Sundar: Nach meiner Erfahrung als Architekt in der Vergangenheit und Verwaltung und Beratung vieler meiner Kunden wurde Data Governance in der Vergangenheit hauptsächlich betrachtet, um die regulatorischen Anforderungen zu erfüllen. Früher war es also eine eigenständige Prozessebene, aber für eine effektive Data Governance sollte es ein ganzheitlicher Prozess sein. Dies sollte von der Quelle der Daten bis hin zur Nutzung des Feedbacks erfolgen. Das ist eine der wichtigsten Best Practices, die wir allen unseren Kunden empfehlen. Außerdem ist Data Governance ein kontinuierlicher Prozess. Es ist nicht so: “Okay. Ich habe mir heute die Anforderungen an die Daten angesehen”, ob es sich um gesetzliche Anforderungen oder die Verbrauchsanforderungen handelt, “und ich habe einen Plan dafür entwickelt und kann jetzt Risiken eingehen.” Nein.
Die Data Governance ist also ein kontinuierlicher Prozess. Die Anforderungen an Daten ändern sich laufend. Die Nutzung der Daten ändert sich laufend. Die Vorschriften ändern sich laufend. Daher ist der Data-Governance-Prozess und dessen Überprüfung ebenfalls sehr wichtig, und ein vollständiges Verständnis dessen, was passiert, was sich geändert hat, warum es geändert wurde, wann es sich geändert hat, und die Aufzeichnung dessen ist ebenfalls sehr wichtig. Aus diesem Grund sollte das Data-Governance-Framework einen ganzheitlichen Prozess haben. Es ist kein isolierter Prozess und sollte ständig überarbeitet und auch kontinuierlich verfolgt werden.
Lorbeer: Und wie Sie bereits erwähnt haben, sind die Menschen definitiv auch Teil dieses Prozesses und dieser Strategie. Wie denken Sie über Datenkompetenz als entscheidende Fähigkeit, die jeder im gesamten Unternehmen außerhalb der Tech-Teams haben muss? Wie sollten Führungskräfte anfangen, über die Vorbereitung nachzudenken und sicherzustellen, dass jeder über die richtigen Fähigkeiten zur Nutzung von Daten verfügt?
Sundar: Daten sind also das „neue Öl“, das überall gefüttert wird. Wenn Daten ein neues Öl sind, wird das Verständnis dafür, wie man sie verwendet, wo man diese Daten verwendet, sehr, sehr entscheidend. Wie und wo man sie einsetzt, bildet den Hauptteil der Datenkompetenz in jeder Organisation. Wenn wir bestimmte Daten verwenden müssen, sollten wir auch wissen, wo die Daten verfügbar sind. Datenkompetenz wird also auf zwei Ebenen angegangen. Erstens über die Bereitstellung von Informationen darüber, welche Daten verfügbar sind, wie gut diese verfügbaren Daten sind, wie auf diese Daten zugegriffen werden kann, wie diese Daten verarbeitet werden. Und zweitens haben die Daten, besonders in der heutigen Welt, auch viele Einschränkungen. Es ist sehr kritisch und enthält viele sensible Informationen. Die Grenze zwischen sensiblen Informationen und Daten, die leicht konsumiert werden können, ist in der heutigen Welt sehr schmal.
Wenn dies der Fall ist, dann ist die Kenntnis darüber, welche Daten wir verarbeiten und wie sensibel sie sind, was wir damit verwenden wollen, diese Kenntnis dieser Informationen ebenfalls sehr kritisch. Wenn die Führungskräfte also Datenkompetenzprogramme in ihren Organisationen planen, ist es auch wichtig sicherzustellen, dass es nicht nur um die Datennutzung geht, sondern auch darum, was die Nutzung der Daten ist und was das Ergebnis der Daten ist. Aus diesem Grund wird die Datenkompetenz und die Investition der Datenkompetenz in die Menschen sehr wichtig. Letztendlich sind es die Menschen, die die Systeme entwerfen und die Systeme entwickeln, die die Daten verarbeiten, daher ist die richtige Investition in die Alphabetisierung in diesem Aspekt von größter Bedeutung.
Lorbeer: Das sind also sehr wichtige Aspekte der Datenkompetenz, insbesondere in der gesamten Organisation, aber wir haben auch gesehen, dass ein weiterer Teil der digitalen Transformation darin besteht, Investitionen in den Betrieb in allen Geschäftsbereichen zu rationalisieren und zu maximieren. Vor Jahren haben Tech-Teams dies beispielsweise getan, indem sie Softwareentwicklung und -betrieb kombiniert haben, um DevOps zu erstellen, was agilere und datenorientiertere Arbeitsweisen ermöglichte. Das Forschungsunternehmen Gartner argumentiert, dass diese Philosophie auch auf andere Bereiche des Geschäfts angewendet werden kann, darunter künstliche Intelligenz und maschinelles Lernen zur Erstellung von MLOps, Daten zur Erstellung von DataOps und Finanzen zur Erstellung von FinOps, also Finanzen und Betrieb. Insgesamt können diese in einem einzigen Begriff namens XOps gebündelt werden. Es ist eine interessante Möglichkeit, verschiedene Teile des Geschäfts zu übernehmen und alles unter einem Dach zusammenzuführen. Welchen Wert können XOps einem Unternehmen als Ganzes bringen?
Sundar: Ja, wie Sie richtig gesagt haben, Laurel, XOps ist ein Dach, das verschiedene Operationen einbringt, die Innovationen durch die Technologie vorantreiben, um die Geschäftsanforderungen zu erfüllen und das Geschäft auf die nächste Stufe zu heben. Allerdings haben beispielsweise alle drei Operationen, die Sie erwähnt haben, ob es sich um DevOps, DataOps, MLOps oder sogar FinOps handelt, die vierte, überall den gemeinsamen Nenner der Operationen, und die Anforderung an diese Operationen ist es, Wert zu liefern auf höchst effiziente Weise.
Was wir also von DevOps gelernt haben, ist die Verwaltung eines Produkts im Vergleich zur Entwicklung, wie man beides kombiniert und diese Effizienz herausholt. Die gleichen Prinzipien werden in maschinelle Lernoperationen und Datenoperationen übernommen. Auch hier besteht aus technologischer Sicht der gemeinsame Faktor in der Automatisierung und kontinuierlichen Wiederverwendbarkeit der Prozesse, um den gesamten Vorgang effizient zu gestalten. Aus diesem Grund hat Gartner alle drei kombiniert und nennt es XOps, sodass Sie es wie ein Venn-Diagramm mit drei verschiedenen Operationen betrachten können, die sich um Automatisierung und Wiederverwendbarkeit mit Agilität drehen.