Knowledge & Trends
Does analytics need a product owner? A pragmatic model for mid-sized companies
Oct 2026 | Blog
Blog post
More blog posts
SAP BW Data Product Generator: When it’s the right choice, and when it isn’t
Data products in the SAP world: substance or just the next data buzzword?
S/4HANA meets SAP Datasphere: CDS, ODP, or Replication Flow—the right path for your data
SAP Commodity Management overview: solutions, functions, and use cases
More from other areas
Montagmorgen, Management Meeting, der Vertrieb präsentiert einen Umsatz, das Controlling einen anderen, und beide Zahlen stammen aus „dem System“. Statt über Maßnahmen wird eine halbe Stunde über Definitionen diskutiert. Kommt dir das bekannt vor? Dann fehlt deiner Analytics Landschaft vermutlich nicht die Technik, sondern jemand, der Verantwortung für das Ergebnis übernimmt: ein Analytics Product Owner.
Die gute Nachricht: Dafür brauchst du weder ein aufwendiges Organisationsmodell noch eine zusätzliche Vollzeitstelle. Mit einem schlanken, auf den Mittelstand zugeschnittenen Rollenmodell lässt sich Product Ownership auch mit begrenzten Ressourcen wirksam etablieren.
Das typische Bild: Viele Berichte, wenig Wirkung
In vielen mittelständischen Unternehmen ist die BI-Landschaft über Jahre gewachsen, vom klassischen SAP BW über Excel-Auswertungen bis zu ersten Dashboards in der SAP Analytics Cloud. Aus der Praxis kennen wir dabei immer wieder dieselben drei Symptome:
1. Report Chaos
Kennzahlen wie Umsatz, Deckungsbeitrag oder Liefertreue sind in jedem Bereich etwas anders definiert
2. Mehrere Wahrheiten
Kennzahlen wie Umsatz, Deckungsbeitrag oder Liefertreue sind in jedem Bereich etwas anders definiert.
3. Verwaiste Datenmodelle
Fachliche Logik steckt in Datenflüssen, deren Verantwortliche das Unternehmen längst verlassen haben.
Warum klassische Rollenmodelle hier nicht greifen
Lehrbuchmodelle aus großen Konzernen sehen bestimmte Product Owner, Data Stewards und Governance Boards vor. Im Mittelstand ist das in der Regel schlicht nicht abbildbar. Gleichzeitig scheitern die beiden naheliegenden Alternativen: Liegt Analytics allein in der IT, fehlt das fachliche Verständnis für die Steuerungslogik. Liegt es allein im Fachbereich, entstehen Lösungen ohne tragfähige Architektur. Gefragt ist also ein Mittelweg.
Product Ownership statt Vollzeitstelle
Unser Ansatz setzt nicht bei neuen Stellen an, sondern bei einem veränderten Blick auf Analytics. Die zentralen Bausteine:
▷ Analytics Produkte statt Einzelberichte
Statt 40 isolierter Reports wird z. B. die „Vertriebssteuerung“ als ein Produkt verstanden, mit klarem Zweck, definierten Nutzern und einem eindeutigen Verantwortlichen.
▷ Der Product Owner aus dem Fachbereich
Die Rolle wird mit einem festen Zeitanteil von einer erfahrenen Person aus dem Fachbereich übernommen, etwa einem Controller oder Vertriebsleiter, der die Kennzahlen ohnehin verantwortet.
▷ Das Tandem mit der BI-Architektur
An der Seite des Product Owners steht ein technischer Ansprechpartner, intern oder extern, der Machbarkeit, Datenmodell und Systemlandschaft im Blick behält.
▷ Ein schlankes Backlog mit klaren Spielregeln:
Anforderungen werden nach Geschäftsnutzen priorisiert, transparent und nachvollziehbar für alle Beteiligten.
Technik als Grundlage: Ohne gemeinsame Semantik kein Product Owner
Der beste Product Owner bleibt wirkungslos, wenn jede Kennzahl in drei Systemen unterschiedlich berechnet wird. Moderne SAP-Architekturen wie SAP Datasphere bzw. die SAP Business Data Cloud bieten mit einer zentralen semantischen Schicht und fachlich geschnittenen Bereichen die passende Grundlage. Kennzahlen werden einmal definiert und überall gleich genutzt. So wird die Rolle auch technisch verankert, statt nur auf dem Organigramm zu existieren.
Best Practices für den Einstieg
1. Klein starten
Beginne mit einem einzigen, sichtbaren Analytics Produkt, idealerweise dort, wo der Schmerz über widersprüchliche Zahlen am größten ist.
2. Zeit ehrlich einplanen
Product Ownership „nebenbei“ funktioniert nicht. Ein fest reservierter Zeitanteil ist die wichtigste Erfolgsbedingung.
3. Kennzahlen verbindlich definieren
Ein gemeinsames KPI-Glossar ist das erste Arbeitsergebnis jedes Product Owners und der schnellste Weg zu „einer Wahrheit“.
4. Migrationen als Chance nutzen
Steht der Wechsel von SAP BW auf eine moderne Plattform an, ist das der ideale Zeitpunkt, um Verantwortlichkeiten neu zu ordnen und Altlasten bewusst zurückzulassen.
Conclusion
Verantwortung schlägt Werkzeug.
Braucht Analytics einen Product Owner? Ja, aber nicht zwingend als Vollzeitstelle. Entscheidend ist, dass für jede zentrale Kennzahl jemand mit fachlicher Kompetenz und klarem Mandat Verantwortung übernimmt. Kombiniert mit einer sauberen semantischen Architektur entsteht so eine Analytics Landschaft, der Management und Fachbereiche vertrauen. Wer das Rollenmodell passend zur eigenen Organisation zuschneidet, macht Berichte zur fundierten Grundlage für strategische Entscheidungen.
Autor: Daniel Hettich | Stand: 16.10.2026
More Posts
- SAP BW Data Product Generator: When it’s the right choice, and when it isn’t
- Data products in the SAP world: substance or just the next data buzzword?
- Does analytics need a product owner? A pragmatic model for mid-sized companies
- S/4HANA meets SAP Datasphere: CDS, ODP, or Replication Flow—the right path for your data
- From POC to partnership: personnel planning on SAP Datasphere & SAC
- Business Information Framework
- SAP Fiori Extensibility: Extending Fiori Apps in a Way That Ensures Upgrade Compatibility
- SAP Commodity Management overview: solutions, functions, and use cases
- Coaching for a strong team: on the way to BDC
- The path to Business Data Cloud, as part of the S/4 migration