Was ist ein Data Mesh in der Mode?
Ein Ansatz des Datenmanagements, bei dem Fachbereiche ihre Daten selbst verantworten und als Produkte bereitstellen, statt sich auf ein zentrales Datenteam zu verlassen.
Kurz erklärt
Ein Data Mesh ist ein organisatorischer und technischer Ansatz, bei dem Fachbereiche ihre Daten selbst verantworten und sie als klar definierte Datenprodukte für andere bereitstellen. Statt eines zentralen Teams, das alle Daten betreut, übernehmen Abteilungen wie Wholesale, Retail oder Supply Chain die Verantwortung für Qualität und Verfügbarkeit ihrer eigenen Daten.
Wie funktioniert das in der Praxis?
Der Ansatz beruht auf vier Ideen: Verantwortung bei den Fachdomänen, Daten als Produkt, eine Self-Service-Datenplattform und föderierte Governance. Ein Wholesale-Team könnte zum Beispiel ein Datenprodukt zum Auftragsbestand mit vereinbarten Definitionen, Aktualisierungsrhythmen und Dokumentation veröffentlichen. Das Retail-Team stellt Filialverkäufe bereit, die Supply Chain eingehende Lieferungen. Eine gemeinsame Plattform liefert Speicher, Zugriffskontrolle und Werkzeuge, während gemeinsame Standards die Produkte kompatibel machen.
Warum ist das für Modeunternehmen wichtig?
Modeunternehmen erzeugen Daten an vielen Stellen: in Design und PLM, im Einkauf, im ERP, in Filialen, im E-Commerce, in B2B-Portalen und in der Logistik. Zentrale Datenteams werden oft zum Engpass und verstehen nicht unbedingt die fachliche Bedeutung jedes Feldes. Ein Data Mesh verlagert die Verantwortung näher zu den Personen, die die Daten am besten kennen. Es passt eher zu grösseren Gruppen mit mehreren Marken oder Regionen. Kleinere Unternehmen erreichen ähnliche Vorteile oft mit einem gut geführten Data Warehouse.
Wie verändert KI das Thema?
KI-Projekte brauchen vertrauenswürdige, gut beschriebene Daten. Klare Datenprodukte erleichtern es, Werkzeuge für Prognosen, Preisgestaltung oder Assistenten auf verlässlichen Eingangsdaten aufzubauen. Datenkataloge mit KI-Suche helfen Nutzern, das richtige Datenprodukt zu finden, und Sprachmodelle können dokumentierte Datenprodukte als verlässliche Quellen nutzen, wenn sie geschäftliche Fragen beantworten.
Typische Stolperfallen
- Bestehende Datensilos in Mesh umbenennen, ohne dass echte Verantwortung entsteht.
- Verschiedene Domänen verwenden widersprüchliche Definitionen derselben Kennzahl.
- Fehlende Datenkompetenz in Fachteams, die Datenprodukte verantworten sollen.
- Schwache Governance, die zu Doppelungen und Sicherheitslücken führt.
Häufige Fragen
Was ist der Unterschied zwischen einem Data Mesh und einem Data Lake?
Ein Data Lake ist eine Speichertechnologie für grosse Mengen an Rohdaten. Ein Data Mesh ist ein organisatorischer Ansatz dafür, wer Daten verantwortet und bereitstellt, und kann darunter Data Lakes oder Data Warehouses nutzen.
Ist ein Data Mesh für jedes Modeunternehmen geeignet?
Nein. Am nützlichsten ist es für grosse, komplexe Organisationen mit vielen Domänen und Datenteams. Kleinere Unternehmen profitieren meist mehr von einer zentralen, gut geführten Datenplattform.