Seminar One Data – Intensivseminar Data Products, Use Cases und Self-Service

Dieses Intensivseminar bündelt die fachlich-produktbezogenen Seminare des Portfolios. Es verbindet Grundlagen, Data Mesh und Data Fabric, Use-Case-Portfolio, Use Case Builder, Datenproduktdesign, Lifecycle, Marketplace, Rollen und eine Process-Mining-Anwendung.

Von der strategischen Priorisierung bis zum Self-Service wird ein vollständiger Lieferprozess aufgebaut. Geschäftswert, Produktgrenzen, Quellenauswahl, Quality Gates, Veröffentlichung und Wiederverwendung bleiben durchgehend miteinander verknüpft.

Inhaltsverzeichnis

1. Zielgruppe
2. Voraussetzungen
3. Seminarziele
4. Seminarinhalte
5. Kapitel 1: Plattform, Module und Einsatzfelder
6. Kapitel 2: Data Mesh und Data Fabric fachlich einordnen
7. Kapitel 3: Domänen, Standards und föderierte Governance gestalten
8. Kapitel 4: Pilot, Betriebsmodell und Skalierung planen
9. Kapitel 5: Rollen, Verantwortlichkeiten und Zusammenarbeit
10. Kapitel 6: Mandat und Aufgaben des Data Product Owners
11. Kapitel 7: Produkt-Backlog und Zusammenarbeit steuern
12. Kapitel 8: Produktkennzahlen, Reviews und Ablösung
13. Kapitel 9: Geschäftswert und Produktgrenzen festlegen
14. Kapitel 10: Use-Case-Portfolio und Bewertungskriterien aufbauen
15. Kapitel 11: Bewerten, vergleichen und priorisieren
16. Kapitel 12: Datenprodukt-Reife und Roadmap verknüpfen
17. Kapitel 13: Fachlichen Use Case strukturiert erfassen
18. Kapitel 14: Datenbedarf und passende Assets ermitteln
19. Kapitel 15: Build-fähigen Datenfluss und Übergabe erzeugen
20. Kapitel 16: Datenprodukt fachlich und technisch spezifizieren
21. Kapitel 17: Umsetzung, Validierung und technische Registrierung
22. Kapitel 18: Veröffentlichen, nutzen und kontinuierlich verbessern
23. Kapitel 19: Lebenszyklus von Draft bis Retired
24. Kapitel 20: Datenprodukte finden und fachlich bewerten
25. Kapitel 21: Zugriff anfordern, genehmigen und nachweisen
26. Kapitel 22: Datenprodukte bereitstellen, wiederverwenden und verbessern
27. Kapitel 23: Process-Mining-Fragestellung und Ereignislogik definieren
28. Kapitel 24: Governed Event-Log-Datenprodukt aufbauen
29. Kapitel 25: Bereitstellen, anbinden und betreiben
30. Praxisübungen
31. Methodik

Zielgruppe

• Data Product Owner und Product Manager
• Business Analysts
• Data Engineers und Data Architects
• Data- und Analytics-Programmleitungen

Voraussetzungen

• Grundkenntnisse moderner Daten- und Analytics-Prozesse

Seminarziele

• Data-Product-Operating-Model und Domänenverantwortung gestalten
• Use Cases nach Wert, Machbarkeit, Risiko und Datenreife priorisieren
• fachliche Anforderungen in build-fähige Datenproduktentwürfe überführen
• Produkte mit Contract, Quality Gates und Lifecycle steuern
• Marketplace und Self-Service für Verbraucher und Produzenten nutzen
• einen Process-Mining-Fall als wiederverwendbares Datenprodukt umsetzen

Seminarinhalte

Die Inhalte werden in aufeinander aufbauenden Kapiteln bearbeitet. Jeder Arbeitsschritt wird anhand eines durchgängigen Szenarios nachvollzogen und anschließend praktisch überprüft.

1. Plattform, Module und Einsatzfelder

Inhaltsverzeichnis dieses Kapitels: modularer Plattformansatz; Vertrauen, fachliche Abstimmung und Automatisierung; zentrale Produktmodule; typische Einsatzszenarien.

1. Schritt 1: Die Ausgangslage aus Datenquellen, Berichten, Analysewerkzeugen und fachlichen Anforderungen wird strukturiert erfasst.
2. Schritt 2: Die Module Metadatenmanagement, Data Map, Data Contracts, Lifecycle, Marketplace, Use-Case-Steuerung und Code Automation werden funktional eingeordnet.
3. Schritt 3: Für ein Beispielszenario wird festgelegt, welche Module in welcher Reihenfolge benötigt werden.
4. Schritt 4: Die Systemgrenzen zu Datenplattform, BI, Data Science, IAM und Betriebswerkzeugen werden dokumentiert.

2. Data Mesh und Data Fabric fachlich einordnen

Inhaltsverzeichnis dieses Kapitels: Domänenorientierung; Data as a Product; Self-Service-Plattform; föderierte Governance und integrierende Infrastruktur.

1. Schritt 1: Bestehende zentrale und dezentrale Datenverantwortung wird analysiert.
2. Schritt 2: Domänen, Datenprodukte, Plattformdienste und Governance-Prinzipien werden voneinander abgegrenzt.
3. Schritt 3: Data-Mesh- und Data-Fabric-Elemente werden auf die eigene Datenlandschaft übertragen.
4. Schritt 4: Ein Zielbild wird formuliert, das organisatorische Verantwortung und technische Integration sinnvoll verbindet.

3. Domänen, Standards und föderierte Governance gestalten

Inhaltsverzeichnis dieses Kapitels: Domain Ownership; globale Mindeststandards; Data Contracts; Marketplace und Interoperabilität.

1. Schritt 1: Domänen werden anhand von Geschäftsverantwortung und stabilen Informationsobjekten geschnitten.
2. Schritt 2: Globale Mindeststandards für Metadaten, Qualität, Sicherheit, Verträge und Lifecycle werden festgelegt.
3. Schritt 3: Domänenspezifische Freiheiten und zentrale Kontrollpunkte werden bewusst getrennt.
4. Schritt 4: Marketplace, Data Contracts und gemeinsame Produktstandards werden als verbindende Mechanismen eingerichtet.

4. Pilot, Betriebsmodell und Skalierung planen

Inhaltsverzeichnis dieses Kapitels: Pilotdomäne; Startprodukte; Erfolgskriterien; Skalierungswellen.

1. Schritt 1: Eine Pilotdomäne mit relevantem Nutzen, verfügbaren Ownern und beherrschbaren Abhängigkeiten wird ausgewählt.
2. Schritt 2: Ein kleines Portfolio wiederverwendbarer Startprodukte und notwendiger Plattformdienste wird definiert.
3. Schritt 3: Messgrößen für Lieferzeit, Qualität, Nutzung, Wiederverwendung und Verantwortungsübernahme werden festgelegt.
4. Schritt 4: Erfahrungen werden in Standards, Rollen, Enablement und eine realistische Skalierungsroadmap überführt.

5. Rollen, Verantwortlichkeiten und Zusammenarbeit

Inhaltsverzeichnis dieses Kapitels: Data Product Owner; Data Producer und Data Consumer; Data Platform Team; Governance- und Sicherheitsrollen.

1. Schritt 1: Die für den Datenprodukt-Lebenszyklus erforderlichen Rollen werden aus dem Organisationsmodell abgeleitet.
2. Schritt 2: Für jede Rolle werden Entscheidungsrechte, Pflichten, Übergaben und Eskalationswege festgelegt.
3. Schritt 3: Ein RACI-orientiertes Rollenbild wird auf ein konkretes Datenprodukt übertragen.
4. Schritt 4: Die Zusammenarbeit zwischen Fachbereich, Data Engineering, Governance, Betrieb und Informationssicherheit wird als wiederholbarer Ablauf beschrieben.

6. Mandat und Aufgaben des Data Product Owners

Inhaltsverzeichnis dieses Kapitels: Wertverantwortung; Qualitätsverantwortung; Verbraucherorientierung; Entscheidungsrechte.

1. Schritt 1: Der erwartete Geschäftswert und die Zielgruppen des Datenprodukts werden eindeutig festgelegt.
2. Schritt 2: Verantwortung für Beschreibung, Qualität, Aktualität, Vertrag und Lebenszyklus wird übernommen und abgegrenzt.
3. Schritt 3: Verbraucheranforderungen werden gesammelt, bewertet und gegen Produktzweck sowie Governance abgewogen.
4. Schritt 4: Entscheidungsrechte zu Freigabe, Änderung, Ausnahme und Stilllegung werden verbindlich dokumentiert.

7. Produkt-Backlog und Zusammenarbeit steuern

Inhaltsverzeichnis dieses Kapitels: Anforderungen; Priorisierung; Abnahmekriterien; Übergaben.

1. Schritt 1: Anforderungen aus Fachbereichen, Governance und Betrieb werden in einem gemeinsamen Backlog gebündelt.
2. Schritt 2: Einträge werden nach Geschäftswert, Risiko, Dringlichkeit, Aufwand und Abhängigkeiten priorisiert.
3. Schritt 3: Für jede Änderung werden überprüfbare fachliche und technische Abnahmekriterien formuliert.
4. Schritt 4: Übergaben zwischen Owner, Engineering, Governance und Betrieb werden mit klaren Status- und Freigabepunkten organisiert.

8. Produktkennzahlen, Reviews und Ablösung

Inhaltsverzeichnis dieses Kapitels: Nutzung; Qualität und Zuverlässigkeit; Wertbeitrag; Weiterentwicklung oder Retirement.

1. Schritt 1: Kennzahlen zu Nutzern, Zugriffen, Wiederverwendung, Qualität und Aktualität werden ausgewählt.
2. Schritt 2: Regelmäßige Produktreviews bewerten Zielerreichung, offene Risiken und Verbraucherfeedback.
3. Schritt 3: Verbesserungsmaßnahmen werden mit Verantwortlichkeit und Termin in den Produkt-Backlog übernommen.
4. Schritt 4: Bei sinkendem Nutzen oder besserem Nachfolgeprodukt wird eine kontrollierte Ablösung beschlossen und vorbereitet.

9. Geschäftswert und Produktgrenzen festlegen

Inhaltsverzeichnis dieses Kapitels: Geschäftsfrage; Verbraucher und Entscheidungen; Output und Scope; Nicht-Ziele.

1. Schritt 1: Die zu unterstützende Geschäftsentscheidung wird präzise beschrieben und von bloßen Datenwünschen getrennt.
2. Schritt 2: Verbraucher, Nutzungskontexte und erwartete Wertbeiträge werden identifiziert.
3. Schritt 3: Output, Granularität, Aktualität, Domäne und fachliche Produktgrenze werden festgelegt.
4. Schritt 4: Nicht-Ziele, Ausschlüsse und Abhängigkeiten werden dokumentiert, damit der Scope beherrschbar bleibt.

10. Use-Case-Portfolio und Bewertungskriterien aufbauen

Inhaltsverzeichnis dieses Kapitels: Unternehmensziele; Business Value; Machbarkeit; Risiko und Governance.

1. Schritt 1: Strategische Unternehmensziele werden in bewertbare Daten- und Analyseziele übersetzt.
2. Schritt 2: Einheitliche Kriterien für Wertbeitrag, Machbarkeit, Risiko, Dringlichkeit und Abhängigkeiten werden definiert.
3. Schritt 3: Bewertungsskalen, Gewichtungen und erforderliche Nachweise werden festgelegt.
4. Schritt 4: Ein erster Use-Case-Bestand wird bereinigt, vereinheitlicht und den Zielen zugeordnet.

11. Bewerten, vergleichen und priorisieren

Inhaltsverzeichnis dieses Kapitels: Scoring; Prioritätsmatrix; Quick Wins und Major Projects; Entscheidungsnachweis.

1. Schritt 1: Jeder Use Case wird anhand der vereinbarten Kriterien mit nachvollziehbaren Werten bewertet.
2. Schritt 2: Wertbeitrag und Umsetzungsreife werden in einer gemeinsamen Prioritätsmatrix gegenübergestellt.
3. Schritt 3: Quick Wins, große Vorhaben, nachrangige Themen und fragliche Initiativen werden getrennt behandelt.
4. Schritt 4: Priorisierungsentscheidungen werden mit Annahmen, Datenbasis, Verantwortlichen und Review-Termin dokumentiert.

12. Datenprodukt-Reife und Roadmap verknüpfen

Inhaltsverzeichnis dieses Kapitels: verknüpfte Datenprodukte; Readiness-Signale; Kapazität und Abhängigkeiten; Roadmap.

1. Schritt 1: Für jeden Use Case werden benötigte vorhandene und neu zu erstellende Datenprodukte verknüpft.
2. Schritt 2: Reifegrad, Qualität, Owner, Vertrag und technische Verfügbarkeit werden als Readiness-Signale ausgewertet.
3. Schritt 3: Abhängigkeiten, Engpässe und verfügbare Engineering-Kapazität werden in die Reihenfolge einbezogen.
4. Schritt 4: Aus Priorität und Reife wird eine umsetzbare Roadmap mit Entscheidungs- und Review-Punkten erstellt.

13. Fachlichen Use Case strukturiert erfassen

Inhaltsverzeichnis dieses Kapitels: Geschäftsfrage; Zielbild und Output; Owner und Wertbeitrag; Rahmenbedingungen.

1. Schritt 1: Die Ausgangsfrage wird in ein messbares Geschäftsziel und einen klaren Entscheidungsbedarf übersetzt.
2. Schritt 2: Erwarteter Output, Zielgruppe, Zeitbezug und Erfolgskriterien werden beschrieben.
3. Schritt 3: Owner, Stakeholder, Nutzenhypothese und strategischer Bezug werden erfasst.
4. Schritt 4: Risiken, Einschränkungen, Schutzbedarf und bekannte Abhängigkeiten werden frühzeitig dokumentiert.

14. Datenbedarf und passende Assets ermitteln

Inhaltsverzeichnis dieses Kapitels: fachliche Datenbegriffe; KI-gestützte Vorschläge; Eignungsprüfung; Lückenanalyse.

1. Schritt 1: Der benötigte Informationsgehalt wird in fachliche Datenbegriffe und Auswahlkriterien zerlegt.
2. Schritt 2: Geeignete Datenassets und vorhandene Datenprodukte werden über Suche und unterstützte Vorschläge identifiziert.
3. Schritt 3: Kandidaten werden auf Semantik, Lineage, Qualität, Aktualität, Schutzbedarf und Verfügbarkeit geprüft.
4. Schritt 4: Fehlende Daten werden als neuer Produktbedarf mit klarer Begründung und Priorität erfasst.

15. Build-fähigen Datenfluss und Übergabe erzeugen

Inhaltsverzeichnis dieses Kapitels: Quell- und Zielstruktur; Datenproduktanforderungen; Quality Gates; Management-Sicht.

1. Schritt 1: Quellen, Zwischenstufen, Zielassets und benötigte Datenprodukte werden zu einem nachvollziehbaren Datenfluss verbunden.
2. Schritt 2: Anforderungen an Schema, Qualität, Ownership, Zugriff und Zielumgebung werden vervollständigt.
3. Schritt 3: Quality Gates und Abnahmekriterien werden vor der technischen Umsetzung festgelegt.
4. Schritt 4: Status, Verantwortliche, offene Punkte und nächste Entscheidungen werden in einer gemeinsamen Management-Sicht kontrolliert.

16. Datenprodukt fachlich und technisch spezifizieren

Inhaltsverzeichnis dieses Kapitels: Schema und Semantik; Quellen und Transformationen; Qualität und Vertrag; Ownership und Zugriff.

1. Schritt 1: Das fachliche Ausgabemodell wird mit Begriffen, Feldern, Schlüsseln und Beziehungen beschrieben.
2. Schritt 2: Geeignete Quellassets und erforderliche Transformationsschritte werden ausgewählt.
3. Schritt 3: Qualitätsregeln, Freshness, Vertrag, Schutzbedarf und Akzeptanzkriterien werden festgelegt.
4. Schritt 4: Owner, Produzenten, Verbraucher, Zugriffsweg und Zielsystem werden in einer build-fähigen Spezifikation zusammengeführt.

17. Umsetzung, Validierung und technische Registrierung

Inhaltsverzeichnis dieses Kapitels: Build-Ansatz; Transformation und Tests; Metadatenrückführung; Freigabenachweis.

1. Schritt 1: Aus Spezifikation und Zielumgebung wird ein passender manueller oder automatisierter Build-Ansatz gewählt.
2. Schritt 2: Transformation, Schema, Qualitätsprüfungen und Bereitstellungsartefakte werden umgesetzt.
3. Schritt 3: Ergebnisse werden anhand fachlicher Beispiele, Stichproben und automatisierter Regeln validiert.
4. Schritt 4: Das erzeugte Asset wird mit Schema, Lineage, Qualität und Ownership wieder in der Plattform registriert.

18. Veröffentlichen, nutzen und kontinuierlich verbessern

Inhaltsverzeichnis dieses Kapitels: Review; Marketplace-Veröffentlichung; Zugriff und Nutzung; Feedback und Versionierung.

1. Schritt 1: Vollständigkeit, Schema, Qualität, Vertrag und Freigaben werden vor der Veröffentlichung geprüft.
2. Schritt 2: Das Produkt wird mit verständlicher Beschreibung, Suchmerkmalen und Nutzungsbedingungen bereitgestellt.
3. Schritt 3: Ein Verbraucher durchläuft Suche, Eignungsprüfung, Zugriff und erste Nutzung.
4. Schritt 4: Nutzungsdaten und Feedback werden ausgewertet und in eine priorisierte neue Produktversion überführt.

19. Lebenszyklus von Draft bis Retired

Inhaltsverzeichnis dieses Kapitels: Draft; Development und Review; Published; Retired.

1. Schritt 1: Ein fachlicher Bedarf wird als Datenproduktentwurf mit Owner, Zweck und erwarteten Verbrauchern angelegt.
2. Schritt 2: Der Entwurf wird in die Entwicklung überführt und um technische Assets, Regeln und Nachweise ergänzt.
3. Schritt 3: Vor der Veröffentlichung werden Review-Status, Freigaben und Mindestanforderungen geprüft.
4. Schritt 4: Nicht mehr benötigte Produkte werden kontrolliert außer Betrieb genommen und mit nachvollziehbarer Historie auf Retired gesetzt.

20. Datenprodukte finden und fachlich bewerten

Inhaltsverzeichnis dieses Kapitels: Suche und Filter; Produktbeschreibung; Qualitäts- und Statusinformationen; Eignungsprüfung.

1. Schritt 1: Ein konkreter Datenbedarf wird in geeignete Suchbegriffe, Domänen und Filterkriterien übersetzt.
2. Schritt 2: Gefundene Datenprodukte werden anhand von Zweck, Owner, Schema, Status, Qualität und Einschränkungen verglichen.
3. Schritt 3: Lineage, Aktualität und bekannte Limitationen werden vor der Nutzung geprüft.
4. Schritt 4: Das am besten geeignete Produkt wird ausgewählt oder ein neuer Bedarf wird strukturiert angestoßen.

21. Zugriff anfordern, genehmigen und nachweisen

Inhaltsverzeichnis dieses Kapitels: Access Request; Prüfung und Genehmigung; Zielsystemzugriff; Audit Trail.

1. Schritt 1: Der benötigte Zugriff wird mit Zweck, Umfang, Laufzeit und verantwortlicher Stelle beantragt.
2. Schritt 2: Owner und zuständige Freigabestellen prüfen Berechtigung, Schutzbedarf und Nutzungsbedingungen.
3. Schritt 3: Nach der Genehmigung werden Verbindungsinformationen und Zuständigkeiten für das externe Zielsystem nachvollzogen.
4. Schritt 4: Erteilung, Änderung und Entzug des Zugriffs werden mit vollständiger Historie kontrolliert.

22. Datenprodukte bereitstellen, wiederverwenden und verbessern

Inhaltsverzeichnis dieses Kapitels: Veröffentlichungsreife; Auffindbarkeit; Nutzungsfeedback; Wiederverwendung.

1. Schritt 1: Ein Produkt wird auf vollständige Beschreibung, Ownership, Qualität, Vertrag und zulässige Nutzung geprüft.
2. Schritt 2: Domänen, Suchbegriffe und fachlicher Kontext werden so gepflegt, dass das Produkt zuverlässig auffindbar ist.
3. Schritt 3: Nutzung, Zugriffsnachfragen und Rückmeldungen werden regelmäßig ausgewertet.
4. Schritt 4: Verbesserungen werden priorisiert und als kontrollierte Produktversion in den Lebenszyklus zurückgeführt.

23. Process-Mining-Fragestellung und Ereignislogik definieren

Inhaltsverzeichnis dieses Kapitels: Prozessziel; Cases; Events; Zeitstempel und Attribute.

1. Schritt 1: Die zu untersuchende Prozessfrage und die erwartete betriebliche Entscheidung werden festgelegt.
2. Schritt 2: Case-ID, Aktivität, Zeitstempel und relevante Prozessattribute werden fachlich definiert.
3. Schritt 3: Varianten, Start- und Endereignisse, Statuswechsel sowie Ausschlussregeln werden beschrieben.
4. Schritt 4: Erfolgskriterien für Vollständigkeit, zeitliche Genauigkeit und fachliche Vergleichbarkeit werden vereinbart.

24. Governed Event-Log-Datenprodukt aufbauen

Inhaltsverzeichnis dieses Kapitels: Quellzuordnung; Transformation; Qualitätsregeln; Data Contract.

1. Schritt 1: Quelltabellen und Prozessobjekte werden über Metadaten und Lineage den benötigten Ereignissen zugeordnet.
2. Schritt 2: Event-Log-Schema, Harmonisierung und Transformationslogik werden als Datenprodukt spezifiziert.
3. Schritt 3: Regeln für fehlende Cases, widersprüchliche Zeitstempel, Dubletten und unzulässige Sequenzen werden definiert.
4. Schritt 4: Aktualität, Ownership, Zugriff und zulässige Nutzung werden in einem Data Contract festgehalten.

25. Bereitstellen, anbinden und betreiben

Inhaltsverzeichnis dieses Kapitels: Veröffentlichung; Zugriff; Process-Mining-Werkzeug; laufende Qualität.

1. Schritt 1: Das Event-Log-Produkt wird auf Schema, Qualität, Vertrag und Schutzbedarf geprüft.
2. Schritt 2: Das Produkt wird auffindbar veröffentlicht und der benötigte Zugriff freigegeben.
3. Schritt 3: Die Übergabe an das Process-Mining-Werkzeug wird mit Beispieldaten und fachlichen Kontrollsummen getestet.
4. Schritt 4: Aktualität, Prozessabdeckung und Qualitätsabweichungen werden im laufenden Betrieb überwacht.

Praxisübungen

• Domänen- und Rollenmodell mit Startportfolio entwerfen
• Use-Case-Backlog bewerten und eine priorisierte Roadmap erstellen
• Use Case mit Quellenauswahl und build-fähiger Produktspezifikation ausarbeiten
• Lifecycle, Contract, Veröffentlichung und Access Request durchspielen
• Event-Log-Datenprodukt für einen Process-Mining-Fall konzipieren

Methodik

Trainergeführte Erläuterungen, strukturierte Demonstrationen, fachliche und technische Fallstudien sowie praktische Übungen werden miteinander kombiniert. Prüflisten, Rollenmodelle, Spezifikationen und Betriebsabläufe entstehen direkt aus den Übungsfällen und werden im Seminar gemeinsam kontrolliert.