be social

Social [ Business :: Networks :: Learning ]
IT-Analyst [ Social Collaboration :: Talent Management ]

Die Datenflut im Unternehmen beherrschbar machen

Der Mensch hat eine seiner über Jahrtausende antrainierten Verhaltensweisen erfolgreich in das digitale Zeitalter retten können: Das Sammeln und das Jagen. Waren es in den vorchristlichen Jahrtausenden fast ausschließlich Dinge zum Essen oder Anziehen, sprich die damals lebensnotwendigen Sachen, sind es heute Daten und Informationen, die wir in unendlich großen Mengen sammeln und jagen.

Da wir im digitalen Zeitalter leben, sind das für uns die lebensnotwendigen „Dinge“, die wir für unsere heutige Existenz benötigen. Kein Unternehmen kommt heute mehr ohne Daten aus. Der Computer ist in allen Bereichen der Verwaltung und der Produktion fester Bestandteil der Arbeitsprozesse. Dadurch werden natürlich auch Unmengen von Daten produziert. Im Gegensatz zur Steinzeit sind Informationen heute keine Mangelware mehr. Waren unsere Vorfahren froh, überhaupt etwas in die Höhle zu bekommen, kämpfen wir heute damit, die richtigen und die wichtigen Informationen für unsere Arbeit zu erhalten.

Viele Unternehmen – so scheint es – haben sich dem Zustand des absoluten Informationsüberflusses ergeben. Sie bauen ihre Speicherkapazitäten kontinuierlich aus und speichern, was durch die Leitungen der Netzwerke geht. Dabei stecken in diesen Daten häufig große Schätze oder – auf der anderen Seite – es handelt sich um Datenmüll. Und um beides müssen sich Unternehmen kümmern.

Gutes Datenmanagement ist für viele Entscheider vor allem aufwendig und teuer, aber der Aufwand lohnt sich!

Erfolgreiche Unternehmen gehen offensiv mit der Bewältigung ihrer Informationen um und sehen das als eigenständigen Unternehmenswert an. Dabei geht es nicht nur um Kundendaten und deren Adressen, da ist der Wert vergleichsweise leicht zu ermitteln. In allen Bereichen des Unternehmens entstehen Daten, die für das Unternehmen wertvolle Informationen beinhalten können.

Um sich in dem Wust an Daten orientieren zu können, basiert das Datenmanagement auf vier Säulen: Lebenszyklus, Qualität, einer Gesamtsicht auf die Daten und einer konkreten Darstellung von Aufgaben, Kompetenzen und Verantwortlichkeiten. Gerade beim letzten Punkt sieht man sehr häufig, dass sich nach dem Speichern der Daten niemand mehr dafür interessiert. So häufen sich die Dateien in den Laufwerken oder dem Dokumenten Management System oder in den unendlich vielen Communities der Social Collaboration Plattformen, die in immer mehr Unternehmen Einzug halten.

Ein erfolgreich eingeführtes und auf heutige Anforderungen ausgerichtetes modernes Datenmanagement – eine Daueraufgabe für Unternehmen – sorgt dafür, dass die Mitarbeiter ihre Daten sicher abgelegt, gepflegt und wiederverwendet, bei Bedarf ausgewertet und gelöscht werden können.

Werden Informationen in ihrer Gesamtheit als eine wertvolle Ressource betrachtet, steigern sie die Leistungsfähigkeit des Unternehmens.  Dazu werden die zu verarbeitenden Daten wie folgt klassifiziert:

  • Kritische Daten
    sind für die Prozesse des Unternehmens lebensnotwendig und führen bei einem Schaden zu einer Katastrophe – kurzfristig oder aber auch erst zu einem späteren Zeitpunkt. Dazu gehören auch Daten, die vom Unternehmen aufbewahrt werden müssen, z.B. Steuerunterlagen, Verträge, Produktdaten.
  • Performance Daten
    sind Daten, die für die Steuerung und die Planung benötigt werden. Der Verlust führt meist zu einem Stopp des betrieblichen Ablaufs des betroffenen Bereichs, z.B. der aktuellen Produktion und der nachfolgenden Prozesse.
  • Wichtige Daten
    sind meist für die aktuellen Aufgaben notwendig und werden anschließend archiviert oder gelöscht.
  • Sensible Daten
    sind Daten, die besonders geschützt werden müssen, da es sich z.B. um Verträge oder Personaldaten handelt.
  • Nicht-kritische Daten
    Sind Daten, die bei der Arbeit entstehen und deren Verlust oder nicht Verfügbarkeit keinen Schaden für das Unternehmen bedeuten.

Der Lebenszyklus von Informationen

Der Unterschied zwischen Daten und Informationen liegt darin, dass Informationen in einem für den Anwender relevanten Kontext bereitstehen. Eine Adresse besteht aus Name, Straße und Ort und sind einfache Daten. Erst wenn der Anwender die Adresse benötigt, wird daraus eine Information. Dieser Unterschied ist bei der Bewertung der Daten wichtig. Nur wenn diese in einem wie auch immer gearteten Kontext stehen oder einen bekommen, erhalten sie einen Wert für das Unternehmen.

Die zu verarbeitenden Daten haben einen Lebenszyklus. Betrachtet man die vielen Datensilos, ist dieser beim Großteil der Daten nicht vollständig abgebildet. Die dadurch entstehenden Herausforderungen sind enorm:  Die Mengen werden größer und größer, die Suchen bringen eine immer schlechter werdende Qualität und das Risiko, wichtige Daten zu vernachlässigen, nimmt ebenso zu.

Um dies zu vermeiden, haben sich für Daten vier Lebenszyklen etabliert: „verwendet“, „analysiert“, „archiviert“ und „entfernt“.  Der Übergang von einem Zustand zum nächsten muss dabei durch klare und nachvollziehbare Regeln erfolgen. Diese Regeln sehen vor, wie lange ein Informationsobjekt bzw. Datensatz aufgehoben werden muss, wann die Archivierung und wann die Löschung erfolgt.

Hat man sich einen Überblick über die vorhandenen und die künftig aufkommenden Daten verschafft, können die Systeme zur Verwaltung von eher „harten“ und „strukturierten“ Daten angepasst und darauf eingestellt werden. Bei den eher „weichen“ Daten, die meist von Mitarbeitern in Form von Dateien oder Textbeiträgen in Blogs und ähnlichen Anwendungen erstellt werden, ist es notwendig, klare Spielregeln aufzustellen und diese dann auch zu vermitteln.

Die Relevanz der Datenqualität

Nicht immer ist es im Arbeitsprozess notwendig, dass alle Daten in gleicher Menge und Zeit vorliegen. Anwender und Systeme legen an die benötigten Daten im Prozess unterschiedliche Qualitätsanforderungen. Jeder Anwender, der auf der Suche nach einer Information ist, kennt das Problem: Man weiß, dass sie gespeichert vorliegt, irgendjemand hat die Information, sie wird jetzt benötigt und muss bearbeitet werden können. Bei den automatisch verarbeiteten Prozessdaten liegen meist Konzepte und Realisierungen dahinter, um dies weitestgehend zu gewährleisten. Bei manuell verarbeiteten Informationen fehlen diese Vorgaben häufig. Meist liegt nur eine Ordnerstruktur für das Ablegen der Dateien vor. Es gibt aber keine Beschreibung, welche Dateien das sein können, welche Informationen sie enthalten sollten und wie sie weiter zu verarbeiten sind.

Auf Basis von Quality Gates werden für die einzelnen Informationsobjekte verschiedene Qualitätsattribute vergeben. Diese beinhalten Werte, wann eine Information vollständig ist. Welche Dokumente werden für Produkte benötigt?  Welche Relevanz hat eine bestimmte Information? Wie genau muss der Inhalt sein – wie auch immer dies im speziellen Fall bewertet wird.

Wie sind die Informationsflüsse geregelt?

Es ist häufig sehr schwer, einen Überblick zu behalten, wo sich welche Daten aktuell befinden. Bei der Erstellung einer Übersicht müssen die Prozesse, die zu verarbeitenden Daten und Anwendungen aufgelistet werden. Das Ergebnis ist eine Darstellung der Architektur, welcher Prozess welche Daten mit welcher Anwendung verarbeitet.

Werden in dieser Übersicht noch die Werte der Datenqualität mit eingetragen, sieht man sehr schnell, wo kritische Daten verarbeitet werden und Prozesse bei nicht Verfügbarkeit empfindlich gestört werden.

Technik ist regelbar, wichtig sind die Menschen, die damit Arbeiten

Das ganze Konstrukt und die Erstellung vielfältiger Architekturen hilft nichts, wenn sich die Menschen, die damit arbeiten, nicht an die „Spielregeln“ und Vorgaben halten. Die Manager im Unternehmen bzw. einer Abteilung müssen dafür Sorge tragen, dass das Regelwerk auch gelebt wird.

Das bedeutet im ersten Schritt, dass keine Regelungen gegen die Anforderungen der Mitarbeiter eingeführt werden. Auch ist es notwendig, dass Regelungen – je nach Anforderung – immer wieder überarbeitet und angepasst werden. Dies muss mit der dafür notwendigen Ernsthaftigkeit erfolgen. Man darf den Bogen dabei nicht überspannen, aber auf der anderen Seite auch nicht einfach die Änderungen im Schnellverfahren durchführen.

Schlechtes Datenmanagement ist teuer!

Schlechtes Datenmanagement  gehört zu den großen Frustrationsfaktoren für Mitarbeiter in der täglichen Arbeit. Auch bei den automatisierten Prozessen sind schlechte Daten teuer. Leider wird der Wert von Daten in den meisten Fällen nicht gemessen. Erfolgreich kann Datenmanagement nur sein, wenn man sich von Anfang an Gedanken über die Qualität der Daten macht, die Kosten für die Erstellung und Umsetzung im Unternehmen nicht scheut und es als ein Teil der Organisation bzw. des täglichen Arbeitens betrachtet.  Ansonsten wird sehr viel Geld in den Ausbau der Systeme gesteckt, viel Zeit mit Suchen oder dem Neuerstellen von Informationen verbracht oder die Arbeitsprozesse massiv behindert. Kein noch so intelligentes Computersystem kann aus schlechten Daten wertvolle Informationen produzieren.

Wenn es ein Unternehmen geschafft hat, ein aktives Datenmanagement zu etablieren und zu leben, dann können auch zukünftige Anforderungen wie Big Data erfolgreich gemeistert werden.

Dieser Artikel entstand in Zusammenarbeit mit Symantec.

Kommentar verfassen

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.