[SERIE] Data Shopping Teil 2 – Das Data-Shopping-Erlebnis in Zeenea 

[SERIE] Data Shopping Teil 2 – Das Data-Shopping-Erlebnis in Zeenea 

Der Prozess der Datennutzung in Unternehmen hat sich auf ähnliche Weise entwickelt wie der Kauf von Waren im Internet, wo der Konsument Gegenstände aussucht, sie in den Warenkorb legt und Liefer- und Zahlungsoptionen auswählt. Im Zeitalter von Data Products und Data Mesh ermöglichen interne Data Marketplaces den Fachanwendern, Daten für ihre Anwendungsfälle zu suchen, zu finden und auf sie zuzugreifen.

In dieser Artikelreihe finden Sie einen Auszug aus unserem Praxisleitfaden Data Mesh und erfahren alles Wissenswerte über das Data Shopping, das Data-Shopping-Erlebnis mit Zeenea und über unseren Enterprise Data Marketplace:

  1. Der Konsum von Data Products
  2. Das Data-Shopping-Erlebnis mit Zeenea

 

 

In unserem vorherigen Artikel haben wir uns mit dem Konzept des Data Shoppings auf einem internen Data Marketplace befasst und dabei Elemente wie die Lieferung von Datenprodukten und die Zugriffsverwaltung behandelt. In diesem Artikel werden wir die Gründe näher betrachten, die Zeenea dazu veranlasst haben, sein Data-Shopping-Erlebnis über die internen Grenzen hinaus auszuweiten. Außerdem erfahren Sie, wie unsere Schnittstelle, Zeenea Studio, die Analyse der Gesamtleistung Ihrer Data Products ermöglicht.

Datenprodukt-Shopping mit Zeenea

 

In unserem letzten Artikel haben wir die Komplexität der Verwaltung von Zugriffsrechten auf Datenprodukte aufgrund der mit dem Datenverbrauch verbundenen Risiken behandelt. In einem dezentralen Data Mesh bewertet der Eigentümer des Data Products die Risiken, gewährt den Zugriff und wendet Richtlinien an, welche die Sensibilität der Daten, die Rolle, den Standort und das Ziel des Antragstellers berücksichtigen. Dies kann eine Transformation der Daten oder zusätzliche Formalitäten nach sich ziehen, wobei die Lieferung von schreibgeschütztem Zugriff bis hin zu granularen Kontrollen reichen kann.

Auf einem Data Marketplace lösen Konsumenten einen Workflow aus, indem sie Zugriffsanfragen stellen, die von den Dateneigentümern bewertet werden und für die sie die Zugriffsregeln festlegen, manchmal mithilfe einer Expertenmeinung. Für den Zeenea-Marketplace haben wir uns dafür entschieden, diesen Workflow nicht direkt in die Lösung zu integrieren, sondern stattdessen Schnittstellen zu externen Lösungen zu nutzen.

Die Idee dahinter ist, ein einheitliches Erlebnis zum Auslösen einer Zugriffsanfrage zu bieten, aber gleichzeitig anzuerkennen, dass die Bearbeitung dieser Anfrage in verschiedenen Umgebungen oder sogar in verschiedenen Domänen innerhalb derselben Organisation sehr unterschiedlich sein kann. Auch hier haben wir das Prinzip von klassischen Marktplätzen übernommen. Die meisten bieten ein einheitliches Erlebnis, um eine Bestellung abzuschließen, greifen aber für die operative Umsetzung der Lieferung – die je nach Produkt und Verkäufer sehr unterschiedlich gestaltet sein kann – auf andere Lösungen zurück.

Diese Entkoppelung von Einkaufserlebnis und operativer Umsetzung der Lieferung erscheint uns aus mehreren Gründen unerlässlich.

Vor allem aufgrund der extremen Variabilität der beteiligten Prozesse. Einige Unternehmen verfügen bereits über operative Workflows, die auf einer breiteren Lösung aufbauen (die Datenzugriffsanfrage ist in einen allgemeinen Prozess zur Beantragung von Zugriffsrechten eingebettet, der z. B. durch ein Ticketing-Tool wie ServiceNow oder Jira unterstützt wird). Andere sind mit speziellen Lösungen ausgestattet, die einen hohen Automatisierungsgrad unterstützen, aber noch nicht flächendeckend eingesetzt werden. Andere verlassen sich auf die Fähigkeiten ihrer Datenplattform, wieder andere auf gar nichts – der Zugang erfolgt über direkte Anfragen an den Dateneigentümer, der die Daten ohne formellen Prozess verarbeitet. Diese Variabilität zeigt sich zwischen Unternehmen, aber auch innerhalb einer Organisation – strukturell, wenn verschiedene Domänen unterschiedliche Technologien verwenden, oder zeitlich, wenn die Organisation beschließt, in ein Produkt zu investieren, das mehr Effizienz oder Sicherheit bietet, und die Zugriffsverwaltung schrittweise auf dieses neue Produkt migriert werden muss.

Dank dieser Entkoppelung ist es also ermöglich, dem Konsumenten ein einheitliches Erlebnis zu bieten und gleichzeitig die Variabilität der Arbeitsweisen anzuerkennen.

Für den Kunden ist das Einkaufserlebnis auf dem Data Marketplace also sehr einfach. Sobald er das oder die passenden Datenprodukte identifiziert hat, löst er eine Zugriffsanfrage aus und stellt die folgenden Informationen bereit:

  1. Wer er ist – diese Information ist im Prinzip bereits verfügbar.
  2. Auf welches Data Product er zugreifen möchte – auch hier sind die Informationen bereits vorhanden, ebenso wie die Metadaten, die für die Durchführung von Abwägungen benötigt werden.
  3. Wie er die Daten nutzen will – dieser Punkt ist von grundlegender Bedeutung, da er das Risikomanagement und die Anforderungen an die Compliance betrifft.

Bei Zeenea wird die eingegangene Zugriffsanfrage in einem anderen System verarbeitet, und ihr Status kann vom Marketplace aus verfolgt werden – das ist das exakte Pendant zur Auftragsverfolgung, wie man sie von E-Commerce-Websites kennt.

Aus der Sicht des Konsumenten bietet der Data Marketplace einen Katalog von Datenprodukten (und anderen digitalen Produkten) sowie ein einfaches und einheitliches System, um Zugang zu diesen Produkten zu erhalten.

Für den Produzenten erfüllt der Data Marketplace eine wichtige Rolle bei der Steuerung seines Produktportfolios.

Verbessern Sie die Leistung von Data Products mit Zeenea Studio

 

Wie bereits erwähnt, bietet ein klassischer Marktplatz neben dem E-Commerce-System, das sich an die Verbraucher richtet, auch spezielle Tools für Verkäufer, mit denen sie ihre Produkte überwachen, auf Anfragen von Käufern reagieren und die wirtschaftliche Leistung ihres Angebots kontrollieren können. Außerdem enthalten sie weitere Tools für Marktplatz-Manager, um die Gesamtleistung von Produkten und Verkäufern zu analysieren.

Der Enterprise Data Marketplace von Zeenea integriert diese Fähigkeiten in ein spezielles Backoffice-Tool, Zeenea Studio. Mit seiner Hilfe können Sie die Erstellung, Konsolidierung und Organisation von Metadaten in einem privaten Katalog verwalten und entscheiden, welche Objekte auf dem Marketplace – einem für die breite Öffentlichkeit zugänglichen Bereich – angeboten werden.

Diese Aktivitäten gehören in erster Linie zum Produktionsprozess – Metadaten werden gemeinsam mit den Datenprodukten produziert und organisiert. Das Tool ermöglicht aber auch die Überwachung der Nutzung jedes einzelnen Datenprodukts, insbesondere durch die Bereitstellung einer Liste aller Konsumenten und der ihnen zugeordneten Nutzungsarten.

Mit dieser Überwachung der Konsumenten ist es möglich, die beiden Säulen der Data-Mesh-Governance fest im System zu verankern:

  • Compliance und Risikomanagement – durch die Einführung regelmäßiger Überprüfungen, Zertifizierungen und Folgenabschätzungen bei der Weiterentwicklung von Datenprodukten.
  • Performance-Steuerung – die Anzahl der Konsumenten sowie die Nutzungsarten sind die wichtigsten Indikatoren für den Wert eines Data Products. Denn ein Datenprodukt, das nicht genutzt wird, hat keinen Wert.

Der Enterprise Data Marketplace von Zeenea unterstützt die Unternehmensbereiche bei der Überwachung der Compliance und Performance ihrer Produkte und bietet auch die Möglichkeit einer umfassenden Mesh-Analyse – Lineage, Scoring und Leistungsbewertung von Data Products, Überwachung der globalen Compliance und der Risiken, Elemente für die Berichterstattung an Behörden usw.

Das ist die Magie des Federated Graphs, der es ermöglicht, Informationen auf allen Ebenen zu nutzen – und eine umfassende Darstellung des gesamten Datenbestands liefert.

Praxisleitfaden Data Mesh: Ein unternehmensweites Data Mesh einrichten und überwachen

 

Dieser Leitfaden von Guillaume Bodet, Mitbegründer und CPTO von Zeenea, vermittelt Ihnen einen praktischen Ansatz zur Implementierung eines Data Mesh in Ihrer Organisation und hilft Ihnen:

✅ Ihren Data-Mesh-Ansatz mit einem fokussierten Pilotprojekt zu starten,

✅ effektive Methoden kennenzulernen, um Ihr Data Mesh zu skalieren,

✅ die entscheidende Rolle eines internen Data Marketplaces zu verstehen, um die Nutzung von Datenprodukten zu erleichtern

✅ zu verstehen, was Zeenea als robustes, unternehmensweites Data-Mesh-Monitoring-System auszeichnet.

Rückblick auf die Entwicklungen der Zeenea-Plattform im Jahr 2023

Rückblick auf die Entwicklungen der Zeenea-Plattform im Jahr 2023

2023 war ein gutes Jahr für Zeenea. Mit über 50 Releases und Updates unserer Plattform waren die letzten 12 Monate reich an Neuerungen und Verbesserungen, die den Wert Ihrer Unternehmensdaten freisetzen. Unsere Teams arbeiten ständig an neuen Funktionen, die den Alltag Ihrer Daten- und Fachbereichsteams vereinfachen und verbessern.

In diesem Artikel teilen wir gerne einige unserer Lieblingsfunktionen aus dem Jahr 2023, mit deren Hilfe unsere Kunden:

  • die Zeit für das Suchen und Finden von Daten verkürzen,
  • die Produktivität und Effektivität der Data Stewards steigern,
  • zuverlässige, sichere und datenschutzkonforme Informationen in der gesamten Organisation bereitstellen und
  • eine durchgehende Konnektivität mit all ihren Datenquellen herstellen konnten.

Die Zeit für das Suchen und Finden von Daten verkürzen

 

Einer der Grundwerte des Produkts von Zeenea ist Einfachheit. Wir sind davon überzeugt, dass die Data Discovery einfach und schnell sein muss, um Dateninitiativen in der gesamten Organisation zu beschleunigen.

Viele Datenteams haben immer noch Schwierigkeiten, die Informationen zu finden, die sie für die Erstellung eines bestimmten Berichts oder Anwendungsfalls benötigen. Entweder können sie die Daten nicht lokalisieren, weil sie über verschiedene Quellen, Dateien oder Arbeitsblätter verstreut sind, oder sie sind mit einer riesigen Menge an Informationen konfrontiert und wissen nicht einmal, wo sie ihre Suche starten sollen.

Im Jahr 2023 haben wir unsere Plattform weiterentwickelt, um sie so benutzerfreundlich wie möglich zu gestalten. Durch die Bereitstellung einfacher und schneller Möglichkeiten zur Untersuchung von Daten hat Zeenea es seinen Kunden ermöglicht, ihre Assets innerhalb von Sekunden zu finden, zu erkunden und zu verstehen.

Ein neuer Look für den Zeenea Explorer

 

Eine der ersten Veränderungen, mit denen unsere Teams die Discovery-Erfahrung unserer Kunden verbessern wollten, war die Bereitstellung einer benutzerfreundlicheren Oberfläche in unserer Data-Mining-Anwendung, dem Zeenea Explorer. Diese Überarbeitung umfasste:

Eine neue Startseite

 

Unsere Startseite brauchte ein Facelift für ein flüssigeres Benutzererlebnis. Für Nutzer, die nicht wissen, wonach sie suchen, haben wir ganz neue Discovery-Pfade hinzugefügt, die direkt von der Startseite des Zeenea Explorers aus zugänglich sind.

Navigation nach Objekttyp: Wenn der Nutzer sicher ist, welche Art von Daten er sucht, z. B. einen Datensatz, eine Visualisierung, einen Prozess oder benutzerdefinierte Daten, kann er direkt auf den Katalog zugreifen, der bereits mit der gesuchten Art von Daten vorgefiltert ist.

Navigation im Business Glossary: Die Benutzer können schnell durch das Business Glossary des Unternehmens navigieren, indem sie direkt auf die Glossar-Ressourcen zugreifen, die von den Data Stewards in Zeenea Studio definiert oder importiert wurden.

Navigation nach Thema: Die Anwendung ermöglicht es den Nutzern, durch eine Liste von Objekten zu navigieren, die ein bestimmtes Thema, einen Anwendungsfall oder ein anderes für das Unternehmen relevantes Element darstellen (mehr dazu weiter unten).

New Zeenea Explorer Homepage 2023

Neue Detailseiten für Objekte

 

Um ein Katalogobjekt auf Anhieb zu verstehen, war eine der ersten wesentlichen Änderungen die Position der Registerkarten des Objekts. Ursprünglich wurden die Registerkarten auf der linken Seite der Seite platziert, was viel Platz beanspruchte. Jetzt befinden sich die Registerkarten am oberen Rand der Seite, was besser zum Layout der Zeenea Studio-Anwendung passt. Diese neue Anordnung ermöglicht es Datenkonsumenten, die aussagekräftigsten Informationen über ein Objekt zu finden, wie z. B.:

  • hervorgehobene Eigenschaften, die von den Data Stewards bei der Gestaltung des Katalogs festgelegt wurden,
  • verwandte Begriffe aus dem Glossar, um den Kontext des Objekts zu verstehen,
  • wichtige Personen, um die mit dem Objekt verbundenen Kontakte schnell zu erreichen.

Darüber hinaus ermöglicht unser neues Layout den Nutzern, alle Felder, Metadaten und alle anderen verknüpften Objekte sofort zu finden. Während die Informationen in der alten Version noch auf drei verschiedene Registerkarten verteilt waren, finden Datenkonsumenten nun die Beschreibung des Objekts und alle verknüpften Objekte auf einer einzigen Registerkarte mit dem Namen „Details“. Je nachdem, welchen Objekttyp Sie durchsuchen, befinden sich alle Felder, Ein- und Ausgaben, Glossar-Objekte (Parent/Child), Implementierungen und andere Metadaten im selben Abschnitt, wodurch Sie bei der Suche nach Daten wertvolle Zeit sparen.

Außerdem wurden die Flächen für unsere grafischen Komponenten vergrößert – die Nutzer haben nun mehr Platz, um die Lineage ihres Objekts, das Datenmodell usw. zu sehen.

New Item Detail Page Zeenea Explorer

Ein neues Filtersystem

 

Zeenea Explorer bietet ein intelligentes Filtersystem zur Kontextualisierung der Suchergebnisse. Es gibt vorkonfigurierte Filter von Zeenea, z. B. eine Filteroption nach Objekttyp, Verbindung, Kontakt oder nach den benutzerdefinierten Filtern der Organisation. Für eine noch effizientere Suche haben wir unsere Suchergebnis-Seite und unser Filtersystem neu gestaltet:

 

  • Die verfügbaren Filter sind immer sichtbar, so dass Sie die Suche leichter verfeinern können.
  • Wenn Sie auf ein Suchergebnis klicken, steht Ihnen immer ein Vorschaupanel mit weiteren Informationen zur Verfügung, ohne dass der Kontext der Suche verloren geht.
  • Die für die Suche relevantesten Filter sind oben auf der Seite platziert, so dass Sie schnell die Ergebnisse erhalten, die Sie für bestimmte Anwendungsfälle benötigen.
New Filtering System Explorer

Katalog nach Thema durchsuchen

 

Eine der wichtigsten Neuerungen im Jahr 2023 war die Funktion mit dem Namen „Themen“. Mit ihrer Hilfe können Fachanwender (noch!) schneller ihre Datenbestände für ihre Anwendungsfälle finden, und Data Stewards können in Zeenea Studio ganz einfach Themen definieren. Dazu wählen sie einfach die Filter im Katalog aus, die ein bestimmtes Thema, einen Anwendungsfall oder ein anderes Element, das für das Unternehmen relevant ist, darstellen.

Datenteams, die den Zeenea Explorer verwenden, können den Katalog auf diese Weise einfach und schnell nach Themen durchsuchen, um die Zeit zu verkürzen, die sie für die Suche nach den benötigten Informationen benötigen. Die Themen sind direkt auf der Startseite des Zeenea Explorers und in der Suchleiste bei der Navigation durch den Katalog zugänglich.

Browse By Topic Explorer New

Alternative Namen für Glossarobjekte

 

Damit die Benutzer die Daten und Fachbegriffe, die sie für ihre Anwendungsfälle benötigen, leicht finden können, können Data Stewards Synonyme, Akronyme und Abkürzungen für die Glossarelemente hinzufügen!

Zum Beispiel: Customer Relationship Management > CRM

Alternative Names Zeenea Studio

Verbesserung der Suchleistung

 

Im Laufe des Jahres haben wir eine Vielzahl von Verbesserungen umgesetzt, um die Effizienz des Suchprozesses zu erhöhen. Das Hinzufügen von „Stoppwörtern“ (Stop-Words), zu denen Pronomen, Artikel und Präpositionen gehören, führt zu genaueren und relevanteren Ergebnissen bei Suchanfragen. Außerdem haben wir einen „INFIELD:“-Operator hinzugefügt, der es den Nutzern ermöglicht, direkt in bestimmten Feldern zu suchen, um eine höhere Genauigkeit zu erzielen.

Search In Fields Explorer

Integration von Microsoft Teams

 

Zeenea hat auch die Möglichkeiten für die Kommunikation und Zusammenarbeit ausgebaut. Genauer gesagt: Wenn ein Kontakt mit einer Microsoft-E-Mail-Adresse verknüpft ist, erleichtert Zeenea nun den Start einer direkten Unterhaltung über Teams. Diese Integration ermöglicht es Teams-Nutzern, schnell mit den richtigen Personen ins Gespräch zu kommen, um zusätzliche Informationen zu bestimmten Objekten zu erhalten. Weitere Integrationen mit zahlreichen Tools befinden sich in der Entwicklung ⭐

Microsoft Teams Zeenea Explorer

Die Produktivität und Effizienz der Data Stewards steigern

 

Das Ziel von Zeenea ist es, das Leben von Datenproduzenten zu vereinfachen, damit sie die Dokumentation ihrer Unternehmensdaten mit wenigen Klicks verwalten, pflegen und erweitern können. Hier finden Sie einige Funktionen und Verbesserungen, die Ihnen dabei helfen, organisiert, konzentriert und produktiv zu bleiben.

Automatischer Import von Datensätzen

 

Beim Importieren neuer Datensätze in den Katalog können Administratoren die automatische Importfunktion aktivieren, die neue Objekte nach jeder geplanten Inventur automatisch importiert. Diese Verbesserung spart Zeit und erhöht die betriebliche Effizienz, sodass sich die Data Stewards auf strategische Aufgaben konzentrieren können, anstatt sich mit dem routinemäßigen Importprozess zu beschäftigen.

Auto Import Zeenea Studio 2

Entfernen verwaister Felder

 

Außerdem haben wir die Möglichkeit hinzugefügt, verwaiste Felder effektiver zu verwalten. Dazu gehört auch die Möglichkeit, Massenlöschungen von verwaisten Feldern vorzunehmen, was den Prozess der Bereinigung und Organisation des Katalogs beschleunigt. Data Stewards können auch ein einzelnes verwaistes Feld direkt von seiner Detailseite aus löschen, was einen niederschwelligen und präziseren Ansatz der Katalogpflege mit sich bringt.

Orphan Field Details

Erstellung von Berichten auf der Grundlage von Kataloginhalten

 

Wir haben einen neuen Abschnitt in Zeenea Studio hinzugefügt – das Analytics Dashboard – um auf einfache Weise Berichte zu erstellen, die auf dem Inhalt und der Nutzung des Katalogs einer Organisation basieren.

Direkt auf der Seite des Analytics Dashboards können Data Stewards den Grad der Vollständigkeit ihrer Objekttypen, einschließlich der benutzerdefinierten Objekte, einsehen. Jede Komponente ist anklickbar, um schnell den nach dem ausgewählten Objekttyp gefilterten Abschnitt des Katalogs anzuzeigen.

Um detailliertere Informationen über den Grad der Vollständigkeit eines bestimmten Objekttyps zu erhalten, können Stewards ihre eigenen Analysen erstellen! Sie wählen den Objekttyp und eine Eigenschaft aus und können für jeden Wert dieser Property den Vollständigkeitsgrad aller Vorlagenelemente des Objekttyps, einschließlich der Beschreibung und der damit verbundenen Glossarobjekte, einsehen.

New Analytics Dashboard Gif Without Adoption

Neuer Look für das Steward Board

 

Der Zeenea Explorer ist nicht die einzige Anwendung, die einen neuen Look bekommen hat! Um die Datenmanager dabei zu unterstützen, organisiert, konzentriert und produktiv zu bleiben, haben wir das Layout des Dashboards neu gestaltet, damit es intuitiver zu bedienen ist und die Arbeit schneller erledigt werden kann. Das umfasst:

 

  • Neues Design: Eine völlig neue Ebene der Personalisierung bei der Anmeldung im Dashboard. Der Umfang geht nun über den Vollständigkeitsgrad der Datensätze hinaus – er umfasst alle Objekte, für die man Verwahrer ist, einschließlich Felder, Datenverarbeitung, Glossarobjekte und benutzerdefinierte Objekte.
  • Watchlist-Widget: So wie Data Stewards Themen erstellen können, um die Organisation der Explorer-Benutzer zu verbessern, können sie nun auch Watchlists erstellen, um den Zugriff auf Objekte zu erleichtern, die bestimmte Aktionen erfordern. Sie filtern den Katalog mit den Kriterien ihrer Wahl, speichern diese Präferenzen über die Schaltfläche „Filter speichern unter“ als neue Watchlist und greifen über das Watchlist-Widget direkt darauf zu, wenn sie sich in ihr Dashboard einloggen.
  • Widget „Letzte Suchanfragen“: Dieses Widget richtet sich speziell an den Data Steward und konzentriert sich auf die jüngsten Suchanfragen, damit er dort anknüpfen kann, wo er aufgehört hat.
  • Das Widget „Beliebte Objekte“: Dieses Widget zeigt die Objekte, die im Zuständigkeitsbereich des Stewards von anderen Nutzern am häufigsten aufgerufen und verwendet werden. Jedes Objekt ist anklickbar, sodass Sie sofort auf seinen Inhalt zugreifen können.
New Steward Dashboard Studio

Zuverlässige, sichere und konforme Informationen in der gesamten Organisation bereitstellen

Sampling von Datensätzen

 

Bei einigen Verbindungen ist es möglich, eine Datenprobe für die Datensätze zu erhalten. Unsere Data-Sampling-Funktionen ermöglichen es den Benutzern, repräsentative Untermengen von bestehenden Datensätzen zu erhalten, und bieten so einen effizienteren Ansatz für die Arbeit mit großen Datenmengen. Wenn das Datensampling aktiviert ist, können Administratoren die Felder so konfigurieren, dass sie gesperrt sind, wodurch das Risiko, dass sensible personenbezogene Informationen angezeigt werden, verringert wird.

Diese Funktion ist für unsere Kunden sehr wichtig, da sie den Benutzern die Möglichkeit gibt, wertvolle Zeit und Ressourcen zu sparen, indem sie mit kleineren, aber repräsentativen Teilen von großen Datensätzen arbeiten. Sie ermöglicht außerdem die schnelle Identifizierung von Datenproblemen und verbessert so die Gesamtqualität der Daten und die anschließende Analyse. Insbesondere geht die Funktion, Felder auszuschließen, auf zentrale Datenschutz- und Sicherheitsbedenken ein, da die Nutzer so mit anonymisierten oder pseudonymisierten Teilmengen sensibler Daten arbeiten können, was die Einhaltung von Datenschutzbestimmungen gewährleistet und Daten vor unbefugtem Zugriff schützt.

Data Sampling Zeenea Studio

Leistungsstarke Lineage-Funktionen

 

Im Jahr 2022 haben wir zahlreiche Verbesserungen an unserem Lineage-Graph vorgenommen. Wir haben nicht nur sein Design und Layout vereinfacht, sondern es den Nutzern auch ermöglicht, nur die erste Ebene der Lineage anzuzeigen, die Lineage nach Bedarf zu erweitern und zu schließen und eine hervorgehobene Ansicht der direkten Herkunft eines ausgewählten Objekts zu erhalten.

In diesem Jahr haben wir weitere wichtige Änderungen an der Benutzeroberfläche vorgenommen, unter anderem die Möglichkeit, alle Lineage-Ebenen mit einem Klick zu erweitern oder zu reduzieren, Datenprozesse auszublenden, die nicht mindestens eine Eingabe und eine Ausgabe haben, und Verbindungen mithilfe eines Tooltips für Verbindungen mit langen Namen einfach zu visualisieren.

Die wichtigste Neuerung ist jedoch die Möglichkeit, eine Data Lineage auf Feldebene anzuzeigen! Tatsächlich ist es nun möglich, die Eingabe- und Ausgabefelder von Tabellen und Berichten abzurufen und für mehr Kontext die Beschreibung des Vorgangs hinzuzufügen. Anschließend können die Benutzer ihre Transformationen auf Feldebene im Laufe der Zeit direkt im Data Lineage Graph im Zeenea Explorer und in Zeenea Studio betrachten.

Field Level Lineage Zeenea Studio 2

Informationen zur Datenqualität

 

Durch die Nutzung der GraphQL-Technologie und des Knowledge Graph bietet Zeenea einen flexiblen Ansatz zur Integration der besten Lösungen für das Datenqualitätsmanagement. Über unsere Katalog-API-Funktionen synchronisiert Zeenea Datensätze durch einfache Abfrage- und Mutationsoperationen von einem Drittanbieter-Tool für das Data Quality Management (DQM). Das DQM-Tool wird die Ergebnisse der Datenqualitätsanalyse des entsprechenden Datensatzes in Echtzeit in der Plattform bereitstellen, so dass die Nutzer die Informationen zur Datenqualität direkt im Katalog leicht überprüfen können.

Diese neue Funktionalität umfasst:

 

  • Eine Registerkarte Datenqualität auf den Detailseiten Ihres Datensatzes, auf der Nutzer die ausgeführten Qualitätskontrollen sowie deren Typ, Status, Beschreibung, das letzte Ausführungsdatum usw. sehen können.
  • Die Möglichkeit, weitere Informationen zur Qualität des Datensatzes direkt im DQM-Tool über den Link „Dashboard in [Name des Tools] öffnen“ anzuzeigen.
  • Einen Indikator für die Qualität der Daten eines Datensatzes, der direkt in den Suchergebnissen und im Lineage angezeigt wird.
Zeenea Explorer Data Quality Graph

Eine durchgehende Konnektivität mit all ihren Datenquellen herstellen

 

Mit Zeenea verbinden Sie sich in Sekundenschnelle mit all Ihren Datenquellen. Die integrierten Scanner und APIs unserer Plattform versetzen Organisationen in die Lage, Metadaten innerhalb ihres Ökosystems automatisch zu sammeln, zu konsolidieren und zu verknüpfen. In diesem Jahr haben wir unsere Konnektivität erheblich verbessert, damit unsere Kunden eine Plattform aufbauen können, die ihr Datenökosystem wirklich repräsentiert.

Eine API zur Verwaltung des Katalogs

 

Da Zeenea die Bedeutung der API-Integration erkannt hat, hat das Unternehmen leistungsstarke API-Funktionen entwickelt, die es Organisationen ermöglichen, ihren Datenkatalog innerhalb ihres bestehenden Ökosystems nahtlos zu verbinden und zu nutzen.
Im Jahr 2023 entwickelte Zeenea die Katalog-API, die Datenmanager bei ihren Dokumentationsaufgaben unterstützt. Sie umfasst:

Abfrageoperationen, um bestimmte Assets aus dem Katalog abzurufen: Die Abfrageoperationen unserer API umfassen das Abrufen eines bestimmten Assets, entweder über seine eindeutige Referenz oder über seinen Namen und seinen Typ, oder das Abrufen einer Liste von Assets über eine bestimmte Verbindung oder einen bestimmten Objekttyp. Die Katalog-API von Zeenea ermöglicht eine gewisse Flexibilität bei der Abfrage, so dass die Ergebnisse eingeschränkt werden können, um nicht von einer Unmenge von Informationen überflutet zu werden.

Mutationsoperationen zum Erstellen und Aktualisieren von Katalog-Assets: Um bei der Dokumentation und Aktualisierung von Unternehmensdaten noch mehr Zeit zu sparen, ermöglicht die Zeenea Katalog-API den Datenproduzenten das einfache Erstellen, Bearbeiten und Löschen von Katalogressourcen. So können sie benutzerdefinierte Objekte und Datenprozesse und deren zugehörige Metadaten erstellen, aktualisieren und löschen sowie Datensätze und Visualisierungen aktualisieren. Dies ist auch bei Kontakten möglich. Das ist besonders wichtig, wenn Benutzer das Unternehmen verlassen oder ihre Rolle wechseln – die Datenproduzenten können Informationen, die mit einer bestimmten Person verbunden waren, leicht auf eine andere übertragen.

Verwaltung von Eigenschafts- und Zuständigkeitscodes

 

Eine weitere Funktion, die implementiert wurde, ist die Möglichkeit, Eigenschaften und Zuständigkeiten mit einem Code zu versehen, um sie einfach in API-Skripts für zuverlässigere Abfragen und Wiederherstellungen zu verwenden.

Für alle Eigenschaften und Verantwortlichkeiten, die in Zeenea erstellt (z. B. Informationen zur persönlichen Identifikation) oder von Konnektoren gesammelt wurden, ist es möglich, den Namen und die Beschreibung zu ändern, um sie besser an den Kontext der Organisation anzupassen.

Property Responsibility Codes Studio

Mehr als ein Dutzend zusätzlicher Konnektoren

 

Bei Zeenea entwickeln wir fortschrittliche Konnektoren, um Metadaten zwischen unserer Data-Discovery-Plattform und all Ihren Quellen automatisch zu synchronisieren. Diese native Konnektivität erspart Ihnen die mühsame und schwierige Aufgabe, manuell nach den Daten zu suchen, die Sie für einen bestimmten Anwendungsfall benötigen, der oft den Zugang zu begrenzten technischen Ressourcen erfordert.

Allein im Jahr 2023 haben wir mehr als ein Dutzend neue Konnektoren entwickelt! Diese Leistung unterstreicht unsere Agilität und Kompetenz bei der schnellen Integration der verschiedenen Datenquellen, die unsere Kunden nutzen. Durch die Erweiterung unserer Konnektivitätsoptionen wollen wir eine größere Flexibilität und Zugänglichkeit ermöglichen.

Unsere Konnektoren anzeigen

Was ist die Discovery sensibler Daten?

Was ist die Discovery sensibler Daten?

Der Schutz sensibler Daten hat sich zu einem wichtigen Anliegen für datengetriebene Unternehmen entwickelt. Um die richtigen Schutz- und Nutzungsstrategien anzuwenden, müssen die sensiblen Daten jedoch genau inventarisiert werden. Dies ist der Zweck der Discovery sensibler Daten, auch Sensitive Data Discovery genannt. Lesen Sie den Leitfaden, um mehr darüber zu erfahren!

Auch wenn die Vertraulichkeit von Daten ein zentraler Wert ist, sind nicht alle Daten gleichwertig. Daher müssen sensible Daten unterschieden werden, die besonders sorgfältig und sicher behandelt werden müssen. Sensible Daten sind personenbezogene oder vertrauliche Informationen, die, wenn sie offengelegt werden, Einzelpersonen oder Organisationen Schaden zufügen könnten.

Sie umfassen ein breites Spektrum an Informationen, darunter medizinische Daten, Sozialversicherungsnummern, Finanzdaten, biometrische Daten, Informationen über die sexuelle Orientierung, religiöse Überzeugungen, politische Meinungen und viele andere.

Bei der Verarbeitung sensibler Daten müssen strenge Sicherheits- und Datenschutzstandards eingehalten werden. In Ihrem Unternehmen sind Sie daher verpflichtet, robuste Sicherheitsmaßnahmen zu ergreifen, um Datenlecks, unbefugte Zugriffe und Datenschutzverletzungen zu verhindern. Dazu zählen Verschlüsselung, Zwei-Faktor-Authentifizierung, Zugriffsverwaltung und andere fortschrittliche Cybersicherheits-Maßnahmen.

Wenn man dieses Prinzip akzeptiert hat, stellt sich eine zentrale Frage: Sammeln und verarbeiten Sie im Rahmen Ihrer Tätigkeit sensible Daten? Um das herauszufinden, müssen Sie mit der Discovery sensibler Daten beginnen.

Wie definiert und unterscheidet man Data Discovery und Sensitive Data Discovery?

 

Data Discovery ist der Prozess, mit dem Sie Ihre Daten identifizieren, sammeln und analysieren können, um nützliche Informationen zu gewinnen. Bei der Data Discovery geht es im Allgemeinen darum, Daten als Ganzes zu untersuchen und zu verstehen, Trends zu erkennen, Berichte zu erstellen und fundierte Entscheidungen zu treffen. Sie ist für die Optimierung Ihrer Geschäftsabläufe, die Verbesserung der Effizienz und die Optimierung datengestützter Entscheidungsprozesse unerlässlich.

Gleichzeitig ist die Sensitive Data Discovery ein spezieller Zweig des Datenmanagements. Sie konzentriert sich auf die Identifizierung, den Schutz und die Verwaltung vertraulicher Daten. Bei der Discovery sensibler Daten geht es darum, diese Daten innerhalb einer Organisation zu lokalisieren, sie zu klassifizieren, geeignete Sicherheitsrichtlinien festzulegen und ihren Schutz vor Datenschutzverletzungen und unberechtigtem Zugriff zu gewährleisten.

Welche Daten sollten wir als sensible Daten betrachten?

 

Seit dem Inkrafttreten der DSGVO im Jahr 2018 können selbst kleinste Daten sensibel sein. Sensible Daten unterliegen jedoch einer eigenen Definition. Haben Sie Schwierigkeiten, den Überblick zu behalten? Hier sind einige Beispiele.

Zu diesen sensiblen Daten gehören zunächst die persönlich identifizierbaren Informationen (auch PII genannt). Dazu gehören Namen, Sozialversicherungsnummern, Adressen oder auch Telefonnummern, die z. B. für die Identifizierung Ihrer Kunden oder Mitarbeiter von entscheidender Bedeutung sind.

Auch Bankdaten, insbesondere Kreditkartennummern und Sicherheitscodes, sind hochsensibel, da sie häufig das Ziel von Cyberkriminellen sind. Kundendaten, einschließlich Bestellverlauf, Interessen und Kontaktdaten, sind für Unternehmen wertvoll und müssen ebenfalls geschützt werden, um die Privatsphäre Ihrer Kunden zu wahren.
Gesundheitsdaten wie Krankenakten, Diagnosen und Krankengeschichte sind aufgrund ihres persönlichen Charakters und ihrer Bedeutung für die Gesundheitsfürsorge besonders heikel.

Die Liste der sensiblen Daten geht aber noch weiter! So müssen rechtliche Dokumente wie Verträge, Geheimhaltungsvereinbarungen und juristischer Schriftverkehr, der wichtige rechtliche Informationen enthält, vertraulich behandelt werden, um die Interessen der beteiligten Parteien zu wahren. Je nachdem in welcher Branche Sie tätig sind, umfassen sensible Daten eine ganze Reihe kritischer Informationen, die angemessene Sicherheitsmaßnahmen erfordern, um unbefugten Zugriff oder Datenschutzverstöße zu verhindern.

Welche unterschiedlichen Methoden sind mit der Discovery sensibler Daten verbunden?

 

Die Sensitive Data Discovery erfordert mehrere zentrale Methoden, um nicht nur die ordnungsgemäße Identifizierung, sondern auch den Schutz und die Verwaltung der Daten sowie die Einhaltung gesetzlicher Vorschriften zu gewährleisten.

Identifikation und Klassifizierung

 

Bei dieser Methode werden sensible Daten innerhalb des Unternehmens lokalisiert und nach ihrem Vertraulichkeitsgrad eingestuft. Das ermöglicht eine effektive Ausrichtung auf Daten, die einen erhöhten Schutz benötigen.

Data Profiling

 

Beim Data Profiling werden die Merkmale und Eigenschaften sensibler Daten analysiert. So wird es möglich, diese Daten besser zu verstehen und mögliche Unstimmigkeiten, potenzielle Fehler und Risiken bei ihrer Nutzung zu erkennen.

Data Masking

 

Das Data Masking (auch Datenanonymisierung genannt) ist entscheidend für den Schutz sensibler Daten. Bei dieser Technik werden Daten so ersetzt oder maskiert, dass sie für legitime Zwecke nutzbar bleiben und gleichzeitig ihre Vertraulichkeit gewahrt wird.

Compliance

 

Die Einhaltung von Gesetzen und Vorschriften zum Schutz sensibler Daten ist ein strategischer Schwerpunkt. Regelungen wie die DSGVO in Europa oder HIPAA in den USA legen strenge Standards fest, die es zu befolgen gilt. Wenn sie nicht eingehalten werden, kann dies schwerwiegende Folgen haben, sowohl in finanzieller Hinsicht als auch in Bezug auf Ihren Ruf!

Aufbewahrung und Löschung von Daten

 

Die Feinsteuerung der Aufbewahrung und Löschung sensibler Daten ist entscheidend, um eine übermäßige Speicherung von Daten zu vermeiden. Sorgen Sie dafür, dass die sichere Vernichtung veralteter Informationen in Übereinstimmung mit den Vorschriften gewährleistet ist.

Spezielle Verwendungszwecke

 

Abhängig von den besonderen Bedürfnissen bestimmter Aktivitäten können andere Ansätze zum Einsatz kommen, z. B. Datenverschlüsselung, Prüfung von Zugriffen und Aktivitäten, Sicherheitsüberwachung sowie Sensibilisierung der Mitarbeiter für den Datenschutz.

Sensible Daten sind eine große Verantwortung, die Ihnen nicht nur viel Disziplin abverlangt, sondern auch ein ständiges Hinterfragen der Data Governance erfordert.

Die wichtigsten Erkenntnisse aus dem Zeenea Exchange 2023, oder: Wie kann man den unternehmenseigenen Data Catalog optimal nutzen?

Die wichtigsten Erkenntnisse aus dem Zeenea Exchange 2023, oder: Wie kann man den unternehmenseigenen Data Catalog optimal nutzen?

Jedes Jahr organisiert Zeenea exklusive Events, die unsere Kunden und Partner aus unterschiedlichen Unternehmen und Organisationen zusammenbringen und so ein Umfeld für gemeinsame Gespräche und den Austausch von Erfahrungen und Best Practices fördern. Die dritte Ausgabe des „Zeenea Exchange France“ fand im Herzen des 8. Arrondissements in Paris mit unseren französischsprachigen Kunden und Partnern statt, während die erste Ausgabe des „Zeenea Exchange International“ online durchgeführt wurde.

In diesem Artikel geben wir Ihnen einen Überblick über die Ergebnisse der Gesprächsrunden und Podiumsdiskussionen, die beide im Juni 2023 stattfanden und folgendes Thema behandelten: „Wie lauten die aktuellen & zukünftigen Anwendungsbereiche und Ziele Ihrer Data-Catalog-Initiativen?“.

Was sind die Gründe für die Einführung einer Data-Catalog-Lösung?

Explosion der Informationsmengen

 

Unsere Kunden stehen vor der Herausforderung, große Mengen an Daten aus verschiedenen Quellen zu sammeln und zu inventarisieren. Viele unserer Teilnehmer haben diesen Weg bereits eingeschlagen und einen Data Lake oder eine andere Plattform zur Speicherung ihrer Daten eingeführt. Sie mussten jedoch bald feststellen, dass es schwierig war, diesen riesigen Ozean an Daten zu verwalten, und stellten sich Fragen wie: „Welche Daten stehen mir zur Verfügung?“ „Woher stammen sie?“ „Wer ist für diese Daten verantwortlich?“ „Habe ich das Recht, diese Daten zu nutzen?“ „Was bedeuten diese Daten?“

Folglich rückte die Suche nach einer Lösung in den Vordergrund, welche die Zentralisierung von Unternehmensdaten automatisieren und genaue Informationen über ihre Daten liefern kann. Dieses Ziel führte zur Suche nach einer Datenkatalog-Lösung.

Beschränkter Zugriff auf Daten

 

Der Zugriff auf Daten ist eine weitere gemeinsame Herausforderung, die alle unsere Kunden meistern mussten. Bevor sie ihre Daten in einem gemeinsamen Repository zentralisierten, waren viele der teilnehmenden Unternehmen mit unterschiedlichen Informationssystemen konfrontiert, die nur für bestimmte Geschäftsbereiche oder Abteilungen innerhalb des Unternehmens zur Verfügung standen. Die Daten wurden also in Silos aufbewahrt, was eine effektive Erstellung von Berichten oder die Kommunikation über diese Daten erschwerte oder sogar unmöglich machte.

Die Notwendigkeit, Daten für alle zugänglich zu machen, ist ein weiterer wichtiger Grund, warum unsere Kunden nach einer Lösung suchten, die den Zugang zu Daten demokratisieren könnte.

Uneindeutig definierte Rollen und Zuständigkeiten

 

Ein weiterer wichtiger Grund für die Suche nach einem Datenkatalog war, den verschiedenen Datenkonsumenten und -produzenten eindeutige Rollen und Verantwortlichkeiten zuzuweisen. Der Zweck eines Datenkatalogs besteht nämlich darin, die Kontaktinformationen für jeden einzelnen Datensatz zu zentralisieren und auf dem neuesten Stand zu halten, indem er einen klaren Überblick darüber gibt, welche Person oder Stelle zu kontaktieren ist, wenn Fragen zu einem bestimmten Datensatz auftauchen.

Was sind die aktuellen Anwendungen und Herausforderungen in Bezug auf ihre Data-Catalog-Initiativen?

Das Fehlen einer gemeinsamen Sprache

 

Die Einführung einer gemeinsamen Sprache für Datendefinitionen und Geschäftskonzepte ist eine große Herausforderung, vor der viele unserer Kunden stehen. Dieses Problem ist bei unseren Kunden besonders verbreitet, wenn verschiedene Geschäftszweige oder Abteilungen bei der Definition spezifischer Konzepte oder Leistungskennzahlen mangelhaft ausgerichtet sind. So kann es z. B. vorkommen, dass einige KPIs nicht eindeutig definiert sind oder dass mehrere Versionen desselben KPIs existieren, jedoch mit unterschiedlichen Definitionen. Angesichts der hohen Komplexität der Datenlandschaft einiger unserer Kunden, die zahlreiche Tochtergesellschaften und Agenturen umfasst, stellt die Ausrichtung der Beteiligten auf die Bedeutung und Definition von Konzepten eine große Herausforderung dar und bleibt eine entscheidende Aufgabe.

Mehr Autonomie für Business-Anwender

 

Durch die Implementierung eines Datenkatalogs konnte die Autonomie der Business-Anwender bei der Mehrheit unserer Kunden erheblich gesteigert werden. Durch die Verwendung von Zeenea und seiner intuitiven Suche und Data Discovery im gesamten Informationsbestand der Organisation, verfügen nichttechnische Benutzer nun über eine benutzerfreundliche und effiziente Möglichkeit, Daten zu lokalisieren und für ihre Berichte und spezifischen Anwendungen zu nutzen.

Ein Kunde berichtete insbesondere, dass der Datenkatalog die Suche, Discovery und Beschaffung von Daten beschleunigt, das Verständnis für die Daten verbessert, den Zugriff auf vorhandene Daten erleichtert und den gesamten Prozess der Qualitätsanalyse optimiert hat – und so bei den Benutzern mehr Vertrauen in die Daten schafft.

Die Einführung eines Datenkatalogs bleibt ein heikles Thema

 

Eine weitere zentrale Herausforderung, mit der einige unserer Kunden konfrontiert sind, ist die Schwierigkeit, die Einführung des Data Catalogs und die Förderung einer datenorientierten Kultur voranzutreiben. Dieser Widerstand kann darauf zurückgeführt werden, dass viele Anwender nicht mit den Vorteilen vertraut sind, die der Datenkatalog bieten kann. Die Einführung einer datengetriebenen Kultur erfordert anhaltende Anstrengungen, um die Vorteile der Verwendung eines Datenkatalogs zu vermitteln. Dazu muss der Datenkatalog über effektive Kommunikationskanäle in den verschiedenen Abteilungen bekannt gemacht werden, es müssen Schulungen durchgeführt und kleine Erfolge gefeiert werden, die den Wert des Tools im gesamten Unternehmen zeigen.

Die Vorteile der Automatisierung

 

Der Datenkatalog bietet die Möglichkeit, die zeitaufwändigen Aufgaben der Datenerhebung zu automatisieren, was sich für viele unserer Kunden als großer Vorteil erweist. Tatsächlich können über die APIs von Zeenea externe Metadaten aus verschiedenen Quellen abgerufen werden, was die Inventarisierung von Glossarbegriffen, Informationen über Rollen und Eigentümer, Indikatoren zur technischen und geschäftlichen Qualität aus Datenqualitätstools usw. erleichtert.

Darüber hinaus beschleunigt der Datenkatalog Programme zur IT-Transformation und die Integration neuer Systeme, indem er einen klaren Überblick über die wichtigsten Quellen bietet, sodass neue Integrationen besser geplant werden können.

Wie lauten die nächsten Schritte in ihrer Data-Catalog-Experience?

Auf dem Weg zu einem Data Mesh

 

Einige unserer Kunden, insbesondere diejenigen, die am internationalen Event teilgenommen haben, haben ihr Interesse an der Einführung eines Data-Mesh-Ansatzes bekundet. Laut einer Umfrage, die während der Veranstaltung durchgeführt wurde, erwägen 66 % der Befragten einen Data-Mesh-Ansatz in ihrem Unternehmen oder führen ihn derzeit bereits ein.

Eine unserer Kundinnen berichtete, dass sie bereits über ein Data Warehouse und einen Data Lake verfügt, die mangelnde Transparenz hinsichtlich der Eigentümerschaft und der Nutzung der Daten in den verschiedenen Bereichen jedoch den Bedarf nach mehr Autonomie erkennen und den Wechsel von einem zentralisierten Data Lake zu einer domänenspezifischen Architektur entstehen ließ.

Zeenea als zentrales Repository

 

Viele unserer Kunden, unabhängig von Branche oder Größe, nutzen den Datenkatalog als zentrales Repository für ihre Unternehmensdaten. Dieser Ansatz hilft ihnen, die Daten aus mehreren Zweigen oder Tochtergesellschaften in einer einzigen Plattform zu konsolidieren, wodurch Redundanzen vermieden und die Richtigkeit der Daten gewährleistet werden kann.

Der Datenkatalog soll es ihnen ermöglichen, Daten in allen Abteilungen zu finden, indem er die Nutzung gemeinsamer Lösungen erleichtert und die Prozesse für die Data Discovery und das Verständnis der Daten verbessert.

Den Datenkatalog für Compliance-Initiativen nutzen

 

Compliance-Initiativen gewinnen für Unternehmen zunehmend an Bedeutung, insbesondere in stark regulierten Branchen wie dem Banken- und Versicherungswesen. Eine Umfrage auf unserem internationalen Event ergab, dass 50 % der Befragten den Datenkatalog derzeit für Compliance-Zwecke nutzen, während die anderen 50 % sich vorstellen könnten, ihn in Zukunft dafür einzusetzen. Einer der Teilnehmer, der eine positive Antwort gegeben hatte, berichtete, dass sein Unternehmen sogar überlegt, eine Suchmaschine zu entwickeln, um die Daten, die das Unternehmen über eine bestimmte Person besitzt, abfragen und abrufen zu können, wenn diese es wünscht.

Wenn diese Rückmeldungen und Erfahrungsberichte sich mit dem Alltag in Ihrem Unternehmen decken, zögern Sie nicht, uns zu kontaktieren. Wir würden uns freuen, Sie in der Gemeinschaft der Zeenea-Nutzer begrüßen zu dürfen und Sie zu unseren nächsten Ausgaben von „Zeenea Exchange“ einzuladen.

Das Business Glossary: eine wichtige Lösung für Ihre Data Scientists

Das Business Glossary: eine wichtige Lösung für Ihre Data Scientists

In der Welt der Daten ist ein Business Glossary ein heiliger Text, in dem unzählige Stunden Arbeit und Zusammenarbeit zwischen IT- und Geschäftsfunktionen stecken. Ein Business Glossary ist ein entscheidendes Element für das Metadaten-Management, um die Daten zu kontextualisieren und zu definieren. Laut Gartner ist es eine der wichtigsten Lösungen, die in einem Unternehmen zur Unterstützung der Geschäftsziele eingesetzt werden können.

Zur Unterstützung Ihrer Data Scientists bei ihren Machine-Learning-Algorithmen und Dateninitiativen, bietet ein Business Glossary eindeutige Bedeutungen und Zusammenhänge für alle Daten oder Geschäftsbegriffe des Unternehmens.

Beginnen wir mit den Grundlagen: Was ist ein Business Glossary?

Ein Business Glossary verleiht den Daten in den Abteilungen eines Unternehmens eine Bedeutung und setzt sie in einen Kontext. Es ist also ein Ort, an dem die geschäftlichen Begriffe und Daten definiert und miteinander verknüpft werden. Das mag einfach klingen, aber es ist selten, dass alle Mitarbeiter eines Unternehmens das gleiche Verständnis von Begriffen – sogar bei grundlegenden Termini – wie „Kontakt“ und „Kunde“ teilen.

Das Business Glossary verfolgt insbesondere die folgenden Ziele:

  • Ausrichtung aller Mitarbeiter auf eine gemeinsame Definition durch den Aufbau einer gemeinsamen Sprache in der Organisation.
  • <förderung eines=““ besseren=““ verständnisses=““ und=““ einer=““ zusammenarbeit=““ zwischen=““ geschäfts-=““ it-teams.<=““ li=““> </förderung>
  • Verknüpfung von geschäftlichen Begriffen mit anderen Unternehmens-Assets und Darstellung ihrer unterschiedlichen Beziehungen.
  • Erarbeitung und Austausch eines Regelwerks für den Bereich der Data Governance.

So können Unternehmen also data fluent werden!

Wie nützlich ist ein Business Glossary für Ihre Data Scientists?

Durch die Zentralisierung geschäftlicher Informationen sind Unternehmen in der Lage, das Wissen rund um ihre Daten, das zuvor von einer Gruppe von Experten gehütet wurde, zu teilen. Dadurch können Data Scientists bessere Entscheidungen treffen, wenn sie nach Datensätzen suchen, die sie für ihre Zwecke verwenden können. So können die Unternehmen auch:

„data literate“ werden.

Immer mehr Organisationen wie Forbes oder Gartner sind der Ansicht, dass Unternehmen mehr in Maßnahmen investieren sollten, die das Verständnis für Daten fördern. Diese Programme werden gemeinhin unter dem englischen Begriff „Data Literacy“ zusammengefasst.

Bei der Stellenbeschreibung für den Chief Data Officer ist es von entscheidender Bedeutung, dass alle Teile der Organisation die Daten und den damit verbundenen Jargon verstehen können. Denn nur so können alle Teile der Organisation die Bedeutung, den Kontext und die Verwendung von Daten besser verstehen. Wenn sie also ein Business Glossary aufbauen, sind Ihre Data Scientists in der Lage, mit allen Abteilungen des Unternehmens zusammenzuarbeiten, sei es die IT- oder die Fachabteilung. Es gibt weniger Kommunikationsfehler und alle beteiligen sich am Aufbau und an der Verbesserung der Kenntnisse über die Unternehmensdaten.

Zugang zu einer datengesteuerten Umgebung erhalten.

Die Datenkultur ist eng mit der Data Literacy verbunden und bezieht sich auf ein Arbeitsumfeld, in dem Entscheidungen auf der Grundlage empirischer Daten und solider Beweise getroffen werden. Anders ausgedrückt: Entscheidungen werden auf der Grundlage von Datenbeweisen getroffen und nicht einfach aus dem Bauch heraus.

Ein Business Glossary fördert das Bewusstsein für die Qualität von Daten und das allgemeine Verständnis für sie. Folglich wird die Umgebung datengetriebener und kann den Data Scientists helfen, ihre Daten besser zu verstehen.

Ihren Daten stärker vertrauen.

Ein Business Glossary stellt sicher, dass die richtigen Definitionen mit den richtigen Daten verknüpft werden. Es hilft bei der Lösung allgemeiner Probleme, wenn Missverständnisse über Daten festgestellt werden. Wenn alle Datensätze präzise mit einer korrekten und allgemein verständlichen Terminologie dokumentiert sind, erhöht dies das allgemeine Vertrauen in die Unternehmensdaten, sodass Ihre Data Scientists effektiv an ihren Datenprojekten arbeiten können.

Ein Business Glossary mit Zeenea einrichten

Zeenea bietet in seinem Data Catalog auch ein Business Glossary an. Es verbindet sich automatisch und importiert Ihre Glossare und Wörterbücher über unsere APIs in unser Tool. Sie können auch ein Glossar manuell in der Benutzeroberfläche von Zeenea erstellen!

Entdecken Sie, welche Vorteile unser Business Glossary für Ihre Data Scientists bietet!

Was versteht man unter Data Discovery?

Was versteht man unter Data Discovery?

Mit Data Discovery verbundene Fragestellungen können alle Bereiche eines Unternehmens betreffen – von der IT über die Business Intelligence bis zur Innovation. Werden Data Discovery-Lösungen integriert, erhalten alle Mitarbeitenden des Unternehmens Zugriff auf die Daten, sodass Datenverantwortliche und Business-Analysten diese erfassen und als Kooperationsgrundlage heranziehen können.

Auch für Unternehmen mit Optimierungsbedarf im Compliance-Management bietet sich Data Discovery an. Sie veranschaulicht Organisationen, welche personenbezogenen/sensiblen Daten sie besitzen und wo sich diese befinden. Data Discovery kann auch Innovationen beschleunigen, da sie Informationen freigibt, die zur Steigerung der Kundenzufriedenheit und zur Schaffung von Wettbewerbsvorteilen unerlässlich sind.

Von der manuellen zur intelligenten Data Discovery

Bereits vor 20 Jahren, als die Techniken des maschinellen Lernens noch in den Kinderschuhen steckten, bewältigten Data Stewards das Mapping ihrer Daten – und zwar allein mit der Kraft des menschlichen Gehirns. Sie betrachteten kritisch, welche Daten ihnen zur Verfügung standen, wo diese gespeichert waren und welche Bedürfnisse gedeckt werden mussten, um den Endkunden zufriedenzustellen. Data Stewards befassten sich meist mit den Regeln für die Dokumentation der Datenbestände, die den Data Discovery-Prozess lenkten. Bei diesen manuellen Herangehensweisen, die meist mit Excel-Tabellen durchgeführt wurden, konzeptualisierten und zeichneten die Nutzer Karten zum Verständnis der Organisation ihrer Daten.

Heutzutage umfasst die Definition von Data Discovery angesichts der erzielten technischen Fortschritte auch automatisierte Lösungen zur Präsentation von Daten. Die intelligente Datenentdeckung entspricht einer neuen Generation von Datentechnologien, bei denen Augmented Analytics, maschinelles Lernen und künstliche Intelligenz zum Einsatz kommen.

Sie umfasst nicht nur die Aufbereitung, Konzeptualisierung und Integration von Daten, sondern auch deren Präsentation mithilfe intelligenter Dashboards, durch die bisher verborgene Geschäftsmodelle und -werte sichtbar werden.

Vorteile von Data Discovery

Unternehmensdaten werden mit Lichtgeschwindigkeit zwischen Standorten übertragen und in verschiedenen Datenquellen gespeichert. Mitarbeiter und Partner greifen überall und jederzeit auf diese Daten zu. Identifizierung, Lokalisierung und Klassifizierung Ihrer Daten sollten daher oberste Priorität haben, um Ihre Daten zu schützen und Informationen aus ihnen zu gewinnen.

Data Discovery bietet folgende Vorteile:

  • Besseres Verständnis der Unternehmensdaten, ihres Speicherorts, der Personen, die Zugriff auf sie haben, ihres Standorts sowie ihrer Übertragungsweise
  • Automatische Klassifizierung der Daten nach Kontext
  • Risikomanagement und Einhaltung von Vorschriften
  • Umfassender Überblick über die Daten
  • Identifizierung, Klassifizierung und Nachverfolgung sensibler Daten
  • Möglichkeit der Anwendung von Datenschutzkontrollen in Echtzeit auf der Grundlage vordefinierter Richtlinien und Kontextfaktoren
  • Data Discovery ermöglicht die korrekte Bewertung sämtlicher Unternehmensdaten.

Sie hilft einerseits bei der Einführung geeigneter Sicherheitsmaßnahmen, um den Verlust sensibler Daten zu verhindern und verheerende finanzielle und rufschädigende Folgen für Unternehmen abzuwenden.

Andererseits ermöglicht sie Mitarbeitenden eine genaue Untersuchung der Daten und dadurch die Identifikation spezifischer Elemente, die Antworten aufzeigen, sowie die Ermittlung der geeigneten Methoden zur Darstellung dieser Antworten. Data Discovery bietet somit ein Win-Win für alle Beteiligten.

Möchten Sie mehr über Data Discovery erfahren?

Laden Sie unser Whitepaper „Data Discovery aus Sicht der Internet-Giganten“ herunter.

In diesem Whitepaper erläutern wir die Hintergründe und die Umsetzung von Data Discovery-Lösungen, die von den großen Internetkonzernen entwickelt wurden, von denen einige zu den berühmten „Big Five“ bzw. „GAFAM“ (Google, Apple, Facebook, Amazon und Microsoft) gehören.

Was ist der Unterschied zwischen einem Data Analyst und einem Business Analyst?

Was ist der Unterschied zwischen einem Data Analyst und einem Business Analyst?

So nah und doch so verschieden! Die beiden Rollen Data Analyst und Business Analyst werden sehr oft miteinander verwechselt, obwohl sich ihre Aufgaben nur selten überschneiden. Die beiden Profile ergänzen sich eher, als dass sie miteinander konkurrieren, und sind daher sehr gefragt.

Daten sind heute das Herzstück aller Entscheidungsprozesse in Unternehmen. Laut einer Studie, die das IDC-Institut im Auftrag von Seagate durchgeführt hat, wird das von Unternehmen erzeugte Datenvolumen bis zum Jahr 2025 auf 175 Zetabyte wachsen …

In diesem Zusammenhang reicht es nicht mehr aus, Informationen zu sammeln. Entscheidend ist die Fähigkeit, aus diesen Daten Erkenntnisse zu gewinnen, die fundierte Entscheidungen ermöglichen. Aber je nach Aufgabe, Einsatz und Art der Daten können die Interpretationsmethoden und die Art und Weise, wie dieser wertvolle Rohstoff genutzt wird, sehr unterschiedlich sein.

Der vielschichtige Charakter von Daten hat die Entstehung verschiedener Fachbereiche ermöglicht, was manchmal zu einer etwas unklaren Abgrenzung von Funktionen führt, deren Bezeichnungen irreführend sein können. Die Grenze, welche die Aufgaben des Data Analysts von denen des Business Analysts trennt, mag dünn erscheinen. Und doch sind ihre Funktionen, Rollen und Verantwortlichkeiten sehr unterschiedlich – und ergänzen sich!

Business Analyst und Data Analyst: eine gemeinsame Grundlage

Die beiden Funktionen Business Analyst und des Data Analyst werden manchmal verwechselt, weil ihre Aufgaben untrennbar mit dem Konzept der Verwertung von Daten verbunden sind.

Was sie unterscheidet, ist die Art der Information.

Während der Data Analyst mit digitalen Daten aus den IT-Systemen des Unternehmens arbeitet, kann der Business Analyst sowohl digitale als auch andere Daten auswerten.

Während ersterer für die Verarbeitung der im Unternehmen verfügbaren Daten sorgen muss, um daraus Erkenntnisse für die Anpassung von Strategien zu gewinnen, liefert letzterer Antworten auf konkrete geschäftliche Herausforderungen, die auf einer Stichprobe von Daten beruhen, die über das vom Unternehmen erzeugte Datenportfolio hinausgehen kann.

Ein breites Spektrum an Fähigkeiten

Der Data Analyst muss fortgeschrittene Kenntnisse in Mathematik und Statistik vorweisen können. Dieser Datenkünstler ist ein echter Experte für Datenbanken und Programmiersprachen und hat oft einen Abschluss in Softwareentwicklung oder Statistik.

Der Business Analyst hingegen hat hingegen ein weniger datenlastiges Profil (im digitalen Sinn). Wenn er Informationen auswertet, um seine Aufgaben zu erfüllen, steht er immer in direktem Kontakt mit dem Management und allen Fachabteilungen des Unternehmens.

Ein Business Analyst kann zwar über Kenntnisse in Bezug auf Algorithmen oder SQL-Datenbanken verfügen oder XML beherrschen, dies ist aber keine unabdingbare Voraussetzung.

Andererseits muss der Business Analyst in der Lage sein, echtes Know-how in Bezug auf Kommunikation, Zuhören und Verstehen der Herausforderungen vor Ort im Unternehmen unter Beweis zu stellen.

Für den Data Analyst hingegen sind die technischen Fähigkeiten von entscheidender Bedeutung. SQL, Python, Datenmodellierung und Power BI, IT-Fachwissen und Analytik ermöglichen es ihm, Daten in einer operativen Dynamik für das Unternehmen zu nutzen.

Unterschiede bei den Verantwortlichkeiten und Zielen der beiden Rollen

Der Alltag eines Data Analysts besteht in erster Linie darin, den Datenbestand eines Unternehmens nutzbar zu machen. Zu diesem Zweck garantiert er z. B. für die Qualität der Daten, ihre Bereinigung und ihre Optimierung sorgen.

Sein Ziel: den internen Teams Datenbanken zur Verfügung zu stellen, die unter optimalen Bedingungen genutzt werden können, und laufend alle Verbesserungsmöglichkeiten zu identifizieren, die sich auf das Datenprojekt auswirken könnten.

Der Business Analyst wird von der Arbeit des Data Analysts profitieren und dazu beitragen, diese so weit wie möglich nutzbar zu machen, indem er die nativen Daten des Unternehmens mit peripheren Daten und Informationen in Bezug setzt. Durch den Abgleich und die Nutzung verschiedener Informationsquellen trägt der Business Analyst dazu bei, neue Marktchancen sowie organisatorische oder strukturelle Möglichkeiten zu erschließen, um die Entwicklung des Unternehmens zu beschleunigen.

Zusammenfassend lässt sich sagen, dass der Data Analyst der tägliche am Datenprojekt eines Unternehmens arbeitende Handwerker ist. Der Business Analyst ist derjenige, der langfristig in die Geschäftsstrategie eingreift. Um diese Herausforderung zu meistern, stützt er sich auf die Qualität der Arbeit des Data Analysts.

Zwei komplementäre Aufgaben, zwei konvergierende Profile, die es ermöglichen, den größten Nutzen aus der Datenkultur eines Unternehmens zu ziehen!

Bauen Sie ein Team von Citizen Data Scientists auf

Bauen Sie ein Team von Citizen Data Scientists auf

„There aren’t enough expert data scientists to meet data science and machine learning demands, hence the emergence of citizen data scientists. Data and analytics leaders must empower „citizens“ to scale efforts, or risk failure to secure data science as a core competency.“ – Gartner 2019

Die Bemühungen und Investitionen im Bereich Data Science haben 2019 alle Rekorde gebrochen! Die Nachfrage nach Data Scientists ist daher größer als je zuvor. Die Nachfrage ist jedoch viel höher als das derzeitige Angebot auf dem Arbeitsmarkt. Die Unternehmen müssen erneut um ihren Platz und in einigen Fällen sogar ums Überleben zu kämpfen.

Als Antwort auf diese Herausforderung wurde eine wichtige neue analytische Rolle geschaffen, die als Bindeglied zwischen Data Scientists und Fachbereichen fungiert: der Citizen Data Scientist.

 

Was ist ein Citizen Data Scientist?

Gartner definiert das Konzept des Citizen Data Scientists als „eine Reihe von Kompetenzen und Praktiken, die es Benutzern ermöglichen, prädiktive und normative Informationen aus Daten zu extrahieren, ohne dass sie so hoch qualifiziert und technisch versiert sein müssen wie professionelle Data Scientists“. Bitte beachten Sie, dass ein „Citizen Data Scientist“ keine eigene Position ist. Es handelt sich vielmehr um einen „Power User“, der einfache analytische Aufgaben durchführen kann.

Citizen Data Scientists haben in der Regel keine Programmierkenntnisse. Dennoch können sie mithilfe von „Drag and Drop“-Tools Modelle aufbauen und Datenpipelines sowie vorgefertigte Modelle mithilfe von Tools wie Dataiku zum Laufen bringen. Citizen Data Scientists sind kein Ersatz für professionelle, ausgebildete Data Scientists! Sie bringen ihr eigenes Fachwissen ein, verfügen aber nicht über die technischen Fähigkeiten für höhere Data Science.

Der Citizen Data Scientist ist eine Rolle, die sich als „Erweiterung“ anderer Rollen innerhalb des Unternehmens entwickelt hat. Das bedeutet, dass Organisationen die Persona des Citizen Data Scientists zunächst erstellen müssen. Das Potenzial von Citizen Data Scientists variiert abhängig von ihren Fähigkeiten und ihrem Interesse an Data Science und Machine Learning. Folgende Rollen fallen die in die Kategorie des Citizen Data Scientists:

  • Business Analyst
  • BI Analyst / Developer
  • Data Analyst
  • Data Engineer
  • Anwendungsentwickler
  • Business Line Manager

 

Tipps für den Aufbau Ihres Teams von Citizen Data Scientists

Da die Kompetenzen von professionellen Data Scientists tendenziell relativ teuer und schwer zu bekommen sind, kann die Beschäftigung eines Citizen Data Scientists eine effektive Möglichkeit sein, diese Lücke zu schließen.

Im Folgenden erfahren Sie, wie Sie die Kapazitäten Ihrer Data-Science-Teams erhöhen können:

Aufbrechen von Unternehmenssilos

Wie Sie bereits mehrfach gehört haben, neigen viele Organisationen dazu, unabhängig zu arbeiten. Wie ebenfalls bereits erwähnt, sind alle Rollen für die Datenmanagement-Strategie einer Organisation wichtig, und alle haben ihr Interesse daran bekundet, ihre Kompetenzen in den Bereichen Data Science und Machine Learning zu erweitern. Der Großteil dieses Wissens wird jedoch von bestimmten Abteilungen oder Rollen gehütet. Infolgedessen werden die Bemühungen im Bereich Data Science häufig zunichtegemacht und nicht genutzt. Die mangelnde Zusammenarbeit zwischen den verschiedenen Rollen erschwert die Arbeit der Citizen Data Scientists!

Durch die Einrichtung einer Gemeinschaft aus Geschäfts- und IT-Rollen, die Richtlinien und/oder detaillierte Ressourcen bereitstellt, können Unternehmen Citizen Data Scientists in die Lage versetzen, auf ihre Daten zuzugreifen und sie zu verstehen. Daher ist es für Unternehmen wichtig, die gemeinsame Nutzung von Bemühungen im Bereich Data Science in der gesamten Organisation zu fördern und so Datensilos aufzubrechen!

Bereitstellen einer Technologie für Augmented Data Analytics

Die Technologie befeuert den Aufstieg des Citizen Data Scientists. Traditionelle BI-Anbieter wie SAP, Microsoft oder Tableau Software bieten Funktionen, die eine erweiterte statistische und prädiktive Analyse ermöglichen. Gleichzeitig bieten Plattformen für Data Science und Machine Learning wie SAS, H2O.ai und TIBCO Software jenen Nutzern, die nicht über fortgeschrittene Analysefähigkeiten verfügen, sogenannte „Augmented Analytics“. Der Bereich Augmented Analytics, auch als erweiterte Analysen bezeichnet, stützt sich auf automatisiertes Machine Learning, um die Art und Weise, wie analytische Inhalte entwickelt, konsumiert und geteilt werden, zu verändern. Dies umfasst:

Augmented Data Preparation: Automatisierung mithilfe von Machine Learning zur Steigerung von Profiling, Qualität, Modellierung, Anreicherung und Katalogisierung von Daten.

Augmented Data Discovery: Ermöglicht es geschäftlichen und technischen Anwendern, für ihre Zwecke relevante Informationen wie Korrelationen, Gruppen, Segmente und Vorhersagen automatisch zu finden, zu visualisieren und zu analysieren, ohne Modelle erstellen oder Algorithmen schreiben zu müssen.

Augmented Data Science und Augmented Machine Learning: Automatisierung der zentralen Aspekte der fortgeschrittenen analytischen Modellierung, wie z. B. die Auswahl von Merkmalen, die Auswahl von Algorithmen und zeitaufwändigen Prozessschritten.

Durch die Integration der erforderlichen Tools und Lösungen sowie die Erhöhung der Ressourcen und Bemühungen können Unternehmen nun ein Team von Citizen Data Scientists aufbauen!

Citizen Data Scientists mithilfe einer Metadaten-Management-Plattform zur Verwaltung ihrer Daten befähigen

Das Metadaten-Management ist eine schnell wachsende Disziplin, die insbesondere für Unternehmen wichtig ist, die Innovationen oder Compliance-Initiativen bei ihren Datenbeständen durchführen wollen. Durch die Umsetzung einer Metadaten-Management-Strategie, bei der Metadaten gut verwaltet und angemessen dokumentiert werden, können Citizen Data Scientists relevante Informationen leicht finden und aus einer intuitiven Plattform extrahieren.

Lesen Sie unsere Tipps für den Aufbau eines Metadaten-Managements in nur 6 Wochen und laden Sie unser neues Whitepaper „Der Leitfaden zum Start Ihres Metadaten-Managements“ herunter.