Die digitale Transformation ist in vielen Unternehmen im vollen Gange. Das Potential der neu verfügbaren Informationen und Daten wird aber oft nicht voll ausgeschöpft. Damit der Wandel zum datengesteuerten Unternehmen gelingt, muss fundamental umgedacht werden. Datengesteuert zu sein bedeutet, im gesamten Unternehmen eine Mentalität zu kultivieren, die Data und Analytics als Basis für alle Geschäftsentscheidungen sieht. In unserer Umfrage „Leverage Your Data„, gaben 90 Prozent der Befragten an, dass Informationen eine hohe Priorität bei der Entscheidungsfindung im Unternehmen haben. Aber nur bei 25 Prozent werden Entscheidungen überwiegend oder ausschließlich basierend auf Daten gefällt. Es gibt noch eine große Lücke zwischen Anspruch und Wirklichkeit.
Wie etabliert man also eine „Datendemokratie“ im Unternehmen?
Der Begriff Datendemokratie soll implizieren, dass möglichst viele Mitarbeiter:innen die Autorität und die Fähigkeit bekommen, auf Unternehmensdaten zuzugreifen, sie zu verstehen und wertschöpfend nutzen zu können. Dafür müssen viele Unternehmen ihren Umgang mit Daten fundamental ändern.
Heutzutage wird der Zugriff auf Daten sowie deren Aufbereitung, Nutzung und Verteilung oft restriktiv gehandhabt. Dies spiegelt sich im Konzept des zentralen Data Warehouse wider, das traditionell eher als etwas Technisches gesehen wird und dementsprechend meist von technisch orientierten Teams bzw. der IT-Abteilung verantwortet wird.
Das Konzept des zentralen Data Warehouse wird jedoch von vielen als überholt angesehen. Vor allem Fachanwender:innen kritisieren die mangelnde Flexibilität und fehlende Self-Service-Möglichkeiten.
Dabei ist die Idee der Self-Service Analytics nicht neu. Es gibt jedoch eine anhaltende Debatte darüber, welcher Grad an Self-Service angemessen ist. Ein Hauptstreitpunkt ist dabei die Datenaufbereitung. Wird diese individuell und dezentral durchgeführt wird, entstehen Risiken in Bezug auf die Konsistenz und damit auch die Aussagekraft von Kennzahlen.
Nur ein kleiner Prozentsatz der Anwender:innen benötigt tatsächlich Datenaufbereitungsfunktionen (siehe Abbildung 1). Für die große Mehrheit der einfachen Datenkonsumenten (ca. 70 Prozent) ist dies nicht relevant. Es sind vor allem Business-Analyst:innen (etwa 5 Prozent der Anwender) und Power User (etwa 25 Prozent der Anwender), die eine individuelle Datenaufbereitung im Rahmen von Data Discovery und Data Science umsetzen müssen.
Datendemokratie erfordert neue Ansätze
Eine offene Datenkultur bedeutet eine Abkehr vom „need to know“ hin zum „right to know“. Dies erfordert eine interdisziplinäre und funktionsübergreifende Zusammenarbeit. So können beispielsweise Datenkonsument:innen in einer Vertriebsabteilung für ihre Analysen Finanzdaten benötigen, die von Datenproduzent:innen in der Finanzabteilung erstellt wurden. Eine Datenplattform, die eine Demokratisierung fördert, muss agiles und exploratives, dezentralisiertes Arbeiten sowie die nahtlose Weitergabe und Weiterverwendung relevanter Ergebnisse in einer sicheren und zentralen Umgebung unterstützen.
Anforderungen an eine Datenplattform zur Unterstützung der Datendemokratie
Eine Datenplattform muss ein integraler Bestandteil einer ganzheitlichen Daten- und Analyticsplattform sein. Ihre zentrale Aufgabe ist die logische Umsetzung des unternehmensweiten Data Repository. Dazu gehören auch verschiedene Aspekte der Data Governance und des Data Cataloging sowie die Unterstützung von allgemeinem Data Pipelining.
SAP Data Warehouse Cloud
Die SAP Data Warehouse Cloud ist ein relativ neues Angebot von SAP (siehe Abbildung 2). Die Lösung bietet nicht nur eine flexible, cloudbasierte Option für das Enterprise Data Warehouse, sondern ist auch so konzipiert, dass Fachbereiche mit Hilfe einer semantischen Geschäftsschicht Self-Service-Analytics umsetzen können. Sie verfolgt einen „Federate-First“-Ansatz, um Datentransport im Vorfeld zu reduzieren oder ganz zu vermeiden. Dies erhöht die Agilität und reduziert den Datenmanagement-Footprint. Sie kann als eigenständige Lösung oder als Ergänzung zu bestehenden SAP- oder Nicht-SAP-Data-Warehouses on-premises oder in der Cloud eingesetzt werden und unterstützt Konnektivität zu einer Vielzahl von SAP- und Nicht-SAP-Datenquellen. Die Datenobjekte des SAP Data Warehouse Cloud werden als Tabellen und Ansichten exponiert. Dies ermöglicht es externen Data Pipelines und Analytics-Tools, sie als Ziel bzw. Quelle zu nutzen.
SAP Data Warehouse Cloud zielt auf mehr Agilität und Flexibilität beim Aufbau und der Entwicklung eines Data Warehouse ab. Die Erfolgsfaktoren dafür sind zum einen die Befähigung der Business-Anwender:innen, in Zusammenarbeit mit der IT eine aktive Rolle beim Aufbau des Data Warehouse einzunehmen, und zum anderen der „As-a-Service“-Ansatz.
Typische Szenarien für den Einsatz von SAP Data Warehouse Cloud sind laut SAP:
- Self-Service-Datenmodellierung und -Analytics, indem Geschäftsanwender:innen über sogenannte Spaces Self-Service-Analytics in einer IT-gesteuerten Umgebung ermöglicht werden.
- Ermöglichung der Datendemokratisierung durch Beschleunigung der Time-to-Insight durch schnelles Onboarding von Ressourcen. Die Einstiegshürde wird durch eine semantische Business Layer gesenkt, die gemeinsame Geschäftsdefinitionen bereitstellt und die Datenschicht von den zugrunde liegenden physischen Datenquellen abstrahiert.
- End-to-End-Data-Warehousing durch Nutzung vorhandener SQL-Kenntnisse, SAP-IDEs, Drittanbieter/Open-Source- und/oder integrierter Tools für die Datenintegration. Wiederverwendung bestehender On-Premises-Investitionen über hybride Szenarien möglich (z. B. SAP HANA für SQL DW, SAP S/4HANA, SAP BW/4HANA und andere).
SAP Data Warehouse Cloud als Datenplattform für Datendemokratie
SAP Data Warehouse Cloud wurde für die Bereitstellung einer metadatengesteuerten Datenplattform sowohl für Unternehmens- als auch für Self-Service-Anforderungen konzipiert. Sie verbindet sich mit SAP- und Nicht-SAP-Datenquellen, die sich on-premises oder in der Cloud befinden. Insbesondere die enge Integration mit SAP BW/4HANA gewährleistet die Wiederverwendbarkeit von BW-Daten- und Abfrageobjekten zur Unterstützung hybrider Szenarien.
Die Unterstützung von Datentransformations- und Integrationsanforderungen ist ebenfalls eine Kernelement von Data Warehouse Cloud. Bei Bedarf (z. B. für komplexe Data Pipelines) kann dies durch SAP Data Intelligence erweitert werden. Die Lösung wird mit einer begrenzten Anzahl von SAP Analytics Cloud-Lizenzen ausgeliefert, die jederzeit erweitert werden können. Data Warehouse Cloud ermöglicht sowohl die Föderation als auch die persistente Speicherung von Daten in der zugrunde liegenden HANA Cloud.
Fazit
Aus unserer Sicht als Marktanalyst ist die SAP Data Warehouse Cloud ein neues Produkt mit einer klaren und gut definierten Vision. Diese Vision zielt darauf ab, eine Plattform anzubieten, die es ihren fachlichen und technischen Nutzern ermöglicht, gemeinsam ein unternehmensweites Data Repository aufzubauen. Dies ist ein ehrgeiziges Ziel.
Der Fokus der Entwicklung von SAP Data Warehouse Cloud lag bisher vor allem auf der Unterstützung von Self-Service-Szenarien. Dies ist nicht zuletzt eine Reaktion auf die häufig geäußerte Kritik von SAP-Kunden, dass SAP Business Warehouse diese Anforderungen in der Vergangenheit nur unzureichend unterstützt hat. Die Self-Service-Bedürfnisse vieler Geschäftsanwender:innen gehen weit über Ad-hoc-Reporting hinaus. Vielmehr geht es auch darum, vorhandene und neue Daten im Zusammenhang mit neuen Fragestellungen nutzen zu können. Genau hier kommt die SAP Data Warehouse Cloud ins Spiel.
Letztlich müssen die Daten und Analytics-Ergebnisse aus der Self-Service-Sandbox effizient operationalisiert werden und erst daran lassen sich Agilität und Effektivität messen. Es erfordert eine enge Zusammenarbeit zwischen Geschäftsdatenanalyst:innen und den technischen Expert:innen, die die Stabilität und Sicherheit des Betriebs in der Unternehmensumgebung gewährleisten. Laut der Roadmap für die SAP Data Warehouse Cloud im Jahr 2021 sind gerade in diesem Bereich Weiterentwicklungen geplant.
Damit ist die SAP Data Warehouse Cloud auf dem besten Weg, die umfangreichen Anforderungen an eine geschäftsanwenderfreundliche Datenplattform zu erfüllen. Der Ansatz der modellorientierten Datenaufbereitung durch datenversierte Fachanwender:innen ist eine wichtige Ergänzung zur klassischen, Pipeline-orientierten Datenbereitstellung durch Data Engineers. Ziel ist es, die oft chaotische Self-Service-Datenaufbereitung durch einen organisierten Ansatz zu ersetzen, der auch eine geordnete Operationalisierung unterstützt. SAP Data Warehouse Cloud ist damit gut positioniert, um sich als zentrale und wichtige Komponente bei der Umsetzung der Datendemokratisierung im Unternehmen zu etablieren.
