Dateninfrastruktur

Die Grundlage datengetriebener digitaler Transformationen

Ob KMU, Grossunternehmen oder öffentliche Verwaltung, mit der zunehmenden Digitalisierung leben moderne Organisationen mit und von Daten. Die meisten Organisationen sind gut aufgestellt in der Erfassung von Daten. Oft besteht jedoch noch grosses Potential in der Organisation der Daten und dem damit verbundenen Erkenntnisgewinn. Dieses Potential kann durch eine zielgerichtete Dateninfrastruktur voll ausgeschöpft werden.

Die Dateninfrastruktur einer Organisation besteht aus allen notwendigen Komponenten, um ihre Daten zu sammeln, speichern, verarbeiten, verwalten und zu schützen. Dies umfasst weit mehr als die Datenbestände und die physische Infrastruktur zur Datenspeicherung und -verarbeitung. Eine Dateninfrastruktur umfasst auch Cloud Ressourcen, Business Applikationen, Business Intelligence und Analytics Tools sowie eine Datenstrategie, Richtlinien und insbesondere die Mitarbeitenden. Die richtige Dateninfrastruktur und das koordinierte Zusammenspiel ihrer Komponenten ist ein zentraler Faktor für eine erfolgreiche datengetriebene digitale Transformation.

Photo by Clay Banks on Unsplash

Welche Dateninfrastruktur wird benötigt?

Wir arbeiten nach dem Grund­satz: “So einfach wie möglich, so komplex wie nötig.” Meist möchte das Management die Daten effizient und interaktiv in einem Dash­board analy­sieren und so Ent­schei­dungen daten­getrieben fällen. Welche Zwischen­schritte braucht es in der Daten­infra­struktur, um alle gewollten Möglich­keiten und Aus­wertungen zu realisieren?

Abhängig von der Maturität, der Komplexität und der Ambition der Organisation gilt es, die Dateninfrastruktur so einfach wie möglich, aber so komplex wie nötig zu erstellen. Ob eine direkte An­bindung an das ERP, der Schritt über einen Data Lake, den Aufbau eines Data Ware­houses (DWH) oder gar die Bereit­stellung von spezi­fischen Data Marts – es gilt die Vor- und Nach­teile zu evaluieren und die passenden Kom­po­nenten effi­zient aufzubauen.

Wie unterstützt Novalytica als Implementierungspartner?

Wir unterstützen Organi­sationen als externer Partner beim Aufbau, der Weiter­ent­wicklung, dem Unterhalt und der Nutzung ihrer gesamten Daten­infra­struktur. Dabei stehen stets die individuellen An­for­de­rungen und strate­gischen Ziele der Kund­schaft im Zentrum, um durch mass­ge­schnei­derte Lösungen und kundens­pezifische Tech­no­logien den optimalen Nutzen aus ihren Daten zu generieren.

Nebst unserer Expertise in Daten­infra­struktur-Projekten zeichnen wir uns durch breite Erfahrung im Analytics-Bereich aus und können dieses Wissen ein­bringen, wenn es darum geht eine Daten­infra­struktur aufzusetzen, welche den An­forderungen heutiger oder zu­künf­tiger Analytics-Bedürfnissen ent­spricht. Dabei be­gleiten wir unsere Kund­schaft auf ihrer gesamten Reise zur idealen Daten­infra­struktur und deren Nutzung, die typischer­weise in sechs Phasen gegliedert werden kann:

1. Situationsanalyse

Zu Beginn wird der Maturitätsgrad der Dateninfrastruktur bestimmt. Hierzu werden die bereits vorhandene Dateninfrastruktur analysiert, weitere Voraussetzungen identifiziert und die Bedürfnisse aller Stakeholder abgeholt.

2. Datenstrategie

Anschliessend kann eine Datenstrategie formuliert werden, bei der die strategischen Ziele der Organisation im Zentrum stehen. Neben diesen Zielen werden hier die Datenquellen beschrieben, beabsichtigte und potentielle Use Cases identifiziert und priorisiert, Rahmenbedingungen festgehalten, sowie eine Roadmap für die Umsetzungsphase erstellt. Zum Beispiel wird hier auch geklärt, ob die Daten on-premise oder in einer Cloud verwaltet werden sollen.

3. Datenspeicher

Die richtige Wahl und der korrekte Aufbau der Datenspeicher sind zentrale Bestandteile eines Dateninfrastruktur-Projekts. Dabei müssen Vor- und Nachteile aller Möglichkeiten hinsichtlich den Zielen und Rahmenbedingungen gegeneinander abgewogen werden. So kann beispielsweise entschieden werden, ob ein Data Warehouse als saubere und einzige Erkenntnisquelle für BI (Business Intelligence) Reports von Business Analysts oder ob eher ein Data Lake für komplexe Analysen von Data Scientists benötigt wird.

4. Pipelines

Nachdem die Datenspeicher aufgebaut sind, können ETL (extract, transform, load) oder ELT (extract, load, transform) Pipelines erstellt werden. Dabei wird idealerweise bereits in den Datenquellen auf eine optimale Datenqualität geachtet und etablierte Best Practices werden stets eingehalten; Eine Säuberung der Daten sollte hier ebenfalls in Betracht gezogen werden.

5. Governance

Um das volle Potential der Dateninfrastruktur nutzen zu können, müssen Verfügbarkeit, Nutzbarkeit, Integrität und Sicherheit der Daten in Richtlinien festgehalten werden. Die Sensibilisierung und Schulung der Mitarbeitenden stellt sicher, dass die Richtlinien organisationsweit gelebt werden.

6. Datenanalyse

Auf der Grundlage der Dateninfrastruktur können die Daten mit der notwendigen Expertise effizient und zuverlässig analysiert werden. Wir unterstützen Sie hier ebenfalls mit unseren Services im Bereich Business Intelligence, Data Analytics, Data Science, Machine Learning und Artificial Intelligence.

Novalytica Data Services​

Datenerfassung und Datenverarbeitung

Profitieren Sie von unserer Expertise in der automatisierten Datenerfassung und Klassifizierung auch für komplexe, unstrukturierte Datenquellen.

Data Science, Machine Learning and Artificial Intelligence

Mit modernsten Tools und intelligenten Algorithmen analysieren unsere Data Scientists grosse Datenmengen und optimieren Prozesse.

Business Intelligence

Verwenden Sie BI-Tools um unter-schiedlichste Datenquellen gewinnbringend einzusetzen.

Data Strategy

Unsere Experten zeigen Ihnen auf, wie Sie aus Daten echten Mehrwert generieren können - die Herausforderung jeder Organisation.

Studien und Analysen

Wir analysieren spezifische Fragestellungen datengetrieben und mit modernen statistischen Methoden.

Data Academy

Erlangen Sie neue Kompetenzen im Bereich der Datenanalyse in unseren inhouse Workshops oder Kursen.

News

Wie Sie Chat GPT gewinnbringend einsetzen können

In Unternehmen können generative Sprach­modelle bei einer Vielzahl von Tätigkeiten ein­gesetzt werden und helfen, die Effizienz zu steigern. Durch die Zu­gehörig­keit zu Micro­soft ergeben sich ins­besondere im Micro­soft Azure-Umfeld viele neue Möglich­keiten, um Chat GPT zu integrieren.

Treemap Nettovermoegen indirekte Schweizer Immobilienanlagen

Nutzbarmachung von unstrukturierten Daten

Daten sind in grossen Mengen verfügbar und viele davon sind öffentlich zugänglich. Einige Datenquellen sind jedoch nur unstrukturiert vorhanden. Die Erhebung und Prozessierung solcher Daten ist zeitaufwendig und komplex. Gleichzeitig sind es oft gerade unstrukturierte Daten, die neue Erkenntnisse generieren und einen Wettbewerbsvorteil schaffen können.

Decision Tree

Tree-based vs. Deep Learning

Bei tabellarischen Daten ist der Vorteil von Deep Learning gegenüber herkömmlichen Machine Learning Methoden unklar. Grinsztajn et al (2022) untersuchen, weshalb Decision Trees eine bessere Performance als Deep Learning-Verfahren auf Tabellendaten erreichen.

Haben Sie Fragen zu unseren Data Strategy Consulting Leistungen oder sind Sie auf der Suche nach einer individuellen Lösung?

Gerne beraten wir Sie in einem persönlichen Gespräch.

Ihr Ansprechpartner

Dr. Thomas Spycher

 
+41794833643







      Newsletter: Melden Sie sich an und halten Sie sich auf dem Laufenden, was sich in der Welt der Daten tut.