Die Entwicklung der Lieferketten für Unternehmensdaten

Mit einer wachsenden Datenlieferkette sollten Unternehmen ihren Umgang mit Daten verfeinern, ihre Datenstrategie neu bewerten und moderne Datenarchitekturen nutzen, um effektive Datenlieferketten aufzubauen, zu nutzen und zu pflegen.

Daten waren noch nie so wichtig für die Wirtschaft wie heute, aber viele Unternehmen hinken hinterher, wenn es um die Bewältigung einiger gängiger Datenprobleme geht. Zwar haben viele Unternehmen mehr denn je Zugang zu nützlichen externen Daten, doch fehlt es ihnen an Prozessen, um externe Informationen sinnvoll zu nutzen. Der Schwerpunkt liegt nach wie vor auf der Dateninfrastruktur , und nicht auf den Produkten .

Definieren wir "Lieferketten von Daten"

Stellen Sie sich vor, dass Daten mit den in der Produktion verwendeten Rohstoffen vergleichbar sind. In dieser Analogie werden die Rohdaten für die Analyse vorbereitet, d. h. sie werden vom Rohmaterial in ein Produkt umgewandelt. In diesem Fall handelt es sich um einen Übergang von einem Rohzustand als Teil der Quellsysteme zu einem verfeinerten Zustand, um fortgeschrittene Analysen und intelligente Anwendungen zu speisen.

Während das Lieferkettenmanagement die Bewegung von Waren und Dienstleistungen verfolgt, verfolgen die Lieferketten von Daten die Abstammung, beginnend mit der Quelle, aus der die Daten stammen. Nachdem die Daten extrahiert wurden, werden sie einem Anreicherungsprozess unterzogen. Durch die Schichtung über mehrere Informationsquellen und die Katalogisierung und Kommentierung der Daten werden diese in einem durchsuchbaren Format verfügbar, auf das der Endnutzer zugreifen, es abfragen und für seine Zwecke nutzen kann. Schließlich können die Daten als Datenprodukt genutzt werden, z. B. als Finanzdatenmarkt, Kunde oder Produkt 360 usw.

Wie schaffen Sie das alles?

In der Vergangenheit stammten die Daten meist aus Betriebsdatensystemen (ODS). Dabei handelt es sich um Daten, die aus Kundenbeziehungsmanagement- (CRM) und Unternehmensressourcenplanungssystemen (ERP) oder anderen Produkten generiert werden, die Unternehmen als Transaktionssysteme dienen, z. B. Kernprodukte, Personalverwaltung, Einzelhandels- oder Kassensysteme, Patientenakten, Verträge usw.

Dies war früher die vorherrschende Nutzung von Daten: Eine Handvoll Quellsysteme speiste Daten in einen zentralen Speicher ein. Die Teams nutzten diese Daten dann, sobald sie in dem großen Repository - häufig ein Data Warehouse - verfügbar waren.

Die Entwicklung hin zu Multi-Cloud- und multimodalen Lieferketten von Daten

Die Nutzung von Daten hat sich in den letzten fünf bis sieben Jahren verändert, insbesondere im Zuge der Pandemie. Es reicht nicht mehr aus, dass ein Unternehmen nur die Daten nutzt, die es intern erzeugt. Dies veranlasst Unternehmen dazu, ihre Datenlieferketten zu überdenken. Die Unternehmen ziehen heute zwei Datenlieferungsmodelle in Betracht: direkt und indirekt. Das direkte Modell stützt sich auf interne und externe Datensätze Dritter, während das indirekte Modell Umweltfaktoren, Verhaltensweisen, Einflüsse und synthetische Datensätze nutzt.

• Direkt:
  • Erstanbieterdaten werden direkt über CRM, ERP, Endbenutzergeräte und andere interne Systeme erfasst.
  • Daten von Drittanbietern werden von Partnern, Anbietern und Verbrauchergeräten gesammelt.
  • Daten von Dritten, werden aus Kaufhistorien, Listen mit Kundeninformationen, Marktdaten, Wirtschaftsdaten usw. gesammelt.
• Indirekt:
  • Kausale Daten ist eine Sammlung von Datenpunkten, die bestehende Datenmodelle bereichern können. Zum Beispiel Daten zu externen Einflussfaktoren, Wetter als Indikator für die Kundenstimmung, Demografie, soziale Medien, Trends usw.
  • Synthetische Daten beschreibt simulierte und automatisch generierte Daten. So benötigen beispielsweise Simulatoren für autonome Fahrzeuge große Datenmengen, die nicht ohne Weiteres verfügbar sind, und mögliche reale Szenarien, die noch nicht erfasst wurden. Ein weiterer Schwerpunkt sind generative adversarische Netze (GANs), bei denen ein generatives Netz Datenpunkte erzeugt, während ein diskriminatives Netz diese so weit auswertet, dass die Daten nicht mehr von realen Datenpunkten zu unterscheiden sind. Diese Anwendung ist nützlich in Umgebungen mit eingeschränktem Datenschutz und bei KI-Modellen, wo sie dazu beitragen kann, Verzerrungen einzudämmen.

Wie sollten sich Organisationen an diese Entwicklung anpassen?

Die Bedürfnisse der Unternehmen sind heute viel stärker miteinander vernetzt - nicht nur innerhalb des Unternehmens, sondern auch zwischen Lieferanten, Produzenten und Verbrauchern. Unternehmen setzen rasch auf Multi-Cloud, wobei die Art der Arbeitslast als De-facto-Kriterium für die Auswahl einer Cloud gilt. Anwendungen werden zunehmend über verschiedene Clouds verteilt, und die Lieferkette von Daten tendiert unweigerlich in Richtung Multicloud.

Die Umstellung auf SaaS für Geschäftsanwendungen hat sich auch auf die Zuverlässigkeit Ihrer Lieferkette ausgewirkt, die sich nun auch außerhalb Ihres Unternehmens auf SaaS-Anbieter erstreckt. Die Integration mit einem SaaS-Anbieter schafft ein Push- und Pull-Modell, bei dem die Daten direkt von der SaaS-Anwendung kommen, angereichert werden und die Stammdaten zurück in die SaaS-Anwendungen gepusht werden. Wir wissen zum Beispiel, dass die Einzelhandelsumsätze in der Regel bei schlechtem Wetter zurückgehen. Die Integration dieser Daten in die Bestandskontrolle ist entscheidend für die Stabilität und Langlebigkeit von Einzelhandelsunternehmen.

Die Trends in der Datenlieferkette werden auch zunehmend von technologischen Innovationen beeinflusst, die Daten leichter verfügbar machen. Hier kommen Konzepte zur gemeinsamen Nutzung von Daten und ein leichterer Zugang zu kuratierten Datensätzen - sowohl beschaffte als auch Open-Source-Daten (auch als Datenprodukte bezeichnet) - ins Spiel.

Die gemeinsame Nutzung von Daten wird immer mehr zum Mainstream. Hier werden die Daten von Drittunternehmen, Partnern und Lieferanten aufbereitet und dann über Data-as-a-Service-Anbieter wie Snowflake und Databricks zur Verfügung gestellt. Interne Datenbörsen und Marktplätze stellen diese vorbereiteten Datenprodukte den Geschäftseinheiten zur Verfügung, um die Geschwindigkeit der Zusammenarbeit zu erhöhen.

Während Ihre Lieferkette vielleicht explodiert, implodieren Ihre Lieferketten im Falle der gemeinsamen Nutzung von Daten, weil Sie den Zeitaufwand und die Komplexität der Erstellung zusätzlicher Datenpipelines reduzieren. Anstatt Daten von einem Ort zum anderen zu transportieren und sie dann zu integrieren, können Sie Ihre Daten jetzt ohne jegliche Datenbewegung umwandeln.

Wie können wir die Vorteile nutzen? 

Vor fünfzehn Jahren befanden sich die Daten, die ein Unternehmen nutzte, ausschließlich in diesem Unternehmen. Die Unternehmen waren schnell in der Lage, auf Daten zuzugreifen und Datenpunkte für die Entwicklung digitaler Produkte zu erstellen und zu nutzen.

Heutzutage sind die Unternehmensdaten über mehrere Clouds und SaaS-Anwendungen verteilt. Interne Daten allein reichen nicht aus, um bessere Entscheidungen zu treffen. Stattdessen werden Sie sich mehr auf externe Daten verlassen - Informationen von Ihren globalen Partnern, Lieferanten und Verbrauchern - und auf kausale Daten, die das Umfeld dessen, was Sie verkaufen und an wen Sie verkaufen, interpretieren.

Wie lassen sich angesichts dieser Veränderungen Architekturen schaffen, die für die Pflege einer wachsenden Datenlieferkette geeignet sind? Hier ist ein Ansatzpunkt: Überprüfen Sie noch einmal genau, wie Ihr Unternehmen seine Datenstrategie angeht. Sie sollten die wachsende Lieferkette von Daten berücksichtigen, um alle drei Formen von direkten Datensätzen (Erst-, Zweit- und Drittdaten) zu nutzen und die Annahme von indirekten Datensätzen wie kausalen und synthetischen Daten zu erhöhen. Von dort aus können Sie modernere Datenarchitekturen und Datenintegrationsmuster aufbauen und nutzen und sich dabei auf die Daten konzentrieren, die für ein Unternehmen am wichtigsten sind.

Join the Conversation: Find Solve on Twitter and LinkedIn, or follow along via RSS.

Stay on top of what's next in technology

Learn about tech trends, innovations and how technologists are working today.