Strategisches Datenmanagement

Konsequente Datennutzung als Schlüssel zum Erfolg in einer datengetriebenen Welt

 

Die zunehmende unternehmensweite Datennutzung erfordert einen Strategiewechsel im Umgang mit Daten. Erfolgskritische Entscheidungen und automatisierte Prozesse beruhen auf verlässlichen Daten und Strukturen. Das strategische Datenmanagement entwickelt die notwendigen Strukturen für die Datenorganisation. Die strategische Positionierung der Datenorganisation erlaubt die nachhaltige Ausrichtung von Datendomänen, Datenrollen und Datenapplikationen.

Wir wollen, dass Sie Ihre wertvollen Datenressourcen optimal nutzen können. Deshalb bieten wir am Fraunhofer ISST maßgeschneiderte Lösungen für ein nachhaltiges Datenmanagement. Wir stärken Ihre Datenkompetenzen und erarbeiten gemeinsam mit Ihnen eine passgenau auf Ihre Unternehmensziele abgestimmte Datenstrategie.
 

Unser Forschungsschwerpunkt
 

Am Fraunhofer ISST werden die Bestandteile des strategischen Datenmanagements entwickelt, die den Erfolg für datengetriebene Innovationen sichern. Das Ziel des strategischen Datenmanagements ist die Einführung und Optimierung einer unternehmensinternen Datenorganisation zur Realisierung der Datendemokratisierung. Die Etablierung einer Datenorganisation erhöht die Datenqualität und die Nutzbarkeit von KI-Anwendungen, reduziert Datensuchprozesse und verbessert die Einführung von Datenapplikationen. In ihrem Rahmen werden die notwendigen Datenfähigkeiten entwickelt, nachhaltig etabliert und kontinuierlich messbar. Als Grundlage für die Datenorganisation dient die Aufstellung einer Datenstrategie, die langfristige Vorgaben, beispielsweise die Voraussetzung für die Teilnahme an Datenökosystemen oder die Art der Datenhaltung definiert. Die Datenorganisation orientiert sich an diesen Vorgaben und integriert diese in die Data Governance-Ansätze, die mittels dezentralen und/oder zentralen Unternehmenseinheiten und geeigneten Datenrollen wie Data Ownern und Data Steward gewährleistet wird. Zur effizienten Umsetzung der Workflows werden die Konzepte in Datenkatalogen und Datenqualitätssoftware realisiert und unternehmensweit ausgerollt.
 

Das Fraunhofer ISST bietet maßgeschneiderte Lösungen für ein langfristig nachhaltiges Datenmanagement. Unsere interoperablen IT-Lösungen und -Konzepte steigern die Effizienz von Fertigungs- und Logistikprozessen.

Der Fokus des Leistungsangebots liegt auf der optimierten Nutzung vorhandener und zukünftiger Datenressourcen. Durch Stärkung der Datenkompetenzen und Datenmanagementansätze erleichtern wir die Anwendung von KI, die Einführung neuer Datenapplikationen und erhöhen die Effizienz bei der Datensuche. Unser Angebot umfasst dabei folgende Leistungen:

Datenreifegradmessung

Die Analyse des IST-Zustands im Bereich Datenmanagement beginnt mit einer Datenreifegradmessung. Durch Experteninterviews mit ausgewählten Stakeholdern im Unternehmen werden sechs zentrale Bausteine mit insgesamt 26 verschiedenen Ausprägungen identifiziert. Dies bildet die Grundlage für die Entwicklung eines individuellen Data Governance-Organisationsmodells.

Data Governance

Die Leistungen im Bereich Data Governance beinhalten die Entwicklung und Auswahl eines geeigneten Organisationsmodells. Ziel ist die Entwicklung von Rollen- und Prozessmodellen mit Definition von zentralen und dezentralen Verantwortlichkeiten. Dazu erfolgt parallel die Einführung von Datenrollen nach dem Aufgaben-Kompetenzen-Verantwortlichkeiten (AKV)-Prinzip, sowie die Entwicklung von Prozessmodellen basierend auf relevanten Datenfähigkeiten. Dies schafft eine solide Grundlage für effektive Governance-Strukturen im Unternehmen.

Datenstrategie und Datenkultur

Im Bereich Datenstrategie und Datenkultur erfolgt die strategische Positionierung des Datenmanagements im internen und externen Unternehmensumfeld. Die Ableitung von Datenfähigkeiten, strukturiert nach dem TOP-Prinzip (Technologie, Organisation, People), ermöglicht die Verzahnung mit der Geschäftsstrategie durch datenbezogene Zielsysteme, Entwicklungspläne und KPI‘s. Die Transformation zu einer nachhaltigen Datenkultur erfolgt durch Data Awareness Workshops, die Etablierung von Datenprinzipien und den systematischen Aufbau von Datenkompetenzen. Auf Basis der Nutzenanalyse wird eine Zielstrategie mit Roadmap erarbeitet.

Tool Landscape

Auf Implementierungsebene besteht die Möglichkeiten einer aktiven Umsetzung eines zugeschnittenen Proof-of-Concepts zur Einführung eines Datenkatalogs. Darüber hinaus kann ein detailliertes Assessment zur Auswahl passender Datenqualitätssoftware durchgeführt werden. Diese Schritte stellen sicher, dass die Tools optimal auf die spezifischen Anforderungen des Datenmanagements abgestimmt sind.

 

Starten Sie mit uns!

Sie möchten Daten verstärkt als strategische Ressource nutzen, Qualität sichern, Integrationen ermöglichen und datengesteuerte Entscheidungen treffen?

Dann freuen wir uns auf Ihre Kontaktaufnahme!  

Zehn Mehrwerte durch strategisches Datenmanagement

GÜR, I., M. SPIEKERMANN, M. ARBTER. und B.OTTO, 2021. Data Strategy Development: A Taxonomy for Data Strategy Tools and Methodologies in the Economy. 16th International Conference on Wirtschaftsinformatik, Essen-Duisburg

ALTENDEITERING, M. und T. GUGGENBERGER, 2021. Designing Data Quality Tools: Findings from an Action Design Research Project at Boehringer Ingelheim. Twenty-Ninth European Conference on Information Systems (ECIS 2021), Marrakesh

HUPPERZ, M., I. GÜR, F. MÖLLER und B. OTTO, 2021. What is a Data-Driven Organization? In: Proceedings of Americas Conference on Information Systems. Montreal

GÜR, I., T. GUGGENBERGER und M. ALTENDEITERING, 2021. Towards a Data Management Capability Model. In: Proceedings of Americas Conference on Information Systems. Montreal

LIS, D. and B. OTTO, 2020. Data Governance in Data Ecosystems – Insights from Organizations. In: Proceedings of Americas’ Conference on Information Systems, Salt Lake City

LIS, D. and B. OTTO, 2021. Towards a Taxonomy of Ecosystem Data Governance. In: Proceedings of the 54th Hawaii International Conference on System Sciences. Hawaii

Lis et al. (2023). Data Strategy and Policies. In: Caballero, I., Piattini, M. Data Governance: From Fundamentals to Real Cases. Springer International Publishing (Verlag).

Lipovetskaja, A., Haße, H. & Bukowski, D. (2023). Strategisches Datenmanagement: Der Schlüssel zur Digitalen Transformation. ERP Management.

Jahnke, N., Otto, B. Data Catalogs in the Enterprise: Applications and Integration. Datenbank Spektrum 23, 89–96 (2023).

Gür, I., Möller, F., Hupperz, M., Uzun, D., & Otto, B. (2022, June). Requirements for DataOps to foster Dynamic Capabilities in Organizations-A mixed methods approach. In 2022 IEEE 24th Conference on Business Informatics (CBI) (Vol. 1, pp. 166-175). IEEE.

Lis, D., & Arbter, M. (2022). Data Governance als Hebel für datengetriebene Wertschöpfung – Der Weg zu einer datengetriebenen Organisation. ERP Management 3/2022. Gito Verlag.

Altendeitering, M., & Tomczyk, M. (2022). A functional taxonomy of data quality tools: Insights from science and practice.

Lis et al. (2022). An Investigation of Antecedents for Data Governance Adoption in the Rail Industry – Findings from a Case Study at Thales. IEEE Transactions on Engineering Management, vol. 70, no. 7, pp. 2528-2545, July 2023, doi: 10.1109/TEM.2022.3166109.

Weber, K., Otto, B., Lis, D. (2021). Data Governance. In: Hildebrand, K., Gebauer, M., Mielke, M. (eds) Daten- und Informationsqualität. Springer Vieweg, Wiesbaden.