Dank stetig wachsenden Datenmengen sowie einer zunehmenden Komplexität von Datenströmen und Geschäftsprozessen kommt der Definition von Datenmodellen eine immer größere Bedeutung zu. Das Datenmodell legt den Grundstein für die Güte, in welcher die Daten später in den jeweiligen Use Cases genutzt und bereitgestellt werden können. Im Kontext von Produktdaten legt das Datenmodell im Produktinformationsmanagement (PIM) beispielsweise fest, welche Informationen und Daten für die Befüllung der Produktdetailseiten im Onlineshop erforderlich sind und wie sie beschaffen sein müssen, um die kanalspezifischen Anforderungen zu erfüllen.
Die Vielfalt von Datenmodellen und ihre Konsequenzen
In einem Unternehmen sind jedoch sehr viel mehr Bereiche als nur das PIM relevant. Kundendaten, digitale Inhalte wie Bilder, Videos und Grafiken, Lieferanten- und Mitarbeiterdaten sowie standortspezifische Informationen oder auch Wettbewerberdaten werden von den unterschiedlichen Geschäftsbereichen verwaltet, gepflegt und genutzt. Nicht selten werden ein- und dieselben Daten von den einzelnen Geschäftsbereichen in eigenen Systemen oder auch Exceltabellen gespeichert – das gilt insbesondere in größeren Unternehmen oder bei komplexeren Organisationsstrukturen.
Die Folge davon ist, dass es in einem Unternehmen eine Vielzahl von unterschiedlichen Datenmodellen geben kann. Diese Datenmodelle sind in der Regel angepasst an die Use Cases, die für die jeweiligen Fachabteilungen relevant sind. Das Vertriebsteam in Region A pflegt beispielsweise dieselben Produktdaten wie das Produktmanagement in Region B – da die Nutzer in den beiden Regionen jedoch typischerweise unterschiedliche Anforderungen an die Produktdaten haben, nutzen sie auch verschiedene Attribute und Wertebereiche, um die Produkte gemäß ihren Use Cases zu beschreiben.
Auf diese Weise ist in den meisten Unternehmen eine Systemlandschaft gewachsen, in der es an einer gemeinsamen Sprache fehlt. Während das auf den ersten Blick für die einzelnen Geschäftsbereiche und ihre tägliche Arbeit keine große Rolle zu spielen scheint, kommen unweigerlich Probleme auf, sobald sie versuchen, miteinander zu kommunizieren oder gar gemeinsame Arbeitsabläufe zu entwickeln.
Die Vielfalt an Datenmodellen im Unternehmen führt damit zu einer stark erschwerten Interoperabilität von Systemen und Datenprozessen. Das wiederum kann Synergien sowie Erkenntnis- und Effizienzgewinne eines unternehmensweites Informationsmanagements verhindern. Auch ist es in solchen Situationen meist so, dass es an einer grundlegenden Transparenz darüber fehlt, welche Informationen wo im Unternehmen in welcher Güte verfügbar sind, was spätestens dann problematisch wird, wenn umfangreichere Transformationsprojekte geplant sind, die Unternehmen dem Zielbild einer Data-driven Company einen Schritt näherbringen sollen.
Data Class Foundation – unternehmensweites Referenzmodell
An dieser Stelle sei betont, dass die Lösung für diese Herausforderung keinesfalls sein kann, die bestehenden Datenmodelle zu harmonisieren. Die spezifische Ausgestaltung der
jeweiligen Datenstrukturen sorgt schließlich dafür, dass die Anforderungen der Fachabteilungen bestmöglich abgedeckt werden. Was es aber braucht, um auch unternehmensübergreifende Datenprozesse optimal zu unterstützen, ist Klarheit darüber, welche Daten es an welcher Stelle gibt und wie genau diese gepflegt werden. Wenn Fachabteilung A die Farbe eines T-Shirts als „indigoblau“ bezeichnet und Fachabteilung B die Farbe aber schlicht „blau“ nennt, dann muss diese Information zentral festgehalten und herausgestellt werden, dass es sich hierbei um ein und dieselbe Ausprägung handelt.
Das ist die Aufgabe einer Data Class Foundation. Als Referenzmodell sammelt es sämtliche im Unternehmen genutzte Datenmodelle und nimmt sowohl ihre Gemeinsamkeiten als auch ihre Besonderheiten auf und dient damit als zentrale Informationsbasis für alle Abteilungen sowie für alle künftigen Digitalisierungsprojekte.
Die Rolle der Data Class Foundation in Digitalisierungsprojekten
Die Rahmenbedingungen, unter denen Unternehmen heute funktionieren müssen, werden immer komplexer und gleichzeitig auch immer dynamischer. Die Erwartungen von Kunden, Lieferanten, Geschäftspartner und Mitarbeiter ändern sich ständig und gleichzeitig fordert der Gesetzgeber immer detaillierter Auskunft über Produkte, Dienstleistungen und die Datenhaltung, insbesondere zu sicherheits- sowie nachhaltigkeitsrelevanten Aspekten. Um entsprechend auf diese Anforderungen reagieren zu können, braucht es ein hohes Maß an Flexibilität und Agilität – Voraussetzungen, die nur eine Data-driven Company erfüllen kann.
In einem solchen Unternehmen herrschen nicht nur optimale Datenstrukturen und -prozesse in den einzelnen Fachabteilungen selbst, sodass diese bestmöglich in ihrer Arbeit unterstützt werden – auch unternehmensweit zeichnen sich diese Unternehmen durch eine hocheffiziente digitale Wertschöpfungskette aus. Der Grund hierfür ist eine perfekte Interoperabilität der einzelnen System- und Geschäftsprozesse, die die individuellen Anforderungen der Bereiche jedoch unberührt lässt.
Moderne Digitalisierungsprojekte haben dieses Zielbild fest verankert und doch stellt sich seine Umsetzung in der Praxis meist als sehr schwierig dar. Die wenigsten Unternehmen haben wirklich Klarheit darüber, welche Datenmodelle es organisationsweit überhaupt gibt, welche Rahmenbedingungen für ihre Konzeption vorgeherrscht haben und welche Daten sich an welcher Stelle in den unterschiedlichen Fachbereichen und Use Cases überschneiden.
Das führt häufig dazu, dass im Zuge eines Digitalisierungsprojekts neue Datenmodelle geschaffen werden, die nicht im Einklang mit der Gesamtperspektive sind und damit Synergiepotenziale ungenutzt lassen und schlimmstenfalls zu Ineffizienzen und noch höheren Komplexitäten führen, die aufwendige Workarounds notwendig machen.
Die Data Class Foundation als Referenzmodell wirkt hierbei als Vermittler und führt als Referenzmodell zu einem außerordentlich hohen Maß an Transparenz und Interoperabilität, von dem das Unternehmen langfristig profitiert und das die Grundlagen für die Entwicklung einer Data-driven Company darstellt – und das mit jedem neuen Transformationsprojekt.
Wenn Sie mehr erfahren wollen, melden Sie sich gerne unverbindlich bei unseren Experten!
