Eine Data Governance (Datensteuerung) umfasst in Summe die Menschen, Prozesse und Technologien, die zur Verwaltung, zum Schutz und zur Steigerung des Datenkapitals einer Organisation benötigt werden, um allgemein verständliche, korrekte, vollständige, vertrauenswürdige, sichere und auffindbare Daten garantieren zu können.
Warum ist eine Data Governance ein kritischer Erfolgsfaktor für Organisationen?
Im Zeitalter der Digitalisierung ist der heutige und zukünftige Wettbewerbserfolg von Organisationen maßgeblich von der Datenkompetenz (Data Litaracy) und Datenintelligenz (Data Intelligence) abhängig. Dazu ist einerseits eine klare Datenstrategie (Data Strategy) erforderlich sowie die Implementierung einer Data Governance bzw. eines Data-Governance-Frameworks. Eine Data Governance ist somit der taktische Teil einer Data Strategy und hat die Aufgabe, die Strategie in einen gelebten Rahmen zu bringen. Zu beachten ist, dass es schon lange nicht mehr um die bürokratisch klingende Datenverwaltung geht, sondern um die aktive Gestaltung und Befähigung der Organisation, ihr Datenkapital bestmöglich zu nutzen sowie die immer komplexer werdenden Complianceanforderungen risikoarm zu steuern. Aus ökonomischer Sicht ist es vorrangig das Ziel einer Data Governance, die Datenkompetenz (Data Literacy) und die Datenintelligenz (Data Intelligence) stetig zu steigern und somit maßgeblich zum Wettbewerbserfolg beizutragen.
Was sind die Bausteine eines Data-Governance-Frameworks?
Die Bausteine sind in der Literatur nicht festgelegt. Aus der Erfahrung und aus der Beobachtung von vielen Data-Strategy- und Data-Governance-Projekten sollten folgende Bausteine mindestens enthalten sein:
Data Scope
Festlegung von Grundsätzen und Verfahren zur Bewertung und Priorisierung von High-Value- und High-Risk-Daten.
Data Ownership
Festlegung von Rollen, die als Eigentümer von Daten fungieren und für diese Verantwortung übernehmen. Bestimmung der Personen, die dazu befähigt sind, Rollen auszufüllen und entsprechend zu handeln.
Data Catalogue, Data Lineage
Der Datenkatalog bietet eine zentrale Ansicht der Metadaten. So kann die Herkunft von Daten geklärt und ihre Verwendung innerhalb der Organisation zurückverfolgt werden.,
Eine „Data Lineage“ innerhalb des Data Catalogues liefert die Informationen über die Verwendung, Verarbeitung, Qualität und Leistungsfähigkeit von Daten im gesamten Lebenszyklus, von der ursprünglichen Erstellung bis zur Löschung.
Data Quality
Festlegung von Grundsätzen und Verfahren, um eine wertorientierte Betrachtung, Steuerung und Qualitätssicherung von Daten hinsichtlich Korrektheit, Relevanz und Verlässlichkeit zu ermöglichen, abhängig vom Zweck, den die Daten in einem bestimmten Zusammenhang erfüllen sollen.
Data Sharing
Ermöglicht die Wiederverwendbarkeit von Datenbeständen mit gültiger geschäftlicher Begründung sowohl intern als auch extern anhand festgelegter Grundsätze und Verfahren.
Data Retention, Archiving, Decommission
Die Daten müssen in Übereinstimmung mit den relevanten Datenschutzrichtlinien, Vorschriften und Verfahren archiviert und gelöscht werden.
Was ist der Mehrwert einer Data Governance?
Aus ökonomischer Sicht werden positive Effekte bei besserer Datenqualität und damit Prozesseffizienz erzielt. Eine Faustregel besagt, dass Datenqualitäts- und damit Prozessfehler 5- bis 10-mal höhere Prozesskosten verursachen als fehlerfreie Prozesse. Zusätzlich können bei besserer Datenqualität Vertriebspotenziale effektiver gehoben werden, die sich wiederum positiv auf den Umsatz auswirken. Durch den strategischen Ansatz des „Shopping for Data“ und die Etablierung eines Data Catalogues und eines verbesserten Metadata-Managements werden zusätzliche Effizienzen erreicht. Durch den verringerten Aufwand bei der Suche und Aufbereitung der Daten verbleibt somit mehr Zeit für die Datenanalyse und die faktenbasierte Entscheidungsfindung. Mit einer gesteigerten Compliancekonformität können Risiken besser gesteuert und minimiert werden.
Wie kann ein Organisations-Modell einer Data Governance aussehen?
Auch hier gibt es kein Standardmodell. Wichtig ist, dass eine Data Governance aktiv von einem Vorstandsmitglied/Geschäftsführungsmitglied verantwortet wird. Das Data-Governance-Organisationsmodell muss an der Unternehmensstrategie und an den Bedürfnissen der Organisation so ausgerichtet werden, dass die Organisation befähigt wird, ihre Datenkompetenz und Datenintelligenz nachhaltig zu steigern.
Nachfolgend ein Beispiel eines Data-Governance-Organisationsmodells ohne Anspruch auf Vollständigkeit.
