Im zeitalter der digitalen transformation wurden daten zum wertvollsten gut für unternehmen aller branchen. die fähigkeit, diese informationen zu sammeln, zu verarbeiten, zu analysieren und vor allem zu verwalten, ist jetzt der kern jeder erfolgreichen strategie. eine kürzlich von denodo in zusammenarbeit mit ikn italy durchgeführte studie ergab jedoch ein besorgniserregendes bild für die italienische geschäftslandschaft: ein erheblicher prozentsatz der unternehmen hat immer noch keine strukturierten management- und data-governance-zahlen. diese lücke ist nicht nur ein operatives problem, sondern ein echtes hindernis für die vollständige realisierung des potenziellen datengetriebenen unternehmens und stellt unternehmen vor komplexe herausforderungen, die von einer schlechten datenqualität bis hin zur schwierigkeit reichen, zeitnahe und zuverlässige erkenntnisse zu generieren. dieser artikel zielt darauf ab, die herausforderungen, die sich aus dieser forschung ergeben, eingehend zu untersuchen und die auswirkungen des mangels des chief data officer, die trennung zwischen business und it und die auswirkungen einer schlechten datenqualität zu analysieren. wir werden neue lösungen untersuchen, von der datenvirtualisierung bis hin zu fortschrittlicheren architekturen wie data fabric und data mesh sowie der transformativen rolle von cloud-technologien und künstlicher intelligenz. ziel ist es, einen klaren weg für italienische unternehmen zu einem agileren, sichereren und wertorientierteren datenmanagement zu skizzieren, das von grundlegender bedeutung ist, um in einem zunehmend dynamischen und datenzentrierten markt zu konkurrieren, in dem die entscheidungsgeschwindigkeit und relevanz von informationen über erfolg oder unternehmensversagen entscheiden können. das verständnis dieser dynamik ist der erste schritt, um eine zukunft aufzubauen, in der die daten nicht nur eine akkumulation, sondern ein echter strategischer motor sind.
Das italienische panorama und die krise der date governance: eine tiefe analyse #
Die denodo-forschung hat eine realität aufgezeigt, in der in italien die **29% der unternehmen immer noch keine person haben, die sich speziell mit data governance befasst *. eine alarmierende zahl, die eine noch unsichere wahrnehmung von daten als grundlegendes strategisches kapital widerspiegelt. nur weniger als zwei von zehn unternehmen (bis zu 19%) können einen chief data officer (cdo) in ihren eigenen mitarbeitern vorweisen, während in den meisten fällen (26%) die governance-funktion an den chief information officer (cio) delegiert ist, ist sie akut, aber mit einem primären fokus auf technologische infrastruktur und nicht auf strategische datenverbesserung. diese delegation kann zu einem unzureichenden management führen, da das ioc oft von aufgaben im zusammenhang mit it-operationen besessen ist und möglicherweise nicht über die spezifischen visionen oder fähigkeiten verfügt, um die komplexen herausforderungen der data governance anzugehen, zu denen rechtliche, ethische, qualitativ hochwertige und unternehmenspolitische aspekte gehören. das fehlen einer dedizierten und genau definierten rolle setzt unternehmen einer reihe erheblicher risiken aus, darunter betriebliche ineffizienzen, versteckte kosten aufgrund unzuverlässiger daten, schwierigkeiten bei der einhaltung immer strengerer vorschriften wie der dsgvo und vor allem eine erhebliche unfähigkeit, den maximalen nutzen aus den immensen datenmengen zu ziehen, die täglich generiert werden. in einer zunehmend wettbewerbsorientierten globalen wirtschaft und datengetriebenen wirtschaft bedeutet der verzicht auf eine robuste und proaktive data governance, sich selbst zu einem wettbewerbsnachteil zu verurteilen. geschäftsentscheidungen, von der definition von marketingstrategien bis hin zur optimierung der lieferkette, von der anpassung der kundenerfahrung bis hin zur minderung finanzieller risiken, hängen intrinsisch von der qualität, zugänglichkeit und integrität der daten ab. ohne einen klaren leitfaden und eine organisationsstruktur, die das management unterstützt, bleiben daten in silos isoliert, ihre qualität verschlechtert sich und ihre potenzielle intelligenz bleibt unausgesprochen und verwandelt sich von chancen zu lasten. diese situation zeigt nicht nur eine operative lücke, sondern eine echte strategische krise, der sich italienische unternehmen dringend stellen müssen, um in der modernen digitalen szene relevant und innovativ zu bleiben, in der volumen, geschwindigkeit, vielfalt und richtigkeit der daten (die sogenannten “4 v” des big data) weiterhin exponentiell wachsen und die governance komplexer, aber auch kritischer als je zuvor machen.
Die trennung zwischen business und it: hindernisse für die datenverbesserung #
Einer der wichtigsten aspekte der denodo-forschung ist die tiefe diskrepanz zwischen geschäftsanforderungen und it-fähigkeiten in bezug auf datenmanagement und -bereitstellung. *23% der italienischen unternehmen beschweren sich über lange wartezeiten, bevor sie die erforderlichen daten haben, während *19% unter datenstreuung und -isolation innerhalb der verschiedenen geschäftsstrukturen leiden. diese zahlen sind keine einfachen statistiken, sondern manifestationen eines systemischen problems, das die operative und strategische agilität von unternehmen bremst. das geschäft, getrieben von der notwendigkeit, schnell auf marktdynamiken zu reagieren, das angebot an die kunden anzupassen und prozesse zu optimieren, erfordert einen einfachen, schnellen und autonomen zugriff auf zuverlässige informationen. die it hingegen verwaltet häufig komplexe altinfrastrukturen und begrenzte ressourcen und technologische einschränkungen, die eine schnelle datenbereitstellung sauber und integriert machen. diese reibung erzeugt einen teufelskreis: das unternehmen, das durch verzögerungen frustriert ist, verwendet schattenlösungen (schatten-it), erstellt seinen eigenen datensatz und seine eigene analyse, denen es oft an strenge, kohärenz und governance mangelt, was die fragmentierung und gesamtkomplexität erhöht. daten bleiben in abteilungssilos gefangen - ob excel-blattblätter, lokale datenbanken oder spezifische anwendungssysteme -, was es fast unmöglich macht, eine einzigartige und ganzheitliche ansicht des kunden oder des geschäftsbetriebs zu sehen. das fehlen eines einzigen zugangspunkts und einer gemeinsamen semantik verwandelt die suche nach relevanten informationen in eine echte schatzsuche, die wertvolle zeit verbraucht und das vertrauen in die daten selbst untergräbt. diese ineffizienz führt nicht nur zu höheren betriebskosten, sondern auch zu suboptimalen entscheidungen, verlust von marktchancen und mangelnder innovationsfähigkeit. die trennung zwischen denen, die daten generieren, und denen, die sie strategisch nutzen müssen, ist kein bloßes technisches problem, sondern eine organisatorische und kulturelle herausforderung, die eine neuausrichtung der ziele und eine neudefinition der rollen erfordert, mit der it, die als infrastrukturanbieter zu facilitator und corporate intelligence enabler wird, und dem unternehmen, das ein größeres bewusstsein für die quellen und die qualität der daten entwickelt, die es für seine eigene analyse verwendet.
Die strategische rolle des chief data officer: architekt der datengetriebenen transformation #
Die schlechte präsenz eines chief data officer (cdo), der in 19% der italienischen unternehmen zu finden ist, ist eines der offensichtlichsten anzeichen für einen noch nicht ausgereiften ansatz für das datenmanagement. während 26% der unternehmen diese aufgabe dem cio anvertrauen, ist es wichtig zu verstehen, dass, obwohl es überschneidungen gibt, die rolle des cdo unterschiedlich und komplementär ist, aber vor allem “unverzichtbar” ist, um die datengesteuerte ära zu navigieren. cio konzentriert sich traditionell auf technologieinfrastruktur, konnektivität, systemsicherheit und it-betriebseffizienz. der cdo hingegen hat als primäres mandat die *maximierung des wertes von daten als strategisches kapital des unternehmens *. dies bedeutet die festlegung der datenstrategie, die festlegung von governance-richtlinien (von qualität bis datenschutz, von sicherheit bis ethik), die förderung einer datengesteuerten kultur und die ermöglichung von innovationen durch intelligente analyse und nutzung von informationen. der cdo ist der architekt, der die brücke zwischen technologie und geschäftszielen schlägt und sicherstellt, dass daten nicht nur zugänglich, sondern auch zuverlässig, konform und bereit sind, in umsetzbare erkenntnisse umgewandelt zu werden. seine aufgaben reichen von der erstellung eines unternehmensdatenkatalogs über die betreuung von integrationsprojekten, von der definition des kpi für die qualität der daten bis hin zur verwaltung des gesamten lebenszyklus von informationen. es ist keine rein technische rolle, sondern erfordert eine einzigartige kombination aus strategischer vision, tiefem geschäftsverständnis, führungsqualitäten und einem soliden wissen über grundlegende technologien. ein effektiver cdo arbeitet transversal an der organisation und arbeitet mit allen funktionen zusammen, um neue datenbasierte möglichkeiten zu identifizieren und die mit ihrem management verbundenen herausforderungen zu lösen. seine präsenz ist entscheidend, um die trennung zwischen business und it zu überwinden und als katalysator für einen ganzheitlichen datenansatz zu fungieren, der jede entscheidungsebene des unternehmens durchdringt. in einen cdo zu investieren bedeutet, in seine fähigkeit zu investieren, fundiertere entscheidungen zu treffen, den betrieb zu optimieren, produkte und dienstleistungen zu innovieren und einen dauerhaften wettbewerbsvorteil in einem sich ständig weiterentwickelnden markt aufzubauen, in dem die geschwindigkeit und genauigkeit von informationen von entscheidender bedeutung sind. der cdo ist kein luxus, sondern ein strategisches bedürfnis für jedes unternehmen, das wirklich datengetrieben sein will.
Die qualität der daten als fundamentaler pilar: auswirkungen und strategien #
Denodos forschung ergab, dass 84% der unternehmen glauben, dass die vielfalt der datenquellen die qualität der analyse negativ beeinflusst*. diese daten stehen für eine zentrale herausforderung: die schlechte qualität der daten ist kein isoliertes technisches problem, sondern ein strategisches hindernis, das das vertrauen untergräbt, den betrieb verlangsamt und entscheidungen auf allen ebenen beeinträchtigt. die qualität der daten ist nicht auf genauigkeit beschränkt, sondern ein mehrdimensionales konzept, das folgendes umfasst: vollständigkeit (alle notwendigen informationen sind vorhanden?), konsistenz (die daten sind zwischen verschiedenen quellen einheitlich?), gültigkeit (die daten respektieren die standardformate und -werte?), tempestività (die daten sind aktuell?), einheit (es gibt keine duplikate?) und integrität (die datenbeziehungen sind korrekt?). wenn einer oder mehrere dieser aspekte fehlschlagen, sind die folgen in jedem geschäftsbereich zu spüren. denken sie an ein crm mit doppelten oder falschen kundenadressen: marketingkampagnen werden unwirksam, kommunikation scheitert, kundenerfahrung und unternehmensreputation können beeinträchtigt werden. in operativen prozessen können ungenaue bestandsdaten zu übermäßigen beständen oder bestandsbrüchen führen, was zu ineffizienzen und verlusten führt. strategisch gesehen können verkaufsprognosen, die auf unzuverlässigen historischen daten basieren, zu falschen produktions- oder investitionsentscheidungen führen, mit erheblichen finanziellen auswirkungen. die am stärksten betroffenen sektoren sind laut forschung diejenigen mit kunden (25%), geschäftsbetrieb (24%) und umsatz (20%), bereiche, in denen die datenqualität direkt mit der prognose und definition von marktstrategien zusammenhängt. um dieser herausforderung zu begegnen, ist es wichtig, einen proaktiven ansatz für das datenqualitätsmanagement zu verfolgen**. dies umfasst das profiling von daten zur identifizierung kritischer probleme, die definition von validierungsregeln, die implementierung von reinigungs- und anreicherungsprozessen und die einführung von master data management (mdm) -lösungen, um eine “einzigartige quelle der wahrheit” für kritische einheiten (kunden, produkte, lieferanten) zu schaffen. datenqualität ist kein einmaliges projekt, sondern ein kontinuierlicher prozess, der eine ständige überwachung, governance und das engagement der gesamten organisation erfordert. nur so können daten aus potenziellen quellen zuverlässiger säulenfehler für unternehmenswachstum und -innovation transformiert werden.
Virtualisierung von daten: brücke zu agilität und demokratisierung #
Angesichts von fragmentierungsherausforderungen, langen wartezeiten und schlechter datenqualität gewinnt eine technologische lösung an bedeutung: die virtualisierung von daten. denodo-forschung zeigt, dass die 61% der italienischen unternehmen die einführung dieser technologien in betracht ziehen, um die herausforderungen der integration und verwaltung des informationserbes zu lösen. aber was genau ist datenvirtualisierung und warum gilt sie als so vielversprechende lösung? zusammenfassend erstellt die datenvirtualisierung eine einheitliche und echtzeit-logikansicht aller geschäftsdatenquellen, unabhängig von standort (vor ort, cloud), format (strukturiert, unstrukturiert) oder komplexität. anstatt daten physisch in ein data warehouse oder einen data lake zu verschieben, um sie zu integrieren (ein langsamer und teurer prozess), lässt die virtualisierung die daten dort, wo sie sich ursprünglich befinden, und erstellt eine abstraktionsebene, die sie zugänglich macht, als wären sie in einem einzigen repository. die vorteile sind vielfältig und wirken sich stark auf unternehmen aus. zunächst einmal die agilität: das unternehmen kann in drastisch verkürzten zeiten auf die benötigten daten zugreifen, die lange wartezeiten überschreiten. zweitens die demokratisierung*: virtualisierung ermöglicht einen self-service-ansatz, der es geschäftsanwendern ermöglicht, daten unabhängig zu hinterfragen und zu analysieren, ohne die ständige abhängigkeit von der it für die erstellung von berichten. die virtualisierungsplattform fungiert als ein einziger zugangspunkt, an dem daten modelliert, angereichert und in verständlichen und konsistenten formaten für endbenutzer zur verfügung gestellt werden können. dies trägt wesentlich zur verbesserung der gesamtqualität der dargestellten daten bei, da transformations- und governance-regeln zentral angewendet werden können. durch die reduzierung der notwendigkeit, daten zu replizieren, erhalten sie eine ** verteilung auf speicher- und infrastrukturkosten ** und minimieren sicherheits- und compliance-risiken, da die originaldaten in ihren quellen geschützt bleiben. die virtualisierung von daten ist kein ersatz für data warehouses oder data lakes, sondern eine ergänzung, die sie effektiver macht und als leistungsstarke logische schnittstelle fungiert, die den zugriff und die integration aller quellen orchestriert, einschließlich derjenigen, die in komplexen umgebungen wie cloud- oder legacy-systemen leben, ein echtes flexibles datengesteuertes ökosystem ermöglicht und auf die sich ständig ändernden geschäftsanforderungen reagiert und eine schnellere kapitalrendite gewährleistet.
Beyond data lake: die entwicklung hin zu data fabric und date mesh #
Wenn die datenvirtualisierung ein grundlegender schritt in richtung agilität ist, entwickelt sich die landschaft der datenarchitektur ständig weiter und geht weit über das traditionelle data warehouse und data lake hinaus. denodo research stellt fest, dass die einführung des data lake in italienischen unternehmen noch nicht weit verbreitet ist, wobei mehr als ein drittel der organisationen (39%) keine haben . obwohl die data lakes eine große flexibilität bei der speicherung großer mengen an rohdaten im nativen format versprochen haben, sind sie oft zu „datensümpfen geworden – datensümpfe, die nicht reguliert, schwer zu entdecken und effektiv zu nutzen sind. um diese einschränkungen zu überwinden und auf die zunehmende komplexität der datenquellen und die unterschiedlichen bedürfnisse der nutzer zu reagieren, entstehen fortschrittlichere konzepte wie data fabric und data mesh. data fabric ist eine ganzheitliche datenmanagement-plattform, eine integrierte und intelligente architektur, die darauf abzielt, das datenmanagement in heterogenen umgebungen (on-premise, multi-cloud, edge) durch automatisierung, ki und maschinelles lernen zu vereinheitlichen. ziel ist es, eine integrierte sicht auf daten zu bieten und deren entdeckung, zugriff und governance unabhängig von ihrem physischen standort zu erleichtern. es ist kein produkt, sondern ein architekturmodell, das verschiedene technologien – einschließlich datenvirtualisierung – orchnet, um ein zusammenhängendes und selbstverwaltbares datenökosystem zu schaffen, das es unternehmen ermöglicht, daten effizienter, skalierbarer und sicherer zu verwalten. auf der anderen seite stellt das data mesh einen radikaleren wandel dar, nicht nur technologisch, sondern auch organisatorisch und kulturell. es handelt sich um eine dezentrale architektur, die daten als produkte verarbeitet und datenbesitz bestimmten domänenteams zuweist (z.b. kundenteam, produktteam, die für die bereitstellung hochwertiger daten verantwortlich sind, die von anderen teams dokumentiert und leicht konsumiert werden können. die vier grundprinzipien von data mesh sind: ownership based on domain*, data as product, eine self-service plattform für daten und eine ** föderierte computational governance***. dieser ansatz zielt darauf ab, die engpässe zentralisierter datenteams zu überwinden und den geschäftsteams mehr autonomie zu geben und innovationen zu beschleunigen. sowohl data fabric als auch data mesh versuchen, datenisolierungs- und zugriffsprobleme zu lösen, die von denodo research hervorgehoben wurden, und bieten agilere und skalierbarere frameworks für die verwaltung von informationsressourcen in einem verteilten und diversifizierten datenkontext. die virtualisierung von daten kann als schlüsselkomponente innerhalb dieser beiden paradigmen fungieren und den für die integration und den zugriff auf daten erforderlichen abstraktionsgrad auf kohärente und geregelte weise bereitstellen, was den übergang von einem monolithischen ansatz zu verteilten und werteorientierten daten erleichtert.
Auswirkungen von cloud, künstlicher intelligenz und datenmanagement: neue chancen und herausforderungen #
Die beschleunigung der cloud* ist eine tatsache für italienische unternehmen, wobei mehr als vier von fünf unternehmen (84%) behaupten, eine cloud-initiative zu haben. allerdings geben nur 29% an, dass sie mehr als die hälfte ihrer daten in der cloud haben, was bestätigt, dass sich die migration noch in der ersten, aber wachsenden phase befindet. die cloud bietet unbestreitbare vorteile für das datenmanagement: unbegrenzte skalierbarkeit, flexibilität, zugriff auf managed services und vor allem auf ki- und ml-plattformen der neuesten generation. diese technologien, die zunehmend in cloud-angebote integriert sind, versprechen, datenanalyse, prozessautomatisierung und insight-generierung zu revolutionieren. die ki, insbesondere die generative ia, erregt die aufmerksamkeit für ihre fähigkeit, inhalte zu erstellen, die forschung zu optimieren und sogar auf neue weise mit daten zu interagieren, wie das konzept des “null-klick-zu-null-checkout” im marketing nahelegt. die begeisterung für ki muss jedoch durch einen pragmatischen ansatz ausgeglichen werden, wie vom markt angedeutet, der die hype-phase überschritten hat. unternehmen sind mit konkreten risiken konfrontiert, wie den „halluzinationen der ki (plausible, aber falsche antworten) und der fragilität der lieferkette von daten, die diese modelle speisen. hier zeigt sich die grundlegende bedeutung der data governance: eine ki ist nur dann effektiv, wenn sie von qualitativ hochwertigen daten gespeist, verwaltet, sicher und zuverlässig ist. ohne eine solide datenbank wird ki zu einer risikoquelle anstelle von wert, was die bereits vorhandenen fehler und ineffizienzen verstärkt. das konzept der “business ai”, das von unternehmen wie sap gefördert wird (im artikel zitiert), betont die notwendigkeit einer ki, die auf maßgeblichen daten basiert und durch mechanismen wie rag (retrieval augmented generation) in bestehende und kontrollierte geschäftsprozesse integriert ist, die die leistungsfähigkeit generativer modelle mit der genauigkeit verifizierter interner datenquellen kombinieren. aws-serviceunterbrechungen (was in ähnlichen kontexten bedeutet) dienen als warnung: cloud-abhängigkeit erfordert robuste widerstandsfähigkeit, backup-strategien und möglicherweise einen multi-cloud-ansatz, um risiken zu mindern. die integration von cloud und ki ist nicht nur ein technologischer trend, sondern eine strategische transformation, die ein totales umdenken im datenmanagement erfordert, indem governance und qualität in den mittelpunkt gestellt werden, um das wahre innovationspotenzial dieser technologien zu erschließen und daten in einen nachhaltigen und sicheren wachstumsmotor zu verwandeln.
Data self-service und datengetriebene kultur: hin zu autonomie und innovation #
Der drang nach mehr agilität und leichtigkeit auf dem weg, der daten zu denen bringt, die sie analysieren müssen, ist eine klare notwendigkeit, die sich aus der denodo-forschung ergibt, mit einer starken forderung, unabhängig arbeiten zu können und einen self-service-ansatz für datenanalyse und -verbrauch zu entwickeln. obwohl daten-self-service heute eine konsolidierte realität ist, zeigt die forschung, dass die it in den meisten fällen (65%) immer noch eine wichtige rolle der aufsicht spielt und nur 19% der unternehmen einen vollständigen self-service übernehmen, in dem unternehmen unabhängig voneinander tätig sind. diese vorsicht ist verständlich: die gewährung vollständiger autonomie ohne angemessene leitplanke kann zu chaos, inkonsistenzen und sicherheitsrisiken führen. effektiver self-service ist jedoch der schlüssel zur demokratisierung des zugangs zu daten und zur beschleunigung der entscheidungsfindung. um einen echten self-service von daten zu erreichen, ist es notwendig, geschäftsanwender nicht nur mit den richtigen tools auszustatten (intuitive business intelligence-plattformen, benutzerfreundliche datenvirtualisierungsschnittstellen, datenkataloge für die datenentdeckung), sondern auch mit den notwendigen * fähigkeiten* und * kultur*, um sie verantwortungsvoll und sinnvoll zu nutzen. schulungen zur datenkompetenz sind von entscheidender bedeutung: benutzer müssen die datenquellen, ihre definitionen, metriken und auswirkungen ihrer analyse verstehen. die it entwickelt sich in diesem szenario vom „torwächter“ zum „begrenzer“ und bietet die infrastruktur, tools und governance, die es dem unternehmen ermöglichen, daten sicher zu erkunden. diese passage erfordert eine kulturelle transformation, die die gesamte organisation durchdringt und eine datengesteuerte kultur fördert. es geht nicht nur darum, zugang zu daten zu haben, sondern die datenanalyse in jeden entscheidungsprozess zu integrieren, von der strategie bis zur täglichen aktivität. dies beinhaltet ein engagement der führung, die schaffung einer gemeinsamen datensprache, die förderung einer neugierigen und analytischen denkweise und die anerkennung von „data champions in geschäftsteams. wenn self-service gut umgesetzt wird, führt dies zu einer schnelleren gewinnung von erkenntnissen, einer verringerung des it-nachfragebestands, einer größeren innovationsfähigkeit und letztlich zu einer stärkung der mitarbeiter, die auf der grundlage konkreter beweise aktiv zum geschäftswert beitragen können. self-service ist nicht das fehlen von governance, sondern eine governance, die autonomie ermöglicht und die komplexität von daten in einen wettbewerbsvorteil für alle verwandelt.
Strategien für nachhaltige zukunftsdaten: lehren für italienische unternehmen #
Die von denodo research skizzierten herausforderungen, der mangel an chief data officer für die trennung von business und it, die schlechte qualität der daten und die komplexität der architekturen, skizzieren einen rahmen, in dem italienische unternehmen einen bedeutenden weg zurücklegen müssen, um eine vollständige datengesteuerte reife zu erreichen. bei diesen herausforderungen gibt es jedoch große chancen für wachstum und innovation. um eine nachhaltige und widerstandsfähige datengesteuerte zukunft zu schaffen, müssen italienische unternehmen einen strategischen und ganzheitlichen ansatz verfolgen, der sich nicht auf pünktliche technologische implementierungen beschränkt, sondern menschen, prozesse und kultur umfasst. hier sind die wichtigsten strategien: 1. priorisieren sie führung und datenorganisation: ** es ist unerlässlich, in die schaffung einer rolle als chief data officer oder einer funktion für data governance zu investieren, um sicherzustellen, dass diese person die unterstützung der exekutive und die notwendige autorität hat, um den wandel zu steuern. der cdo muss der katalysator sein, der die vision von daten zwischen business und it vereint. 2. übernahme von fähigkeiten und modernen architekturen: die virtualisierung von daten ist eine wesentliche brücke für die agilität und demokratisierung des zugangs. darüber hinaus können architekturen wie data fabric und data mesh langfristige lösungen für die skalierbarkeit und das management komplexer und verteilter datenökosysteme bieten, insbesondere in multi-cloud-kontexten. die strategische einführung der cloud unter berücksichtigung von datensicherheit und -souveränität ist für den zugriff auf skalierbare ressourcen und fortschrittliche ai/ml-tools unerlässlich. 3. investitionen in datenqualität und governance: die implementierung robuster datenqualitätsprogramme und die definition eines klaren und gemeinsamen governance-rahmens sind die grundlage für jede datengesteuerte initiative. ohne zuverlässige daten soll jede analyse oder jedes ki-modell fehlschlagen. 4. förderung einer datengesteuerten kultur und datenkompetenz: die stärkung von geschäftsanwendern durch self-service ist von entscheidender bedeutung, muss jedoch von schulungsprogrammen (datenkompetenz) begleitet werden, die die fähigkeiten entwickeln, die erforderlich sind, um daten kritisch zu interpretieren und zu nutzen. die unternehmenskultur muss die daten als entscheidungsressource wertschätzen. 5. sicherheit und konformität stärken: in einer welt zunehmender cyberbedrohungen und datenschutzbestimmungen (dsgvo in primzahlen) müssen datensicherheit und compliance in jeder phase des datenlebenszyklus integriert werden. serviceunterbrechungen großer cloud-anbieter (wie aws) erinnern uns an die bedeutung robuster notfallpläne. italienische unternehmen haben das potenzial, ihre aktuellen herausforderungen in wettbewerbsvorteile zu verwandeln. die ära der datengesteuerten transformation erfordert, dass entscheidungen von erkenntnissen geleitet werden, und dies erfordert, wie gabriele obino von denodo betont, eine demokratisierung des zugangs zu daten bei gleichzeitiger gewährleistung von sicherheit und governance. denodos mission und die hoffnung für alle unternehmen ist es, sich auf seine geschäftsziele und den wert für die kunden konzentrieren zu können, ohne die bedenken im zusammenhang mit dem intrinsischen datenmanagement. nur so, sofort und einfach auf alle notwendigen daten zuzugreifen, unabhängig von ihrem standort oder ihrer komplexität, können unternehmen in einer zukunft gedeihen, die bereits da ist.