Datenlandkarte erstellen

Eine Datenlandkarte wird als eine grafische Darstellung des Datenökosystems einer Organisation, seiner Nutzung und Integration innerhalb und ausserhalb des Systems verstanden. Sie umfasst alle materiellen Komponenten über verschiedene Datenschichten und Datenformate hinweg und geht dabei über eine rein technische Sichtweise hinaus: Sie positioniert Daten im Kontext von quantifizierbarem Geschäftswert und strategischen Zielen. Ihr primärer Zweck ist es, die für die Erreichung von Geschäftszielen kritischsten Daten zu identifizieren und sicherzustellen, dass die richtigen Daten verfügbar, zugänglich und für den beabsichtigten Zweck geeignet sind.

Der Kontext als Ausgangspunkt

Wie bei den meisten Projekten lohnt es sich, zu Beginn den Scope klar zu definieren und die Schnittstellen zwischen System und Umgebung zu visualisieren. Kontextmodelle zeigen auf einer hohen Abstraktionsebene die Rahmenbedingungen und die wichtigsten Anspruchsgruppen eines Systems oder einer Organisation. Auf dieser Grundlage lässt sich der Scope der Datenlandkarte so wählen, dass sie aufschlussreiche Erkenntnisse liefert und dennoch verständlich bleibt.

Zwei Ebenen – Das Levelsystem

Das Gesamtkonstrukt der Datenlandkarte ist unterteilt in die Level 1 und 2 und folgt dabei dem Grundsatz «Vom Groben ins Detail»: Während Level 1 die oberste und allgemeinste Hierarchieebene darstellt, beschreibt Level 2 diese Informationen auf einem tieferen Detaillierungsgrad. Wie ausführlich die einzelnen Level analysiert werden, ist vom jeweiligen Use Case und dem Projekt Scope abhängig.

Level 1 – Applikationen

Dieses Level bildet die Architekturübersicht ab: die Gesamtheit der Systeme, deren Zusammensetzung und Komponenten sowie die miteinander verzahnte Betrachtung. Auf dieser Ebene lassen sich Qualitätsprobleme hervorheben – etwa wenn Daten mehrfach erfasst werden und dadurch unterschiedliche Werte entstehen. Darüber hinaus werden die Datenbestände sowie relevante Rollen (z. B. Data Owner) sichtbar.

Level 2 – Datenmodelle

Diese Ebene erlaubt eine detailliertere Betrachtung der Unternehmensdaten. Sie bildet eine Übersicht über deren Inhalt, Entstehungsort und gegenseitige Verbindungen. Datenflüsse werden innerhalb des abgesteckten Scopes entlang des Data Lifecycle skizziert – vom Datenursprung über die Datenverarbeitung bis hin zum Reporting.

How to

1. Vorbereitung und Zieldefinition: Umfang und Ziele der Datenlandkarte klar definieren – welche Datentypen (z. B. Kunden-, Mitarbeiter-, Finanz- oder Produktinformationen) und Datenkategorien (z. B. strukturierte, unstrukturierte, persönliche oder sensible Daten) einbezogen werden und welche internen und externen Systeme betrachtet werden. Stakeholder von Anfang an einbinden: Der Aufbau einer Datenlandkarte ist primär ein organisatorisches und kulturelles Vorhaben, das technische Aspekte nach sich zieht – nicht umgekehrt.
2. Datenerfassung und Inventarisierung: Alle potenziellen Datenquellen identifizieren (Datenbanken, Cloud-Speicherlösungen, interne und externe APIs) und die enthaltenen Datenbestände detailliert dokumentieren. In der Praxis haben sich semistrukturierte Interviews mit technischen und geschäftlichen Experten bewährt, um Fragen wie «Wer arbeitet wann mit welchen Daten?», «Wofür werden sie genutzt?» und «Wie entstehen neue Daten?» zu beantworten. Alternativ eignen sich Fragebogen.
3. Datenklassifizierung und Beziehungen: Beziehungen zwischen den verschiedenen Datenbeständen identifizieren. Dies ist entscheidend, um die Datenqualität zu verbessern und Konsistenz über verschiedene Systeme hinweg zu gewährleisten.
4. Abbildung von Datenflüssen und Transformationen: Datenflüsse sowohl vorwärts als auch rückwärts verfolgen. Vorwärts Lineage zeigt den Weg der Daten von der Quelle bis zur finalen Ausgabe, Rückwärts Lineage ermöglicht die Fehlerbehebung und Validierung von Ergebnissen. Diese duale Verfolgung schafft Transparenz und unterstützt die Erfüllung von Compliance Anforderungen.
5. Visualisierung und Berichterstattung: Die gesammelten Informationen in einer interaktiven Datenlandkarte darstellen, die Perspektiven aus Fachlichkeit, Business und technischer Infrastruktur vereint. Erkannte Herausforderungen werden direkt auf der Visualisierung gekennzeichnet.

Das Ergebnis ist eine dem Scope entsprechende, schematische Darstellung der Datenlandschaft des Unternehmens, welche alle entsprechenden Applikationen, Daten und Datenmodelle übersichtlich veranschaulicht.

Lebendig statt statisch: AtlasOne

Eine Datenlandkarte ist kein statisches Endprodukt, sondern ein lebendiges Dokument, das sich mit dem Geschäft weiterentwickelt. Mit AtlasOne haben wir ein Tool entwickelt, das diesen Prozess von einer rein manuellen Dokumentation in ein dynamisches Management Tool überführt: interaktive Navigation zwischen beiden Ebenen, zentrale Pflege von Änderungen an Systemen, Datenbeständen und Schnittstellen sowie das direkte Markieren von Qualitätsproblemen in der grafischen Übersicht.

Vertiefte Informationen zur Methodik finden Sie in unserem Whitepaper Datenlandkarte.

‍