Wie entwickelst Du eine Datenstrategie, die nicht bei der Planung stehen bleibt? Der Beitrag zeigt anhand des Flywheel-Prinzips, wie Du durch konkrete Use Cases, klare Verantwortlichkeiten und sichtbaren Geschäftswert dauerhaftes Momentum aufbaust.
Viele KI Use Cases sind schnell gesammelt, doch ihre Priorisierung entscheidet über den tatsächlichen Mehrwert. Erfahre, wie Du Ideen sinnvoll clusterst, strategische Fähigkeiten aufbaust und mit einem Proof of Value fundiert startest.
Eine Data Roadmap muss kein starrer Fünfjahresplan sein. Erfahre, wie Du Deine Data Journey in vier aufeinander aufbauenden Horizonten planst, Wertbeiträge früh sichtbar machst und Business, People sowie Technology im Takt hältst.
Wie können kleine Verbesserungen bei Umsatz, Kosten und Arbeitsabläufen einen überproportionalen Einfluss auf die Marge haben? Der Beitrag zeigt anhand einer einfachen Rechnung, wie Daten, KI und Automatisierung dazu beitragen können, Produktivität gezielt zu steigern.
Was haben Claude Monet und die Datenqualität in Deinem Unternehmen gemeinsam? Dieser Beitrag zeigt, warum unscharfe, inkonsistente Daten Entscheidungen verzerren können und wie Du eine verlässliche Grundlage für Steuerung, Analysen und KI schaffst.
Am Zitat „Daten sind das Gold des 21. Jahrhunderts“ kam in den letzten Jahren kaum jemand vorbei. Doch es gibt einen entscheidenden Unterschied zwischen Daten und Gold. Daten haben nur einen Wert, wenn man sie nutzt. Um diese Nutzung zu ermöglichen, muss sich in vielen Fällen etwas ändern – die Daten müssen demokratisiert werden.
Die Europäische Zentralbank (EZB) sowie viele andere Aufsichtsbehörden erkannten in der Analyse der Ursachen der Finanzkrise 2008 unter anderem große Defizite in der IT und Datenarchitektur der Institute. Diese Defizite führten dazu, dass Risikobewertungen nicht schnell und präzise genug und nicht vollständig durchgeführt werden konnten. Kurz gesprochen: Risiken konnten weder im angemessenen Maße berichtet noch kontrolliert werden. Aus dieser Lehre heraus wurde von dem Baseler Ausschuss für Bankenaufsicht (engl. Basel Committee on Banking Supervision, kurz BCBS) der vielseits durch die Presse bekannte Standard 239 veröffentlicht, auch bekannt als „Principles for effective risk data aggregation and risk reporting“ bzw. als AT 4.3.4 der MaRisk.
Genauso, wie die meisten von uns in der Musik harmonische Akkorde Dissonanzen vorziehen, so erreicht man auch erst mit der Harmonisierung von Data Strategy, Data Organization und Data Governance maximale Effekte in der Wertschöpfung. Wir beantworten die wichtigsten Fragen und zeigen erfolgreiche Beispiele.
Data Lakes sind beliebte Komponenten von Cloud Data Plattform Architekturen. Wenn Du Dich für die Implementierung von Data Lakes und entsprechenden Services auf AWS interessierst, solltest Du folgende Blogbeiträge lesen. Bei einem Data Lakehouse handelt es sich um eine Architektur, die Datentransparenz im Data Lake ermöglicht und die Daten für die weitere Auswertung in einem Data Warehouse verfügbar macht. Erfahre hier mehr.
