CDPDigital Solutions

Data Quadrant Model – Vom Data-Warehouse zur Data Platform ohne Datensilos

Die Menge an Daten und deren Haltung werden täglich komplexer. Neue Anforderungen entstehen und damit auch neue Möglichkeiten, wie eine unternehmensweite Data Platform gestaltet werden kann. Dr. Klaus Schroer-Hölzer, Key-Work-Experte für Daten und Data Platform Development, zeigt in diesem Artikel den Weg auf, vom klassischen Data Warehouse zur nächsten Generation von Datenplattformen, die ganz neue Möglichkeiten eröffnen.

Aus unserem Key-Work-Magazin oder anderen Quellen wissen Sie schon: Eine Customer Data Platform (CDP) bietet Marketern einen zentralen Zugang zu Daten, um so alle Kampagnen und alle Kanäle mit einem Werkzeug bespielen zu können. Die Identity Resolution stellt hierfür die zielgerichtete Personalisierung der erkannten Interessenten und Kunden sicher. In unseren beiden Flyern zu CDP und Identity Resolution finden Sie jeweils mehr Infos zu diesen beiden Themen.

Mit Blick auf das ganze Unternehmen stellt sich die logisch anschließende Frage, wie alle Unternehmensbereiche von einer transparenten Data Platform profitieren können, die auf der Modernisierung des Data-Warehouse-Konzepts aufsetzt und Governance und Self-Service miteinander vereinbart.

Bei der Realisierung einer solchen Data Platform bringt ein bimodales Vorgehen klare Vorteile: es vereint den „Mode1“ für die nachhaltige Datennutzung basierend auf einem Data-Warehouse als sogenannte Corporate BI mit dem „Mode2“ für explorative und innovationsfreudige Datennutzung in einem Data-Lab. Siehe dazu auch BI-SPEKTRUM 03/2018 Titelthema: „Two-Speed BI – Bimodale BI“.

Mode1 ist vor allem auf Datenkontrolle und Stabilität ausgelegt

Mode1 stellt dem Nutzer die Daten für klar definierte Szenarien verlässlich in einer einfach nutzbaren Form zur Verfügung – zum Beispiel mit Hilfe von Standardreports oder spezifischen Anwendungen. Die Genauigkeit der Daten und deren eindeutige Interpretation stehen dabei im Vordergrund. Die hier erwartete Stabilität erfordert mehr Kontrolle und ein geringeres Maß an Flexibilität und Veränderungen von Datenstrukturen und Prozessen. Eine sehr gute Darstellung für die Wege zu einer optimalen Datennutzung bietet das Data Quadrant Model von Ronald Damhof. Damhof (siehe The Data Quadrant Model – Interview with Ronald Damhof) Der Mode1 entspricht dabei dem systematischen Entwicklungsstil gemäß dem Data Quadrant Model und Daten und Prozesse im Quadranten I und II sind essentiell für die Realisierung.

Mode2 hat zum Ziel, Daten schnell nutzbar zu machen und Änderungen an Datenstrukturen und Prozessen zu erleichtern

Damit werden agile Anpassungen und Veränderungen an den Daten möglich und Chancen eröffnet. Die schnelle Integration neuer Datenquellen oder neue Interpretationen und deren Nutzung durch die Fachbereiche stehen hier im Vordergrund – so können in relativ kurzen Zyklen neue Geschäftsideen realisiert werden. Die hohe Flexibilität nimmt die Anwender für die Nutzung ihrer Daten stärker in die Verantwortung und im Mittelpunkt stehen jeweils spezifische Use-Cases. Dieser Weg entspricht gemäß dem Data Quadrant Model dem opportunistischen Ansatz und basiert vornehmlich auf Prozessen und Daten im Quadranten III und IV.

Zur Realisierung einer Data Platform, die beide Modi und damit beide Nutzungsanforderungen vereint, hat es sich bewährt, das Data-Warehouse um einen Data-Lake mit Rohdaten und angereicherten Daten aus den Quellsystemen zu erweitern

Der Data-Lake dient als Staging-Area für die Beladung des Data-Warehouse und unterstützt dabei auch den systematischen Stil der Datennutzung, das Data-Warehouse und die klassischen BI-Anwendungen (Corporate BI, von Quadrant III über I nach II). Andererseits erleichtert der Data-Lake die explorative, von den Fachbereichen direkt getriebene Datennutzung im opportunistischen Stil. Die Integration der Daten erfolgt – je nach Nutzungsszenario – mit Hilfe von Streaming-Werkzeugen und wird ergänzt durch eine Orchestrierung aller Datenflüsse und Nutzungsprozesse. Die integrierten Daten werden in einem Datenkatalog erfasst und damit transparent für die Nutzung bereitgestellt. Diese Komponenten sichern die Governance für alle Daten und Datenflüsse.

Mit einem solchen Setup wird erreicht, dass alle Fachbereiche eine Plattform finden, in denen ihre spezifischen Daten und Use-Cases abgebildet werden, die gleichzeitig die Anforderungen an unternehmensweite Nutzung erfüllt – das ist die beste Grundlage, um Datensilos im Unternehmen aufzubrechen und die gemeinsame Nutzung von Daten zu fördern.

Sie wollen mehr wissen? Sprechen Sie mit uns. Dr. Klaus Schroer-Hölzer und sein Team unterstützen Sie gerne darin, Ihr Datenmanagement so aufzubauen, dass es Ihrem Bedarf entspricht.

Das Thema Datensilos auflösen spricht sie besonders an? Dann lesen Sie hier mehr.