Cloud-Datenplattformen als Single Source of Truth für Analytics

Datenplattformen sind keine Erfindung der Cloud-Ära, sondern bilden schon seit Jahrzehnten die Basis von CRM- und ERP-Systemen. Was früher in Data Warehouses on prem gespeichert wurde, stellen heutzutage smarte Cloud-Datenplattformen sicher; denn in Zeiten von Big Data generieren etwa Sensoren in Maschinenparks in der industriellen Produktion oder IoT-Geräte in der Supply Chain sehr grosse zusätzliche Datenmengen. 

Ein Beispiel aus der Industrie: Innerhalb von fünf Monaten implementierte Geobrugg gemeinsam mit Swisscom eine Systemlandschaft, die sämtliche Maschinen in der Cloud integriert und attraktive Datenvisualisierungen ermöglicht. Heute profitiert das Unternehmen rund um die Uhr von Near-Realtime-Daten, die Entscheidungen erleichtern, Kosten senken sowie die Qualität des Reportings und die Effizienz steigern. Aus verschiedenen Lösungen, unter anderem der Microsoft Power Platform, ist ein vollumfassendes Datencockpit aus virtuellen und physischen Teilen entstanden. 

Mit diesen Daten ist es aber so eine Sache: In den seltensten Fällen liegen sie in auswertbarer Form vor und noch seltener in einer integrierten Datenbank. Viel häufiger sind die Daten im ganzen Unternehmen in Silos verteilt, ohne dass sie smart miteinander verknüpft sind. Damit können sie auch nicht intelligent ausgewertet und für Business-Entscheidungen, Umsatzprognosen, für Voraussagen zur Ausfallsicherheit von Produktionsanlagen etc. herangezogen werden. Isolierte Daten-Silos, die aufgrund von mangelndem architektonischen und methodologischen Verständnis entstanden, erschweren eine vollständige Sicht auf den Zustand und die künftige Entwicklung eines Unternehmens.

Single Source of Truth als Basis

Cloud-Datenplattformen hingegen können unterschiedliche Datenquellen in Unternehmen integrieren und als Single Source of Truth (SSoT) die Basis für intelligente Datenanalysen bilden. Die Integration und die Migration von On-prem-Daten aus Silos in die Cloud ist allerdings auch mit Herausforderungen verbunden. So müssen etwa bereits vor der Migration fehlerhafte, redundante, inkonsistente, falsch formatierte, ungenaue, irrelevante Daten bereinigt werden. Dieses meist automatisiert durchgeführte «Data Cleansing» ist eine wesentliche Grundlage für Qualität und Richtigkeit der durchgeführten Analysen.

Die Vorteile einer Migration von On-prem-Daten auf eine Cloud-Datenplattform liegen nicht nur in der SSoT. Die Cloud-Technologie ermöglicht es Unternehmen auch, Kosten zu senken und schnell auf veränderte Rahmenbedingungen zu reagieren. Statt Kapital durch Investitionen in eigenen Rechenzentren zu binden und mit Abschreibungen über die gesamte Betriebsdauer zu amortisieren (CapEx), können Unternehmen mit PaaS-Lösungen in der Cloud im Pay-as-you-go-Modell IT-Ausgaben in den Betriebskosten (OpEx) aktivieren. Dies führt zu mehr Flexibilität, Skalierbarkeit und Geschwindigkeit. Letztere ist insbesondere im Zusammenhang mit der Entwicklung neuer Applikationen bzw. Time-to-market für neue Produkte und datenbasierten Dienstleistungen kritisch für viele Unternehmen. Nicht zuletzt hilft eine skalierbare Cloud-Lösung Lastspitzen zu brechen, beispielsweise zu Quartalsende, wenn sehr grosse Datenanalysen etwa in der Finanzbuchhaltung anfallen. Die Ausgaben für die Cloud-Plattform hängen davon ab, wie viele Daten auf der Plattform verarbeitet werden. Die Kosten dafür rechnen Unternehmen monatlich ab. Zudem verkürzt eine Cloud-Datenplattform die Implementierungszeit. 

Proof of Concept und Proof of Value gegen «sunk costs»

Die Nutzung von Cloud Analytics in einem PaaS-Modell führt nicht automatisch zu niedrigeren Kosten. Die Einsparpotenziale sind von Unternehmen zu Unternehmen unterschiedlich. Die saubere Evaluation einer Cloud-Datenplattform via Proof of Concept und Proof of Value sowie eine durchdachte Strategie bilden die Basis für ein erfolgreiches Migrationsprojekt, das keine «sunk costs» (also nicht aus dem Betrieb der Cloud-Plattform heraus amortisierbaren Kosten) verursacht. Eine Cloud-Migration sollte ein agiler Prozess sein und bestehende Daten und Systeme schrittweise in eine neue Cloud-basierte Infrastruktur migriert werden. 
Viele Unternehmen können heute noch nicht abschätzen, welche Vorteile eine moderne, cloudbasierte Analyseplattform mit sich bringt und welche Anwendungsfälle in der Zukunft Nutzen bringen sollen. Im Rahmen einer Top-Down-Strategie definieren Unternehmen die wichtigsten Datenobjekte (Kunde, Produkt, Vertrag etc.). Anschliessend folgt die schrittweise technische Umsetzung der Cloud-Datenplattform. Erste auf der SSoT basierende Use-Cases mit intelligenten Analysen, die fundierte Entscheidungen im Unternehmen ermöglichen, dürften dann Bahn brechen für weitere erfolgreiche Anwendungsfälle. Dieser Ansatz funktioniert sehr gut für Unternehmen mit einem homogenen Geschäftsmodell, das die firmenweite Definition der zentralen Datenobjekte ermöglicht. Unternehmen hingegen, die entweder bereits genau wissen, welche Vorteile ihnen die Migration der Datenanalyseplattform in die Cloud bringen wird und/oder sich einem heterogenen Geschäftsumfeld befinden, können im Rahmen einer Bottom-Up-Strategie einzelne Anwendungsfälle isolieren und schnell in der Cloud realisieren. Das könnte ein Dashboard für die Produktion oder ein Machine-Learning-Algorithmus sein, der Kaufwahrscheinlichkeiten in Echtzeit berechnet. Unternehmen verzichten in diesem Fall bewusst auf die SSoT, schaffen dafür schnell Mehrwert für das Geschäft.

Egal, ob die Migration auf eine Cloud-Datenplattform Bottom-up im Rahmen einer einzelnen Domäne oder gleich allumfassend auf eine Enterprise-Datenplattform erfolgt: Mit einem erfahrenen Provider und dessen Cloud-Expertise gepaart mit Spitzentechnologien ist die Implementierung für Unternehmen ein plan- und bezahlbares Unterfangen, dessen Wert sich für ein Unternehmen schnell zeigt.
Es ist selbstredend, dass SSoT bzw. cloudbasierte Datenplattformen auch die Basis für datengetriebene Geschäftsmodelle im Rahmen der digitalen Transformation eines Unternehmens darstellen. Dies ist eine wichtige Erkenntnis für Entscheider, die sich mit dem Gedanken tragen, aus Unternehmens-, Transaktions- und/oder Sensordaten Business-Entscheidungen abzuleiten. Die digitale Transformation ist quasi eine Operation am offenen Herzen eines Unternehmens. Eingespielte Prozesse müssen hinterfragt und die Komfortzone verlassen werden. Dies ist auch nötig, denn die Mitbewerber schlafen nicht. Wer zukünftig erfolgreich und konkurrenzfähig bleiben möchte, wird nicht darum herumkommen, das eigene Geschäftsmodell datenbasierend umzubauen. Und das erfordert die Investition in eine Cloud-Datenplattform.

Vorteile von Cloud-Datenplattformen: 

-    Schnelles Go-To-Market dank neuer analytischer Use-Cases. Unternehmen müssen keine Software separat installieren und die Hardware nicht neu beschaffen. 
-    Cloud-Anwender profitieren von der Innovationskraft des Public-Cloud-Providers. Sie können neue Funktionen, etwa bei KI oder Machine Learning, schnell nutzen und müssen diese nicht erst nachbauen.
-    Unternehmen können native Software Services als PaaS nutzen und diese flexibel miteinander kombinieren – etwa die Datenbank, das Datenverarbeitungs- und Visualisierungstool. 
-    Mit PaaS-Lösungen profitieren Unternehmen vom Pay-as-you-go-Modell. So können sie IT-Ausgaben in den Betriebskosten (OpEx) aktivieren. Dies führt zu mehr Flexibilität, Skalierbarkeit und Geschwindigkeit. 
-    Die Cloud-Datenplattform ist rundum die Uhr erreichbar und minimiert Ausfallzeiten. 

Die wichtigsten Schritte zu einer Datenplattform in der Cloud: 

-    Assessment: Unternehmen erstellen eine erste Bestandesaufnahme der aktuellen Umgebung. Welche Applikationen eignen sich für eine Migration, wie gross ist der Datenumfang, wie viele Nutzer sollen migriert werden? 
-    Datenbereinigung: SSoT definieren und Datenbereinigung durchführen. 
-    Proof of Concept (PoC): Unternehmen führen eine Pilotphase mit erster Applikation durch, um die Datenmigration zu testen. 
-    Migration: Nach erfolgreichem PoC werden zunächst die Daten und anschliessend die Applikation migriert. 
-    Optimierung: Unternehmen und Service-Provider prüfen, welches Optimierungspotenzial besteht, welche Fehlerquellen zu beheben sind und ob Ressourcen minimiert werden können.