Begründung für das Analyseprogramm und das Projekt

Analysen zufolge befindet sich die Wirtschaft derzeit im Umbruch, und es gibt sowohl positive als auch negative Signale hinsichtlich ihrer Zukunft. Aufgrund von Faktoren wie der niedrigen Arbeitslosenquote, steigenden Löhnen und steigenden Preisen befinden sich die Unternehmen in einer Bandbreite unterschiedlicher Situationen. 

Die jüngsten Rückgänge scheinen in erster Linie durch makroökonomische Faktoren bedingt zu sein. Ich habe einen positiven Ausblick auf die IT-Budgets für 2024, da ich mit einer Lockerung der IT-Ausgaben rechne, die seit 2022 durch Rezessionsängste eingeschränkt waren. Dadurch kann die im Jahr 2023 aufgestaute Nachfrage freigesetzt werden. Da Daten der Schlüssel zum Erfolg dieser neuen Vorhaben sind, ist die Nachfrage nach Technologien Datenbereinigung -Governance gestiegen, um umfassende Probleme der Datenqualität im Vorfeld KI-basierter Vorhaben anzugehen. 

Aus einer breiteren Perspektive betrachtet verzeichnet der Daten- und Analysesektor trotz des instabilen makroökonomischen Umfelds ein beständiges und stetiges Wachstum. Allerdings ist die Akzeptanz für Unternehmensprogramme, die sich eher auf Optimierung als auf Veränderung konzentrieren, größer. Als Mittel zur Kostensenkung finden die Umstrukturierung und Modernisierung von Anwendungen sowie die Umsetzung solider grundlegender technischer Lösungen zunehmend Interesse. So prüfen Unternehmen beispielsweise die Möglichkeit, ihre Anwendungen zu containerisieren, da die Betriebskosten containerisierter Anwendungen geringer sind. 

Derzeit finden in diesem Umfeld Projektgenehmigungen statt; die Genehmigungsbedingungen sind jedoch recht streng. Unternehmen werden sich zunehmend bewusst, wie wichtig es ist, die Rentabilität ihrer Investitionen zu maximieren. Das Interesse am Return on Investment (ROI) ist wieder gestiegen, und wer möchte, dass seine Projekte in die nächste Phase gelangen, tut gut daran, sein Bestes zu geben und den ROI in die Projektstruktur zu integrieren. 

Begründung für das Programm und das Projekt

Zunächst einmal ist es wichtig, die Position zu verstehen, die Sie zu rechtfertigen versuchen: 

• Ein Analyseprogramm, das Analysen für eine Reihe verschiedener Projekte bereitstellt.
• Ein Projekt, bei dem Analysen zum Einsatz kommen werden.
• Analysen zu einem Projekt.
• Die Einbindung neu abgeschlossener Projekte in ein bereits bestehendes Analyseprogramm.

Finden Sie einen Weg aus dem Durcheinander, indem Sie herausfinden, was genau begründet werden muss, und sich dann an die Arbeit machen, diese Begründung zu erarbeiten. Bei der Begründung einer Geschäftsinitiative anhand des ROI ist es möglich, das Projekt auf die prognostizierten Netto-Cashflows für das Unternehmen zu beschränken, um den Data Layer zu ermitteln (was in diesem Zusammenhang vielleicht eher als Fehlbezeichnung bezeichnet werden sollte). Damit das Projekt als Katalysator für ein effektives Datenprogramm dienen kann, muss die Initiative Erträge abwerfen. 

Die Frage, die beantwortet werden muss, um die Einbindung eines bestehenden Datenprogramms oder dessen Erweiterung zu rechtfertigen, lautet wie folgt: Warum sollte man das neue Geschäftsprojekt bzw. die neuen Geschäftsprojekte in das Datenprogramm bzw. die Datenarchitektur integrieren, anstatt eine eigenständige Datenlösung einzusetzen? Diese Projekte benötigen Daten und möglicherweise einen Datenspeicher; falls die Anwendung nicht bereits über einen solchen verfügt, sollten Synergien mit dem bereits Vorhandenen geschaffen werden.   

In diesem Zusammenhang geht es um Optimierung, die Reduzierung auf das Nötigste und alles dazwischen. Der Ansatz, sich auf das Nötigste zu beschränken, kann in einer Organisation auf vielfältige Weise umgesetzt werden. All dies sind Anzeichen für eine übermäßige Reichweite und eine wachsende Datenschuld: 

1. Die Entscheidung gegen den Einsatz skalierbarer Plattformen wie Data Warehouses, Data Lakes und Datenmanagement von „Einmal-Lösungen“ Datenmanagement von scheinbar (trügerisch) kostengünstigeren, nicht gemeinsam genutzten Datenbanken, die eng auf ein Projekt zugeschnitten sind. 
2. Die Einstellung von Datenwissenschaftlern einstellen. Unternehmen, die sich selbst ernst nehmen, müssen es auch ernst meinen, wenn es darum geht, den schwer zu findenden echten Data-Scientist einzustellen. Wenn Sie in diesem Wettlauf ins Hintertreffen geraten, wird es für Sie ziemlich schwierig sein, zu den anderen Wettbewerbern aufzuschließen. Selbst wenn sie die Daten erst aufbereiten müssen, bevor sie data science anwenden können, sind Datenwissenschaftler in der Lage, in fast jeder Umgebung zu arbeiten. 
3. Man ignoriert die Tatsache, dass die Datenplattformen und die Architektur für den Erfolg eines Datenprogramms wesentlich wichtiger sind als die Datenzugriffsebene, und konzentriert sich daher ausschließlich auf die Business Intelligence . Man sollte in der Lage sein, zahlreiche BI-Lösungen auf eine robuste Datenarchitektur aufzusetzen und dennoch das gewünschte Ziel zu erreichen. 
4. Die Datenarchitektur nicht aus der Perspektive von Datendomänen zu betrachten. Dies führt zu doppelten und inkonsistenten Daten, was wiederum zu Datenverschuldung führt – sowohl durch zusätzlichen Aufwand während des Datenaufbaus als auch durch einen Abgleichsprozess nach dem Zugriff (mit anderen, ähnlich aussehenden Daten). Um dies zu verhindern, sind Datenmanagement zentrales Datenmanagement ein Data-Mesh-Ansatz hilfreich, der Domänen aufbaut und die Verantwortung für die Daten zuweist.   

Kosten senken

Wenn in Ihrem Unternehmen eine zurückhaltende Ausgabenpolitik herrscht, konzentrieren Sie sich auf die geschäftlichen Ergebnisse Ihres Datenprojekts und wenden Sie einen wiederholbaren, einheitlichen Prozess mit Governance an für Projekt . Nutzen Sie die Kostensenkung, um Datenprogramme Programme. Vermeiden Sie es außerdem, die Kosten bis zum Äußersten zu senken, indem Sie bei den Datenkürzungen über das Ziel hinausschießen, da dies dazu führen kann, dass Sie die Zukunft aus den Augen verlieren.  

Auch wenn dies eigentlich immer der Fall sein sollte, sind es gerade Zeiten wie diese, in denen sich in Unternehmen Effizienzsteigerungen einstellen und sie sich verstärkt auf den Mehrwert konzentrieren. Möglicherweise müssen Sie über die Schlagzeilen hinausschauen, um diesen Mehrwert für Ihr Unternehmen zu erschließen. In Datenkreisen ist Actian ein Begriff. Ich weiß aus eigener Erfahrung, dass es die in den Medien meist gepriesenen Data Warehouses in puncto Leistung übertrifft und kostengünstiger ist, dabei aber dennoch voll funktionsfähig ist. 

Alle Unternehmen müssen Forschungs- und Entwicklungsarbeit betreiben, um den Dschungel an Informationen zu durchdringen und einen Überblick über die Technologien zu gewinnen, die ihnen im nächsten Jahrzehnt neue Möglichkeiten eröffnen werden. Ich empfehle Ihnen dringend, die Actian Analytics AI Platform auszuprobieren.

Über den Autor

Über William McKnight

William McKnight, Präsident der McKnight Consulting Group, ist ein renommierter Experte für Unternehmensinformationsmanagement. In seiner Beratungstätigkeit für Fortune-500-Unternehmen hat William Dutzende von Benchmark-Analysen zu führenden Datenbanken, Data Lakes und Integrationsprodukten durchgeführt. Er ist ein produktiver Autor, Keynote-Speaker und weltweit einflussreicher Experte in den Bereichen Big Data Cloud . In seinen Gastbeiträgen auf dem Actian-Blog befasst sich William mit neuen Technologien, Datenstrategien und Best Practices. Entdecken Sie seine Erkenntnisse zur Optimierung Ihrer Informationsarchitektur.