Sollte eine Lösung für Data Validation Testing entwickelt oder gekauft werden?

Das ständige Dilemma "Entwickeln vs. Kaufen" gilt auch für Data Quality und Data Validation Testing. Ist es besser, sich die Zeit zu nehmen, eine benutzerdefinierte Lösung selbst zu entwickeln oder stattdessen eine kommerzielle Alternative zu kaufen? Bitte lesen Sie bis zum Ende, um unsere Empfehlungen zu diesem Thema zu erfahren.

Welche vorbereitenden Überlegungen müssen Sie treffen?

Ehe Sie damit beginnen, intern eine Plattform zum Testen der Data Quality zu entwickeln oder ein kommerzielles Produkt zu erwerben, müssen Sie sich mit den erforderlichen Vorbereitungen befassen. Falls Sie diese Schritte auslassen, haben Sie am Ende nur eine unvollständige Auswahl an Kriterien für Ihre Entscheidung.

Wir nehmen das Beispiel eines Unternehmens, das die Qualität seiner Business Intelligence-Daten sicherstellen möchte, denn dies ist einer der häufigsten Anwendungsfälle, die wir in unserer Praxis erleben.

Maturity of Self-Build vs Commercial Data Quality Software

Überlegung Nr. 1: Was sind die bekannten Probleme mit der Data Quality?

Vermutlich erwägen Sie eine Lösung zum Testen der Data Quality, weil Sie Bedenken hinsichtlich der Datenintegrität haben. Daher besteht Ihr erster Schritt darin, alle bekannten Data Quality-Probleme zu katalogisieren. Das sollte Ihnen eine bessere Vorstellung davon geben, welche Lösung diese Probleme lösen könnte.

Ein Kunde hat sich beispielsweise an uns gewandt, nachdem die Geschäftsleitung frustriert war über die ständigen Diskrepanzen zwischen den Finanzberichten, die von ihrer Business Intelligence-Plattform erstellt wurden.

Eine schlechte Data Quality hatte das Vertrauen in das Finanzberichtssystem untergraben, sodass Manager und Mitglieder des Business-Intelligence-Architektenteams zu Excel wechselten und damit die Investitionen und das Vertrauen in die neue Architektur zunichte gemacht haben.

Überlegung Nr. 2: Welche Folgen hat es, wenn die Data Quality nicht gewährleistet ist?

Wenn Unternehmen Excel und manuelle Berichterstellung gegen ausgefeiltere, automatisierte Datenanalyselösungen austauschen, steigt die Geschwindigkeit, mit der sich Fehler ausbreiten können, drastisch an.

Berücksichtigen Sie die wahrscheinlichen Auswirkungen einer schlechten Data Quality anhand der bereits aufgetretenen Probleme und der potenziellen Folgen zukünftiger Probleme.

Viele Manager gehen davon aus, dass Ihre Daten irgendwie sicher und kontrolliert sind, weil sie über eine hochentwickelte Datenanalyseplattform verfügen.

Das ist leider nicht der Fall.

Moderne Datenplattformen haben Tausende von Prozessen und Hunderte von Systemschnittstellen, von denen jede einzelne einen Fehler verursachen kann, der erhebliche Risiken für das Unternehmen birgt.

Es ist wichtig, dass Sie sich über die Auswirkungen schlechter Datenqualität im Klaren sind, jetzt und in Zukunft. Dadurch verdeutlichen Sie den ROI der Implementierung einer robusten Data Quality-Sicherungsfunktion.

Überlegung Nr. 3: Was ist eine vernünftige Frist für die Einrichtung einer Datensicherheitsfunktion?

Wenn Probleme mit der Datenintegrität oder -qualität offensichtlich sind, kann der Aufbau einer Datensicherungskapazität eine gewisse Dringlichkeit haben. Daher sollten Sie klären, wie schnell Ihre Stakeholder mit der Einführung einer Lösung rechnen können.

In der Praxis ist es so, dass interne Softwareentwicklungsprojekte wesentlich länger dauern, bis sie umgesetzt sind. Das sollten Sie im Hinterkopf behalten, wenn Dringlichkeit geboten ist.

Überlegung Nr. 4: Welche Datenlösungen wurden bereits intern erstellt? Wie war das Ergebnis?

Die Entwicklung einer Datensicherungsplattform ist weitaus komplexer als ein typisches Softwareentwicklungsprojekt.

Vielleicht verfügt Ihr Unternehmen über ein internes IT-Team, das in der Lage ist, Anwendungen und einfache Datenprozesse zu erstellen, doch die Verwaltung der Data Quality über verschiedene Datenlandschaften hinweg birgt signifikante technische Hindernisse, auf die die meisten IT-Teams bisher nicht gestoßen sind.

Hinweis: Einige dieser Herausforderungen werden Sie später in diesem Artikel kennenlernen.

Wenn in Ihrem Unternehmen in der Vergangenheit komplexe Lösungen zur Datensicherung und -überwachung entwickelt wurden, sollten Sie diese untersuchen, um sich ein genaues Bild von den verbrauchten Ressourcen und Kosten zu machen. Außerdem sollten Sie klären, wie effektiv diese Projekte die Erwartungen erfüllt haben.

Hat Ihr Unternehmen jedoch in der Vergangenheit keine ähnlichen Datenlösungen entwickelt, ist es unwahrscheinlich, dass Ihr IT-Team über die erforderlichen fortgeschrittenen Daten- und Softwarekenntnisse verfügt.

Überlegung Nr. 5: Was ist der aktuelle und zukünftige Umfang?

Etwa 40 % der Unternehmen, die sich über unsere Data Quality- und Datensicherungslösung erkundigen, haben erwogen, diese selbst zu entwickeln.

Viele haben sogar den Weg des DIY eingeschlagen und sich erst dann für eine kommerzielle Alternative entschieden, als sie mit ihrer intern entwickelten Software schlechte Erfahrungen gemacht haben.

Ein häufiges Problem bei selbstentwickelten Lösungen ist die Ausweitung des Umfangs. Die interne Software scheint innerhalb eines minimalen Umfangs von einfachen Dateneinspeisungen und grundlegenden Qualitätsprüfungen recht gut zurechtzukommen. Aber wenn die Nachfrage nach weiteren Bewertungen und Überwachungen steigt, zeigen sich bald Risse.

Sie müssen sich darüber im Klaren sein, dass jede Lösung mit der prognostizierten Nachfrage skalieren muss. Sie können mit wesentlich mehr Dateneinspeisungen (sowohl eingehende als auch ausgehende) rechnen, nicht zu vergessen Hunderte oder sogar Tausende von zusätzlichen Berichten, wenn Sie eine Business Intelligence-Plattform sicherstellen.

Außerdem müssen Sie damit rechnen, dass andere Abteilungen und Anwendungsfälle außerhalb der traditionellen Data Quality- und Testanforderungen auftauchen. Dazu gehören interne Audits, die Erstellung von Berichten nach gesetzlichen Vorschriften, Benutzerakzeptanztests und vieles mehr.

Letztendlich wird intern entwickelte Software fast immer nicht die Skalierbarkeit eines modernen, gut gebauten Sicherheitstools aufweisen. Seien Sie realistisch, was das zukünftige Wachstum und die Nachfrage nach Data Quality Assurance und automatisierten Tests angeht.

Die verschiedenen Phasen des Entwicklungsstands von Business Intelligence-Tests verstehen

Ein Unternehmen, das seine Business Intelligence testen und sichern möchte, muss als Nächstes herausfinden, wo sich Ihr Unternehmen auf der Entwicklungsstufe für Tests und Qualitätssicherung befindet.

Mithilfe der folgenden Abbildung können Sie Ihren aktuellen Entwicklungsstand abschätzen.

Aus unserer Praxis wissen wir, dass die meisten Unternehmen, die Selbsthilfelösungen implementieren, eher eine schwächere Gesamtstrategie für Data Quality und Testautomatisierung verfolgen, wodurch die Kosten und Risiken für das Unternehmen erheblich steigen.

Unternehmen, die in eine geeignete Technologie investieren, verfügen dagegen eher über eine solide langfristige Strategie für die Automatisierung von Tests und die Qualitätssicherung von Daten, was ihren ROI deutlich erhöht.

Außerdem stellen wir fest, dass Unternehmen, die ihre Kapazitäten für Datentests und -qualität erfolgreich ausbauen, fast immer eine kommerzielle Lösung als Grundlage für die Expansion einsetzen.

Entwickeln vs. Kaufen: Wichtige Faktoren bei der Auswahl einer Data Validation Testing-Lösung

Da die Vorbereitung nun klar ist, lassen Sie uns einen Blick auf die Vorteile des Kaufs gegenüber der Entwicklung von Lösungen zur Automatisierung von Datentests und zur Qualitätssicherung werfen.

Die Kostenrechnung

Einer der wichtigsten Gründe für die Entwicklung einer selbst entwickelten Lösung ist das fehlende Budget für den Kauf eines kommerziellen Produkts.

Es herrscht der Irrglaube, dass die Entwicklung einer internen Lösung dazu beitragen kann, die Investitionskosten für ein kommerzielles Produkt zu vermeiden.

Mitunter gibt es zwar Budgets für die interne IT-Entwicklung, aber keine externen Kapitalinvestitionen. Wenn Sie über ein IT-Team von Entwicklern verfügen, die auf eine Kodierungsarbeit warten, wieso sollten Sie diese nicht mit der Entwicklung einer Lösung beauftragen? Wenn Ihr Unternehmen die Kapitalbeschaffung eingefroren hat, kann die Entwicklung eines internen Produkts Ihr einziger Weg zu einer Lösung sein.

Anbieter von Lösungen wie BiG EVAL reduzieren jedoch den Kapitalaufwand erheblich, da sie ein geleastes Modell anbieten. Wie unsere Untersuchungen zeigen, sind die jährlichen Kosten für die Miete einer kommerziellen Lösung niedriger als für die Entwicklung, das Testen, den Support und die Wartung einer internen Lösung.

Ein Unternehmen hatte beispielsweise einen Entwickler/Berater mit der Entwicklung eines Frameworks für die Datenautomatisierung und einer Softwarelösung beauftragt. Mehrere Jahre später baten sie uns um Hilfe. Gemeinsam mit dem Team ersetzten wir die alte Lösung in weniger als 12 Wochen und zu einem Bruchteil der Kosten, die für den vorherigen Ansatz ausgegeben wurden.

In addition, we have found that commercial solutions provide more predictability around future spending. With internally created software, costs are difficult to predict because it is unclear how maintenance and development costs will rise as the scope and demand for data assurance increases.

Zusätzliche Überlegungen für intern entwickelte Software

Wenn Sie eine interne Lösung entwickeln, sollten Sie nicht nur die anfänglichen Projektkosten berücksichtigen. Oft werden die langfristigen Budgets für Wartung und Support übersehen.

Bei intern entwickelter Software mangelt es oft an Standardisierung, so dass es schwieriger ist, sie für verschiedene Anwendungsfälle, Technologien und Geschäftsbereiche einzusetzen.

Kommerzielle Lösungen wie BiG EVAL können dagegen für eine Reihe von technischen und geschäftsorientierten Initiativen genutzt werden. Dieser Faktor der "gemeinsamen Nutzung" der neuesten kommerziellen Software heißt auch, dass Finanzierung und Investitionen auf die Budgets der verschiedenen Abteilungen aufgeteilt werden können, wodurch sich die Auswirkungen auf ein Team verringern.

Wir haben zudem festgestellt, dass die kommerziellen Lösungen eine bessere Vorhersehbarkeit der zukünftigen Ausgaben bieten. Bei einer intern erstellten Software lassen sich die Kosten nur schwer vorhersagen, weil unklar ist, wie die Wartungs- und Entwicklungskosten mit zunehmendem Umfang und Bedarf an Datensicherheit steigen werden.

Produktivität und Qualitätssicherung

Der vielleicht offensichtlichste Unterschied zwischen "kaufen" und "entwickeln" ist die taggleiche Produktivität einer Lösung wie BiG EVAL.

Dieser Unterschied wurde vor kurzem bei einem Kunden deutlich, der seine gesamte Datensicherung zuvor über SQL (eine Datenbankabfragesprache) und eine benutzerdefinierte interne Software zur Planung und Ausführung von Skripten durchgeführt hatte.

Immer wenn ein Bericht oder ein Dashboard mit einer neuen Datenquelle angefordert wurde, dauerte ein neuer Datensicherungsprozess bei unserem Kunden viele Tage. Der gesamte Prozess führte zu zahlreichen Übergaben zwischen technischen und geschäftlichen Teams, ehe er in einer Produktionsumgebung eingesetzt werden konnte. Danach würde selbst die kleinste Aktualisierung mehrere Tage Bearbeitungszeit durch die interne IT-Abteilung erfordern, was zu weiteren Produktivitätsengpässen führte.

Im Gegensatz dazu würde der Einsatz kommerzieller Data Quality-Software wie BiG EVAL es ihnen ermöglichen, neue Sicherungsprozesse noch am selben Tag zu implementieren, an dem sie angefordert werden.

Diese Produktivität am selben Tag führt zu offensichtlichen Kosteneinsparungen für das IT-Team, aber der wahre Vorteil ist der Produktivitätsgewinn für das Unternehmen. Mit jeder Überwachung der Data Quality Ihrer Datenplattform können Sie Probleme erkennen, die dem Unternehmen bei Nichtbeachtung schaden würden. Mit kommerziellen Tools zur Datensicherung steigern Sie die Produktivität Ihres IT-Teams und verbessern die Leistung Ihrer Teams für Datenanalyse und Business Services.

Mit kommerziellen Lösungen können Sie Datensicherungsprozesse in einem Bruchteil der Zeit einführen, die für individuell angefertigte interne Lösungen benötigt wird.

Funktionalität Portfolio

Oft bitten uns Kunden, ihnen bei der Entwicklung ihrer Data Testing- und Assurance-Prozesse zu helfen, wenn sie eine selbst entwickelte Softwarelösung erstellt haben. In praktisch allen Fällen stellen wir fest, dass die von ihnen erstellte Software in eine Sackgasse geraten ist, da sie den modernen Anforderungen an Datensicherung und Qualitätstests nicht mehr gewachsen ist.

Man könnte meinen, die Datensicherung umfasse einfache Datenprüfungen, um festzustellen, ob ein Wert korrekt eingegeben oder ein Prozess gemäß den Anforderungen abgeschlossen wurde. Wenn es nur um einige grundlegende Validierungen geht, können selbstentwickelte Lösungen für einen eng definierten Bereich mit einer einfachen Datenquelle und Verarbeitungskette ausreichend sein.

Für die meisten Unternehmen sieht die Realität jedoch ganz anders aus.

Bei BiG EVAL verfügen wir über langjährige Erfahrung mit Data Warehouse- und Business Intelligence-Datensicherungstests.
In der neuen Gallery finden Sie ganz leicht vorgefertigte Testcases die in Kürze angewendet werden können.




Das unten stehende Diagramm zeigt die häufigsten Anwendungsfälle, denen wir begegnen. Außerdem zeigen die sieben Fähigkeiten das Funktionsportfolio, das wir mit unserer Lösung anbieten.

data testing

Dieses Bild zeigt, dass sich das Testen von Daten im Laufe der Jahre erheblich weiterentwickelt hat. Die heutige Datenwelt ist komplex, vielfältig und verändert sich ständig.

Wenn Sie sich intern um die Entwicklung von Datentests und Qualitätssicherung kümmern, verpflichten Sie sich, die gegenwärtige Datenlandschaft zu bewältigen und eine Roadmap für die Zukunft zu erstellen. Ein durchschnittliches IT-Team ist nur selten in der Lage, den gesamten Funktionsumfang zu bewältigen, und die Aufrechterhaltung dieser Roadmap stellt eine erhebliche Belastung für die ohnehin schon begrenzten Ressourcen dar.

Fazit

Das wohl überzeugendste Argument für die Entwicklung Ihrer eigenen Software ergibt sich aus dem Aspekt von Angebot und Nachfrage.

Wenn Ihr Unternehmen und Ihre technischen Teams Funktionen benötigen, die kommerzielle Anbieter nicht anbieten können, ist es sinnvoll, Ihre eigene Lösung zu entwickeln.

Allerdings ist das Angebot kein Thema mehr.

Moderne, voll funktionsfähige Technologien wie BiG EVAL erfüllen alle typischen Anwendungsfälle für die Absicherung und Prüfung von Daten.

Unabhängig davon, ob Sie eine End-to-End-Lösung für die Sicherung von Business Intelligence-Daten oder eine andere Form der Bewertung der Datenqualität während des Fluges benötigen - die modernen kommerziellen Lösungen kosten weniger als eine Eigenentwicklung, liefern bessere Ergebnisse und bieten eine weitaus höhere Produktivität.

Möchten Sie die Kosten für die Entwicklung Ihrer eigenen Data Testing-Lösung mit denen einer kommerziellen Alternative vergleichen?

Wir unterstützen Sie bei der Berechnung der Gesamtbetriebskosten unserer Lösung im Vergleich zu den Entwicklungs- und Supportkosten einer herkömmlichen Eigenentwicklung.

Do the first step! Get in touch with BiG EVAL...

 BLOG

Our Experts Latest Articles

Data Testautomation

Mastering Test Automation: A Game-Changer for Software Quality and Efficiency

Mastering Test Automation: A Game-Changer for Software Quality and Efficiency
Data Testautomation

Data Product Testing Bottlenecks: How to Achieve Massive Scaling the Easy Way

Data Product Testing Bottlenecks: How to Achieve Massive Scaling the Easy Way
Data Quality Management

How to Get Budget and Executive Buy-In to Improve Data Quality

How to Get Budget and Executive Buy-In to Improve Data Quality
Data Testautomation

Costs for Quality Assurance and Testing in Data Product Projects

Costs for Quality Assurance and Testing in Data Product Projects
Webinars

Webinar – Overcoming Data Challenges in Insurance Compliance

Webinar – Overcoming Data Challenges in Insurance Compliance
Webinars

From Data Challenges to Data Excellence – The Role of QA and Test Automation

From Data Challenges to Data Excellence – The Role of QA and Test Automation
Data Quality Management

The Yin and Yang of Data Quality Metrics: Balancing Accuracy and Completeness

The Yin and Yang of Data Quality Metrics: Balancing Accuracy and Completeness
Data Quality Management

Exploring the Impact of Data Reliability on Decision-Making Processes

Exploring the Impact of Data Reliability on Decision-Making Processes