rest Zentrale Governance Systems of Innovation Explorative BI CEP ADB Streaming NoSQL ERP SCM CRM Logisch integriertes Geschäftsdatenmodell Strukturierte Geschäftsdaten Externe Systeme SSBI ADB Hadoop ADB, Hadoop, Virtualisierung, DI Services Sensor-Daten Web Logs Maschinengeneriert (strukt.) Expl. SSBI/DI ADB Suchindex NoSQL Hadoop Social Media Dokumente Menschgeneriert (polystr.) Erweitertes Rollenmodell, erweiterte Skills, erweiterte Ablauforganisation erforderlich BARC

41 Agenda Welche Trends beeinflussen die BI-Strategie? Treiber, Bestandteile und Grenzen einer BI-Strategie Kaffeepause Von BI zur Daten Strategie aus Sicht Architektur Daten Strategie: Organisation und Governance BARC

42 Von der Geschäfts- zur Datenstrategie Umsetzung der Datenstrategie Reifemodell des Digitalen Unternehmens Innovation AF Optimierung Aus Daten handeln Analytics Aus Daten erkennen Daten Übertragen und speichern Erzeugen (Logs, Sensoren, Wearables, ) AF = Anwendungsfall BARC

43 Beschreibung der Reifegrad-Stufen Innovation Vollkommen neue Geschäftsidee, die auf Daten/Informationen aufbaut und damit die neuen Möglichkeiten von I40/IOT nutzt Beispiel: Kompressor Air_as_Service Optimierung Weiterentwicklung/Verbesserung einer bestehenden Geschäftsidee/Geschäftsprozess durch Nutzung von I40/IOT Daten/Informationen und Analytics Beispiel: Wartungsintervalle optimieren mit Predictive Maintenance Explorative Analysen Aus Daten handeln Analyse der I40/IOT Daten mit dem Ziel, bestehende Geschäftsprozesse zu automatisieren (oder auch neue Geschäftsideen zu automatisieren) Beispiel: Analyse und Datenmodelle für automatisiertes Predictive Maintenance Aus Daten erkennen Analyse der I40/IOT Daten mit dem Ziel, bestehende Geschäftsprozesse zu verbessern oder neue Geschäftsideen möglich zu machen Darstellung der Ergebnisse auf einem Dashboard Beispiel: Analyse und Datenmodelle für Predictive Maintenance entwickeln - Dashboard Anwendungsfall Datenbereitstellung Daten übertragen und speichern Die von Sensoren, Wearables u.ä. erzeugen Daten müssen effektiv übertragen und gespeichert werden, um mit Analytics weiter verarbeitet zu werden hierzu braucht es praktikable und kosteneffiziente Konzepte und Technologien Beispiel: Netzwerke, Übertragungsprotokolle und Storage Daten - erzeugen Sensoren, Wearables u.ä. erzeugen Daten und stellen diese an Schnittstellen zur Verfügung Beispiel: Sensoren in Servern und Fahrzeugen, Wearables, BARC

44 Strategisches Ziel Relevante Informationen Informationsquellen Von Geschäftsstrategie zur Datenstrategie - Beispiel CFO der Retail-Branche möchte die Umsatz-Leistung einzelner Geschäfte nicht individuellen Begebenheiten überlassen, sondern zukünftig sicherstellen, dass umsatzschwache Geschäfte von umsatzstarken Geschäften lernen und damit bessere Umsätze erzielen. Es soll dafür analysiert werden, welche Zusammenhänge bestehen zwischen gute Umsätze und Standort-spezifischen Details. Regionale Demografie wie Altersstruktur, Berufsbild, Einkommensstruktur, Erwerbslosigkeitsanteil, Anzahl der Zwangsvollstreckungen? Lokalität des Geschäftes im Sinne von Einkaufsmeile versus beruhigte Seitenstraße? Größe des Geschäftes und monatliche Kundenfrequenz, Personal in Relation zur Geschäftsgröße? Was sagt man über das Geschäft, die Ausstattung und den Service in den sozialen Medien? Interne Geschäftsdaten sind grundsätzlich verfügbar, Granularität und Qualität zu prüfen Marktdaten unterschiedlicher Art sind extern zu erwerben Soziale Medien sind zu sondieren, abzugreifen, zu sammeln und zu beobachten Wird Werbung gemacht, über welche Medien? BARC

45 Data Governance Grenzen einer rein BI-orientierten Governance BI Governance häufig im Rahmen von BI CC Initiativen adressiert Fokus auf dispositive Daten und deren Verwendung in den BI Applikationen Gestaltungsgrenzen, da operative Systeme maßgeblich Datenquelle Data Governance Betrachtet Unternehmensdaten übergreifend zur Verwendung in operativen und dispositiven Systemen Keinen speziellen Fokus auf den Verwendungskontext Verwendungskontext Operativ Dispositiv Governance Gegenstand Daten Funktionen Relevant data source BI Governance Governance Gegenstand Datenstrategie Strategische Synergie zwischen BI (klassisch und explorativ) und Data Governance Fundament für Digitalisierung and das Datengetriebene Unternehmen Einsicht, dass Daten der Klebstoff zwischen ansonsten losgelöste Applikationen sind und daher aus einer Applikations-übergreifenden Perspektive gestaltet werden müssen Verwendungskontext Operativ Dispositiv Daten Funktionen BARC

46 Anforderungen an Datenstrategie und Governance Datenkategorien und ihre Eigenschaften Kategorie der Quelle Transaktionale Geschäftsdaten Maschinengeneriert Menschgeneriert Qualität Komplexität Interpretierbarkeit Störgeräusche Data Warehouse Prozess-Affinität Big Data Prozess Affinität BARC

47 Daten sind das Öl der Zukunft und ein wesentlicher ökonomischer Faktor für das Unternehmen! Transformation zum daten-getriebenen Unternehmen erfordert eine Datenstrategie, die der Unternehmensstrategie folgt! Die erfolgreiche Umsetzung einer Datenstrategie erfordert einen Steuerungsmechanismus: Data Governance! BARC

48 Aspekte von Datenstrategie und Governance Organisation Technologisch Fachlich Fachlich Vision und Ziele Richtlinien und Prinzipien Daten und Anwender Profile Anwendungsfälle Regeln und Checklisten Technologisch Architektur Werkzeuge Richtlinien und Prinzipien Anwendungsfälle und Checklisten Datenstrategie Organisatorisch Rollen und Skills Ablauforganisation Aufbauorganisation Anforderungsmanagement Zentral, lokal und individuell BARC

49 Ebenen einer Datenstrategie Geschäftsleitung Lenkungsausschuss für Datenstrategie Strategisch Taktisch Operational Strategisch (unternehmensweit) Vorsitz und Rat für Datenstrategie Treiber und Ziele Vision und Charta Geltungsbereich Taktisch (Geschäftsbereich/-Sparte) Datenbetreuer (data stewards) (GB) Datenkoordinatoren (opt.) Themen, Subject Areas Prioritäten, Roadmap Projekte Operational Schlüsselanwender, Standard Anwender Datenmanager Ablauforganisation und Berichtswege Standards und Best Practices BARC

50 Aspekte und Ebenen einer Datenstrategie BARC 9-Feld Matrix als Leitfaden Strategie Taktisch Operational Organisation Organisation Organisation Fachlichkeit Fachlichkeit Fachlichkeit Technologie Technologie Technologie Detailierung BARC

51 Aktivitäten und Gruppen laut DAMA Aktivitätengruppen und zugeordnete Aktivitäten (142) bilden die Basis für die 9-Feld Analyse Planungsaktivitäten Widerkehrende Ausrichtung des strategischen und taktischen Kurses des DG Kontrollaktivitäten Widerkehrende Überwachung der DG Prozesse und Ergebnisse Entwicklungsaktivitäten Projektaktivitäten im Sinne des Systementwicklung-Lebenszyklus (SDLC), Erzeugung von Daten- Ergebnistypen Operationale Aktivitäten Fortwährende Service- und Support-Aktivitäten BARC

52 Datenstrategie und Governance Implementierung Balance der Gegengewichte finden Repression Standards, Auflagen, Kontrolle, Stabilität Schnelligkeit, Freiheit, Kreativität, Veränderung Chaos Das datengetriebene Unternehmen erfordert Agilität und Flexibilität, Governance schränkt ein es gilt die richtige Balance zu finden BARC

53 Herausforderungen für die Data Governance Implementierung Standardisierung vs. Flexibilität Kommunikation Politik & Menschen Budgets & Stakeholder BARC

54 Ein interessantes Dilemma... der Kontext macht den Unterschied Ein Mann geht in einen Juwelierladen und kauft eine teure Uhr... Ist es ein Betrugsversuch - in diesem Fall muss die Bank/Kreditkarte den Betrug verhindern Ist es Geldwäsche - in diesem Fall muss die Bank der Aufsichtsbehörde berichten Hat er eine anspruchsvolle Frau - in diesem Fall hat er vielleicht Interesse an einem Kredit? Hat er gerade im Lotto gewonnen - sollte die Bank Verbesserung der angebotenen Dienstleistungen in Betracht ziehen? Bedrohung Verpflichtung Chance Das gleiche Ereignis ist von Interesse für verschiedene Abteilungen. Es gibt große Überlappung in den erforderlichen Daten, um die Frage zu beantworten. Es kann möglich sein, dass für die Antwort Information aus mehreren Kanälen notwendig sind - vorbereitende oder nachbereitende Tätigkeit ist erforderlich. Es ist alles eine Frage der Koordination und des Timing BARC

55 Erweitertes Rollenmodell BARC

56 Rollenmodell des BI CC erweitert um Data Governance Fachbereich und IT BI CC Team niedrig IT-affinität hoch BI Manager BI Architect Key- User BI App. Owner Standardisiert, zentrale Governance BI App. Manager BI Data Manager Data Owner Data Steward Business Architect Übergreifende, zentrale Governance DG CC Team BI & Data Governance BI Appl. & Data Design BI & Data Anforderungsmanagement Umsetzung & Betrieb BARC

57 BI CC Rollen erweitert um Sandbox-spezifische Rollen Fachbereich und IT BI CC Team niedrig IT-affinität hoch BI Manager BI Architect Key User BI App. Owner Standardisiert, zentrale Governance BI App. Manager BI Data Manager explorative Sandbox, lokale Governance Business Analyst Data Artist Data Scientist Data Manager Explorative Analyse Teams Oper. Planner Strat. Planner Strat. Plannungs-Teams Plannungs-Sandbox, lokale Governance BARC

58 Aufbau-/Ablauforganisation BARC

59 Digitalisierung und das Daten-getriebene Unternehmen Nicht nur Architektur-Aufgaben Data Warehouse verschlanken Datenstrategie etablieren Entwickeln Sie eine Datenstrategie, die den Unternehmens- und Digitalisierungs-Strategien des Unternehmens unterstützt Verankern Sie diese organisatorisch durch Datenorientierte Rollen und Berücksichtigung in Ablauf-, Aufbau- und Projekt-Organisation Gesamtintegration vorantreiben Explorative Analytik ermöglichen Unterschätzen Sie nicht den Kulturwandel, der mit dem Wandel zum digitalen und damit Daten-getriebenen Unternehmen einhergeht BARC

60 BARC-Tagung: Data Governance Day September 2015 in Baden (Schweiz) Themen: Datenstrategie und Governance Data Life Cycle Data Driven Organisation Data Integration Data Quality Master Data Management Data Life Cycle Document Management Fachvorträge der BARC-Analysten und Fachverbänden Seminardokumentation mit Fachartikeln Herstellerpräsentationen BARC

61 Ihr Kontakt bei BARC Patrick Keller Prokurist Senior Analyst BI Tel +49 (0) BARC GmbH Berliner Platz Würzburg Jacqueline Bloemen Senior Analyst BI & Datenmanagement Tel +49 (0) jbloemen@barc.de BARC GmbH Berliner Platz Würzburg BARC