Viele Unternehmen sitzen auf wertvollen Datenschätzen, nutzen diese aber nicht optimal. Ein häufiges Problem liegt nicht in der fehlenden Technologie, sondern in der fehlenden Struktur: Wie werden Daten beschafft, gespeichert, gepflegt und nutzbar gemacht? Genau hier setzt das GAP-Modell an, ein Rahmenwerk, das den Weg vom reinen Datenspeicher zum profitablen Datenprodukt strukturiert.
Das Akronym GAP steht für einen Prozess, der typischerweise folgende Etappen umfasst: Zuerst kommt die klare Definition des Ziels (G wie Goal). Was genau soll mit den Daten erreicht werden? Welche Geschäftsprobleme lösen sie? Dies ist fundamental, weil viele Data-Projekte scheitern, weil Ziele unklar oder unrealistisch sind.
Im zweiten Schritt (A wie Access) geht es um Zugänglichkeit und Verfügbarkeit. Sind die Daten in der richtigen Form und am richtigen Ort? Können berechtigte Nutzer sie nutzen? Hier spielen technische und organisatorische Aspekte zusammen.
Der dritte Schritt (P wie Process) konzentriert sich auf Qualität und Kontinuität. Die Daten müssen regelmässig aktualisiert, validiert und bereinigt werden. Dies ist kein einmaliger Prozess, sondern eine laufende Aufgabe.
Der Artikel betont, dass "Data Governance" oft zu abstrakt und bürokratisch wirkt. Stattdessen sollte der Fokus auf praktischer Datenqualität liegen: Sind die Daten aktuell? Vollständig? Korrekt formatiert? Verständlich dokumentiert? Diese Qualitätsmerkmale sind der echte Treiber für erfolgreiche Datenprodukte.
Für KMU ist dieser Ansatz besonders wertvoll. Viele mittlere Unternehmen sammeln bereits Daten (Kundenverhalten, Betriebsmetriken, Marktinformationen), haben aber keine klare Strategie, diese zu Mehrwert zu konvertieren. Mit dem GAP-Modell können sie strukturiert vorgehen, um beispielsweise bessere Geschäftsentscheidungen zu treffen, Personalressourcen effizienter einzusetzen oder neue Geschäftsmodelle zu entwickeln. Der Schlüssel liegt in der Disziplin und Kontinuität der Datenpflege, nicht in teurer High-End-Technologie.