KI und die Herausforderung des Werts von Daten: Warum es an der Zeit ist, die Regeln des Datenmanagements umzuschreiben

Moderne Unternehmen stehen vor einer ähnlichen Herausforderung wie der Matrose in Samuel Taylor Coleridges „Ballade vom alten Seemann“, der umgeben ist von salzigem Meerwasser, das er nicht trinken kann: Ringsum überall Daten, aber sie sind zu nichts nutze (oder zumindest ist ihr Nutzen nicht so groß, wie er sein könnte).

Rasant ansteigende Datenmengen machen es den Security- und Observability-Teams schwer, geeignete Datenmanagement-Strategien zu finden, denn sie müssen ihre Kosten im Griff behalten und gleichzeitig Compliance-Anforderungen erfüllen. Mit Blick auf diese Ziele haben manche Unternehmen aber das Wichtigste aus den Augen verloren, nämlich die Wertschöpfung aus ihren Daten.

Unser jüngster Bericht,  Die neuen Regeln des Datenmanagements: Der Wert von Daten im KI-Zeitalter beleuchtet neue Trends im Datenmanagement und in der Struktur von Datenstrategien – wobei möglicherweise ein Umdenken gefordert ist. Die in Zusammenarbeit mit Oxford Economics durchgeführte Studie gibt Einblick in die Erkenntnisse, Bestrebungen und Herausforderungen von 1475 Security-, Observability- und IT-Fachleuten aus der ganzen Welt.

Seit den Anfängen der einfachen Datenerfassung hat sich viel verändert, und die leistungsstarken Analysen und KI-Funktionen der heutigen Zeit haben Unternehmen dazu bewogen, ihre Datenstrategie zu überdenken, um die Fülle der Daten und deren Nutzen irgendwie auszubalancieren. Dieser Bericht soll euch helfen, eure Datenmanagement-Strategie neu zu erfinden und neue Praktiken ins Spiel zu bringen, damit eure Daten ihren eigentlichen Zweck erfüllen: Wertschöpfung für euer Unternehmen.

Die Komplexität moderner Daten

Das Bedürfnis der End-User nach mehr Konnektivität, Digitalisierung und durch KI beschleunigte Innovation hat für einen exponentiellen Anstieg der Datenmengen gesorgt. Unsere Befragung zeigt, dass die Datenmengen tatsächlich für 67 % zu den größten Herausforderungen zählen, während ein noch größerer Anteil (69 %) das Sicherstellen von Datensicherheit und Compliance als Hauptproblem nennt.

Unternehmen, die mit dem Datenvolumen, Compliance-Herausforderungen und vielen weiteren Datenmanagement-Problemen zu kämpfen haben, bekommen auch weitreichende geschäftliche Auswirkungen zu spüren. 62 % der Befragten beklagen, dass Schwierigkeiten mit dem Datenmanagement zu Compliance-Versäumnissen geführt haben, bei 71 % hat die Entscheidungsfindung gelitten, und 46 % mussten Wettbewerbsnachteile hinnehmen.

Diese wachsenden Datenherausforderungen werden durch die überholten Datenmanagement-Praktiken vieler Unternehmen zusätzlich verschärft, weil sich damit die Komplexität der Daten über ihren gesamten Lebenszyklus hinweg nicht effektiv bewältigen lässt.

Die neuen Regeln des Datenmanagements – der Aufwand lohnt sich

Der Umfrage zufolge bestehen die Datenmanagement-Strategien derzeit vor allem aus Data-Lifecycle-Management (75 %) und Datenpipeline-Management (73 %). Weniger genutzte Praktiken wie Data-Tiering, Datennachnutzung und Datenföderation bieten für Unternehmen jedoch neue Möglichkeiten, ihre Datenumgebung besser zu verstehen und die Datenverfügbarkeit beträchtlich zu erhöhen.

Einige Datenmanagement-Praktiken, mit denen ihr den Wert eurer Daten steigern könnt:

• Data-Tiering: Die von 36 % der Befragten eingeführten Data-Tiering-Praktiken senken Speicherkosten, beschleunigen den Zugriff auf häufig verwendete Daten und steigern dadurch die Sicherheit und die Produktivität.
• Wiederverwendung von Daten: Zwar nennen nur 16 % eine Wiederverwendung von Daten als Bestandteil ihrer Datenmanagement-Strategie, doch bietet dieses Verfahren gute Möglichkeiten zur Kostensenkung. Die Minimierung überflüssiger Daten und die Förderung teaminterner und teamübergreifender Zusammenarbeit der Security- und Observability-Teams öffnet die Türen für neue Erkenntnisse und eine schnellere Incident-Behebung.
• Datenföderation: Zwar haben 92 % der Unternehmen irgendeine Form föderierter Daten eingeführt, aber nur 20 % haben das Verfahren vollständig implementiert. Zu den wichtigsten Vorteilen der Datenföderation gehören Zugriffs- und Analysemöglichkeiten für unterschiedliche Datenquellen, und zwar ohne die Daten-Migrationen. Die Folgen: schnellerer Zugriff, bessere Governance und mehr Transparenz.

Ein Sprichwort besagt: „Was dich hierher gebracht hat, wird dich nicht weiterbringen.“ Unternehmen haben immer mehr Möglichkeiten, ihre Datenstrategie zu überdenken und ihre Regeln umzuschreiben, um von der breiten Palette von Vorteilen zu profitieren. 

Starke Vorteile

Laut unserer Studie setzen Unternehmen mit herausragendem Datenmanagement in erster Linie auf drei Praktiken: vollständig implementierte Datenföderation, Datenpipeline-Management und Data-Lifecycle-Management.

Diese Leader zeichnen sich nicht nur durch ihre strategisch klugen Dateninvestitionen aus, sondern haben ihrem Mitbewerb auch eine Vielzahl von Geschäftsvorteilen voraus. Die Leader-Unternehmen berichten außerdem häufiger, dass ihre Datenmanagement-Strategie wichtige datenrelevante Datenmetriken verbessert hat, z. B. die Zugriffsgeschwindigkeit (79 %, Vergleichswert der übrigen Unternehmen: 73 %) und die Effizienz der Datenverarbeitung (76 %, Vergleichswert: 69 %). Dieser strategische Ansatz führt zu beträchtlichen Kosteneinsparungen bei den Leadern (62 %), die damit dem restlichen Feld (34 %) klar voraus sind.

Doch die zahlreichen Vorzüge für Unternehmen gehen weit über das Datenmanagement hinaus und erstrecken sich auch auf die Security- und Observability-Umgebungen. Im Sicherheitsbereich verzeichnen die Datenmanagement-Leader öfter (79 %) als die übrigen Unternehmen (61 %) eine einer kürzere MTTR (Mean Time to Respond), und auch weitere Messgrößen können die Leader deutlicher verbessern: die erfolgreiche Neutralisierung von Bedrohungen (65 %, Vergleichswert: 45 %) und die Anzahl der Sicherheitsverletzungen (43 %, Vergleichswert: 34 %).

Eine Datenmanagement-Strategie ist keine Einheitslösung. Allerdings stehen die Chancen gut, dass ihr eure Security-, Observability- und IT-Teams einen großen Schritt weiterbringt, wenn ihr eine Kombination aus Lifecycle-Management, Pipeline-Management und vollständig implementierter Datenföderation in eure Datenmanagement-Strategie einbindet. Dann tun sich die Teams wesentlich leichter, die Komplexität zu bändigen und in all dem Rauschen die wirklich wichtigen Warnmeldungen zu erkennen.

KI und Datenmanagement gehören zusammen

Wenn es um Datenmanagement geht, lässt sich eindeutig eine Auswirkung auf die erfolgreiche KI-Einführung feststellen. Im Gegenzug hat KI auch Auswirkungen auf das Datenmanagement. Die Kombination der beiden ist vielleicht vergleichbar mit der kulinarischen Kombination von Ziegenkäse und Honig – beide werten einander auf.

Eine robuste Datenmanagement-Strategie ist wichtig für die KI, denn mit der Datenqualität verbessert sich die Performance von KI-Modellen. Dies wird auch in der Befragung deutlich, denn 85 % geben an, dass ihre Datenmanagement-Strategie der KI ausreichend Daten in genügender Vielfalt zur Verfügung stellt, sodass sich daraus wertvolle Erkenntnisse gewinnen lassen. Darüber hinaus sagen 74 %, dass ihre Strategie hilft, die Lerndaten für die KI-Modelle um Bias-Verzerrungen zu bereinigen.

Auf der anderen Seite optimiert KI das Datenmanagement durch die Automatisierung von Aufgaben und durch Produktivitätssteigerungen, sodass Lücken im organisatorischen Ablauf geschlossen werden können. KI verbessert die Datenqualität durch die Automatisierung von Routineaufgaben – dem stimmen auch 73 % der Befragten zu – und eröffnet neue Möglichkeiten für die Data Discovery.

Als dynamisches Doppel bewirken Datenmanagement und KI schließlich einen Multiplikatoreffekt für Innovation, sie ermöglichen Unternehmen fundiertere Geschäftsentscheidungen und schaffen Wettbewerbsvorteile.

Maximaler Datennutzen mit guter Planung

Beim Maximieren des Nutzens von Security- und Observability-Daten geht es nicht nur um das Erfassen und Speichern von Informationen. Vielmehr ist ein ganzheitlicher Ansatz mit eigens zusammengestellten und hocheffektiven Praktiken erforderlich, damit Unternehmen Kosten sparen und ihre Daten in Assets des Unternehmenserfolgs verwandeln können.

Durch die Konzentration auf die Kernbereiche Lifecycle-Management, Pipeline-Management und vollständig implementierte Datenföderation können die Datenmanagement-Leader dafür sorgen, dass ihr Unternehmen in einem wettbewerbsorientierten und veränderlichen datengestützten Geschäftsumfeld agil, effizient und seiner Zeit voraus bleibt.

Am besten lest ihr den ganzen Bericht zur Studie, dann erfahrt ihr noch mehr dazu, was genau die Leader-Unternehmen von anderen unterscheidet. Außerdem geben unsere Splunk-Fachleute Empfehlungen zu Innovationskraft und Resilienz im Zeitalter von KI.