In der schnelllebigen Welt von Data und Analytics wird ein neues Buzzword viel diskutiert: Data Mesh. Das Konzept Data Mesh verspricht, einige der drängendsten Herausforderungen von Unternehmen bei der Gestaltung und Nutzung ihrer Datenlandschaft zu lösen. In diesem Blogbeitrag werden wir uns mit den Prinzipien von Data Mesh und dessen Potenzial zur Revolutionierung des Umgangs mit Daten und deren Ownership, um den Weg für eine Datendemokratisierung freizumachen.
Data Mesh verstehen: Fokus auf Datenprodukte und Dezentralisierung
Data Mesh basiert auf vier Prinzipien. Zwei davon bilden die wesentlichen Säulen für das Arbeiten mit und das Teilen von Daten : die Anwendung des Product Thinking auf Daten und die dezentralisierte Verantwortung dieser Data Products innerhalb der Geschäftseinheiten. Indem Daten als Produkte betrachtet werden, können Organisationen ihre Denkweise und Herangehensweise ändern und den Geschäftsanwendern ermöglichen, die Verantwortung für ihre Datenbedürfnisse zu übernehmen.
Um Geschäftsanwendern eine effektive Nutzung von Daten zu ermöglichen, investieren Unternehmen in Self-Service Data Platforms, die es den Nutzern ermöglichen, eigenständig Datenprodukte zu erzeugen, zu teilen und zu konsumieren . Das Prinzip Federated Computational Governance setzt die Leitlinien zur Optimierung der Datenzusammenarbeit und ermöglicht einen hohen Automatisierungsgrad von wiederkehrenden Aufgaben .
Wesentliche Datenherausforderungen: Bietet Data Mesh die Lösung?
Unternehmen kämpfen oft mit wesentlichen Herausforderungen bei der effektiven Bereitstellung und Nutzung ihrer Daten. Data und Analytics wird in den meisten Unternehmen durch zentrale Teams umgesetzt und verantwortet. Diese haben aber vergleichsweise wenig Domänen-Expertise, worunter die Qualität der Ergebnisse leidet. Zudem verfügen sie über eine begrenzte Skalierbarkeit, worunter Agilität und Flexibilität leiden.
Können die Prinzipien von Data Mesh eine Lösung für diese Herausforderungen bieten? Das hängt davon ab, ob Unternehmen die funktionalen, technischen, organisatorischen Maßnahmen realisieren und Data Culture sowie Data Literacy fördern. Unternehmen, die Data Mesh konsequent umsetzen und damit die Datendemokratisierung vorantreiben, sollten immens davon profitieren können .
Dezentralisierte Data Ownership
Der BARC Research und unsere Erfahrung aus vielen Kundenprojekten zeigen, dass zentralisierte Daten-Teams alleine nicht den zukünftigen Anforderungen an Data und Analytics gerecht werden können. Ein Paradigmenwechsel hin zur dezentralisierten Eigentümerschaft für Data Assets in den Geschäftseinheiten ist für Unternehmen, die Daten nutzenstiftend einsetzen wollen, somit unausweichlich. Dieser Wandel ermöglicht Skalierbarkeit, Flexibilität und Agilität und befähigt die Geschäftseinheiten, ihre Datenbedürfnisse selbst zu steuern. Zentrale Daten-Teams übernehmen dabei eine neue, wichtige steuernde und rategebende Rolle und sorgen für die Verfügbarkeit und Stabilität der Data & Analytics Landschaft .
Behandlung von Daten als Produkt: Wertschöpfung und Befähigung der Nutzer
Data Mesh propagiert die Anwendung des Produkt Thinking auf Data Assets. Product Thinking konzentriert sich auf die Lösung von Problemen der Datennutzer. Datenprodukte müssen einen Wert haben, machbar sein und den Anforderungen der Datenprodukt-Konsumenten an Benutzerfreundlichkeit entsprechen.
Self-Service Data Platform: Dezentrale Datennutzung erleichtern
Die grundsätzliche Notwendigkeit einer Self-Service Data Platform ist nicht erst seit Data Mesh unbestritten. Es gibt jedoch kein Einheitsangebot, das für alle passt. Es sollte Bedürfnissen der verschiedenen Zielgruppen gestaltet werden, denn Gelegenheitsnutzer müssen anders unterstützt werden als datenversierte Nutzer. Das muss nicht zwangsläufig in einer einzigen Plattform abgedeckt werden.
Federated Data Governance: Die richtige Balance finden
Die Wichtigkeit von Data Governance zur Sicherstellung von Datensicherheit und Datenschutz ist unbestritten. Doch im Data Mesh kommen rein zentrale Data Governance Ansätze schnell an Grenzen. Federated Data-Governance-Modelle gewinnen aufgrund ihrer Effektivität an Beliebtheit. Diese Modelle schaffen eine Balance zwischen zentraler Kontrolle und domänenspezifischer Flexibilität, um Compliance, Datenqualität und Sicherheit sicherzustellen und gleichzeitig Agilität und Autonomie auf Geschäftseinheitenebene zu ermöglichen.
Data Intelligence: Der Schlüssel zum Erfolg
Data Intelligence nimmt eine entscheidende Rolle im Kontext von Data Mesh ein. Durch die aktive Nutzung von Metadaten ermöglicht Data Intelligence eine effiziente Zusammenarbeit zwischen den Eigentümern und Nutzern von Datenprodukten. Plattformen, die Data Intelligence unterstützen, bilden die Grundlage für die föderierte rechnergestützte Governance, die im Data Mesh-Konzept propagiert wird.
Fazit
Die Prinzipien des Konzeptes Data Mesh gewinnen weltweit an Bedeutung, unabhängig davon, ob Unternehmen dafür explizit die Bezeichnung Data Mesh verwenden. Das zeigt auch unsere aktuelle Studie „Data Mesh: Game Changer or Just Hot Air?“. Die Studie bestätigt die Relevanz der Data-Mesh-Prinzipien und ermutigt Unternehmen, die Anwendbarkeit auf ihre spezifische Data-Analytics-Landschaft zu prüfen.
Es gilt jedoch zu beachten, dass es keine allgemeingültige Lösung gibt. Jedes Unternehmen muss die Data Mesh-Methoden an seine individuelle Realität anpassen und durch zusätzliche Maßnahmen ergänzen, um seine eigene Daten-Demokratisierungsreise anzutreten. Indem Unternehmen die Prinzipien von Data Mesh umsetzen, können sie das wahre Potenzial ihrer Daten erschließen.
Weiterführende Links:
