Strategie für den Weg in die Cloud
Cloud-first bedeutet nicht Cloud-only
Die Geschäftswelt ist mittlerweile eine Datenwelt. Diese ist beherrscht von den zentralen und wichtigen Fragen, welche Daten Unternehmen speichern und vor allem wo. Außerdem muss geklärt sein, wie diese Daten in Verwendung sind und wie man den größtmöglichen Nutzen aus ihnen ziehen kann.
Antworten darauf muss jede Organisation finden, denn die weltweite Datenmenge steigt täglich und in hoher Geschwindigkeit – IDC prognostizierte schon 2016 die Verzehnfachung der digitalen Daten bis 2025 auf vermutlich 163 Zettabyte; der Bitkom geht mittlerweile sogar von 181 Zettabyte aus. Daten sind ein wichtiges Kapital moderner Unternehmen. Doch sie erhalten erst dann einen Wert, wenn Firmen die richtigen Informationen speichern, mit ihnen datengesteuert arbeiten und datenbasierte Entscheidungen treffen. Damit steigern sie ihre Wettbewerbsfähigkeit und verbessern die Risikominderung und Kostenkontrolle.
Viele Unternehmen setzen dafür auf die Cloud. Die Migration erfolgt allerdings häufig voreilig und ohne Strategie. Auf dem Weg in die Cloud gibt es drei Kernaspekte zu beachten: die Datenstrategie, die Unternehmenskultur und das Deployment-Modell. Mit der richtigen Herangehensweise gelingt der Weg in die Cloud – und, falls nötig, sogar zurück.
1. Die Basis: eine durchdachte Datenstrategie
Wenn es um die Datenspeicherung geht, starten Unternehmen oft direkt mit der Frage nach dem Deployment-Modell – allerdings häufig, ohne sich vorher Gedanken über die Strategie und den Status quo zu machen. Das führt zu einer fragmentarischen Vorgehensweise ohne größeren Zusammenhang, was wiederum schnell zur Desillusionierung der Belegschaft beiträgt und einen Vertrauensverlust in den Prozess zur Folge hat.
Für den effizienten und für alle nachvollziehbaren Umgang mit Daten ist eine skalierbare Datenstrategie nötig, die wiederum in einer datenfokussierten Unternehmenskultur verwurzelt ist. Teil einer solchen Strategie kann die Definition von allgemein gültigen Methoden, Vorgehensweisen und Prozessen für die Steuerung und Weitergabe von Daten sein. Aber auch die Bedürfnisse der Mitarbeiter und der Zugang zu Daten sind ein entscheidender Faktor.
Natürlich ist auch die Frage der Datenspeicherung und die anschließende Verwendung zentral. Gibt es gesetzliche Auflagen oder Regularien? Welche Daten sind nötig und – ganz wichtig – welche Fragen sollen die Daten beantworten? Die Antwort kann ein Chief Data Officer geben – der „Lenker“ der Daten und Treiber der Datenstrategie im Unternehmen. Dieser formuliert und kommuniziert die Strategie und sorgt für die erfolgreiche Umsetzung und Einhaltung.
In Deutschland sind CDOs noch Mangelware, wie eine Exasol-Studie gezeigt hat. Ein erster Schritt kann also die Ernennung und Implementierung eines CDOs sein, der anschließend die Datenstrategie erarbeitet. Er ist auch das Bindeglied zur Management-Ebene und kann den Wandel hin zu einer datenfokussierten Unternehmenskultur vorantreiben. Denn bei allem Fokus auf die Technologie: Menschen spielen nach wie vor eine zentrale Rolle in der Datenwelt.
2. Der Faktor Mensch: die Unternehmenskultur
Der Erfolg der Datenstrategie steht und fällt mit den Menschen. Dabei sollten Organisationen die beiden Bereiche Datendemokratisierung und Datenkompetenz forcieren. All die Daten in der Cloud haben keinen Nutzen, wenn nur eine Handvoll Analytics-Experten auf sie zugreifen können.
Alle Mitarbeiter benötigen Zugriff auf die für sie relevanten Daten. Voraussetzung dafür, dass die Mitarbeiter die Daten auch verstehen und auswerten können, ist die Schulung von Datenkompetenz. Wenn jede Abteilung innerhalb des Unternehmens seine Daten und Synergien zwischen den Bereichen optimal nutzt, kann das Unternehmen datengesteuert arbeiten. Der Abbau von Datensilos und die Schulung von Datenkompetenz spielen demnach eine grundlegende Rolle in der Daten-, aber auch Unternehmensstrategie.
Viele Unternehmen scheitern genau an diesem Punkt. Sie kämpfen mit veralteten IT-Infrastrukturen, einer großen Anzahl neuer Datenquellen, mangelnder Agilität, generellen Performance-Einschränkungen, fehlender Datenkompetenz und Datensilos. Das kostet oft Zeit und Nerven - und schließlich das Vertrauen der Mitarbeiter in den Prozess. An dieser Stelle kommt die Auswahl des richtigen Deployment-Modells ins Spiel – sei es die Cloud, On-Premise oder ein hybrider Ansatz – um diese Herausforderungen zu bewältigen und eine Strategie umzusetzen, die die richtige Technologie für die richtigen Mitarbeiter bereitstellt.
3. Das Deployment-Modell: die Cloud als Erfolgsgarant?
Viele Unternehmen zieht es bei der Datenspeicherung in die Public Cloud, um die oben genannten Schwachstellen zu überwinden. Gartner prognostiziert, dass die Ausgaben der Endnutzer für Public Clouds weltweit bis Ende des Jahres 2022 bei 500 Milliarden Dollar liegen werden. Die Cloud bietet gute Performance und Services. Zudem können Organisationen dadurch ihre Datensilos abschaffen und Datenbestände verknüpfen. Wenn die Datendemokratisierung nur schleppend vorangeht, ist die Cloud also oft die erste Wahl. Sie erleichtert den Zugriff sowie die Möglichkeit der Weitergabe und der gemeinsamen Nutzung von Daten.
Ein Cloud-Modell hilft auch, mit der steigenden Agilität und dem rasanten Wachstum mitzuhalten. Einziger Hemmfaktor sind die Kosten. Diese sind zwar auf den ersten Blick niedriger, doch mit einer Steigerung der Datennutzung wachsen auch die Kosten, denn Datenmenge und Preis nehmen synchron zu. Software-as-a-Service-Modelle (SaaS) helfen dabei, die Kosten im Griff zu behalten, denn die Unternehmen zahlen nur das, was sie wirklich in Anspruch nehmen.
Ein weiterer Vorteil der Migration in die Cloud ist die Schnelligkeit bei Datenauswertungen, die veraltete Systeme nicht leisten können. Data Analytics spielt eine immer wichtigere Rolle und Systeme sollen Auswertungen in Sekunden, nicht Stunden anzeigen. Wirft man einen Blick auf die zukünftigen Entwicklungen, spielt auch der Bereich Business Intelligence eine Rolle bei der Entscheidung für die Cloud-Migration. Hier kann die Cloud die nötige Flexibilität bieten, um Data Analytics zu verbessern.
- Cloud-first bedeutet nicht Cloud-only
- Moderne Datenstrategie
Lesen Sie mehr zum Thema
