Johanna Ecke
Das Wichtigste in Kürze:
Das Controlling meldet andere Umsatzzahlen als der Vertrieb. Für jedes neue Dashboard entsteht ein neuer Datenfluss oder ein neues Teildatenmodell. Fachbereiche warten auf Auswertungen, obwohl die benötigten Informationen im Unternehmen vorhanden sind. Das kostet Zeit, bindet IT-Ressourcen und erschwert verlässliche Entscheidungen. Der Grund: Daten werden meist für einzelne Projekte, Reports oder Analysen aufbereitet, ohne anschließend dauerhaft nutzbar zu sein. Datenprodukte ändern diesen Umgang mit Daten.
Der Datenproduktansatz reduziert die einmalige Datenbereitstellung. Denn bei der Einführung von Datenprodukten werden Daten nicht mehr isoliert für einzelne Anwendungsfälle aufbereitet. Durch die Implementierung von Datenprodukten entstehen wiederverwendbare, dokumentierte und verantwortete Datenbausteine, die verschiedenen Bereichen im Unternehmen als gemeinsame Grundlage dienen.
Definition Datenprodukt: Ein Datenprodukt (engl. Data Product) ist ein klar verantwortetes, wiederverwendbares Paket aus Daten, das einen konkreten Business-Nutzen liefert und einfach konsumiert werden kann.
Hinter Data Products stehen Product Owner, die gemeinsam mit ihrem Team oder allein ihre Daten wie ein Produkt führen: Sie bereiten Rohdaten auf, pflegen sie und stellen sie anderen Bereichen zur Verfügung. Dabei geht es um mehr als um Daten. Ein Data Product verbindet Daten mit fachlichem Kontext, Qualitätsinformationen, Dokumentation, Verantwortlichkeiten und Nutzungsregeln. Dadurch entsteht ein Datenbaustein, den unterschiedliche Teams für verschiedene Anwendungsfälle gemeinsam nutzen können.
Wichtig: Nicht jede Tabelle oder View ist automatisch ein Datenprodukt. Erst wenn Daten für einen konkreten Nutzerbedarf aufbereitet, mit fachlicher Bedeutung versehen, qualitätsgesichert und dauerhaft verantwortet werden, entsteht ein Datenprodukt. Davon zu unterscheiden sind Analyseprodukte wie Dashboards oder Prognosemodelle. Sie nutzen Datenprodukte als verlässliche Grundlage und bereiten deren Informationen für einen bestimmten Zweck auf.
Ein Datenprodukt besteht aus mehr als Daten. Dazu gehören Metadaten und fachliche Definitionen, Qualitätskennzahlen, Zugriffsregeln, Schnittstellen, Dokumentation sowie Informationen zur Herkunft der Daten.
Standardisierte Bauteile sind ein gutes Beispiel, um Datenprodukte zu verstehen. Ein Bauteil wird nicht nur für ein einzelnes Produkt gefertigt, sondern nach festgelegten Standards für verschiedene Anwendungen bereitgestellt. Genauso stellen Datenprodukte Informationen in einer verlässlichen Form bereit, die mehrere Fachabteilungen in Ihrem Unternehmen nutzen können. Diese Wiederverwendbarkeit verkürzt Entwicklungszeiten und reduziert redundante Arbeiten.
Die Einführung von Datenprodukten schafft eine gemeinsame Grundlage für Self-Service Analytics und KI-Projekte. Geprüfte Daten, einheitliche Kennzahlen und fachlicher Kontext ermöglichen eigenständige Analysen und helfen KI-Anwendungen Informationen richtig einzuordnen. In den meisten Unternehmen finden Fachanwender keine verlässlichen Datenquellen oder haben Probleme beim Verständnis, weil die Daten individuell von einer Person oder für einen Zweck zusammengeführt wurden.
Datenprodukte schaffen hier eine gemeinsame Datengrundlage und liefern beschriebene, dokumentierte und qualitätsgesicherte Datenbausteine. Fachbereiche setzen auf Basis der bereitgestellten Datenprodukte ihre eigenen Anwendungsfälle schnell und selbstständig um. In den meisten Fällen ohne die Unterstützung der IT. Das entlastet die IT und steigert das Tempo in denen die Fachbereiche Ihre Use-Cases umsetzen.
Dank der Datenprodukte verschiebt sich die Rolle der IT: Statt immer neue Auswertungen zu entwickeln, stellt sie standardisierte Bausteine bereit. Fachbereiche erstellen darauf aufbauend eigenständig Analysen, Reports oder Modelle. Die IT gewinnt dadurch Kapazitäten für Integration, Plattformbetrieb, Standards und die Weiterentwicklung und Modernisierung der Datenarchitektur.
Merkmal eines Datenprodukts | Bedeutung in der Praxis |
|---|---|
Fachlicher Nutzen | Löst ein konkretes fachliches Problem und unterstützt messbare Ziele |
Klare Verantwortung | Ein Product Owner steuert Inhalt, Qualität und Weiterentwicklung |
Nachvollziehbare Dokumentation | Beschreibt fachlichen Kontext, Definitionen und vorgesehene Nutzung |
Verbindliche Governance | Regelt Zugriff, Pflege und Qualitätsstandards |
Mehrfach nutzbar | Unterstützt mehrere Reports, Analysen und KI-Anwendungen auf derselben Grundlage |
Schnell auffindbar | KI arbeitet mit gewachsenem SAP-Wissen |
Wie Datenprodukte in der Praxis aussehen, zeigen folgende Beispiele: Ein Vertriebsdatenprodukt bündelt Kunden-, Auftrags- und Umsatzdaten mit einheitlichen Definitionen. Ein Finanzdatenprodukt stellt geprüfte Ist-, Plan- und Forecast-Daten bereit. In der Produktion können Maschinen-, Qualitäts- und Wartungsdaten als gemeinsame Grundlage für Analysen und KI-Anwendungen dienen.
Datenprodukte lassen sich für die unterschiedlichsten Anwendungsfälle erstellen. Wichtig ist, dass der Nutzen vorhanden ist und es einen wiederkehrenden fachlichen Bedarf gibt.
Sobald die Relevanz von Datenprodukten geklärt ist, braucht es einen strukturierten Einstieg. Ein häufiger Fehler besteht darin, zuerst über Plattformen, Tools oder Architekturen zu diskutieren. Ausgangspunkt sind jedoch die wiederkehrenden Informationsbedarfe der Fachbereiche und ein klar definierter Geschäftswert. Darauf folgen die Konzeption der organisatorischen und technischen Grundlagen, der Praxistest mit einem MVP und die schrittweise Skalierung.
Die Einführung von Datenprodukten umfasst mehr als die technische Aufbereitung von Daten. Sie verändert, wie Daten im Unternehmen verantwortet, bereitgestellt und genutzt werden. Ein Data Operating Model (DOM) schafft dafür den organisatorischen Rahmen. Wir unterstützen Sie dabei, Rollen, Prozesse und Governance schrittweise aufzubauen und in der Praxis zu verankern.
Je stärker Analytics und KI in Geschäftsprozesse einziehen, desto wichtiger wird eine verlässliche, verständliche und wiederverwendbare Datengrundlage. Datenprodukte schaffen genau dieses Fundament: Sie machen Daten dauerhaft nutzbar und ermöglichen es Unternehmen, neue Anwendungsfälle schneller umzusetzen. Als Partner für Data & AI Services begleiten wir Sie von der Strategie über das Data Operating Model und die Modernisierung der Architektur bis zur Entwicklung und Skalierung konkreter Datenprodukte und KI-Lösungen.
Die Windhoff Group begleitet Unternehmen von der Standortbestimmung bis zum Roll-out. Gemeinsam identifizieren wir geeignete Anwendungsfälle, bewerten die organisatorischen und technischen Voraussetzungen und entwickeln eine Roadmap. Anschließend unterstützen wir beim Aufbau eines ersten MVP-Datenprodukts und bei der schrittweisen Skalierung auf weitere Fachbereiche und Datendomänen. Mehr über die Einführung von Datenprodukten mit der Windhoff Group erfahren.
Ja. Die Windhoff Group verbindet Erfahrung in SAP-, Microsoft- und Databricks-Technologien mit fachlicher und organisatorischer Beratung. Dadurch lassen sich SAP- und Non-SAP-Daten in eine gemeinsame Datenarchitektur einbinden. Welche Plattform und welche technischen Komponenten zum Einsatz kommen, entscheiden wir auf Basis der bestehenden Systemlandschaft, der Zielarchitektur und der geplanten Anwendungsfälle.
