data quadrant - daten management methode
TRANSCRIPT
![Page 1: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/1.jpg)
DATEN QUADRANT STRATEGIE UND ORGANISATION IM ZEITALTER VON AGILEBI, DWH, AUTOMATION UND BIGDATA
![Page 2: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/2.jpg)
EINLEITUNG• Quellen
• Datenquadrant von R.D. Damhof Mai 2014 – DWH Automation• Whitepaper “Building A Data-Centric Strategy and Roadmap” – datablueprint.com, Peter
Aiken und Lewis Broome• Daten als untrennbarer Verbund und/oder Bestandteil von den Produkten und
Dienstleistungen die verkauft werden.• Strategie
• “Your data strategy must align to your organizational business strategy and operating model.”
• Architektur• “Data Architecture represents the common vocabulary, expressing integrated requirements
ensuring that data assets are stored, arranged, managed and used in support of organizational strategy.”
• Governance• “Data Governance is the exercise of authority and control over the management of your
mission- critical data assets.” • Technical Practices: Qualität, Integration, Plattformen, BI• Der Datenquadrant als Kommunikationsmittel für Strategie und Technik
![Page 3: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/3.jpg)
DATENSTRATEGIE
StrategieZiele und VorhabenDatenmanagementSysteme und ApplikationenNetwork / Infrastructure
StrategieZiele und VorhabenSysteme und ApplikationenNetwork / InfrastructureDatenmanagement
Dat
enge
trieb
en
Applikationsgetrieben
![Page 4: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/4.jpg)
• Datenassets werden durch die Geschäftsprozesse erstellt, die Ziele und Vorhaben liefern
• Datenmanagement ermöglicht Geschäftsprozesse, Ziele und Vorhaben zunehmend direkt durch eigene Wertbeiträge
• Personen, Organisation und Geschäftsprozesse liefern Kontext für das Datenmanagement
• Datenmanagement informiert die Personen und Organisation
DATENSTRATEGIE
Personen und Organisation
Geschäftsprozesse Ziele und Vorhaben
TechnologieTechnology Assets
DatenmanagementDaten Assets
Informiert
ErstelltKontext
![Page 5: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/5.jpg)
INFORMATIONEN LIEFERN
Geschäftsprozesse Ziele und VorhabenPersonen und Organisation
TechnologieTechnology Assets
Informationsfluss Anforderungen
Datenmanagement
Strategie Architektur Governance
Qualität Integration Plattformen
BI
Inform
Produkt
![Page 6: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/6.jpg)
PROBLEMSTELLUNG KOMMUNIKATION
BI/ITCIO/CTO/CDO
FachabteilungCEO/COO/CFO
NoSQL
BigData
MPP
Data Vault
Analytics
???
AgileBI
Self Service
Predictive
![Page 7: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/7.jpg)
ANALOGIE: LOGISTIK UND PRODUKTION
![Page 8: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/8.jpg)
WIE KOMMEN PRODUKTE AUF DEN MARKT
Quelle: Ruhr-Universität Bochum, AWF AG Pull-Systeme, Dipl.Ing. O. Völker und Dipl. Ing. S. Binner
![Page 9: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/9.jpg)
PULL VERSUS PUSH PRODUKTE
Bekannte AnforderungenGeringe PersonalisierungSkaleneffekteGleichförmige ProduktionGeringe ÄnderungskostenGeringe Vorbereitungszeit
Variable AnforderungenHohe PersonalisierungGeringer VerkaufsaufwandVariabilität in der ProduktionHohe AnpassungskostenGrößere Vorbereitungszeit
Pus
h
Pull
![Page 10: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/10.jpg)
PULL VERSUS PUSH DATEN
PUSH/SUPPLY/SOURCE• Fakten, historisiert• Massendeployment• Kontrolle>Agilität• Wiederholbare &
vorhersagbare Prozesse• Standardisierung• Automation
• Deklarativ > Prozedural• Metadaten, Modell
getrieben• IT und Datenexpertiese
PULL/DEMAND/PRODUCT• Interpretation &
Kontext• Einzeldeployment• Agilität > Kontrolle• Nutzerfreundlichkeit• Weniger IT-Expertise• Hohes Fachwissen• Prozedural >
Deklarativ
![Page 11: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/11.jpg)
UNTERSCHEIDUNG LIEFERMODUSSystematisch• Nutzer und Entwickler sind getrennt• Fokus auf Kontrolle und Compliance• Fokus auf Non-Functionals• Zentrale, unternehmensweite Informationsobjekte
• Nutzer und Entwickler sind eng verbunden• Offensive Governance – Fokus auf Agilität und Anpassbarkeit• dezentralisierte Informationsobjekte• Deployment direkt in ProduktionOpportunistisch
Development Style
![Page 12: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/12.jpg)
DER DATENQUADRANT
I• Facts
II• Context
III• Shadow IT• Incubation• Ad-hoc• Once off
IV• Research• Innovation• Design
Pull / Demand / Product drivenPush / Supply / Source driven
Push/Pull Point
DevelopmentStyle
Systematic
Opportunistic
![Page 13: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/13.jpg)
DER DATENQUADRANT
I• Facts
II• Context
III• Shadow IT• Incubation• Ad-hoc• Once off
IV• Research• Innovation• Design
Pull / Demand / Product drivenPush / Supply / Source driven
Push/Pull Point
DevelopmentStyle
Systematic
Opportunistic
EDWH
Star
OLAP
Report
Dashboard
Self-Service BI
Analytics
Predictive
Machine Learning
BPMNKontextEIM
![Page 14: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/14.jpg)
STRATEGIE UND ARCHITEKTUR
I•Facts
II•Context
III•Shadow IT• Incubation•Ad-hoc•Once off
IV•Research• Innovation•Design
Datenmanagement
Strategie Architektur Governance
Qualität Integration Plattformen
BI
Standardisierung und Modellierung
![Page 15: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/15.jpg)
GOVERNANCE
I• Facts
II• Context
III• Shadow IT• Incubation• Ad-hoc• Once off
IV• Research• Innovation• Design
Verantwortung beim Anforderer
Verantwortung beim Lieferanten
Verantwortung beim Data Scientist / Analyst / Researcher
![Page 16: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/16.jpg)
TRANSITIONEN
I• Facts
II• Context
III• Shadow IT• Incubation• Ad-hoc• Once off
IV• Research• Innovation• Design
Auflösung von Produkten der Shadow-IT oder aus der Inkubation
Übergabe von Produkten aus der eigenverantwotlichen Produktion in die zentrale Verantwortung – Standardisierung von Entwicklungsmethoden
![Page 17: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/17.jpg)
ZENTRALISIEREN - DEZENTRALISIEREN
I• Facts
II• Context
III• Shadow IT• Incubation• Ad-hoc• Once off
IV• Research• Innovation• Design
![Page 18: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/18.jpg)
PRODUKTION
I• Facts
II• Context
III• Shadow IT• Incubation• Ad-hoc• Once off
IV• Research• Innovation• Design
Produktionslinie Data Product
Information Product
Data AccessAnalytics
Processing Power
![Page 19: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/19.jpg)
AUTOMATIONI DATA DELIVERY
II AGILE BI – AUTOMATED SDLC
I• Facts
II• Context
IV• Shadow IT• Incubation• Ad-hoc• Once off
III• Research• Innovation• Design
Bekannte AnforderungenGeringe PersonalisierungSkaleneffekteGleichförmige ProduktionGeringe ÄnderungskostenGeringe Vorbereitungszeit
Pus
h
![Page 20: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/20.jpg)
AUTOMATION – MODELLIERUNG
Strategie und Architektur
Modellierung eines EIMFact-Based ModelingConecptual -> LogicalOntology –> Facts -> RelationalTransformation von Datenmodellen (EIM/FCO-IM/ER/DataVault/AnchorModeling)Integration von BPMN und Datenmodellierung
Metadaten getriebene DWH Automation
Datenmanagement
Strategie Architektur Governance
Qualität Integration Plattformen
BI
I•Ensemble Modeling
II•Dimensional, hierarchical, flat
III•Shadow IT• Incubation•Ad-hoc•Once off
IV•Research• Innovation•Design
![Page 21: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/21.jpg)
TECHNOLOGIE
I• Facts
II• Context
III• Shadow IT• Incubation• Ad-hoc• Once off
IV• Research• Innovation• Design
MPP
Big
Dat
aN
oSQ
L
Ble
ndin
g
R-Programming
Map/Reduce
Python
Analytics
“Traditional BI”Ensemble
Modeling
Self-Service BI
![Page 22: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/22.jpg)
TECHNOLOGIE UND VORGEHEN
I•Storage: (R)DBMS•Processing: Automation
•DQ: Validation,Profiling•Dev: Data Modeling•Access: Virtualization
II•Storage: Pattern Based
•Processing: limited ETL
•DQ: Regeln, Dashboards
•Dev: Data Modeling•Access: BI Tools, Visualisation
III IV•Storage: Analytical•Processing: Preptools für Data Analst
•Access: Advanced Analytics, Data Visulisation
![Page 23: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/23.jpg)
TAKE-AWAY• Kommunikation der Realisierung einer Datenstrategie auf der
Basis von verständlichen Kategorien
• Kategorisierung von Anforderungen für Anwendungen und Informationsquellen
• Automatisierung in der Datenversorgung ist eine Grundvoraussetzung• Sowohl die eigentliche Versorgung• … als auch die Steuerung der Versorgung• Für AgileBI• Metadaten und Modelle sollten die Automatisierung steuern, um
die Strategie und die Implementierung zu verbinden
![Page 24: Data Quadrant - Daten Management Methode](https://reader034.vdocuments.net/reader034/viewer/2022051520/58edfcac1a28ab23368b45b7/html5/thumbnails/24.jpg)
DANKESCHÖN
• Owner, Managing Consultant bei Alligator Company• 10+ Jahre Erfahrung in BI• Certified Data Vault 2.0 Practitioner• Member of the Boulder BI Brain Trust
Torsten Glundemailto:t.glunde(at)alligator-company.de
Weitere Netzwerke:https://www.xing.com/profile/Torsten_Glundehttps://www.linkedin.com/pub/torsten-glunde/8/aba/97
tglunde