- Wann ist Data Mesh die richtige Lösung zur Erschließung des Datenwerts durch Dezentralisierung?
- Welche Entwicklungen und Trends erwartet Data Mesh und die Integration von Daten?
- Welche Herausforderungen konnte SCHOTT im Zusammenhang mit Data Governance bereits meistern?

Lernen Sie mehr darüber im Interview mit Martin Kemmer, Head of Smart Factory & OT4.0 bei SCHOTT, im Rahmen der Data MeshCon 2024! Laden Sie sich das ausführliche Interview hier kostenfrei herunter >>>

Günther Krähan, Head of Enterprise Architecture Management, und Stefan Zima, Data Transformation Leader / Group Program Manager bei der Raiffeisen Bank International AG, sprechen mit IQPC Germany über Data as the new Product, Daten Dezentralisierung, Herausforderungen die mit Daten verbunden sind sowie die Rolle von Schulungen, Change-Management und Mitarbeiter-Einbindung im Unternehmen.

Herr Krähan und Herr Zima sind Sprecher auf der FINARCH WEEK 2024. Mehr dazu in unserer Agenda 2024.

In this video our partner and exhibitor Futuroot is giving some insights into their solution, which is is backed and differentiated by the company’s profound experience in implementing, automating and optimising ERP systems like SAP for Fortune 500 organisations.

As an enabler for RPA, ML and AI, join our sponsor in the exhibitor's hall to find out how Process Mining can enhance ESG and ensure compliance.

Nikolay Sanofi, Intelligent Automation Leader at Sanofi, took some time to talk to us about his career and the next big things for Sanofi and other enterprises involving Automation in their processes.

Nico Bitzer, the CEO of Bots and People, is a passionate automation leader in the industry, responsible of an amazing company growth curve at Bots and People as well as helping other enterprises in their own automation journey. We were curious at how he is managing all that, so we didn´t only invite him to speak on our 7th Intelligent Automation & Artificial Intelligence conference in June, but also arranged a video interview with him for your consideration!

Charakterisierend für den Data Mesh-Ansatz ist die Verteilung von Datenverantwortung über die Organisation, weg von einer zentralen Verantwortung. Damit einher geht auch die Verantwortung für das Design des eigenen Datenprodukts, d.h. des Inhalts und der Struktur der für andere Geschäftsdomänen bereitgestellte Daten.

In der Durchführung eines jeden Prozesses werden die erfassten Daten verwendet. Sobald Unstimmigkeiten im Datenhaushalt auftreten, muss der Prozessschritt unterbrochen, umgelenkt und/oder wiederholt werden. Dies kann zu Verzögerungen oder Stillstand führen. Wenn diese beschriebene Prozesskette nun im Rahmen einer Dunkelverarbeitung läuft, müssten entweder entsprechende Workaround gebaut werden oder manuelle Eingriffe die Verarbeitung wieder starten. Somit bildet eine hohe Datenqualität die Grundlage für effiziente Prozesse!

Die Implementierung einer sinnvollen und gewinnbringenden Datenplattform, sei es ein Datawarehouse, ein Data Lake oder auch eine andere Form des Data Storage, setzt vor allem voraus, dass in der Vorbereitung der Datenbestand aufgeräumt wird. Denn um die Daten in geeigneter Form zu speichern, sie im Anschluss nutz- und auswertbar zu machen, ist es unabdingbar, dass sie beispielsweise möglichst frei von Doubletten sind, dass fehlerhafte Datensätze korrigiert oder bereinigt werden. Auch an dieser Stelle gilt „garbage in – garbage out“. Eine noch so gelungene Datenplattform mit den besten technischen Eigenschaften und wunderbaren Tools zur Auswertung der Daten oder angeschlossenen BI Lösungen bringt wenig Erfolg, wenn die Datenbasis schlecht ist. Daher ist die Antwort auf die Frage relativ einfach, wenn auch in der Umsetzung eine Herausforderung. Um ein aufgeräumtes Datawarehouse zu implementieren, benötigt man einen aufgeräumten Datenbestand.