Wirtschaftsanalysten müssen in den Prozess einbezogen werden, um ihn für alle weniger stressig zu gestalten, und IT und Datenwissenschaft müssen die Technologie klarer machen.
Ein gutes Datenmodell berücksichtigt den Kontext des Geschäftsprozesses, den es ansprechen muss, und behandelt diesen Kontext dann mit den Datentypen, die für die Entscheidungsfindung zur Unterstützung dieses Prozesses erforderlich sind. Aber es ist nicht immer so einfach.
SEHEN: Navigieren zum Datenschutz (kostenloses PDF) (Technologische Republik)
Es herrschte erhebliche Verwirrung über Datenmodelle, die viel zu lange als abstrakte Domäne von Dateningenieuren und -wissenschaftlern galten. Ein Grund für die Verwirrung liegt zum Teil darin, dass Datenmodelle immer in der technischen (oder physischen) Struktur der Modelle diskutiert werden. Mit physisch meine ich die technischen Namen von Datenelementen und -sätzen, die technischen Namen von Datenbanken und Datentransformationen sowie den Jargon von Programmiersprachen wie R und Python, über den Endbenutzer und viele IT-Mitarbeiter nur geringe oder keine Kenntnisse haben.
Dies hat in den Reihen der IT-Anwender und Geschäftsanalysten zu einer großen Angst vor Datenmodellen geführt, die sich Unternehmen nicht leisten können, eine Angst, die die Entwicklung von Datenmodellen verhindert hat, die die ultimativen Geschäftsziele ansprechen und von denen man nicht in technische Daten abschweifen darf Nur wenige Leute bekommen etwas.
Um diese Denkweise zu ändern, sollten Business-Analysten direkt an der Definition von Datenmodellen beteiligt sein, sie müssen diese Arbeit jedoch nicht durch die Teilnahme an Kursen in Datenwissenschaft und Programmierung in ihrer Freizeit erledigen.
SEHEN: Entscheidungen, Entscheidungen: Wie wählt man zwischen so vielen Big-Data-Tools? (Technologische Republik)
So kann es gemacht werden.
1. Geschäftsanforderungen definieren
Welches Geschäftsproblem soll das Datenmodell lösen? Handelt es sich um einen automatisierten Kreditentscheidungsprozess? Oder ein Rezeptentwickler für die besten Zutaten zur Verwendung in einem Viehfutter für eine bestimmte Herde?
Der Business-Analyst ist am besten dafür gerüstet, mit Benutzern zusammenzuarbeiten und den Geschäftsprozess und die benötigten Daten zu visualisieren. Der Analytiker kann diese Bedürfnisse auch in einfacher Sprache beschreiben.
Das Ergebnis sollte ein Datenmodell sein, normalerweise in Form eines Blasendiagramms, das die verschiedenen benötigten Daten zeigt und eine begleitende Beschreibung enthält, die erklärt, wie die Daten verarbeitet werden sollen.
SEHEN: 8 Best Practices zur Optimierung Ihrer Analytics-Berichte (Technologische Republik)
Dabei konzentriert sich der Business-Analyst weiterhin auf die Bedürfnisse des Unternehmens. Er oder sie muss sich keine Gedanken darüber machen, welche Datensätze, Systeme oder Programmiermodule verwendet werden sollen, um das Geschäftsmodell umzusetzen.
2. Arbeiten Sie mit IT und Datenwissenschaft
Sobald das logische Bild von Datenblasen zusammen mit einer Beschreibung dessen, was bei der Verarbeitung dieser Daten passieren muss, entwickelt wurde, trifft sich der Business-Analyst mit der IT-Abteilung oder der Datenwissenschaft.
Dies sind die Personen, die das logische Modell des Datenmodells in ein Modell umwandeln, das die Datenspeicher, die internen Teile des Systems, die zu schreibenden Programme usw. in IT-Begriffen definiert.
SEHEN: 7 Big-Data-Wünsche für 2021: IoT-Standardisierung, stärkere Anwendungsfälle und mehr (Technologische Republik)
IT-Ingenieure und Datenwissenschaftler benötigen dieses physische Datenmodell für ihre Arbeit, die Anforderungen an den Business-Analysten sind jedoch geringer. Der Business-Analyst muss lediglich über fundierte Kenntnisse der technischen Terminologie und Prozesse verfügen, um auf hohem Niveau mit der IT kommunizieren und als Verbindungsmann zum Endbenutzer fungieren zu können, um sicherzustellen, dass das Datenmodell und die Anwendungsentwicklung aufrechterhalten werden. Weiterführung des Geschäftsanwendungsfalls.
3. Testen und installieren Sie die Ergebnisse des Datenmodells
Sobald die Datenmodelle und Anwendungen erstellt sind, ist es für den Endbenutzer an der Zeit, sie zu testen. Dabei spielt der Business Analyst eine grundlegende Rolle und fungiert als Bindeglied zwischen Anwendern und Data Science/IT. Während des Prozesses werden Analyseanwendungen optimiert, signiert und dann in der Produktion installiert.
SEHEN: 7 Big-Data-Strategien vor Ort für 2021 (Technologische Republik)
Die Zusammenarbeit ist kein großer Schritt
In vielerlei Hinsicht unterscheidet sich die Rolle, die Geschäftsanalysten bei der Datenmodellierung spielen, nicht wesentlich von dem, was Analysten in der Vergangenheit getan haben. Analysten definieren Benutzeranforderungen für Anwendungen, formulieren ein grundlegendes Geschäftsdesign, steuern den Prozess durch die IT und testen schließlich die Anwendung und stellen sie in der Produktion bereit.
SEHEN: Warum ist maschinelles Lernen so schwer zu erklären? Wenn Sie dies deutlich machen, können Sie die Zustimmung der Stakeholder fördern (Technologische Republik)
Auch wenn für Diskussionen über Datenmodelle mit technischem Personal einige Terminologie und Technologien zu beherrschen sind, ist die Kenntnis der Grundlagen und des Vokabulars der Datenmodellierung keine große Herausforderung.
Dies sollte CIOs und Geschäftsanalysten ermutigen, die sich nun auf die Datenmodellierung konzentrieren müssen und darauf achten müssen, wie sie dem Unternehmen bessere Ergebnisse liefern und Vertrauen bei seinen Benutzern schaffen können.
