Datenarchitekt

Datenarchitekt Jobprofil

Was ist ein Datenarchitekt?

Datenarchitekten speichern und verarbeiten Daten so, dass sie das Unternehmen perfekt einbinden kann. Sie sind verantwortlich für das Design und den Aufbau der Datenarchitektur.

Die Datenarchitektur (auch Informationsarchitektur genannt) ist ein Teilgebiet der IT-Architektur. Die zugrunde liegenden Strukturen und Prozesse, die mit Daten oder Informationen verbunden sind, werden dabei betrachtet — Daten in Unternehmen werden:

• Erfasst
• Gespeichert
• Angeordnet
• Integriert

Das Ziel der Datenarchitektur ist es, Geschäftsanforderungen in Daten- und Systemanforderungen zu übersetzen und Daten sowie deren Fluss innerhalb des Unternehmens zu verwalten. Heutzutage modernisieren viele Unternehmen ihre bestehenden Datenarchitekturen, um die Grundlage für ihre digitale Transformation zu legen und die Möglichkeiten der KI voll auszuschöpfen.

Wie lauten die 6 Prinzipien der Datenarchitektur?

1. Daten sind ein Gemeingut: Die Datenarchitektur soll Datensilos abbauen und allen Stakeholdern ein vollständiges Bild des Unternehmens liefern.
2. Nutzer brauchen angemessenen Zugriff: Eine moderne Datenarchitektur muss Schnittstellen bereitstellen, die es Nutzern ermöglichen, Daten mit den entsprechenden Tools einfach zu nutzen.
3. Sicherheit ist essenziell: Moderne Datenarchitekturen werden mit Blick auf Datensicherheit entworfen und unterstützen Datenschutzrichtlinien und Zugriffskontrollen.
4. Gemeinsames Vokabular: Kerndatensätze wie Produktkataloge, Fiskalkalender und KPI-Definitionen erfordern ein gemeinsames Vokabular, um Konflikte in der Analysephase zu vermeiden.
5. Datenpflege: Investition in grundlegende Datenpflegefähigkeiten — Modellierung wichtiger Datenbeziehungen, Bereinigung von Rohdaten, Pflege relevanter Dimensionen und Metriken.
6. Agilität des Datenflusses erhöhen: Reduzierung unnötiger Datenbewegungen zur Kostensenkung, Verbesserung der Aktualität und Steigerung der Unternehmensagilität.

Welche Komponenten gehören zur Datenarchitektur?

• Datenpipeline: Der Prozess, durch den Daten gesammelt, bewegt und koordiniert werden — einschließlich Erfassung, Anreicherung, Speicherung, Analyse und Verteilung.
• Cloud-Speicher: Viele moderne Architekturen setzen auf öffentliche, private oder hybride Cloud-Instanzen für Flexibilität und Skalierbarkeit.
• Cloud Computing: Wird für Datenanalyse und -management über die reine Speicherung hinaus genutzt.
• APIs: Application Programming Interfaces erleichtern den Datenaustausch zwischen Systemen und Anwendungen.
• KI- und ML-Modelle: Werden eingesetzt, um Aufgaben wie Datenerfassung oder -kennzeichnung zu automatisieren und KI im großen Maßstab einzusetzen.
• Daten-Streaming: Kontinuierlicher Datenfluss von der Quelle zum Ziel, der in Echtzeit verarbeitet und analysiert wird.

Welche Aufgaben hat ein Datenarchitekt?

Die Aufgaben eines Datenarchitekten reichen von konzeptioneller und strategischer Arbeit bis hin zur praktischen technischen Umsetzung:

• Entwurf, Aufbau und Weiterentwicklung der Datenarchitektur in Übereinstimmung mit Unternehmensprozessen
• Übersetzung von Geschäftsanforderungen in Datenmodelle und Systemspezifikationen
• Auswahl und Implementierung geeigneter Datenspeichertechnologien (relational, NoSQL, Data Lakes, Data Warehouses)
• Design von ETL/ELT-Pipelines für Datenbewegung und -transformation
• Festlegung von Data-Governance-Richtlinien, Sicherheitsrahmen und Zugriffskontrollen
• Evaluierung und Implementierung von Cloud-Datenplattformen (AWS, Azure, GCP)
• Zusammenarbeit mit Data Engineers, Data Scientists und Business-Stakeholdern
• Dokumentation von Architekturentscheidungen und Pflege von Architekturplänen
• Beratung zu Datenqualität, Datenherkunft und Master-Data-Management

Welche Skills braucht ein Datenarchitekt?

Fachlich:

• Datenbankdesign — relational (SQL Server, PostgreSQL, Oracle) und NoSQL (MongoDB, Cassandra)
• Cloud-Architektur: AWS, Microsoft Azure, Google Cloud Platform
• Datenmodellierung und Data Warehousing (Kimball-, Inmon-Methodik)
• ETL/ELT-Tools und Data-Pipeline-Frameworks
• Data-Governance- und Sicherheitsprinzipien (DSGVO-Konformität)
• Programmierung: SQL (Expertenniveau), Python

Softskills:

• Strategisches Denken — Datenarchitektur mit langfristigen Unternehmenszielen in Einklang bringen
• Kommunikationsstärke — Architekturkonzepte für technische und nicht-technische Zielgruppen aufbereiten
• Problemlösungskompetenz — Entwurf für Skalierbarkeit, Performance und Wartbarkeit
• Teamfähigkeit — Zusammenarbeit mit Engineering-, Analytics- und Business-Teams

Wie sieht das Anforderungsprofil eines Datenarchitekten aus?

Abhängig von der Organisation, für die ein Datenarchitekt arbeitet, und dem Prozess der Gestaltung der Datenarchitektur kann das Anforderungsprofil für die Position sehr unterschiedlich sein. Die grundlegenden Anforderungen an einen Datenarchitekten reichen von sehr guten Kenntnissen in den Bereichen Datenmodellierung, Datenbankmanagementsysteme und Informationsmanagement bis hin zu spezifischen SQL- und Datenbankmanagementkenntnissen. In den meisten Fällen sollte ein Abschluss in Informatik oder ein Abschluss in Betriebswirtschaftslehre vorhanden sein. Aufgrund des strategischen Aufgabenbereichs ist eine konzeptionelle Arbeitsweise und eine strukturierte Denkweise des Datenarchitekten sowie entsprechende Berufserfahrung erforderlich.

Was ist der Unterschied zwischen Datenarchitektur und Datenmodellierung?

Gemäß dem „Data Management Book of Knowledge” (DMBOK 2) definiert die Datenarchitektur einen Plan für die Verwaltung von Datenbeständen. Datenarchitektur richtet sich an der Geschäftsstrategie aus, um strategische Datenanforderungen und Designs zur Erfüllung der Anforderungen zu definieren. Datenmodellierung ist demnach „der Prozess des Entdeckens, Analysierens, Darstellens und Kommunizierens von Datenanforderungen in einem präzisen Format (Datenmodell).”

Sowohl die Datenarchitektur als auch die Datenmodellierung zielen darauf ab, die Lücke zwischen Geschäftszielen und Technologie zu schließen. Bei der Datenarchitektur geht es jedoch um eine Makroansicht, die darauf abzielt, die Beziehungen zwischen organisatorischen Merkmalen, Technologien und Datentypen zu verstehen und zu unterstützen. Die Datenmodellierung hingegen konzentriert sich auf eine fokussierte Betrachtung eines bestimmten Systems oder Geschäftsfalls.