Lernmaterialien für Datenmanagement an der Hochschule RheinMain

Grundgedanke

Der technische und organisatorische Umgang mit Informationen ist ein ausschlaggebender Faktor für den Unternehmenserfolg. Der Umsatz kann gesteigert werden durch:

• Kostenersparnisse und erhöhte Produktivität
• "Branding" durch bessere Erfüllung von Kundenerwartungen
• Erkennen von Marktdynamiken und Business Development

Dies setzt kompetentes Datenmanagement vorraus. Dabei gibt es vier Säulen:

1. Lebenszyklus der Informationen

• Es wird unterschieden in "verwendet", "analysiert", "archiviert" und "gelöscht
• Ein Regelwerk aus Methoden, Prozessen und Technologien muss umgesetzt werden z. B. Aufbewahrungsfristen und Kritikalität

2. Datenqualität

• "Quality Gates" messen die Vollständigkeit, Relevanz, Genaugkeit von Informationen und vergleichen diese mit firmenspezifischen Sollwerten.

3. Gesamtsicht

• Unternehmen müssel alle Prozesse, zentrale Informationssysteme und wichtigste Anwendungen im Blick halten
• Diese sollten in einem Meta-Modell abgebildet werden und um externe Schnittstellen und Datenflüsse zu verstehen

4. Organisatorische Verankerung

• Datenmanagement sollte ein fester Bestandteil im Unternehmen sein
• Zuständigkeiten, Verantwortungen und Aufgaben müssen von einem Data Management Board oder Information Managern gelenkt werden um stetig besser zu werden

Ausgangslage:

Dank elektonischer Datenverarbeitung können Unternehmen viele Informationen erfassen und organisieren. (Mit Datenbanken, Datenmodellen und Data Warehouses)

Definition:

Datenmanagement bezeichnet alle konzeptionellen, organisatorischen und technischen Maßnahmen und Verfahren im Umgang mit der Ressource "Daten". 

Dazu gehören unterem...

• Datenmodellierung und -Technik, 
• Datenadministration und -Sicherheit
  
• Datenkonsistenz und Sicherung
• Datenbezogene Benutzerservices
  

Ziele

• Hochqualitative Daten erfassen, diese bestmöglich nutzen und maximal in die unternehmensinternen Geschäftsprozesse einzubringen 
• Entwicklung einer Strategie im Umgang mit Daten und die produktivste, regelkonforme Durchführung dieser

Mögliche Fragen

• Wie erfassen und nutzen wir Daten bestmöglich?
• Wie stellen wir Daten jederzeit bereit und aktualisieren sie?
• Wie gewährleisten wir Datenschutz und -sicherheit?
• Wie archivieren und löschen wir Daten regelkonform?

Der Belegfluss gibt Ihnen einen Überblick über aufeinanderfolgenden Belege und deren Status.

--> Ein möglicher Belegfluss könnte aus einem Angebot, einem Auftrag, einer Lieferung und einer Rechnung bestehen.

Datenqualität

• Isolierte Daten sind schnell veraltet oder ungenau, es gibt ein Risiko der Inkonsistenz => Redundanzen sollten vermieden werden
• Datensilos verringern die Qualität und Glaubwürdigkeit meiner Daten

Langsame Prozesse

• Erhöhter IT-Aufwand und doppelte Anstrengungen zur Wiederherstellung und Verwaltung gleicher Informationen
• Wenn Mitarbeiter Informationen suchen, ist das schlecht für die interne Zusammenarbeit und Kundenwahrnehmung des Unternehmens

Behinderung von Big Data und Automatisierung

• Analoge, ineffiziente und schlecht skalierbare Prozesse behindern Automatisierung und Digitalisierung
• Silos sollten nicht abgebaut, sondern vereinheitlicht werden mit DBMS.

1. Vollständigkeit

• Ein Datensatz muss alle notwendigen Attribute enthalten

Integrität

• 2. Korrektheit: Die Daten müssen mit der Realität übereinstimmen
• 3. Eindeutigkeit: Jeder Datensatz muss eindeutig interpretierbar sein

4. Aktualität

• Alle Datensätze müssen jeweils dem aktuellen Zustand der abgebildeten Realität entsprechen
• Frühestmögliche Erfassung bzw. Änderung

5. Genauigkeit

• Die Daten müssen in der geforderten Exaktheit vorliegen (Beispiel: Nachkommastellen)

6. Konsistenz

• Ein Datensatz darf in sich und zu anderen Datensätzen keine Widersprüche aufwenden

7. Redundanzfreiheit

• Innerhalb der Daten dürfen keine Dubletten vorkommen

8. Relevanz

• Der Informationsgehalt von Datensätzen muss den jeweiligen Informationsbedarf erfüllen

9. Einheitlichkeit

• Die Informationen eines Datensatzes müssen einheitlich strukturiert sein

10. Zuverlässigkeit

• Jeder Datensatz muss eindeutig interpretierbar sein

11. Verständlichkeit

• Die Datensätze müssen in ihrer Begrifflichkeit und Struktur mit den Vorstellungen der Fachbereiche übereinstimmen

Daten sind zunehmend...

• unstrukturiert, aktuell und allgegenwärtig
• und tragen zu unserer Produktivität bei (Big Data)

“Big data is high -volume, -velocity and -variety information assets that demand cost-effective, innovative forms of information processing for enhanced insight and decision making.” - Gartner

Als Datensilo werden Datenbestände und Informationen bezeichnet, die

• an verschiedenen Orten in einem Unternehmen gespeichert werden und
• auf die nur bestimmte Abteilungen oder Nutzergruppen Zugriff haben.

Datensilos können erwünscht sein, um Datenschutzrichtlinien oder Compliance-Vorschriften einzuhalten (Z. B. Bankwesen oder WhatsApp)

Daten sollen Unabhängig von den mit Ihnen arbeitenden Programmen sein. Es wird unterschieden:

Physische Datenunabhängigkeit

• Änderungen an der physischen Speicher- oder Zugriffstruktur (z. B. Indexstrukturen) haben keine Auswirkungen auf die logische Struktur der Datenbasis

Logische Datenunabhängigkeit

• Anwendungen sind gegen Änderungen am Datenbankschema immun

Ein Data Warehouse ist eine für Analysezwecke optimierte zentrale Datenbank, die Daten aus mehreren, in der Regel heterogenen Quellen zusammenführt. Das können unter anderem operative Datenbanken sein, die per ETL-Prozess (Extract, Transform, Load) periodisch vereinigt werden.

• Data Warehouses sind für wenige Anwender (Manager, Controller, Analysten) ausgelegt
• Durch Online-Analytical-Processing werden hier aus großen, unstrukturierten Datenmengen verschiedener Quellen Informationen abgeleitet
• Ausfall ist ärgerlich, allerdings nicht weiter tragisch da es nur um analysebezogene Datenmodellierung geht

Eine Relation ist in der 3. Normalform, wenn

• sie die Bedingungen der zweiten Normalform erfüllt und
• alle Nichtschlüsselattributwerte voneinander unabhängig sind

--> Alter kann ich mit Geburtsdatum berechnen, doppelten Verweis brauche ich nicht...