Data Administration

In der heutigen Zeit steigt die Informations- und Datenflut in Unternehmen stetig an, weshalb es immer schwieriger wird, einen Überblick über die Aussagekraft der generierten Daten zu behalten. Dieses rasch ansteigende DATENWACHSTUM kann intern schnell zur Überforderung führen, sofern noch kein Datenmanagement im Unternehmen verankert ist. Wenn die Prozesse zur Datenklassifizierung fehlen, kann das Unternehmen die Daten auch nicht auswerten.

Mit einer ausgewählten Infrastruktur und den notwendigen Prozessen können unternehmensinterne Daten jedoch schnell zu wertvollem Kapital werden, das nun dann auch genutzt werden kann.

Die Begriffe „Data Administration“ oder „Data Ressource Management“ können auf deutsch einfach mit „Datenverwaltung“ beschrieben werden. Aber welche Prozesse verbergen sich dahinter?

Was bedeutet Data Administration / Data Resource Management?

„Data Administration“ oder auch „Data Ressource Management“ bezeichnet einen Prozess, bei dem Daten von einem Administrator oder einer Organisation überwacht, verwaltet und gepflegt werden. Dieser Prozess ist im Unternehmensumfeld nötig, um Daten und deren Verarbeitung mit diversen Anwendungen steuern zu können. Data Administration ist also die Grundlage für die Verwaltung aller Datenressourcen eines Unternehmens. Diese Datenressourcen beinhalten beispielsweise:

• Datendefinitionen, Richtlinien, Verfahren und Standards
• Lösungen für Datenkonflikte
• Datenbankplanung, -analyse, -design, -implementierung und -wartung
• Datenschutz
• Datenleistungssicherung
• Schulung und Beratung

Aus diesem Grund wird „Data Administration“ oftmals auch als „Data Ressource Management“ (dt. Datenressourcenverwaltung) bezeichnet.

Aufgaben der Data Administration / Data Ressource Management

Die Administration der Daten umfasst die Verwaltung von Daten und Informationen, in denen der Datenfluss analysiert, Datenmodelle erstellt und die Beziehungen zwischen ihnen definiert werden sollen. Ebenfalls definiert die Administration die Sicherheits- und Zugriffssteuerungselemente von Daten, da in einem Unternehmen nicht alle Daten und Inhalte des Systems für jedermann zugänglich sein sollen und daher bestimmte Beschränkungen notwendig sind.

Ziel ist es vor allem, die vorhandenen Unternehmensdaten strukturiert aufzubereiten, um darauf Analysen aufzubauen. Bei fehlendem Überblick über die Datenflut haben Unternehmen keine Chance, diese Daten miteinander in Beziehung zu setzen und sie so sinnvoll für Analysen zu nutzen.

Ein einfaches Beispiel soll Data Administration anschaulich erklären: Ein Unternehmen möchte seine unstrukturierten Daten ordnen und bestimmten Bereichen zuordnen, so dass irgendwann jede Abteilung dazu beitragen kann.

• Im ersten Schritt ist es notwendig, alle Daten zu entdecken und zusammenzutragen. Durch eine zielgeführte Suche sowie eine spezifische Filterung der Daten in Teilbereiche lässt sich ein kompletter Datenpool zusammentragen.
• Im nächsten Schritt werden die Daten mit Metadaten angereichert. Neben einem klaren Namen und Datentypen enthalten Metadaten zusätzlichen Kontext wie Anmerkungen, Beschreibungen, Zugehörigkeit zu bestimmten Bereichen oder Tags. Diese Metadaten dienen im weiteren Verlauf zur vereinfachten Auffindbarkeit und Klassifizierung.
• Der dritte Schritt erfordert, die Daten und ihre Anwendung zu verstehen und richtig einordnen zu können. Hierbei ist wichtig zu wissen, welche Daten wie analysiert und verarbeitet werden können.
• Im vierten Schritt werden die den jeweiligen Abteilungen zugeordneten Daten für alle Mitarbeiter geöffnet. Diese können und sollen nun wertvolle Informationen beitragen.

So profitieren die Daten vom Wissensschatz aller Mitarbeiter, mögliche BUSINESS INTELLIGENCE Analysen werden so aussagekräftiger. Die Data Administration liefert den Rahmen, in welchem eine derartige Datenaufbereitung erfolgen und der logische Schritt zum DAM und PIM getätigt werden kann.

Der Unterschied zur Datenbankverwaltung

Da die Administration von Daten häufig mit der Datenbankverwaltung verwechselt wird, ist es notwendig, sich die Unterschiede zu vergegenwärtigen:

Der Unterschied zur Datenbankverwaltung liegt darin, dass der Fokus von Data Administration / Data Ressource Management nicht wie bei der Datenbankverwaltung auf den technischen Details, die mit der Datenverwaltung verbunden sind, liegt, sondern auf der Definition der Datenverwaltungsprozesse, die als organisatorisches Asset verwendet werden sollen.

Durch die Steuerung der Sammlungs- und Modellierungsfunktionen sollen Strategien für das Informations- und Metadatenmanagement koordiniert werden. Die Datenmodellierung unterstützt die Entwicklung von Anwendungen mit diversen Tools und Methoden. Dadurch ergibt sich die Möglichkeit der Integration und Überbrückung unterschiedlicher Anwendungs- und Softwarepakete in die gesamte Struktur der Datenarchitektur.

Die Data Administration legt also die Architektur der zu sammelnden Daten, Zugriffsrechte, Analysestrukturen, Verwendungen und Prozeduren fest, mit denen die Daten im Anschluss innerhalb eines Unternehmens verwendet werden können. Sie ist damit quasi die Voraussetzung für eine korrekte Verwendung von PIM- und DAM–Systemen.

Die Gesamtheit der Datenarchitektur bildet das Unternehmensdatenmodell und ist entscheidend für die Unternehmensfähigkeit, das Geschäftsrisiko und diverse Auswirkungen von Geschäftsänderungen zu analysieren und bewerten.

Fazit

Unternehmen, die ihre Daten im Griff haben, sie analysieren und die richtigen Rückschlüsse daraus ziehen können, sind für aktuelle und zukünftige Herausforderungen gewappnet. Data Administration ist der erste Schritt, mit dem die eigene Hoheit über interne Daten erlangt werden kann. Umso wichtiger ist es, hier mit großer Sorgfalt zu arbeiten.