{"id":5391,"date":"2022-08-06T19:16:02","date_gmt":"2022-08-07T03:16:02","guid":{"rendered":"https:\/\/www.gudusoft.com\/?p=5391"},"modified":"2022-09-17T14:11:09","modified_gmt":"2022-09-17T22:11:09","slug":"challenges-facing-enterprise-data-governance","status":"publish","type":"post","link":"https:\/\/www.gudusoft.com\/de\/herausforderungen-fur-die-datenverwaltung-im-unternehmen\/","title":{"rendered":"6 Herausforderungen f\u00fcr die Datenverwaltung in Unternehmen | Gudu SQLFlow"},"content":{"rendered":"

6 Herausforderungen f\u00fcr die Datenverwaltung in Unternehmen!<\/h2>\n

F\u00fcr Unternehmen bedeuten unterschiedliche Branchen, unterschiedliche Gesch\u00e4ftsmerkmale und unterschiedliche Informatisierungsgrade auch unterschiedliche Herausforderungen im Prozess der Datenverwaltung<\/a><\/strong>. Die gemeinsamen Probleme und Herausforderungen von Unternehmensdatenverwaltung<\/strong> umfassen im Wesentlichen die folgenden sechs Aspekte:<\/p>\n

\"Herausforderungen

Herausforderungen f\u00fcr die Datenverwaltung in Unternehmen<\/p><\/div>\n

Herausforderungen f\u00fcr die Datenverwaltung in Unternehmen \u2013 1. Unzureichendes Verst\u00e4ndnis des Gesch\u00e4ftswerts der Datenverwaltung<\/strong><\/p>\n

\u201eWarum sind Daten wichtig?\u201c, \u201eWelche Probleme kann Data Governance l\u00f6sen?\u201c, \u201eWelchen Wert kann Data Governance erzielen?\u201c Dies sind die drei wichtigsten Fragen, die die Datenverwaltung in Unternehmen plagen und die von Unternehmensleitern und Fachabteilungen h\u00e4ufig gestellt werden.<\/p>\n

Da traditionelle Datenverwaltung technologieorientiert ist, achtet sie auf die Standards der zugrunde liegenden Daten und die Spezifikation des Betriebsprozesses. Obwohl technologiegetriebene Datenverwaltung auch Datendefizite aufdecken kann und Verbesserung der Datenqualit\u00e4t<\/strong><\/a>, Management und Gesch\u00e4ftspersonal scheinen damit nicht zufrieden zu sein.<\/p>\n

Da das traditionelle, technologiebasierte Data-Governance-Modell nicht von der L\u00f6sung praktischer Gesch\u00e4ftsprobleme ausgeht, verf\u00fcgen Unternehmen im Allgemeinen \u00fcber kein ausreichendes Verst\u00e4ndnis f\u00fcr den Gesch\u00e4ftswert von Data Governance. Um den Wert von Daten und Ergebnissen schnell zu realisieren, ist der direkteste Weg, sich am Gesch\u00e4ftswert zu orientieren. Dabei werden die tats\u00e4chlichen Anforderungen und Probleme der Datenanwendung im Unternehmen ber\u00fccksichtigt, um die Anforderungen von Management und Gesch\u00e4ftsdaten zu erf\u00fcllen und den Gesch\u00e4ftswert von Daten zu realisieren. Die spezifischen Probleme und Schwierigkeiten datengetriebener Prozesse werden gel\u00f6st, um die Managementarbeit voranzutreiben.<\/p>\n

Wie oben beschrieben, spiegelt sich der Gesch\u00e4ftswert der Enterprise Data Governance haupts\u00e4chlich in Kostensenkung, Effizienzsteigerung, Qualit\u00e4tsverbesserung, Risikokontrolle, erh\u00f6hter Sicherheit und verbesserter Entscheidungsfindung wider. Verschiedene Unternehmen haben unterschiedliche Gesch\u00e4ftsanforderungen und Datenprobleme, und der Gesch\u00e4ftswert der Enterprise Data Governance erfordert nicht alle der oben genannten sechs Aspekte.<\/p>\n

Unternehmen sollten den Gesch\u00e4ftswert der Datenverwaltung anhand der Anforderungen des Managements und der gesch\u00e4ftlichen Schwachstellen quantifizieren, um das Wissen und Vertrauen des Unternehmensmanagements und der Gesch\u00e4ftsmitarbeiter in die Datenverwaltung zu st\u00e4rken.<\/p>\n

Der beste Weg, gesch\u00e4ftliche Probleme zu verstehen, die durch Daten verursacht werden, besteht darin, zu fragen und zu beobachten. Das Management der Datenverwaltung muss sich auf die Gesch\u00e4ftsanforderungen konzentrieren und sich oft auf die L\u00f6sung von Problemen konzentrieren, die Gesch\u00e4ftsmitarbeiter empfinden oder die sie nicht l\u00f6sen k\u00f6nnen.<\/p>\n

Herausforderungen f\u00fcr die unternehmensweite Datenverwaltung \u2013 2. Fehlendes Top-Level-Design f\u00fcr unternehmensweite Datenverwaltung<\/strong><\/p>\n

At present, enterprises generally recognize the importance of data, and many enterprises have also begun to explore data governance. We have seen that a large number of data governance activities of enterprises are currently at the project level and department level, lacking the top-level design of enterprise-level data governance and the overall coordination of data governance work and resources.<\/p>\n

Data Governance umfasst Gesch\u00e4ftssortierung, Standardformulierung, Gesch\u00e4ftsprozessoptimierung, Daten\u00fcberwachung, Datenintegration<\/a><\/strong> und Fusion usw. Es ist hochkomplex, explorativ und es mangelt an Designrichtlinien auf h\u00f6chster Ebene. Im Governance-Prozess treten Abweichungen oder Abweichungen auf. Die Wahrscheinlichkeit von Fehlern ist relativ gro\u00df, und wenn sie nicht rechtzeitig korrigiert werden k\u00f6nnen, sind ihre sexuellen Auswirkungen schwer abzusch\u00e4tzen.<\/p>\n

Das Top-Level-Design der Datenverwaltung geh\u00f6rt zur Strategie auf strategischer Ebene und konzentriert sich auf das Gesamtbild, das Globale und das Systematische. Das Top-Level-Design der Datenverwaltung konzentriert sich auf die Gesamtsituation. Datenverwaltung wird aus einer globalen Perspektive konzipiert, durchbricht die Beschr\u00e4nkungen der projektbasierten Verwaltung, f\u00f6rdert die Zusammenarbeit verschiedener Gesch\u00e4ftsbeziehungen in der Wertsch\u00f6pfungskette des Unternehmensinhabers und erm\u00f6glicht eine Top-down-Gesamtplanung.<\/p>\n

Der Top-Level-Entwurf der Datenverwaltung konzentriert sich auf das System, von Organisationsabteilungen, Posteinstellungen (Benutzerberechtigungen), Prozessoptimierung, Verwaltungsmethoden und technischen Tools bis hin zum Aufbau des Organisationssystems, des Verwaltungssystems und des technischen Systems der Unternehmensdatenverwaltung.<\/p>\n

Das Top-Level-Design der Enterprise Data Governance sollte auf der H\u00f6he der Unternehmensstrategie stehen, alle beteiligten Aspekte, Ebenen und Elemente aus einer globalen Perspektive ber\u00fccksichtigen, alle Arten von Ressourcen und Beziehungen koordinieren, das Ziel der Data Governance bestimmen und die richtige Strategie und den richtigen Weg daf\u00fcr formulieren.<\/p>\n

Das Top-Level-Design konzentriert sich haupts\u00e4chlich auf Schl\u00fcsselprobleme, Kernprobleme, die seit langem zu verschiedenen Widerspr\u00fcchen f\u00fchren, und wichtige Probleme, die die gesunde und stabile Entwicklung der Unternehmensinformatik ernsthaft beeintr\u00e4chtigen. Nur so kann der Weg f\u00fcr die L\u00f6sung anderer Probleme geebnet werden.<\/p>\n

Herausforderungen f\u00fcr die Datenverwaltung in Unternehmen \u2013 3. Die Bedeutung, die F\u00fchrungskr\u00e4fte der Datenverwaltung beimessen<\/strong><\/p>\n

Data Governance ist die Strategie der strategischen Ebene des Unternehmens. Die F\u00fchrungskr\u00e4fte des Unternehmens sind direkt an der Strategieformulierung beteiligt und f\u00fchren deren Umsetzung durch. Die erfolgreiche Implementierung von Data Governance kann nicht von einer einzelnen Person oder Abteilung bew\u00e4ltigt werden. Sie erfordert die gemeinsame Aufmerksamkeit und Zusammenarbeit von F\u00fchrungskr\u00e4ften aller Unternehmensebenen, dem Kernpersonal verschiedener Gesch\u00e4ftsabteilungen und der IT-Abteilung. F\u00fchrungskr\u00e4fte sind zweifellos die wichtigsten Stakeholder bei der Umsetzung von Data-Governance-Projekten.<\/p>\n

Die Unterst\u00fctzung der Unternehmensleitung bei der Datenverwaltung beschr\u00e4nkt sich nicht nur auf finanzielle Unterst\u00fctzung (dies ist nat\u00fcrlich erforderlich). Die Verfeinerung und Umsetzung der Datenstrategie ist vollst\u00e4ndig autorisiert, und die verf\u00fcgbaren Ressourcen sind die Schl\u00fcsselfaktoren, die \u00fcber Erfolg oder Misserfolg der Datenverwaltung entscheiden.<\/p>\n

Enterprise Data Governance erfordert in der Regel die Einrichtung einer eigenen Organisation, beispielsweise eines Data Governance Boards. Viele Data Governance Boards sind jedoch virtuelle Organisationen. Die Organisation muss jedoch von einer anerkannten F\u00fchrungskraft, einem sogenannten \u201eChief Data Officer\u201c, unterst\u00fctzt werden. Der Data Governance Council besteht aus CDOs, wichtigen F\u00fchrungskr\u00e4ften, Finanzverantwortlichen, Datenwissenschaftler<\/a><\/strong>, Datenanalysten<\/a><\/strong>und IT-Techniker und ist f\u00fcr die Entwicklung von Unternehmenszielen und -methoden sowie konsistenten Kommunikationsstrategien und -pl\u00e4nen f\u00fcr die Datenverwaltung verantwortlich.<\/p>\n

Bei der Implementierung des Data-Governance-Projekts muss der CDO nicht nur f\u00fcr die Definition der Daten, Datenstandards, Governance-Strategie, Prozesskontrolle, Architektur, Tools und Techniken sowie andere Data-Governance-Aufgaben verantwortlich sein, sondern sich auch darauf konzentrieren, wie ein Mehrwert f\u00fcr das Unternehmen geschaffen werden kann und ob die Unterst\u00fctzung wichtiger Unternehmensleiter gesichert werden kann.<\/p>\n

CDOs konzentrieren sich h\u00e4ufig auf den Gesch\u00e4ftswert der Daten und nutzen die erweiterten technischen F\u00e4higkeiten von Datenwissenschaftlern, Analysten und Managern, die dem Chief Executive Officer (CEO) unterstellt sind, um laufende Unterst\u00fctzung bei Finanzierung, Richtlinien und Ressourcen zu erhalten.<\/p>\n

Herausforderungen f\u00fcr die Enterprise Data Governance \u2013 4. Inkonsistente Datenstandards erschweren die Datenintegration<\/strong><\/p>\n

Erstens sind die Datenstandards in Unternehmen nicht einheitlich. Der Informatisierungsgrad der Unternehmen ist in verschiedenen Branchen unterschiedlich, und es mangelt an branchenweiten Standards und normativen Definitionen. In den Anf\u00e4ngen der Informatisierung wurde der Aufbau von Informationssystemen von den Fachabteilungen vorangetrieben, ohne dass eine einheitliche Planung erfolgte, was zu isolierten Informationsinseln f\u00fchrte. Mit der Entwicklung von Big Data zeigt sich bei Unternehmensdaten ein Trend zur Diversifizierung und zur Nutzung mehrerer Quellen. Unternehmen m\u00fcssen verschiedene Datenquellen und -formen integrieren, um sie sinnvoll und effektiv zu nutzen und ihren Wert voll auszusch\u00f6pfen. Aufgrund fehlender einheitlicher Datenstandards gestaltet sich die Integration und Zusammenf\u00fchrung von Daten jedoch schwierig.<\/p>\n

Zweitens sind die Datenstandards in Unternehmen nicht einheitlich. Jede Branche und jedes Unternehmen neigt dazu, Daten nach ihren eigenen Standards zu erheben, zu speichern und zu verarbeiten. Obwohl diese Daten bis zu einem gewissen Grad Gesch\u00e4ftsgeheimnisse enthalten, behindern sie die koordinierte Entwicklung von Unternehmen (insbesondere vor- und nachgelagerten Unternehmen derselben Industriekette) und beg\u00fcnstigen nicht die Globalisierung von Unternehmen, um den Austausch und die Zusammenarbeit zwischen Unternehmen zu st\u00e4rken.<\/p>\n

Herausforderungen f\u00fcr die Datenverwaltung in Unternehmen \u2013 5. Die allgemeine Annahme, dass Datenverwaltung Sache der IT sei<\/strong><\/p>\n

In vielen Unternehmen herrscht die Meinung vor, dass Datenverwaltung in die Zust\u00e4ndigkeit der IT-Abteilung f\u00e4llt und die Mitarbeiter lediglich die Daten nutzen. Viele Mitarbeiter haben eine eher gesch\u00e4ftskritische Einstellung zur Datenverwaltung. Ich m\u00f6chte jedoch klarstellen, dass diese Vorstellung falsch ist. Die IT-Abteilung sollte zwar einen Gro\u00dfteil der Verantwortung f\u00fcr die Daten tragen, nicht jedoch f\u00fcr deren Definition, Eingabe und Nutzung. Datendefinition, Gesch\u00e4ftsregeln, Dateneingabe und -kontrolle sowie Datennutzung liegen in der Verantwortung der Mitarbeiter und stellen somit die Kernelemente der Datenverwaltung dar.<\/p>\n

Die meisten Gesch\u00e4ftsabteilungen haben komplexe und widerspr\u00fcchliche Ansichten gegen\u00fcber der IT-Abteilung. Einerseits sind sie der Meinung, dass die IT immer wichtiger wird und die Gesch\u00e4ftsentwicklung nicht von der Unterst\u00fctzung der IT-Abteilung getrennt werden kann. Andererseits wissen sie nicht viel \u00fcber die IT-Abteilung, da die meisten Gesch\u00e4ftseinheiten am Wert der Existenz der IT zweifeln.<\/p>\n

Wer ist f\u00fcr Datenqualit\u00e4tsprobleme verantwortlich? Diese Frage schieben sich IT- und Business-Mitarbeiter oft gegenseitig zu. Sind IT und Business wirklich zwei unvereinbare Gegens\u00e4tze? Nein. IT, die das Business verl\u00e4sst, generiert keinen Mehrwert, und Business, das die IT verl\u00e4sst, verliert im digitalen Zeitalter an Wettbewerbsf\u00e4higkeit. Daher sollten IT und Technologie im digitalen Zeitalter eng verzahnt sein und auf ein gemeinsames Ziel hinarbeiten!<\/p>\n

Eine effektive Data-Governance-Strategie ist eine wichtige Ma\u00dfnahme zur Realisierung datengetriebener Gesch\u00e4ftsprozesse und zur Integration des Gesch\u00e4fts in die IT. Zu diesen Ma\u00dfnahmen geh\u00f6ren: Die Data-Governance-Planung sollte den Gesch\u00e4ftsanforderungen entsprechen, und Data-Governance-Ziele sollten sich an der Realisierung der Gesch\u00e4ftsziele orientieren.<\/p>\n

Richten Sie ein Data-Governance-Komitee ein, integrieren Sie Fach- und IT-Mitarbeiter in derselben Organisation, arbeiten Sie hart f\u00fcr dasselbe Ziel und teilen Sie Wohl und Wehe! Fachmitarbeiter arbeiten mit der IT-Abteilung zusammen, um Datenstandards zu definieren, die Datenqualit\u00e4t zu standardisieren und Daten sinnvoll zu nutzen.<\/p>\n

Im Prozess der digitalen Transformation von Unternehmen ist die IT das Gesch\u00e4ft, die IT das Management. Das Ziel der Mitarbeiter besteht darin, \u201edie richtigen Daten zur richtigen Zeit am richtigen Ort zu haben, um Kunden zu bedienen, Entscheidungen zu treffen und Pl\u00e4ne zu schmieden\u201c. Das Ziel der IT ist es, \u201edem Unternehmen die richtigen Daten zur richtigen Zeit am richtigen Ort zur Verf\u00fcgung zu stellen\u201c, um ein zuverl\u00e4ssiger Anbieter f\u00fcr das Unternehmen zu sein.<\/p>\n

Herausforderungen f\u00fcr die Datenverwaltung in Unternehmen \u2013 6. Mangel an Datenverwaltungsorganisationen und -fachleuten<\/strong><\/p>\n

Ein wichtiger Schritt bei der Implementierung von Data Governance ist der Aufbau einer Data-Governance-Organisation und die Auswahl der richtigen Mitarbeiter. Das mag einfach erscheinen, ist aber in der Umsetzung eine gro\u00dfe Herausforderung. Soll eine physische Data-Governance-Organisation aufgebaut oder eine virtuelle Organisation geschaffen werden? Handelt es sich um Vollzeit- oder Teilzeitkr\u00e4fte? Welche Art von Organisation und Position wird eingerichtet? Diese Fragen werden von der Unternehmensleitung h\u00e4ufig gestellt. Meine \u00fcbliche Antwort lautet: Dies h\u00e4ngt alles von der aktuellen Situation der Organisation und des Managements des Unternehmens ab, da es kein optimales Organisationsmodell gibt, sondern nur ein f\u00fcr das Unternehmen passenderes.<\/p>\n

Data Governance erfordert eine offene Unternehmenskultur. Die Umsetzung organisatorischer Ver\u00e4nderungen erfordert die Zuweisung von Positionen und Verantwortlichkeiten. Dadurch wird Data Governance zu einem politischen Thema, da es letztlich um die Zuweisung, Erteilung und Entziehung von Verantwortlichkeiten und Befugnissen geht. Handelt es sich lediglich um einen formalen organisatorischen Rahmen und wird das Problem der Macht- und Verantwortungsverteilung nicht durch administrative und personelle Ressourcen gel\u00f6st, entsteht kein Zusammenhalt im Team, was die Wirkung von Data Governance beeintr\u00e4chtigt.<\/p>\n

Abschluss<\/h3>\n

Vielen Dank f\u00fcr das Lesen unseres Artikels. Wir hoffen, er hilft Ihnen, die Herausforderungen der Unternehmensdatenverwaltung besser zu verstehen. Wenn Sie mehr \u00fcber Datenverwaltung erfahren m\u00f6chten, besuchen Sie bitte: Gudu SQLFlow<\/strong><\/a> f\u00fcr weitere Informationen.<\/p>\n

Als einer der die besten Datenherkunftstools<\/a><\/strong> Gudu SQLFlow ist heute auf dem Markt erh\u00e4ltlich und kann nicht nur SQL-Skriptdateien analysieren, Datenherkunft<\/a><\/strong>, und f\u00fchren Sie eine visuelle Anzeige durch, erm\u00f6glichen Sie Benutzern aber auch, die Datenherkunft im CSV-Format bereitzustellen und eine visuelle Anzeige durchzuf\u00fchren. (Ver\u00f6ffentlicht von Ryan am 7. August 2022)<\/p>\n<\/div><\/div><\/div>