Datenmigration erfolgreich meistern
Das enorme Entwicklungstempo, das die Digitalisierung mit sich bringt, spiegelt sich auch in der IT-Architektur eines jeden Unternehmens wider. Sowohl langfristig geplant als auch ad hoc ergeben sich Veränderungen, Umstellungen und Erweiterungen, die eine Übertragung der Daten in neue Systeme notwendig machen. Dieser Prozess der Datenmigration ist der ideale Zeitpunkt, um die Datenqualität zu verbessern: Mit sauberen Daten legen Sie den Grundstein für eine konsistente Datenlandschaft, die valide Geschäftseinblicke liefert.
Verschiedene Projekte erfordern Datenmigrationen
Fusionen und Übernahmen
Einführung neuer Software
IT-Modernisierungsprozesse
Es gibt verschiedene Gründe für Datenmigrationen. Zu den häufigsten Migrationsprojekten gehören Fusionen und Übernahmen, bei denen neue Systeme in die IT-Architektur integriert werden. Unabhängig davon, ob es sich um einen kompletten Technologiewechsel oder um ein Konglomerat aus mehreren Systemen handelt, muss die Datenlandschaft neu konzipiert werden.
Auch die Einführung einer neuen Software oder das Update auf eine neue Version - wie beispielsweise die Umstellung auf die ERP-Suite SAP S/4 HANA - stellt Unternehmen vor die Herausforderung, ihre Daten in ein neues Zielsystem zu überführen. Weitere Anwendungsfälle ergeben sich aus IT-Modernisierungsprozessen wie der Digitalisierung analoger Prozesse.
Erinnern Sie sich an Ihren letzten Umzug?
Die Überführung von Daten aus unterschiedlichen Quellen wie z.B. ERP-Systemen, Excel-Tabellen oder CRM-Systemen in ein neues Zielsystem nennt sich Datenmigration. Sie ist eine der häufigsten Ursachen für eine schlechte Datenqualität. Eine mangelhafte Datenqualität führt dazu, dass sich Migrationsprojekte verzögern und ihr Budget überschreiten.
Bildlich kann man sich eine Datenmigration wie einen Umzug vorstellen, bei der die Einrichtung von der alten Wohnung in eine neue gebracht wird. Mit den Jahren sammelt sich einiges an Altlasten in einer Wohnung, welche beim Kisten packen kritisch beäugt werden. Hierbei steht man vor der Frage: Sind diese Objekte weiterhin notwendig? Passt dieses und jenes Möbelstück oder die verstaubte Zeitschriftensammlung noch in die neue Wohnung?
Kurz gesagt: Es wird ausgemistet!
Das Schlüsselwort zur Beschreibung der Datenmigration ist „ETL-Prozess“.
Um nach der Migration qualitativ hochwertige und damit für alle Beteiligten zufriedenstellende Daten zur Verfügung zu haben, empfiehlt sich ein systematisches Vorgehen. Die Fachabteilungen des Unternehmens als wichtige Stakeholder im Datenmanagement sollten von Anfang an in das Projekt eingebunden werden. Der Ablauf einer Datenmigration wird durch den ETL-Prozess (Extraktion, Transformation, Laden) beschrieben. Die Daten werden aus den bestehenden Quellsystemen extrahiert. Im nächsten Schritt erfolgt die Transformation und schließlich die Übertragung (das Laden) in das Zielsystem, z.B. eine Datenbank oder ein Data Warehouse.
Der Gedanke an eine anstehende Datenmigration treibt so manchem IT-Verantwortlichen die Sorgenfalten auf die Stirn, denn Kosten und Aufwand können bei unzureichender Vorbereitung und Durchführung der Migration schnell in die Höhe schnellen. Probleme, die bereits in den Quelldaten schlummern, können sich bei der Übertragung in ein neues, komplexeres System potenzieren.
Einige Klippen müssen umschifft werden
Die gute Nachricht ist, dass Sie Datenmigrationen als Chance sehen können, Ihre Stammdaten auf den neuesten Stand zu bringen. Behandeln Sie die Datenmigration als eigenständiges, strategisches Projekt und überwachen Sie den Prozess genau.
Datenmigration mit Fokus auf Datenqualität ist der Schlüssel zum Erfolg
Gerade in Zeiten von Big Data, in denen grundlegende Geschäftsentscheidungen auf der Basis von Daten getroffen werden, steigt die Erfolgswahrscheinlichkeit Ihrer Projekte um ein Vielfaches, wenn die zugrunde liegenden Daten eine hohe Datenqualität aufweisen.
Holen Sie daher die Systemanwender und Fachabteilungen, die das Quellsystem, seine Daten und letztlich auch seine Fehler genau kennen, ins Boot und untersuchen Sie gemeinsam den Datenbestand. Gehen Sie dabei wie folgt vor:
Schritt 1: Analyse der Quelldaten
Definieren Sie Datenqualitätskriterien, die die Datensätze erfüllen müssen. Bereinigen Sie die Quelldaten von Dubletten.
Meilenstein: einwandfreie Datenqualität im Quelldatensystem
Schritt 2: Mapping in die Zieldatenstruktur
Passen Sie die Struktur der Daten aus dem Quellsystem nach Ihren individuellen Regeln an die Datenstruktur im Zielsystem an. Diese Transformation wird Mapping genannt.
Meilenstein: Datentransformation erfolgreich
Schritt 3: Konsistenzprüfung
Gehen Sie einen Schritt weiter in Richtung optimaler Datenqualität, indem Sie ein Tool zur Konsistenzprüfung einsetzen. Dieses prüft die Datensätze aus beiden Systemen kontinuierlich auf Regelkonformität und bereinigt inkonsistente Daten.
Meilenstein: Hohe Datenqualität im Zielsystem.
