Schneller Mehrwert durch iterative Data Mesh Implementierung

Intro

Im ersten Blogartikel haben wir das Konzept des Datenprodukts als eines von vier Kernprinzipien von Data Mesh vorgestellt. Wir haben den erheblichen Mehrwert beleuchtet, den diese Herangehensweise für die Entwicklung hin zu einem datenzentrierten Unternehmen bietet. Die Datenzentrierung ergibt sich daraus, dass Daten als eigenständiges Datenprodukt betrachtet werden. Der Weg dorthin gestaltet sich dabei als ein iterativer Prozess.

Im vorliegenden Artikel werden wir diesen dreistufigen Transformationsprozess näher betrachten. Ziel ist, die Schritte zur Transformation von Daten hin zu einem Datenprodukt als Teil der Data Mesh Struktur aufzuzeigen. Mit einem klaren Verständnis dieser Phasen sind Organisationen gerüstet, um Datenprodukte schnell und effektiv zu entwickeln. Somit können schön früh in der Transformation echte Geschäftspotentiale realisiert und eine erfolgreiche datenzentrierte Transformation erreicht werden.

Drei Schritte zur datenzentrierten Transformation

Initiale Phase: Verständnis und Priorisierung

Die erste Phase hat zwei Ziele:

1. Einen Anwendungsfall identifizieren, der im Rahmen des MVP umgesetzt wird und sichtbaren und skalierbaren Nutzen für das Unternehmen bietet: Das kann ein AI-Case, ein Management Report oder ein Auszug an Daten sein, der für dispositive Prozesse benötigt wird. Entscheidend ist, dass nach Einschätzung wichtiger Entscheidungsträger im Unternehmen ein Optimierungsbedarf aufgezeigt werden kann.
2. Die Identifizierung von Assets, die im Rahmen der MVP-Umsetzung genutzt und weiter ausgebaut werden können: Das können Prozesse, Tools oder ein Team sein, die – bewusst oder unbewusst – schon Teil eines Datenproduktes umgesetzt haben. Vielleicht liegt bereits eine -unvollständige oder nicht mehr aktuelle – Dokumentation der Metadaten des Datenproduktes vor.  

Diese vorhandenen Assets ermöglichen es mit geringem Aufwand einen großen Mehrwert zu erzielen. Dies fördert die Unterstützung für eine umfassendere Umsetzung. Daher ist ein entscheidender Aspekt in der ersten Phase die Identifizierung eines Sponsors für die kommende MVP+ Phase. Nur so kann die erforderliche Unterstützung und Verfügbarkeit nötiger Ressourcen sichergestellt werden.

MVP-Phase: Think big, start small

Nun wird der zuvor definierte Anwendungsfall als ein erster MVP auf Basis der vorhandenen Assets entwickelt. Dieser MVP muss genutzt werden, um die Philosophie und den Nutzen von Data Mesh weiter in das Unternehmen zu tragen. Gelingt dies nicht, bleibt der MVP eine Nischenlösung ohne große Bedeutung.

Dafür sind die im ersten Blogartikel genannten Qualitätsmerkmale und Umsetzungsschritte zu beachten. Beispielsweise sind nur vertrauenswürdige Daten effizient nutzbar und damit wertschöpfend. Dies kann nur mit den notwendigen Metadaten und Services als Teil des Datenproduktes gelingen. Im Hinblick auf die spätere Wachstumsphase ist zum anderen die Interoperabilität der Datenprodukte wichtig. Nur wenn die verschiedenen Produkte ineinandergreifen und sich ergänzen, entsteht ein exponentiell steigender Nutzen.

Neben dem MVP gilt es weitere Nutzungspotentiale im Unternehmen zu identifizieren und Synergie- und Effizienzeffekte der Datenprodukte weiter auszubauen. “Think big, start small” ist hierbei eine gute Leitlinie. Die Planung weiterer Datenprodukte verfolgt daher nun zwei Ziele: Zum einen muss jeder Anwendungsfall einen eigenen geschäftlichen Nutzen in sich tragen. Zum anderen sollte mit jedem weiteren Datenprodukte die Gesamtlösung weiter aufgebaut werden.

Wachstum und Skalierungsphase: Change Management

Diese Gesamtlösung fokussiert nun mehr und mehr auch die anderen Data Mesh Prinzipien. Ohne eine domänen-orientierte Dezentralisierung wird die Komplexität der Datenlandschaft (fachlich wie technisch) schwer beherrschbar sein. Ohne eine Federated Computational Governance werden die einzelnen dezentralen Domänen und Datenprodukte nicht interoperabel sein können. Zuletzt ist für die immer komplexer werdende Interoperabilität der Datenprodukte eine passende Architektur gemäß der Self-Serving Plattform essenziell.

Schließlich soll am Ende der Entwicklung eine datenzentrierten Organisationskultur stehen, die Daten als Produkte versteht. Mit der Umsetzung der ersten MVPs haben wir eine gute Grundlage für diesen Kulturwandel geschaffen. Mithilfe verschiedener Change Management-Aktivitäten muss ein umfassendes Verständnis der Vorteile eines datenzentrierten Unternehmens geschaffen werden.

Fazit

Die Wertschöpfung aus Daten auf Basis der Data Mesh Prinzipien erfordert ein Vorgehen, das sich über drei Hauptphasen erstreckt. In der initialen Phase identifizieren wir lohnende Anwendungsfälle und Assets, auf die wir die Entwicklung unserer ersten Datenprodukte aufbauen können. In der MVP-Phase kümmern wir uns zum einen um die Umsetzung des MVPs. Zum anderen konzentrieren wir uns auf die Sichtbarkeit des geschäftlichen Mehrwerts und die Planung neuer Datenprodukte unter Berücksichtigung des Gesamtbildes. In der dritten Phase denken wir größer, indem wir systematisch auch die anderen Data Mesh Prinzipien berücksichtigen. Mithilfe einer Change-Managementinitiative schaffen wir einen Kulturwandel zu einem datenzentrierten Unternehmen.