Aufgaben im Datenmanagement

Welche Aufgaben umfasst das Datenmanagement?

Das Datenmanagement umfasst eine Vielzahl an Aufgaben, um Daten korrekt zu identifizieren, zu organisieren, zu modellieren, zu erfassen, aufzubereiten, zu integrieren, zu pflegen, zu analysieren und zu schützen. Im Folgenden werden die Kernaufgaben des Datenmanagements im Überblick dargestellt, bevor es tiefer in die Details geht.

Kernaufgaben Datenmanagement

Was sind die Kernaufgaben im Datenmanagement?

• Datenquellen identifizieren und organisieren: Relevante Datenquellen finden und dokumentieren, einen Überblick schaffen und fehlende Daten erkennen.
• Daten modellieren: Datenbeziehungen analysieren und visualisieren, z.B. in Entity-Relationship Diagrams (ERDs).
• Daten erfassen: Dezentrale und analoge Daten sammeln sowie fehlende Daten beschaffen.
• Daten verfügbar machen: Zentrale Verfügbarkeit sicherstellen und mit großen Datenmengen umgehen.
• Datenqualität managen: Datenqualität messen, sicherstellen und Richtlinien erstellen.
• Daten aufbereiten: Daten integrieren und bereinigen, ETL-Prozesse automatisieren.
• Daten analysieren: Muster und Trends untersuchen, Kennzahlen definieren, Dashboards erstellen.
• Datenschutz gewährleisten: Gesetzeskonformen Datenschutz sicherstellen und Prozesse überprüfen.
• IT-Sicherheit umsetzen: Sicherheitsmaßnahmen implementieren und regelmäßige Backups durchführen.
• Datenausrichtung sicherstellen: Datenstrategie an Unternehmenszielen ausrichten, Datenkultur fördern, Verantwortlichkeiten klären.

Die Kernaufgaben im Detail

Wie sehen die Kernaufgaben im Datenmanagement im Detail aus?

In den vorherigen Beiträgen ging es um die Bestandteile sowie Ebenen im Datenmanagement. In den folgenden Ausführungen der Aufgaben in Klammern sind jeweils Bestandteil und Ebene des Datenmanagements angemerkt. Dies dient dazu, die ineinander übergreifenden Zusammenhänge dieser umfangreichen Thematik besser nachvollziehen zu können.

Weiterlesen im anderen Beitrag:

>> Bestandteile des Datenmanagements für Unternehmen

>> Aufgaben im Datenmanagement

#1 Datenquellen und Datenlandschaft

Daten organisieren

• Datenquellen identifizieren: Herausfinden, wo relevante Daten abgelegt sind, z.B. in Systemen, Excel-Dateien, Papierunterlagen (Datenarchitektur, Operativ)
• Datenlandschaft erstellen: Überblick über alle Datenquellen und deren Beziehungen schaffen (Datenarchitektur, Organisatorisch)
• Fehlende Daten identifizieren: Aus der Datenlandschaft heraus zu beschaffende Daten erkennen (Datenarchitektur, Operativ)

Daten modellieren

• Datenbeziehungen und -Strukturen erkennen: Vorhandene Datenbeziehungen und -Strukturen erkennen, aber auch neu in Verbindung setzen (Datenmodellierung, Organisatorisch)
• Datenmodellierung visualisieren: ERDs (Entity-Relationship-Diagramme) erstellen und pflegen (Datenmodellierung, Organisatorisch)
• Datenmodellierungs-Visualisierung aktualisieren: Regelmäßige Überprüfung und Aktualisierung der ERDs (Datenmodellierung, Organisatorisch)

Daten anfordern und erfassen

• Daten außerhalb von Systemen, lokal abgelegte und verstreute Daten sammeln: Zusammentragen dezentraler Daten, z.B. aus lokal abgelegten Excel-Dateien (Datenarchitektur, Operativ)
• Analoge Daten digitalisieren: Digitalisierung von Daten auf Papieren, Visitenkarten, etc. (Datenarchitektur, Operativ)
• Fehlende Daten anfordern/beschaffen: Anfordern der zuvor als fehlend identifizierten Daten – interne Verfügbarkeit prüfen oder externe Dienstleister beauftragen (Datenarchitektur, Operativ)

Daten verfügbar machen und zugänglich halten

• Zentrale Datenverfügbarkeit und -zugänglichkeit sicherstellen: Datenlandschaft erneut überprüfen, Daten zentral zugänglich machen, um die Zusammenarbeit zu erleichtern (Datenarchitektur, Operativ)
• Mit großen Datenmengen umgehen: Big Data bewältigen (Datenarchitektur, Strategisch)

#2 Datenqualität

Datenqualität managen

• Datenqualität messen und überprüfen: Den Ist-Stand der Datenqualität kennen und Auffälligkeiten regelmäßig überprüfen (Datenqualitätsmanagement, Operativ)
• Datenqualität steigern und sicherstellen: Maßnahmen zur Optimierung und zum Aufrechterhalten hoher Datenqualität festlegen und implementieren (Datenqualitätsmanagement, Operativ)
• Datenqualitätsrichtlinien erstellen: Interne Standards der Datenqualität definieren und dokumentieren (Datenqualitätsmanagement, Organisatorisch)
• Datenprozesse monitoren: Datenprozesse innerhalb und außerhalb von Systemen regelmäßig überprüfen (Datenqualitätsmanagement, Organisatorisch)

Datenqualitäts-Reporting

• Datenqualitäts-Reports: aufbauen, erweitern und automatisieren von Datenqualitäts-Berichten (Datenqualitätsmanagement, Operativ)
• Datenqualität reporten: transparente Berichte über den Zustand der Datenqualität kommunizieren und Kenntnisnahme nachhalten (Datenqualitätsmanagement, Organisatorisch)
• Datenqualität nachhalten: Korrektur der Auffälligkeiten nachalten, erinnern, Maßnahmen ergreifen (Datenqualitätsmanagement, Operativ)

#3 Datenaufbereitung

Daten integrieren

• Daten integrieren: Rohdaten aus verschiedenen Datenquellen zusammenführen und abgleichen (Datenintegration, Operativ)
• Datenintegrations-Auffälligkeiten klären: Rücksprache mit Fachbereichen und IT, bei Problemen des Zusammenführens von Daten z.B. wegen fehlender Schlüsselfelder/schwierigem Matching (Datenintegration, Operativ)

Daten bereinigen

• Daten validieren: Richtigkeit und Zusammenhang überprüfen (Datenaufbereitung, Operativ)
• Fehler korrigieren: Fehler, Abweichungen und Differenzen zwischen Daten überprüfen und beheben (Datenaufbereitung, Operativ)
• Dubletten/Duplikate entfernen: Mehrfache Datensätze erkennen und zusammenführen (Datenaufbereitung, Operativ)
• Fehlende Daten anreichern: Fehlende Datensätze oder Feldinhalte identifizieren und anreichern (Datenaufbereitung, Operativ)
• Konsistente Daten erreichen: Einheitliche und im Zusammenhang passende Daten inhaltlich und im Format aufbereiten (Datenaufbereitung, Operativ)
• Daten umwandeln und konvertieren: in die notwendige Struktur, bestimmte Datentypen oder ein bestimmtes Format (zur Verwendung in Systemen oder bei Systemwechseln) bringen (Datenaufbereitung, Operativ)
• Auffälligkeiten aus Datenqualitäts-Überprüfung: nachvollziehen und beheben (Datenaufbereitung, Operativ)
• Datenmigration: umfasst das Übertragen von Daten, z. B. beim Systemwechsel von einem System in ein anderes (Datenaufbereitung, Operativ)

ETL – Daten automatisiert aufbereiten

ETL-Prozesse (Extract, Transform, Load): Automatisierung durch Tools wie Power Query, das Bestandteil von Microsoft Excel und Power BI ist. Damit können Daten integriert, bereinigt und transformiert werden. Am Beispiel von Excel mit Power Query Nutzung:

• Extract (Extrahieren): Daten werden aus verschiedenen Quellen wie Datenbanken, Excel-Dateien, PDFs, etc. extrahiert.
• Transform (Transformieren): Die extrahierten Daten werden gefiltert, Spalten entfernt, neue Spalten erstellt, gruppiert, bereinigt, in ein bestimmtes Format gebracht, aggregiert, etc.
• Load (Laden): Die transformierten Daten werden aufbereitet in Excel geladen.

Daten analysieren

(Business Intelligence, Operativ)

• Daten explorieren: Daten auf Muster, Abweichungen und Trends untersuchen
• Datenkorrelationen erkennen: Zusammenhänge in Daten erkennen
• Daten clustern: Zusammenfassen, gruppieren und kategorisieren von Daten
• Kennzahlen definieren: KPI und Kennzahlen festlegen und errechnen
• Forecasts, Planung, Vorhersagen: Muster, Verläufe und Trends erkennen und hochrechnen
• Datenvisualisierung: Diagramme und komprimierte Tabellen erstellen
• Dashboards: Kombination verschiedener Datenvisualisierungen aus einem oder mehreren Blickwinkeln, Bereitstellung von Übersichten und Zusammenhängen zu bestimmten Themen

#4 Datenschutz

Datenschutz gehört im Wesentlichen zur Datenverwaltung.

Überblick und Aktualität des Datenschutzes behalten

• Bewusstsein schaffen: Wissen, welche Daten an welcher Stelle durch wen gesammelt, gespeichert und verarbeitet werden. (organisatorisch)
• Datenkategorien kennen: Nicht-/personenbezogene, sensible Daten, etc. voneinander unterscheiden können. (organisatorisch)
• Betroffene Systeme kennen: Datenschutzaspekte der verwendeten Systeme verstehen. (organisatorisch)
• Technische Hilfsmittel nutzen: Tools und Software zur Unterstützung des Datenschutzes einsetzen. (operativ)
• Gesetzeskonformer Datenschutz: Praktikablen und gesetzeskonformen Datenschutz gewährleisten. (strategisch)
• Monitoring und Überprüfungen: Durchgehendes Monitoring eventueller Schwachstellen und Risiken sowie regelmäßige Überprüfungen. (operativ)
• Prozesse und Rahmenbedingungen schaffen: Prozesse und Rahmenbedingungen schaffen und deren Einhaltung absichern – bestenfalls technisch, wie durch z.B. Berechtigungskonzepte, Opt-Ins, Pflichtfelder. (organisatorisch)
• Datenlöschung, Archivierung und Lagerung: Sicherstellen, dass Daten gelöscht, archiviert und gelagert werden – insbesondere personenbezogene Daten und generell gemäß den gesetzlichen Anforderungen. (operativ)

Datenschutz auf Website und in Social Media

• Transparente Datenschutzerklärung und Impressum: Sicherstellen, dass diese vollständig und leicht zugänglich sind. (organisatorisch)
• Weitere Website-Inhalte absichern: DSGVO-konforme Absicherung von Formularen, Newslettern, Blogs, Leadmagneten, etc. (operativ)
• Cookie-Consent-Tool: Ein DSGVO-konformes und funktionales Cookie-Consent-Tool verwenden. (operativ)
• Analysedienste: Bedacht einsetzen und deren Datenschutzaspekte berücksichtigen. (operativ)
• Einstellungen überprüfen: Regelmäßige Überprüfung der Datenschutz-Einstellungen in Social Media. (operativ)

IT-Sicherheit

• Vertragliche Regelungen durch AVV, NDA (organisatorisch)
• Dienstleister- und Systemauswahl: Prozesse zur Auswahl von Dienstleistern und Systemen etablieren. (strategisch)
• Backups und Passwörter: Regelmäßige Backups, sichere Passwörter und Verschlüsselung verwenden.
• Technisch organisatorische Maßnahmen (TOM): Zutrittskontrolle, Eingabekontrolle, Zugriffskontrolle, Verfügbarkeitskontrolle, Weitergabekontrolle, Zugangskontrolle, Auftragskontrolle, Technikschutz, Umgang mit Subunternehmern und Freelancern inkl. Dokumentation. (operativ)
• Vertragliche Regelungen: Durch AVV (Auftragsverarbeitungsvertrag) und NDA (Geheimhaltungsvereinbarung) absichern. (organisatorisch)

Weiteres

• Dokumentation: Aktivitäten, Vorfälle und Datenschutzanfragen dokumentieren. (operativ)
• Notfallplan: Einen Notfallplan für Datenschutzvorfälle erstellen. (strategisch)
• Verarbeitungsverzeichnis und DSFA: Ein Verarbeitungsverzeichnis führen und Datenschutzfolgeabschätzungen/Risikofolgeabschätzungen (DSFA) durchführen. (organisatorisch)

#5 Datenausrichtung

• Unternehmensziele in Daten-Themen definieren: Sicherstellen, dass die Datenstrategie die Unternehmensziele unterstützt.
• Eine Datenkultur entwickeln: Förderung einer Kultur, die den Wert von Daten erkennt und nutzt.
• Verantwortlichkeiten und Zuständigkeiten festlegen: Klare Definition, wer für welche Datenmanagement-Themen und deren ineinandergreifen, verantwortlich und für Umsetzungen zuständig ist.
• Offene und transparente Kommunikation: Sicherstellen, dass alle Beteiligten intern wie extern über Datenprozesse und -richtlinien informiert sind.
• Ein Daten-Change-Management implementieren: Prozesse zum praktikablem Datenmanagement und für zeitnahe Korrekturen tagesgeschäfts-relevanter Daten-Umsetzungen, z.B. Systemupdates neuer Artikelstammdaten.
• Wertschöpfung aus Daten identifizieren: Erkennen und Nutzen des Potenzials von Daten zur Wertschöpfung im Unternehmen.

Datenmanagement-Aufgaben in verschiedenen Abteilungen im Unternehmen

Welche Datenmanagement-Aufgaben fallen in den verschiedenen Abteilungen eines Unternehmens an?

Datenmanagement betrifft uns alle und kann viel Aufwand bedeuten, wenn es unstrukturiert vor sich hinläuft oder nicht ausreichend ineinandergreifend umgesetzt wird. Aber wo und wie zeigen sich Datenmanagement-Aufgaben im Unternehmen überhaupt?

Im Folgenden sind einige Beispiele aus verschiedenen Unternehmensbereichen aufgeführt. Oftmals werden diese Aufgaben manuell erledigt. Werden diese Prozesse jedoch zentralisiert und vereinheitlicht sowie regelmäßig (z.B. jährlich) auf Aktualität geprüft und besprochen, kann an allen betroffenen Stellen nicht selten über 80% der Zeit gespart werden.

Wichtig ist, dass dies flexibel gehandhabt wird, damit die Bereitschaft der Fachbereiche, ihre Themen abzugeben, hoch bleibt und keine Insellösungen entstehen. Dabei sind unbedingt alle Beteiligten einzubeziehen, um eine wirksame Veränderung zu erreichen – nach klarer, strategischer und eindeutiger Entscheidungsfindung.

Vertrieb und Marketing

• Datenerfassung: Besuchsberichte, Aktionen, Kundenklassifizierung, Kontaktdaten spezieller Ansprechpartner, Wettbewerbspreise.
• Datenaufbereitung: Zusammenführen von Wettbewerbsinformationen für Vergleiche, Ausrichtung von Aktionen an selbst erhobenen Daten, Erstellen von E-Mail-Listen.
• Datenintegration: Zusammenführung von Daten aus verschiedenen Quellen, z.B. zur Beantwortung von Fragen aus dem Monats-Reporting (sinkende Umsätze, weniger Neukunden als geplant).
• Datenpflege: Aktualisierung von Ansprechpartnerdaten bei Ruhestand oder Zuständigkeitswechsel.
• Datenanalyse: Monitoring von Aktionen, Analyse von Verkaufszahlen zur Vorbereitung auf Fragen, Vorbereitung auf Kundenbesuche, Nachverhandlungswünsche mit Wettbewerbsvergleichen.
• Segmentierung und Zielgruppenanalyse.
• Pflege von Kundendaten und Verkaufsstatistiken.
• Kundensegmentierung, Kampagnenanalyse.
• kurzfristige Verkaufsprognosen, jährliche Umsatzplanung.

Finanzen

• Datenerfassung: Kundenstammdaten, Zuordnung von Zahlungseingängen, buchhalterische Buchungsvorgänge.
• Datenaufbereitung: Aufbereitung erforderlicher Informationen für Mahnprozesse und Eskalationen bei schlechter Zahlungsmoral sowie Kreditlimit-Kalkulationen.
• Datenintegration: Konsolidierung von Daten verschiedener Niederlassungen und Ergänzung eigener Zuordnungen.
• Datenpflege: Aktualisierung von IBAN und Zahlungsbedingungen.
• Datenanalyse: Forecasts, Budgetierung, Monatsabschluss-Reporting.
• Konsolidierung von Finanzdaten für Berichte.
• Finanzberichte.

Kundendienst

• Datenerfassung: Angebotserfassung, Auftragsbestätigung, Lieferzeitenverschiebungen, Reklamationen.
• Datenaufbereitung: Reklamationsübersicht, Lieferzeitenänderungen bei Großkunden.
• Datenintegration: Daten aus E-Mails und Systemen, Anmerkungen zu Kundenwünschen und Notizen im System, Abgleich von Lieferadressen aus Produktion und Warenwirtschaft.
• Datenpflege: Aktualisierung von Lieferadressen.
• Datenanalyse: Laufende Reklamationen, Lieferzeitenverschiebungen.

Produktmanagement

• Datenerfassung: Produktqualität, Kundenrückmeldungen zu Produktwünschen.
• Datenanalyse: Produkt-Reporting zur Produktentwicklung, Entscheidung über auslaufende Produkte.

IT

• Technik: Technische Aspekte hinsichtlich der generellen Funktionalität von Systemen, Schnittstellen und Co.
• Datenschutz-Aufgaben: Implementierung, Dokumentation, Monitoring, Weiterentwicklung.

Business Analyse

• Datenanalyse und Reporting: Aufbau, Ausbau und Automatisierung
• Datenqualität und Datenaufbereitung.
• Anforderungsmanagement rund um Daten, Systeme und Prozesse.
• Schnittstelle zwischen operativ, organisatorisch und strategisch: Operative und organisatorische Themen werden umgesetzt, Informationen zur Strategie geliefert und Handlungsempfehlungen ausgesprochen.

Diese Übersicht zeigt, wie präsent Datenmanagement in verschiedenen Unternehmensbereichen oft ist und welche Auswirkungen Änderungen und eine Zentralisierung im Datenmanagement haben können.

Schlussfolgerung

Was bedeutet das für die Aufgaben des Datenmanagements, deren Umfang und zukünftige Entwicklung?

Dieser Beitrag bietet keine vollständige Aufgabenauflistung im Datenmanagement, da sich dieses ständig weiterentwickelt. Die zunehmende Komplexität und Bedeutung zeigt sich durch Entwicklungen wie KI, die das Datenmanagement noch komplexer machen.

Beim Überblick über die Daten-Aufgaben der jeweiligen Abteilung stellt sich eine zentrale Frage: Muss jede:r Datenspezialist sein, um den eigenen Job machen zu können?

Weitere Ressourcen

>> Zur Übersicht

Weiterlesen:

>> Bedeutung des Datenmanagements

>> Vorteile des Datenmanagements