Data Cloud

Datenanbindung und Konnektoren

Das erste, worauf es ankommt, ist die Frage: Bekommst du deine Daten überhaupt rein? Eine Data Cloud lebt von ihren Konnektoren, also den Schnittstellen zu deinen bestehenden Systemen. Prüfe konkret, ob es fertige Konnektoren für deine Warenwirtschaft, dein CRM und deine Buchhaltung gibt. Wenn nicht, brauchst du eine Schnittstelle über eine allgemeine Programmierschnittstelle, und das bedeutet Entwicklungsaufwand. Ich habe Betriebe gesehen, die eine Data Cloud gekauft haben und dann feststellten, dass die Anbindung an ihr zwanzig Jahre altes ERP-System ein eigenes Projekt mit fünfstelligem Budget wird.

Transformation und Aufbereitung

Rohdaten sind selten sofort nutzbar. Kundennummern stehen mal mit, mal ohne führende Null, Datumsformate unterscheiden sich zwischen den Quellen, und Dubletten sind der Normalfall. Eine gute Data Cloud gibt dir Werkzeuge, um diese Daten zu bereinigen und zu vereinheitlichen, bevor sie in die Auswertung gehen. Achte darauf, ob diese Transformationen nachvollziehbar dokumentiert werden. Wenn eine Zahl im Bericht falsch ist, musst du zurückverfolgen können, wo sie herkommt.

Rechte und Rollen

Nicht jeder darf alles sehen. Gehaltsdaten gehören nicht in die Hände der Vertriebsabteilung, und Kundendaten sollten nur die einsehen, die sie brauchen. Prüfe, wie fein du Zugriffsrechte vergeben kannst. Reicht die Steuerung auf Ebene ganzer Tabellen, oder kannst du auch einzelne Spalten und Zeilen einschränken. Gerade wenn personenbezogene Daten im Spiel sind, ist das keine Komfortfrage, sondern eine rechtliche.

Skalierung und Geschwindigkeit

Eine Data Cloud, die bei kleinen Datenmengen flott läuft, kann bei wachsendem Volumen langsam werden. Frag im Auswahlprozess, wie sich die Leistung bei zehnfacher Datenmenge verhält und was das kostet. Viele Anbieter trennen Speicher und Rechenleistung, du zahlst also getrennt für das Ablegen der Daten und für das Ausführen von Abfragen. Das ist wichtig für das Verständnis deiner späteren Kosten.

Start nicht mit dem Tool, sondern mit deiner Frage. Was willst du eigentlich beantworten, das du heute nicht beantworten kannst. Schreib drei bis fünf konkrete Fragen auf, die deine Data Cloud lösen soll. Ohne das kaufst du eine Lösung für ein Problem, das du gar nicht hast.

Lass dir in der Demo deine eigenen Daten zeigen, nicht die Beispieldaten des Anbieters. Beispieldaten sind immer sauber und passen perfekt. Deine sind es nicht. Nimm einen echten Datenauszug aus deiner Warenwirtschaft und bitte den Anbieter, ihn während der Demo einzuspielen. So siehst du, wie das Werkzeug mit deinem echten Chaos umgeht.

Binde die Person ein, die später wirklich damit arbeitet. Wenn dein Controller oder deine Marketingmitarbeiterin die Auswertungen bauen soll, dann soll diese Person die Demo bedienen, nicht du als Chef und nicht der Vertriebler des Anbieters. Frag danach, wie lange es gedauert hat, bis eine erste eigene Auswertung stand.

Betreiben oder betreiben lassen

Eine grundlegende Entscheidung: Willst du die Data Cloud selbst betreiben oder als gehosteten Dienst nutzen. Selbstbetrieb gibt dir Kontrolle, kostet aber Personal mit dem passenden Wissen. Der gehostete Dienst nimmt dir den Betrieb ab, dafür gibst du deine Daten aus der Hand und bindest dich an einen Anbieter. Für die meisten kleineren und mittleren Betriebe ist der gehostete Dienst der praktikablere Weg, einfach weil das Personal für den Eigenbetrieb fehlt.

Abhängigkeit vom Anbieter

Frag früh, wie du im Zweifel wieder rauskommst. Kannst du deine Daten vollständig exportieren, und in welchem Format. Manche Systeme machen dir den Einstieg leicht und den Ausstieg schwer. Ein sauberer Exportweg ist keine Formalität, sondern deine Versicherung gegen Preiserhöhungen und Abkündigungen.

Bei Data Cloud sind die reinen Lizenzkosten oft der kleinere Teil der Rechnung. Der größere Teil versteckt sich im Betrieb und in der Einführung.

Verbrauchsabhängige Modelle

Viele Anbieter rechnen nach Verbrauch ab: nach gespeicherter Datenmenge, nach Rechenzeit für Abfragen oder nach der Menge der übertragenen Daten. Das klingt fair, ist aber schwer vorher zu kalkulieren. Eine schlecht gebaute Abfrage, die versehentlich riesige Datenmengen durchpflügt, kann deine Rechnung in einem Monat spürbar in die Höhe treiben. Frag nach, ob du Ausgabenlimits und Warnungen einstellen kannst, damit dich keine Überraschung trifft.

Was oft übersehen wird

Rechne die Einführung ein. Datenanbindung, Bereinigung und der Aufbau der ersten Auswertungen kosten Arbeitszeit, entweder deine oder die eines externen Dienstleisters. Diese einmaligen Kosten übersteigen im ersten Jahr häufig die laufenden Lizenzkosten. Dazu kommt die Schulung deiner Leute und die laufende Pflege. Daten ändern sich, Quellen kommen dazu, und jemand muss das betreuen. Kalkuliere nicht mit dem Preis auf der Angebotsfolie, sondern mit den Gesamtkosten über drei Jahre inklusive Personalaufwand.

Achte außerdem auf die Kosten für Datenübertragung nach außen. Manche Anbieter lassen dich Daten günstig hineinladen, verlangen aber deutlich mehr, wenn du sie wieder herausholst oder in andere Systeme spielst. Das ist relevant, wenn du deine aufbereiteten Daten an ein Reporting-Tool oder an andere Anwendungen weitergibst.

Der erste Fehler ist der Datenmüll. Ein Betrieb kippt jahrelang gewachsene, unbereinigte Daten in die Data Cloud und erwartet saubere Auswertungen. Was rauskommt, ist Chaos mit besserer Optik. Die Regel lautet: Wenn deine Ausgangsdaten schlecht sind, macht die beste Data Cloud sie nicht besser. Sie zeigt dir nur schneller, wie schlecht sie sind.

Der zweite Fehler ist das Überdimensionieren. Ich habe erlebt, dass ein Betrieb mit zwanzig Mitarbeitern eine Lösung angeschafft hat, die für Konzerne mit riesigen Datenmengen gebaut ist. Die Folge waren hohe laufende Kosten und ein System, das niemand im Haus vollständig verstand. Für den tatsächlichen Bedarf hätte eine deutlich schlankere Lösung gereicht.

Der dritte Fehler ist das fehlende Eigentum. Nach der Einführung fühlt sich niemand zuständig. Der externe Dienstleister hat das Projekt abgeschlossen, und im Haus weiß keiner, wie man eine neue Datenquelle anbindet oder eine Auswertung anpasst. Nach einem halben Jahr ist die Data Cloud ein teures, eingefrorenes System. Benenne von Anfang an eine Person, die intern die Verantwortung trägt, auch wenn ein Dienstleister beim Aufbau hilft.

Der vierte Fehler betrifft die Erwartung. Manche glauben, die Data Cloud liefert automatisch Erkenntnisse. Tut sie nicht. Sie liefert eine saubere Grundlage. Die Fragen und die Interpretation musst du weiterhin selbst mitbringen.

Sobald personenbezogene Daten in deine Data Cloud fließen, greift die Datenschutz-Grundverordnung. Kundennamen, Adressen, Kaufhistorien und Mitarbeiterdaten gehören dazu. Du brauchst eine Rechtsgrundlage für die Verarbeitung und musst dokumentieren, welche Daten du zu welchem Zweck speicherst. Ein Verzeichnis der Verarbeitungstätigkeiten ist Pflicht, und die Data Cloud ist ein Baustein darin.

Auftragsverarbeitung und Serverstandort

Wenn du einen gehosteten Dienst nutzt, verarbeitet ein Anbieter deine Daten in deinem Auftrag. Dafür brauchst du einen Vertrag zur Auftragsverarbeitung. Ohne diesen Vertrag verarbeitest du die Daten rechtswidrig. Kläre außerdem, wo die Daten physisch liegen. Server innerhalb der Europäischen Union sind rechtlich der einfachere Weg. Liegen die Server in Ländern außerhalb, etwa in den USA, brauchst du zusätzliche Absicherungen, weil der Datentransfer dorthin besonderen Anforderungen unterliegt.

Löschkonzept und Aufbewahrung

Die Datenschutz-Grundverordnung verlangt, dass du Daten nicht länger speicherst als nötig. In einer Data Cloud, die Daten aus vielen Jahren sammelt, ist das anspruchsvoll. Du brauchst ein Konzept, wann welche Daten gelöscht werden. Gleichzeitig gibt es steuerliche Aufbewahrungspflichten für Geschäftsunterlagen. Diese beiden Anforderungen musst du gegeneinander abwägen und dokumentieren.

In Österreich und der Schweiz gelten teils eigene Regelungen. Die Schweiz hat ein eigenes Datenschutzgesetz, das der europäischen Verordnung ähnelt, aber nicht identisch ist. Wer grenzüberschreitend arbeitet, sollte das juristisch prüfen lassen und sich nicht darauf verlassen, dass eine Regelung überall gleich gilt.

Schritt eins: Bedarf festhalten

Setz dich mit den Leuten zusammen, die die Auswertungen später brauchen. Schreib auf, welche Fragen unbeantwortet bleiben und welche Daten dafür nötig sind. Halte fest, aus welchen Systemen diese Daten kommen. Das ist deine Anforderungsliste, und sie ist wichtiger als jede Featureliste eines Anbieters.

Schritt zwei: Bestand aufnehmen

Mach eine ehrliche Bestandsaufnahme deiner Datenquellen. Welche Systeme hast du, in welchem Zustand sind die Daten, wie sauber sind sie. Diese Aufnahme sagt dir, wie groß dein Aufbereitungsaufwand wird. Sie ist oft ernüchternd, aber sie schützt dich vor bösen Überraschungen.

Schritt drei: Anbieter eingrenzen

Wähl zwei oder drei Kandidaten aus, die zu deiner Größe und deinen Systemen passen. Ignoriere die Riesenlösungen, wenn du kein Riese bist. Frag jeden Kandidaten nach den Konnektoren zu deinen konkreten Systemen und nach dem Vertrag zur Auftragsverarbeitung.

Schritt vier: Mit echten Daten testen

Vereinbare eine Demo oder eine Testphase mit deinen echten Daten. Lass die spätere Nutzerin eine ihrer echten Fragen beantworten. Miss, wie lange das dauert und wie viel Hilfe nötig war. Das zeigt dir mehr als jede Präsentation.

Schritt fünf: Gesamtkosten rechnen

Rechne über drei Jahre: Lizenz, Verbrauch, Einführung, Schulung, Pflege. Kalkuliere den Personalaufwand mit ein, auch den internen. Vergleiche die Kandidaten auf dieser Basis, nicht auf Basis des Monatspreises.

Schritt sechs: Verantwortung festlegen

Bevor du unterschreibst, benenne die Person im Haus, die die Data Cloud betreut. Plan ihre Zeit dafür ein. Ein System ohne verantwortliche Person verwahrlost, egal wie gut es technisch ist. Erst wenn diese Rolle klar ist, ist die Auswahl abgeschlossen.