Auf einen Blick

Ein IoT ohne Daten wäre undenkbar: Erst die Kombination aus laufend anfallenden IoT-Daten wie Messwerten, Echtzeitinformationen aus der Umgebung oder aus dem Internet und Big Data machen viele komplexe Anwendungen überhaupt möglich. Um die so entstehenden Datenmengen effektiv zu verwalten, wird ein gutes Datenmanagement benötigt. Datenmanagement oder Datenverwaltung schafft einen Rahmen, um die aufkommenden Daten so zu speichern und zu verwerten, dass sie für die jeweilige Anwendung bestmöglich zugänglich sind.

Vorteile von Datenverwaltung

Gut konzipierte Strategien zur Verwaltung von Daten bieten Unternehmen und Forschung viele Vorteile, z. B:

• schnelles Auffinden spezifischer Informationen
• einfache und effiziente Verwaltung großer Datenmengen
• effektiver Schutz von Daten und kritischen Informationen
• Wahrung der Datenintegrität
• optimale Vorbereitung auf spätere Anwendungsfälle
• effiziente Nutzung von Ressourcen wie Rechenleistung oder Speicher

Arten des Datenmanagements

Es gibt unterschiedliche Methoden, um Daten zu managen. Welche Methoden in welcher Kombination genutzt werden, hängt von der Art der Daten, den Zielen und Vorgaben im Unternehmen sowie vom späteren Verwendungszweck ab.

Big Data Management
Diese Methodik befasst sich mit Big Data, also mit der Sammlung, Analyse, Verwertung und Archivierung enormer Datenmengen. Es geht vor allem darum, die Rohdaten so zu erfassen und zu speichern, dass ihre Integrität und damit die Verwertbarkeit für nachfolgende Analysen gewahrt bleibt. Im Zuge der Speicherung gilt außerdem die Priorität, dass die Daten so abgelegt und aufbereitet werden, dass sie eine solide Grundlage für die geplanten Geschäftsprozesse und Analysen bilden.

Data Warehousing
Riesige Datenfluten erfordern entsprechende Strukturen, damit sie zuverlässig und langfristig gespeichert werden können. Ein Data Warehouse kann man sich wie ein hochgradig optimiertes Lagerhaus für Daten vorstellen. Es bietet die nötige Infrastruktur (z. B. Server, Datenbanktechnologien), um in allen Belangen effizient mit den Rohdaten umgehen zu können.

Data Governance
Unter Data Governance versteht man ein Regelwerk, das genau beschreibt, wie Daten in einem Unternehmen oder einer Organisation gespeichert und verwertet werden. Ziel ist, die Sicherheit und Qualität der gespeicherten Daten so hoch wie möglich zu halten. Außerdem ist Data Governance dann wichtig, wenn es gesetzliche Vorgaben zum Umgang mit den gesammelten Daten gibt: Durch die fest definierten Regeln wird die Einhaltung der Richtlinien erleichtert.

Qualitätsmanagement
Die Qualität der vorliegenden Daten ist entscheidend für die Qualität der darauf aufbauenden Anwendungen und Analysen. Es gilt, die Daten auf Konflikte (z. B. Duplikate, problematische Versionsunterschiede) zu untersuchen und diese soweit wie möglich zu beseitigen bzw. deren Entstehen bestmöglich zu vermeiden.

Datensicherheit
Die Sicherheit der gespeicherten Daten ist ein zentraler Aspekt, der für fast jede Anwendung relevant ist. Es geht hier z. B. darum, die Daten vor unbefugten Zugriffen oder vor ungeplantem Löschen oder Verschieben zu schützen. Auch die Verschlüsselung der Daten und Datenbanken spielt mit in diesen Bereich hinein.

Stammdatenmanagement
Stammdaten sind Daten, die von mehreren oder allen Bereichen im Unternehmen oder in einer Anwendung benötigt werden. Dementsprechend werden sie an einer zentralen Stelle gepflegt.