Foto: Gorodenkoff - shutterstock.com
Digitalisierung, Einsatz von KI und neue datenorientierte Geschäftsmodelle haben den Anspruch an die Qualität von Daten enorm nach oben geschraubt. Herkömmliche Stammdaten-Management-Tools reichen da oft nicht mehr aus. Um die vielbeschworene Data Governance umzusetzen - also ein konkretes Konzept, wie mit Daten umzugehen ist - dazu braucht es heute einen intelligenten "Data Hub".
KI funktioniert nur mit qualitativ hochwertigen Daten
Daten können ihren Nutzen nur entfalten, wenn sie distribuiert sind und in den Fachabteilungen zum Leben erweckt werden. Auch KI funktioniert nur mit qualitativ hochwertigen Daten. Data Governance (also Standards, Prozesse und Rollen zur sicheren und transparenten Nutzung von Informationen) sind gerade in Deutschland mit seinem hohen Anspruch an Datenschutz und Datensicherheit sensible Themen. Um sie sicherzustellen, bedarf es einer Centralized Governance oder anders ausgedrückt: eines Intelligent Data Hubs.
Golden Record aus allen angeschlossenen Repositories
Es gibt zahlreiche Anwendungsfälle im Master Data Management, in Deutschland typischerweise anzutreffen bei kleinen und mittelständischen Unternehmen. Angesichts steigender Compliance-Anforderungen und im Zuge der Digitalisierung wird es für diese Kunden immer schwieriger, ihre Datenqualität im Griff zu haben, das heißt über saubere und aktuelle Daten zu verfügen. Sie brauchen deshalb eine Datenmanagementplattform, die zum einen hohe Funktionalität bietet, sich aber gleichzeitig einfach bedienen lässt.
Im Idealfall sind Master Data Management, Application Data Management und Collaborative Data Governance in einer agilen Plattform vereint - in einem sogenannten "Intelligent Data Hub". Dadurch kann man Datenmodelle, Mappings und Anwendungen an zentraler Stelle entwerfen sowie implementieren und Datenmanagement-Initiativen ganzheitlich durchführen.Semarchy erzeugt dann einen "Golden Record" (oder "Single Point of Truth") aus allen angeschlossenen Datenquellen ("Repositories"). Die nächste Stufe wäre es dann, von der syntaktischen zur inhaltlichen Prüfung überzugehen, also die Bedeutung eines Datensatzes in verschiedenen kontextuellen Zusammenhängen einzuordnen.
Eine derartige Plattform nutzt Algorithmen, intuitive Workflows und UX-Design, um Datenverwaltung, -qualität, -anreicherung und -workflows zu vereinfachen. Über einen agilen und iterativen Ansatz implementiert, liefert sie quasi sofort brauchbare Ergebnisse und lässt sich zugleich einfach an die Komplexität des Unternehmens anpassen. Beliebige Datenbanken und Services werden über Standard-APIs angebunden, die codefreie Konfiguration von User Interfaces, Abfragen und Workflows erlaubt ein schnelles Arbeiten in Teams.
Datenintegration ist essentiell
Gartner hat 2021 insgesamt 16 Master Data Management-Lösungen (MDM) im dazugehörigen Magic Quadrant gelistet. In Deutschland gibt zwei attraktive Zielgruppen für diese Lösungen: Mittelständler, die erkannt haben, dass sie dem Thema Datenmanagement mehr Aufmerksamkeit widmen müssen, und Großunternehmen mit einem hohen Reifegrad, die man bei der Weiterentwicklung ihrer Datenmanagementkonzepte unterstützen sollte.