Freigeben über

Integrieren von Analysen auf Cloudebene in Ihre Cloudeinführungsstrategie

  • Artikel

Erstellen Sie mithilfe der Strategiemethodik in Azure Cloud Adoption Framework eine einzelne, zentralisierte Cloudeinführungsstrategie für Ihre Organisation. Sofern Sie Ihre Strategie für die Cloudeinführung noch nicht dokumentiert haben, können Sie dazu die Strategie- und Planungsvorlage verwenden.

In diesem Artikel werden Überlegungen für Szenarien mit Analysen auf Cloudebene erläutert, die Auswirkungen auf Ihre Gesamtstrategie haben.

Bevor Sie Analysen auf Cloudebene implementieren, sollten Sie über einen Plan für Ihre Datenstrategie verfügen. Sie können mit einem einzigen Anwendungsfall klein anfangen oder mit einer deutlich größeren Gruppe von Anwendungsfällen beginnen, die eine Priorisierung erfordern. Eine Strategie ermöglicht es Ihnen, Ihre Prozesse einzurichten, und kann erste Gespräche über die Säulen anregen, auf die Sie sich konzentrieren müssen.

Priorisieren von Geschäftsergebnissen für Ihre Datenstrategie

Eine erfolgreiche Datenstrategie verschafft Ihnen einen Wettbewerbsvorteil. Sie sollten Ihre Datenstrategie immer an den gewünschten Geschäftsergebnissen ausrichten. Die meisten Geschäftsergebnisse können einer der vier folgenden Kategorien zugeordnet werden:

  • Unterstützen Ihrer Mitarbeiter: Stellen Sie Ihren Mitarbeitern Echtzeitinformationen über Kunden, Geräte und Computer zur Verfügung. Diese Informationen ermöglichen ihnen eine effiziente Zusammenarbeit sowie die agile Erfüllung von Kunden- oder Geschäftsanforderungen.

  • Schaffen einer Kundenbeziehung: Bieten Sie ein umfassendes personalisiertes und zusammenhängendes Erlebnis, das durch Ihre Marke inspiriert ist. Nutzen Sie die Möglichkeiten, die Daten und Erkenntnisse Ihnen bieten, um die Kundenbindung in jedem Schritt der Customer Journey zu fördern.

  • Optimieren von Geschäftsvorgängen: Erhöhen Sie den Informationsfluss in Ihrer gesamten Organisation. Synchronisieren Sie Ihre Geschäftsprozesse, und nutzen Sie einen datengesteuerten Ansatz, um jede Interaktion wertvoll zu machen.

  • Transformieren Sie Ihre Produkte und den Entwicklungslebenszyklus: Sammeln Sie Telemetriedaten zu Ihren Diensten und Angeboten. Verwenden Sie die Telemetriedaten, um einem Release Priorität zu geben oder ein neues Feature zu erstellen, und bewerten Sie die Effektivität und Einführung kontinuierlich.

Untersuchen Sie nach der Priorisierung Ihrer Geschäftsergebnisse Ihre aktuellen Projekte und langfristigen strategischen Initiativen, und klassifizieren Sie sie entsprechend. Erwägen Sie, die vier Kategorien von Geschäftsergebnissen basierend auf Komplexität und Auswirkungen in einem Matrixformat zu kombinieren. Fügen Sie ggf. auch die Architektursäulen hinzu, um tiefer in das Szenario einzusteigen.

Erschließen Sie sich strategischen Wert

Beim Aufbau einer datengesteuerten Kultur, die das Geschäft auf konsistente, zukunftsorientierte, agile und informierte Weise vorantreibt, sind einige inhärente Komplexitäten und tatsächliche Gegebenheiten zu beachten. Bevor Sie mit Ihrer Bereitstellungsphase beginnen, konzentrieren Sie sich auf die Entwicklung einer kohärenten Datenstrategie, die Ihnen dabei helfen kann, die gewünschten Geschäftsergebnisse zu erzielen.

Analysen auf Cloudebene sind auf innovationsorientierte Beweggründe ausgerichtet. Kunden, die dieses Szenario in ihre Cloudeinführungsstrategie integrieren, haben dafür oft die folgenden Beweggründe:

  • Ein skalierbares Analyseframework, das die Erstellung einer Unternehmensdatenplattform ermöglicht
  • Self-Service-Funktionen, die Benutzern die Untersuchung von Daten, die Erstellung von Datenressourcen und die Entwicklung von Produkten ermöglichen
  • Fördern einer datenorientierten Kultur mit wiederverwendbaren Datenressourcen, Datengemeinschaften, sicherem Austausch mit Drittanbietern und lokaler Freigabe
  • Sichere Freigabe von Daten mithilfe von Richtlinien, gemeinsamer Identität, Vertraulichkeit und Verschlüsselung
  • Verbesserte Kundenzufriedenheit und Kundenbindung
  • Transformierung von Produkten oder Diensten
  • Revolutionieren des Markts mit neuen Produkten oder Diensten

Das folgende Diagramm zeigt die Schlüsselthemen für die Umsetzung dieser Beweggründe in Ihrer eigenen Strategie. Analysieren Sie diese Themen sorgfältig, und prüfen Sie, wie sie mit einer kohärenten Datenstrategie in Beziehung stehen. Überlegen Sie auch, wie sie dazu beitragen können, den strategischen Wert Ihrer Daten zu erschließen und ein konsistentes Geschäftswachstum zu erreichen.

Diagramm, das die Schlüsselthemen Effizienzsteigerung, Datendemokratisierung und Governance zeigt.

„Eine Datenstrategie ist die Grundlage, um Daten als Ressource zu nutzen und das Geschäft voranzutreiben. Sie ist keine Lösung für Datenprobleme. Sie ist ein langfristiger, richtungsweisender Plan, der die Personen, Prozesse und Technologien definiert, die zur Lösung von Datenherausforderungen eingesetzt werden sollen.“

Ihre Strategie zu erstellen, ist eine Sache. Aber eine Strategie auf Unternehmensebene umzusetzen, stellt eine große Herausforderung für die Kultur, Mitarbeiter, Prozesse und gewählten Technologien einer Organisation dar. Die Umsetzung erfordert Engagement und klare Zuständigkeiten auf allen Ebenen Ihrer Organisation.

Steigern der Effizienz

Aufgrund der Agilität der Cloud müssen Organisationen sich schnell anpassen und die Effizienz in allen Geschäftsbereichen steigern. Laut dem Bericht von Gartner über neu entstehende Risiken konzentrieren sich Organisationen zwar weiterhin auf digitale Initiativen und investieren in diese, doch zeigen zwei Drittel von ihnen Schwächen im Unternehmen und können die Erwartungen nicht erfüllen.

Operationalisieren der Datenverwaltung

Viele Organisationen haben ihre zentrale IT nach und nach dezentralisiert, um Agilität zu ermöglichen. Sie möchten Innovationen beschleunigen, und der Self-Service-Zugriff auf unternehmensweite einheitliche Daten ermöglicht es ihnen, anspruchsvolle geschäftliche Anforderungen zu erfüllen.

Es gibt viele Gründe, warum Unternehmen das volle Potenzial ihrer Daten nicht nutzen können. Möglicherweise sind Geschäftsfunktionen in Silos isoliert, sodass jedes Team andere Tools und Standards für die Datenanalyse verwendet. Vielleicht sind aber auch die KPIs (Key Performance Indicators) nicht mit den allgemeinen Geschäftszielen verknüpft.

Die Datendemokratisierung hilft Ihnen, diesen Wert für das Unternehmen nutzbar zu machen und anspruchsvolle Ziele für das Geschäftswachstum zu erreichen.

  • Analysieren und priorisieren Sie die Anforderungen Ihrer Branchenanwendungen.
  • Verteilen Sie Ihre Daten domänenübergreifend, um Zuständigkeiten zu schaffen und Daten näher an die Benutzer zu bringen.
  • Stellen Sie Self-Service-Datenprodukte bereit, um die Gewinnung von Erkenntnissen zu fördern und den Geschäftswert zu steigern.

Bei der Datengovernance muss in der dezentralisierten Welt mit dem Anspruch zur Demokratisierung von Daten das richtige Gleichgewicht gefunden werden. Wenn Governance zu strikt erzwungen wird, kann dies Innovationen ersticken. Ohne wenigstens einige grundlegende Prinzipien und Prozesse festzulegen, entstehen jedoch wahrscheinlich Datensilos. Diese Silos können den Ruf Ihrer Organisation schädigen und potenziell zu Umsatzeinbußen führen. Ein ganzheitlicher Ansatz für Datengovernance ist von grundlegender Bedeutung, um den strategischen Wert Ihrer Daten konsistent zu nutzen.

Das Fehlen einer gut durchdachten Datenstrategie führt zwangsläufig dazu, dass Sie einfach loslegen und schnell Wert für Ihre Organisation schöpfen müssen. Lösen Sie aktuelle Geschäftsprobleme, indem Sie die oben genannten Schlüsselthemen umsetzen oder sie als strategische Prinzipien im Rahmen eines Frameworks verwenden. Diese Themen können Ihnen auch dabei helfen, eine ganzheitliche, iterative Datenstrategie mit Validierung zu entwickeln und dennoch zeitnahe Ergebnisse zu erzielen. Führungskräfte im Unternehmens- und Technologiebereich müssen die Strategien und die Mentalität entwickeln, die erforderlich sind, um einen Nutzen aus Daten zu ziehen und eine schnelle, vereinfachte und strukturierte Skalierung zu ermöglichen.

Weitere Informationen finden Sie unter Was ist Datengovernance?.

Entwickeln einer datengesteuerten Kultur

Zum Entwickeln einer erfolgreichen Datenstrategie benötigen Sie eine datengesteuerte Kultur. Entwickeln Sie eine Kultur, die konsistent eine offene Zusammenarbeit fördert. In einer solchen Kultur können alle Mitarbeiter lernen, kommunizieren und die Geschäftsergebnisse der Organisation verbessern. Die Entwicklung einer datengesteuerten Kultur verbessert auch die Fähigkeit jedes Mitarbeiters, auf der Grundlage von Daten etwas zu bewirken oder Einfluss zu nehmen.

Wo Sie beginnen, hängt von Ihrer Organisation und Ihrer Branche ab und davon, wo Sie sich derzeit auf der Reifekurve befinden. Im folgenden Diagramm sehen Sie ein Beispiel für ein Reifegradmodell, das die verschiedenen Reifegrade der Nutzung von künstlicher Intelligenz (KI) einer Organisation zeigt:

Diagramm: Entwicklung des Reifegrads in einer Organisation

Stufe 0

Daten werden nicht programmgesteuert und konsistent ausgewertet. Die Organisation betrachtet Daten im Hinblick auf die Anwendungsentwicklung.

Auf Ebene 0 hat eine Organisation häufig ungeplante Analyseprojekte. Jede Anwendung ist stark auf die individuellen Datenanforderungen und die Anforderungen der Projektbeteiligten ausgerichtet. Jede Anwendung verfügt zudem über wichtige Codebasen und Entwicklungsteams, und viele werden außerhalb der IT-Abteilung entwickelt. Die Nutzung und Analyse von Anwendungsfällen erfolgen isoliert.

Ebene 1

Auf Ebene 1 werden Teams gebildet, und die Strategie wird entwickelt. Analysen bleiben jedoch abteilungsspezifisch. Organisationen bewähren sich in der Regel bei der herkömmlichen Datenerfassung und -analyse. Gegebenenfalls werden in gewissem Umfang cloudbasierte Ansätze genutzt. Beispielsweise wird vielleicht bereits auf Daten aus der Cloud zugegriffen.

Ebene 2

Die Innovationsplattform der Organisation ist fast bereit. Workflows zum Sicherstellen der Datenqualität sind eingerichtet. Die Organisation kann einige Warum-Fragen beantworten.

Auf Ebene 2 sucht die Organisation aktiv nach einer End-to-End-Datenstrategie mit zentral gesteuerten Data Lake-Speichern, um die Ausdehnung von Datenspeichern zu kontrollieren und die Auffindbarkeit von Daten verbessern. Die Organisation ist bereit für intelligente Anwendungen, die Compute in zentral gesteuerte Data Lakes integrieren. Diese intelligenten Anwendungen reduzieren die Datenschutzrisiken, die Computekosten und den Bedarf an Verbundkopien wichtiger Daten.

Auf dieser Ebene ist die Organisation auch bereit für die Verwendung mehrinstanzenfähiger, zentral gehosteter Dienste für freigegebene Daten, die für allgemeine Datencomputingaufgaben genutzt werden können. Diese Dienste ermöglichen die schnelle Gewinnung von Erkenntnissen aus Data Science-basierten Intelligence-Diensten.

Level 3

Die Organisation verwendet einen ganzheitlichen Ansatz für Daten. Projekte im Zusammenhang mit Daten sind mit Geschäftsergebnissen verknüpft. Die Organisation verwendet Analyseplattformen, um Vorhersagen zu erstellen.

Auf Ebene 3 fördert die Organisation digitale Innovationen sowohl im Hinblick auf den Datenbestand als auch die Anwendungsentwicklung. Sie verfügt über grundlegende Datendienste, einschließlich Data Lakes und Diensten für freigegebene Daten.

Mehrere Teams in der Organisation arbeiten erfolgreich in Bezug auf wichtige Geschäftsworkloads und geschäftliche Anwendungsfälle und liefern messbare Ergebnisse. Neue Dienste für freigegebene Daten werden mithilfe von Telemetrie identifiziert. Die IT-Abteilung ist ein vertrauenswürdiger Ratgeber für Teams im gesamten Unternehmen und trägt dazu bei, wichtige Geschäftsprozesse mit einer zuverlässigen und zusammenhängenden End-to-End-Datenstrategie zu verbessern.

Ebene 4

Auf Ebene 4 verfügt die gesamte Organisation über Frameworks, Standards und eine datengesteuerte Kultur. Automatisierung, datengesteuerte Feedbackschleifen und Kompetenzzentren für Analysen oder Automatisierung werden genutzt.

Entwickeln von Zielen, die auf das Geschäft ausgerichtet sind

Die Identifizierung von Prioritäten, die mit der geschäftlichen Vision in Einklang stehen, und die Verfolgung des Grundsatzes „Groß denken, klein anfangen und schnell handeln“ sind wichtige Erfolgsfaktoren. Die Wahl des richtigen Anwendungsfalls muss weder lange dauern noch schwierig sein. Dies kann ein fortlaufendes Problem in einer beliebigen Geschäftseinheit sein, in der genügend Daten vorhanden sind, um Rendite zu schaffen, mehr Appetit und ein einfaches Dazustoßen. Manchmal entwickelt sich alles ganz schnell, und die meisten Organisationen haben Probleme mit dem Einstieg.

Grundlegendes zu Datenattributen

Um eine starke Datenstrategie zu entwickeln, müssen Sie verstehen, wie Daten funktionieren. Das Verständnis der grundlegenden Merkmale von Daten ermöglicht es Ihnen, eine auf Regeln aufbauende Vorgehensweise für den Umgang mit Daten zu entwickeln.

Datenübertragung und -verarbeitung erfolgen mit hoher Geschwindigkeit, können sich aber nicht über die Gesetze der Physik hinwegsetzen. Daten müssen den Gesetzen des Landes und der Branche entsprechen.

Daten ändern sich nicht von allein, sind aber anfällig für Änderungen und versehentliche Verluste, sofern Sie keine Maßnahmen zur Minimierung dieser Risiken ergreifen. Richten Sie für Steuerelemente, Datenbanken und Speicher Maßnahmen zum Schutz vor Beschädigung ein, um sich für unvorhergesehene Änderungen zu rüsten. Richten Sie außerdem eine Überwachung sowie Überprüfungen, Warnungen und Downstreamprozesse ein.

Daten an sich liefern keine Erkenntnisse und generieren keinen Nutzen. Damit Sie aus Daten Erkenntnisse gewinnen oder Nutzen ziehen können, müssen die meisten oder alle Ihrer Daten vier getrennte Schritte durchlaufen:

  1. Erfassung
  2. Storage
  3. Verarbeitung
  4. Analyse

Jeder dieser vier Schritte verfügt über einen eigenen Satz von Prinzipien, Prozessen, Tools und Technologien.

Das Zurückhalten Ihrer Datenressourcen und der zugehörigen Erkenntnisse kann sich auf sozioökonomische, politische und kulturelle Entscheidungen sowie auf Forschungs- und Investitionsentscheidungen auswirken. Ihre Organisation muss in der Lage sein, Erkenntnisse auf sichere und verantwortungsvolle Weise bereitzustellen. Alle von Ihnen generierten oder erfassten Daten müssen eine Klassifizierung durchlaufen, sofern nicht ausdrücklich anders angegeben. Verschlüsselung ist der „Goldstandard“ für den Umgang mit vertraulichen Daten – sowohl für ruhende Daten als auch für Daten während der Übertragung.

Daten, Anwendungen und Dienste haben jeweils eine eigene Anziehungskraft, die von Daten ist jedoch am höchsten. Im Gegensatz zum legendären herabfallenden Apfel von Sir Isaac Newton besitzen Daten keine physikalische Masse, die eine Kraft auf umgebende Objekte auswirkt. Stattdessen verfügen sie über eine Latenz und einen Durchsatz, die als Beschleuniger für Ihren Analyseprozess wirken. Aus Latenz-, Durchsatz- und Zugänglichkeitsgründen ist es oftmals notwendig, Daten zu duplizieren, auch wenn das eigentlich nicht erwünscht ist. Bringen Sie Ihre Mitarbeiter, Prozesse, Tools und Technologien an die richtige Stelle, um ein geeignetes Gleichgewicht zwischen solchen Anforderungen und den Datenrichtlinien der Organisation zu schaffen.

Architekturkonstrukte bestimmen, mit welcher Geschwindigkeit Sie Daten verarbeiten können. Konstrukte werden durch Innovationen im Software-, Hardware- und Netzwerkbereich unterstützt. Folgende Überlegungen im Hinblick auf die Architektur sollten Sie u. a. bedenken:

  • Einrichten der Datenverteilung
  • Partitionierung
  • Cachetechnologien
  • Batchverarbeitung oder Streamverarbeitung
  • Schaffen eines ausgewogenen Verhältnisses zwischen Back-End-seitiger und clientseitiger Verarbeitung

Definieren Ihrer Datenstrategie

Die Nutzung von Daten als Wettbewerbsvorteil, um bessere Produkte und hochwertige Dienstleistungen anbieten zu können, ist nichts Neues. Neu sind jedoch das Volumen, die Geschwindigkeit und die Vielfalt der Daten, die durch Cloud Computing möglich werden.

Der Entwurf einer modernen Datenanalyseplattform in der Cloud umfasst Sicherheit, Governance, Überwachung, bedarfsabhängige Skalierung, Datenvorgänge und Self-Service. Das Verständnis des Zusammenspiels dieser Aspekte unterscheidet eine großartige Datenstrategie von einer guten. Verwenden Sie Tools wie das Cloud Adoption Framework, um eine zusammenhängende Architektur, Integrität und die Einhaltung bewährter Methoden sicherzustellen.

Eine Datenstrategie ist nur dann effektiv, wenn sie Bestimmungen für die Datengovernance beinhaltet. Das folgende Diagramm zeigt die Hauptphasen eines Datenlebenszyklus mit Fokus auf Datengovernance:

Diagramm eines Datenlebenszyklus.

In den folgenden Abschnitten werden Überlegungen beschrieben, die Sie bei Ihren Entscheidungen bezüglich der Entwurfsprinzipien für die Ebenen der Datenstrategie berücksichtigen sollten. Konzentrieren Sie sich darauf, mit Ihren Daten Geschäftsergebnisse und Mehrwert zu generieren.

Datenerfassung

Ein wichtiger Aspekt bei der Datenerfassung ist Ihre Fähigkeit, eine Datenpipeline von den Anforderungen bis hin zur Produktion schnell und auf sichere sowie konforme Weise zu erstellen. Wichtige Elemente sind beispielsweise metadatengesteuerte Self-Service-Technologien mit wenig Code zum Befüllen Ihres Data Lake.

Berücksichtigen Sie beim Erstellen von Pipelines sowohl den Entwurf als auch Ihre Fähigkeit, Data Wrangling durchzuführen, Daten zu verteilen und Computeressourcen zu skalieren. Sie müssen auch sicherstellen, dass Sie über die richtige DevOps-Unterstützung für die fortlaufende Integration und Bereitstellung Ihrer Pipeline verfügen.

Tools wie Azure Data Factory unterstützen eine Vielzahl von lokalen Datenquellen, SaaS-Datenquellen (Software-as-a-Service) und anderen Datenquellen aus anderen öffentlichen Clouds.

Storage

Markieren und organisieren Sie Ihre Daten auf physischen und logischen Ebenen. Data Lakes sind in allen modernen Datenanalysearchitekturen enthalten. Ihre Organisation muss geeignete Anforderungen bezüglich Datenschutz, Sicherheit und Compliance implementieren, die allen relevanten Vorgaben zur Datenklassifizierung und Einhaltung von branchenspezifischen Konformitätsanforderungen entsprechen. In Verbindung mit einer geeigneten Zugriffssteuerung unterstützen Katalogisierung und Self-Service die Demokratisierung von Daten auf Organisationsebene und somit Innovationen.

Wählen Sie den richtigen Speicher für Ihre Workload. Selbst wenn Sie beim Speicher nicht gleich die perfekte Wahl treffen, bietet die Cloud Optionen für ein schnelles Failover, sodass Sie noch einmal von vorn beginnen können. Wählen Sie basierend auf Ihren Anwendungsanforderungen die beste Datenbank aus. Berücksichtigen Sie bei der Wahl der Analyseplattform Ihre Möglichkeit zur Verarbeitung von Batch- und Streamingdaten.

Datenverarbeitung

Ihre Anforderungen an die Datenverarbeitung sind je nach Workload unterschiedlich. In den meisten Fällen beinhaltet die Verarbeitung großer Datenmengen sowohl Elemente von Echtzeit- als auch von Batchverarbeitung. Die meisten Unternehmen müssen auch Anforderungen bezüglich der Verarbeitung von Zeitreihen gerecht werden und in Funktionen für die Unternehmenssuche Freitext verarbeiten.

Die meisten der üblichen Verarbeitungsanforderungen von Organisationen haben ihren Ursprung in der Verarbeitung von Onlinetransaktionen (Online Transaction Processing, OLTP). Für manche Workloads ist eine spezielle Verarbeitung erforderlich, z. B. High Performance Computing (HPC), das auch als „Big Compute“ bezeichnet wird. Diese Workloads lösen unter Verwendung vieler CPU- oder GPU-basierter Computer komplexe mathematische Aufgaben.

Für bestimmte spezielle Workloads können Kunden sichere Ausführungsumgebungen wie Azure Confidential Computing verwenden, mit denen Benutzer Daten während der Verwendung auf öffentlichen Cloudplattformen schützen können. Dieser Zustand ist für eine effiziente Verarbeitung erforderlich. Die Daten sind innerhalb einer Trusted Execution Environment (TEE, vertrauenswürdige Ausführungsumgebung), die auch als Enklave bezeichnet wird, geschützt. Eine TEE schützt Code und Daten vor externer Anzeige und Änderung. TEEs ermöglichen Ihnen das Trainieren von KI-Modellen unter Wahrung der Vertraulichkeit von Daten, selbst wenn Sie Datenquellen von verschiedenen Organisationen verwenden.

Analytische Verarbeitung

Das ETL-Konstrukt (Extrahieren, Transformieren, Laden) bezieht sich auf die Anforderungen für analytische Onlineverarbeitung (Online Analytical Processing, OLAP) und Data Warehousing. Im Rahmen des Analyseprozesses werden häufig ein geschäftsorientiertes Datenmodell und ein semantisches Modell implementiert, mit denen Organisationen Geschäftsregeln und KPIs anwenden können. Eine nützliche Funktion ist die automatische Erkennung von Schemaabweichungen.

Zusammenfassung der Datenstrategie

Wenn Sie einen prinzipienbasierten Ansatz für andere Aspekte wie Datengovernance und verantwortungsvolle KI verfolgen, wird sich dies später auszahlen.

Bei Microsoft orientieren wir uns an vier grundlegenden Prinzipien: Fairness, Zuverlässigkeit und Sicherheit, Datenschutz und Sicherheit sowie Inklusion. Untermauert werden diese vier Prinzipien von den Grundsätzen der Transparenz und Verantwortlichkeit.

Wir setzen unsere Prinzipien und verantwortungsvolle KI in die Praxis um, indem wir Ressourcen und ein System der Governance entwickeln. Einige unserer Richtlinien betreffen die Interaktion zwischen Mensch und KI, Konversations-KI, inklusives Design, eine Prüfliste für KI-Fairness und ein Datenblatt für Datasets.

Zudem haben wir eine Reihe von Tools entwickelt, die anderen helfen, KI in jeder Phase der Innovation zu verstehen, zu schützen und zu steuern. Diese Tools sind das Ergebnis interdisziplinärer Zusammenarbeit, um verantwortungsvolle KI zu stärken und zu fördern. Die Zusammenarbeit reicht von Softwareentwicklung über Sozialwissenschaft und Benutzerforschung bis hin zu gesetzlichen Regelungen und Richtlinien.

Zum Verbessern der Zusammenarbeit haben wir viele Open Source-Tools wie etwa InterpretML und Fairlearn bereitgestellt. Andere können an diesen Open Source-Tools mitwirken und darauf aufbauen. Außerdem haben wir Tools über Azure Machine Learning demokratisiert.

Zu einer datengesteuerten Organisation zu werden, ist der Dreh- und Angelpunkt und von grundlegender Bedeutung, um in der neuen Normalität einen Wettbewerbsvorteil zu erzielen. Wir möchten unseren Kunden dabei helfen, von einem reinen Anwendungsansatz zu einem anwendungs- und datenorientierten Ansatz zu wechseln. Ein Ansatz, bei dem Anwendungen und Daten im Mittelpunkt stehen, trägt dazu bei, eine End-to-End-Datenstrategie zu entwickeln, die Wiederholbarkeit und Skalierbarkeit in aktuellen und zukünftigen Anwendungsfällen gewährleistet und so das Geschäftsergebnis beeinflusst.

Diagramm für das Erschließen von digitaler Innovation.

Fördern von Engagement, Kommunikation und Interaktion

Alle wichtigen Beteiligten, die zum Erfolg Ihrer Datenstrategie beitragen, müssen den verwendeten Ansatz und die gemeinsamen Geschäftsziele genau verstehen. Hierzu können beispielsweise die Führungsebene (C-Ebene), Geschäftseinheiten, die IT-Abteilung sowie Betriebs- und Bereitstellungsteams gehören.

Die Kommunikation ist eines der wichtigsten Elemente dieses Frameworks. Ihre Organisation muss einen Prozess für eine effektive rollenübergreifende Kommunikation entwickeln. Kommunikation hilft dabei, im Kontext Ihres aktuellen Projekts effektiv zu sein. Darüber hinaus schafft sie ein Forum, das es allen Beteiligten ermöglicht, auf dem neuesten Stand zu bleiben und innerhalb des gleichen Rahmens auf das allgemeine Ziel, die Entwicklung einer ganzheitlichen Datenstrategie für die Zukunft, hinzuarbeiten.

Die Interaktion zwischen den beiden folgenden Gruppen ist essenziell:

  • Teammitglieder, die die Datenstrategie entwerfen und implementieren
  • Teammitglieder, die an den Daten mitwirken und sie verwenden und nutzen (z. B. die Geschäftseinheiten, die auf Basis dieser Daten Entscheidungen treffen und Ergebnisse generieren)

Anders ausgedrückt: Bei Datenstrategien und zugehörigen Datenplattformen, die ohne Einbeziehung der Benutzer erstellt werden, besteht die Gefahr, dass es bei der Relevanz und Akzeptanz zu Problemen kommt.

Zwei strategische Prozesse helfen Ihnen, innerhalb dieses Frameworks erfolgreich zu sein:

  • Aufbau eines Kompetenzzentrums
  • Einführung einer agilen Übermittlungsmethode

Weitere Informationen finden Sie unter Entwickeln eines Plans für Analysen auf Cloudebene.

Wert liefern

Wenn Sie Datenprodukte auf der Grundlage der Erfolgskriterien auf standardisierte und strukturierte Weise bereitstellen, wird dadurch Ihr iteratives Framework validiert. Wenn Sie durch Lernen und Anwenden Ihrer Erkenntnisse kontinuierlich Innovationen entwickeln, können Sie zudem geschäftliches Vertrauen aufbauen und die Ziele der Datenstrategie erweitern. Dieser Prozess ermöglicht eine klarere und schnellere Einführung in Ihrer Organisation.

Das Gleiche gilt für Ihre Datenplattform. Wenn Sie mehrere Teams haben, die relativ autonom arbeiten, sollten Sie eine Meshtopologie anstreben. Dies zu erreichen, ist ein iterativer Prozess. In vielen Fällen erfordert er erhebliche Änderungen im Hinblick auf Ihre Organisationsstruktur, Bereitschaft und geschäftliche Ausrichtung.

Nächste Schritte

Weitere Anleitungen, die Sie auf Ihrem Weg zur Cloudeinführung und bei der erfolgreichen Umsetzung Ihres Cloudeinführungsszenarios unterstützen, finden Sie im folgenden Artikel: