Data Management (DM)

Einordnung / Definition Data Management

Data Management wurde u.a. von der Organisation DAMA definiert. Sinngemäß wird bei der DAMA folgendes unter Data Management verstanden: Data Management ist die Gesamtheit aller Methoden und Verfahren bzgl. konzeptioneller, organisatorischer und technischer Verwendung von Daten mit dem Ziel der Nutzenmaximierung in den Geschäftsprozessen über den gesamten Datenlebenszyklus.

Diese sehr allgemein gehaltene Definition nutzt in der Praxis häufig nicht weiter. Desweiteren beschäftigt sich die DAMA sehr stark mit der Theorie, bei der die Bodenhaftung sehr schwer fällt.

Vereinfachung des Verständnis zum Data Management

BI-Wiki Definition: Data Management dient der Unterstützung von unternehmensrelevanten Geschäftsprozessen, in dem real existierende Objekte, Subjekte und deren Beziehungen untereinander in elektronischer Form (d.h. Daten) verarbeitet werden

  • Sinn und Zweck ist die elektronische Unterstützung von unternehmensrelevanten Geschäftsprozessen.
  • Mittel zum Zweck ist die Transformation der Realwelt in Daten.
  • Daten haben den alleinigen Zweck Geschäftsprozesse zu unterstützen und damit auch nur im Kontext der Geschäftsprozesse eine Existenzberechtigung. D.h. Daten die nicht mehr benötigt werden müssen auch entfernt werden.

Neben diesem Zweck müssen noch weitere Rahmenbedingungen eingehalten werden, die sich allerdings nur zwangsläufig aus der Entstehung von Daten ergeben, hierzu zählen:

  • gesetzliche Rahmenbedingungen (z.B. Datenschutzgesetz, Steuergesetze, ...)
  • unternehmerische Rahmenbedingungen (z.B. Datensicherheit)
  • regulatorische Rahmenbedingungen (z.B. vom Kartellamt, Regulierungsbehörde, ...)

Methoden des Data Management

Typische Methoden für die Umsetzung des Data Managements sind:

  • Datenmodellierung (Sematische, Logische und Physiche Datenmodellierung)
  • Richtlinienmanagement
    • Data Life Cycle Management (Datenlebenszyklus von der Erhebung bis zur Löschung)
    • Datenschutz
    • Datensicherheit
  • Datenqualitätsmanagement
  • Metadatenmanagement

Data Management versus Business Intelligence / Data Warehouse

Häufig, wie auch von der DAMA, wird Business Intelligence und Data Warehousing als eine eigene Disziplin von Data Management bezeichnet. Dies ist aber nur dem geschuldet, dass Business Intelligence und Data Warehousing als Bottom-Up-Methode und reine IT-Disziplin gesehen werden. D.h. es wird versucht aus Daten der transaktionalen Informationssysteme (OLTP) künstlich Daten in analytischen Informationssystemen (OLAP) zu generieren. Letztendlich ist aber das Datenmodell der analytischen Informationssysteme in der BI (Business Intelligence) auch nur eine Transformation der realen Welt in eine elektronische Welt. Es werden auch nur Daten verarbeitet, die auch in den transaktionalen Informationssystemen existieren. Aus Datenmanagementsicht gibt es keinerlei Besonderheiten in der Business Intelligence gegenüber Systemclustern der operativen Welt, wie Customer Relationship Management (CRM) oder Enterprise Resource Management (ERP) oder Abrechnungssysteme. Der einzige Unterschied der gemanaged werden muss ist die unterschiedliche Verwendung der Daten in der BI und damit der Unterschied zwischen OLTP und OLAP.