Digitale Transformation in der Praxis (3): Die Daten
Im 21. Jahrhundert gelten Daten als das neue Gold oder Öl. Wie sie gewinnbringend eingesetzt werden können, zeigen Appelfeller und Feldmann in ihrem Buch "Die digitale Transformation des Unternehmens". Hier kommen einige ausgewählte Erkenntnisse.
Digitale Transformation in der Praxis: In Teil 1 meiner Artikelreihe beleuchtete ich die Unternehmensprozesse, in Teil 2 folgte die Unternehmens-IT. Welche Rolle spielen die Daten? Das schauen wir uns im vorliegenden dritten und letzten Teil an.
1. Zeichenart: Daten bestehen aus (a) Ziffern (numerisch) oder (b) Buchstaben (alphabetisch) oder (c) einer Kombination aus Ziffern, Buchstaben und Sonderzeichen (alphanumerisch).
2. Struktur: (a) Unstrukturierte Daten sind digitalisierte Informationen, die nicht formalisiert sind. Dazu gehören Text-Dokumente, Videos und Bilder. Die in ihnen enthaltenen Daten (z. B. Personen-Namen, Mengenangaben) liegen in "freier", unspezifischer Form vor. Formate wie .pdf, .jpeg, .docx oder auch HTML-Dokumente können nicht in einer Datenbank abgelegt werden. Der Dateityp ist bekannt, jedoch erscheint der Inhalt nicht in voneinander abhängigen Datenfeldern.
Ein Beispiel für (b) semistrukturierte Daten sind E-Mails: Sie haben eine formalisierte Grundstruktur (Absender, Empfänger, Betreff), während der eigentliche Inhalt aus "freiem", nicht formalisiertem Text besteht, somit nicht in voneinander abhängigen Datenfeldern vorliegt.
Dagegen haben (c) strukturierte Daten ein Format, in das sich alle Informationen einordnen lassen. Innerhalb einer relationalen Datenbank (mit einer Datenbanksprache wie z. B. SQL, Structured Query Language, "Strukturierte Abfrage-Sprache") haben strukturierte Daten eine Zeilen- und Spaltenposition.
3. Position im Verarbeitungsprozess: Handelt es sich um (a) Eingabedaten oder (b) Ausgabedaten?
4. Verwendungszweck: Handelt es sich um (a) Stammdaten (z. B. Produkt-, Lieferanten-, Kunden- und Mitarbeiterdaten) oder um (b) Bewegungsdaten (z. B. Bestands-, Bestellungs- oder Rechnungsdaten)?
5. Personenbezug: Es gibt (a) personenbezogene Daten und (b) nicht personenbezogene Daten. [personenbezogene Daten sind Informationen, die sich auf eine natürliche Person beziehen oder zumindest beziehbar sind – und etwas über die Persönlichkeit aussagen]
1 Terabyte
= 1.000 Gigabyte
= 1.000.000 Megabyte
= 1.000.000.000 Kilobyte
= 1.000.000.000.000 Byte
= 8.000.000.000.000 Bit
Das 5V-Modell umschreibt Big Data wie folgt:
Ein Datenberg schöpft noch keinen Wert. Hierfür braucht es die Daten-Analyse.
Ohne geschulte Mitarbeiter geht es nicht: Sicherlich wird es eines Tages sich selbst steuernde Data-Analytics-Programme geben. Aktuell jedoch braucht es noch sehr viel menschliches Know-how.
Die Daten sind da, die Tools auch und die Konkurrenz schläft nicht. Neben disruptiven Start-ups droht jeder Branche auch der asymmetrische Wettbewerb: Tech-Riesen wie die Google-Mutter Alphabet oder Microsoft marschieren mit ihrer Milliarden- und Daten-Macht in etablierte Branchen ein, was disruptive Auswirkungen haben kann.
Vor allem der Mittelstand ist gefordert, sein Daten-Potenzial auszuschöpfen und die digitale Transformation zum Top-Thema zu machen.
Worauf also noch warten?
Quelle & Link-Tipps:
 |
| Das digitale Unternehmen (angelehnt an Appelfeller/Feldmann) |
Digitale Transformation in der Praxis: In Teil 1 meiner Artikelreihe beleuchtete ich die Unternehmensprozesse, in Teil 2 folgte die Unternehmens-IT. Welche Rolle spielen die Daten? Das schauen wir uns im vorliegenden dritten und letzten Teil an.
Eigenschaften von Daten
Appelfeller/Feldmann unterscheiden unter anderem folgende Daten-Kriterien:
2. Struktur: (a) Unstrukturierte Daten sind digitalisierte Informationen, die nicht formalisiert sind. Dazu gehören Text-Dokumente, Videos und Bilder. Die in ihnen enthaltenen Daten (z. B. Personen-Namen, Mengenangaben) liegen in "freier", unspezifischer Form vor. Formate wie .pdf, .jpeg, .docx oder auch HTML-Dokumente können nicht in einer Datenbank abgelegt werden. Der Dateityp ist bekannt, jedoch erscheint der Inhalt nicht in voneinander abhängigen Datenfeldern.
Ein Beispiel für (b) semistrukturierte Daten sind E-Mails: Sie haben eine formalisierte Grundstruktur (Absender, Empfänger, Betreff), während der eigentliche Inhalt aus "freiem", nicht formalisiertem Text besteht, somit nicht in voneinander abhängigen Datenfeldern vorliegt.
Dagegen haben (c) strukturierte Daten ein Format, in das sich alle Informationen einordnen lassen. Innerhalb einer relationalen Datenbank (mit einer Datenbanksprache wie z. B. SQL, Structured Query Language, "Strukturierte Abfrage-Sprache") haben strukturierte Daten eine Zeilen- und Spaltenposition.
3. Position im Verarbeitungsprozess: Handelt es sich um (a) Eingabedaten oder (b) Ausgabedaten?
4. Verwendungszweck: Handelt es sich um (a) Stammdaten (z. B. Produkt-, Lieferanten-, Kunden- und Mitarbeiterdaten) oder um (b) Bewegungsdaten (z. B. Bestands-, Bestellungs- oder Rechnungsdaten)?
5. Personenbezug: Es gibt (a) personenbezogene Daten und (b) nicht personenbezogene Daten. [personenbezogene Daten sind Informationen, die sich auf eine natürliche Person beziehen oder zumindest beziehbar sind – und etwas über die Persönlichkeit aussagen]
Daten-Quellen im Unternehmen
Hier nennen Appelfeller und Feldmann vier Wege, über die Daten entstehen können:- durch Direkteingabe (via Mitarbeiter)
- durch Übernahme (aus IT-Systemen via Schnittstellen)
- durch Digitalisierung (von analogen Daten, z. B. aus Aktenordnern)
- durch Extraktion (das Herausziehen von Daten z. B. aus Maschinen oder von Online-Plattformen)
Massendaten: Was ist Big Data?
Die fortschreitende Digitalisierung führt dazu, dass sich immer mehr Daten in Unternehmen anhäufen. Laut Appelfeller/Feldmann liegen Massendaten (Big Data) vor, wenn eine Terabyte-Größenordnung erreicht wurde:1 Terabyte
= 1.000 Gigabyte
= 1.000.000 Megabyte
= 1.000.000.000 Kilobyte
= 1.000.000.000.000 Byte
= 8.000.000.000.000 Bit
Das 5V-Modell umschreibt Big Data wie folgt:
Analyse von Daten (Data Analytics)
Daten zu analysieren kann auf vier zeitlichen bzw. qualitativen Ebenen geschehen:
Auch die Daten-Analyse darf nicht zum Selbstzweck werden. Ziel muss immer sein, Mehrwert für die jeweilige Zielgruppe zu schaffen.
Datengetriebene Wertschöpfung wird zum Muss
Eine wertschöpfende Daten-Strategie, entsprechende Tools sowie fähige Daten-Analysten sind kriegsentscheidend für Unternehmen geworden.Ohne geschulte Mitarbeiter geht es nicht: Sicherlich wird es eines Tages sich selbst steuernde Data-Analytics-Programme geben. Aktuell jedoch braucht es noch sehr viel menschliches Know-how.
Die Daten sind da, die Tools auch und die Konkurrenz schläft nicht. Neben disruptiven Start-ups droht jeder Branche auch der asymmetrische Wettbewerb: Tech-Riesen wie die Google-Mutter Alphabet oder Microsoft marschieren mit ihrer Milliarden- und Daten-Macht in etablierte Branchen ein, was disruptive Auswirkungen haben kann.
Vor allem der Mittelstand ist gefordert, sein Daten-Potenzial auszuschöpfen und die digitale Transformation zum Top-Thema zu machen.
Worauf also noch warten?
Quelle & Link-Tipps:
- Wieland Appelfeller, Carsten Feldmann: Die digitale Transformation des Unternehmens
- Digitale Transformation in der Praxis (1): Die Unternehmensprozesse
- Digitale Transformation in der Praxis (2): Die IT-Systeme (a)
- Digitale Transformation in der Praxis (2): Die IT-Systeme (b)
- IT-Consulting-Studie: Der Siegeszug der Data Analytics
- 4 Facetten datengetriebener Unternehmen: Teil I – Datenstrategie
Kommentare