Data Governance

Daten entwickeln sich zum zentralen Erfolgselement für Unternehmen. Data Governance ist essentiell, um die Wertschöpfung aus Datenbeständen zu maximieren. Bisher unterschätzen viele Unternehmen die Bedeutung der Disziplin und behindern damit ihren eigenen Erfolg. Wir erklären, was Data Governance für die Unternehmenspraxis bedeutet, wie sie sich von verwandten Konzepten unterscheidet und worauf es bei der Implementierung ankommt.

Definition

Was ist Data Governance?

Eine einheitliche Definition für Data Governance existiert bisher nicht. Zunehmend herrscht jedoch Übereinstimmung, dass Data Governance (auch: governance of data) keine ausschließlich technische Disziplin ist. Wir verwenden im Weiteren folgende Definition:

Data Governance bildet das organisatorische Herzstück von Datenmanagement. Es setzt ein Regel- und Rahmenwerk für sämtliche datenbezogene Technologien, Prozesse und Verantwortlichkeiten im Umgang mit Daten im Unternehmen und über die Unternehmensgrenzen hinweg.

Data Governance beantwortet also Fragen wie: Welche Datenqualität streben wir an? Was sind überhaupt die wichtigsten Unternehmensdaten und an wen wenden sich Mitarbeiter, wenn sie Datenanforderungen haben?
Governance of data ist ein Thema, das jede Unternehmensebene und sowohl Strategie als auch operatives Geschäft beeinflusst.

Was sind die Vorteile von Data Governance in einem Unternehmen oder in einer Organisation?

Daten sind wichtige Assets. Sie geben Aufschluss, wie sich Prozesse optimieren lassen, sind Basis, um Geschäftsmodelle zu erweitern und neue Produkte zu entwickeln. Deshalb ist es notwendig, Daten zu schützen und bestmöglich zu verwerten. Die Implementierung einer Data-Governance-Strategie ermöglicht genau das.

Datenqualität und Konsistenz verbessern: Die zentrale und strategische Konzeption der IT-Infrastruktur vereinfacht es, Arbeitsprozesse zu implementieren, die die Qualität und Validität von Daten sicherstellen.
Transparenz schaffen: Entscheidungen im Datenmanagement und in der Datenpflege lassen sich einfacher kommunizieren und werden von Mitarbeitern besser akzeptiert, wenn sie einem nachvollziehbaren, strategisch aufgebauten Data Governance Framework folgen.
Rechtskonformität & Compliance gewährleisten: Die rechtlichen Anforderungen an Datenschutz und Datensicherheit ändern sich regelmäßig. Eine zentral organisierte governance of data hilft, unternehmensweit und zu jeder Zeit rechtskonform zu agieren und juristische Konsequenzen und Strafzahlungen zu vermeiden. Auch die Daten-Compliance lässt sich mithilfe von Governance-Strukturen effektiv verbessern.
Datenpflege vereinfachen: Der Aufwand für Datenpflege lässt sich mit einem klaren Data-Governance-Strategie und speziellen Data Governance Tools senken. Die Aufsplittung von Verantwortlichkeit in klar verteilte Data-Governance-Rollen beschleunigt die Bearbeitung von Eingaben und senkt Kosten, da sie Mehrfachtätigkeiten eliminiert.
Wertschöpfungspotenzial erschließen: In letzter Instanz trägt eine unternehmensweite governance of data zur Gewinnsteigerung bei. Denn sie hilft Unternehmen, das Wissen aus Daten optimal nutzbar zu machen – für höhere Umsätze und kosteneffizientere Prozesse.

Data Leadership For Experts

Danke, liebe Manager. Von hier an wird es langweilig ...

Oder einfach spezifischer (so wie Sie es gerne sehen).
Die Experten unter Ihnen werden es sicher zu schätzen wissen, dass wir hier auch Einblicke geben, die weit über das notwendige Grundverständnis hinausgehen. Also, los geht's!

Was bedeutet und beinhaltet ein Data Governance Framework?

Die Data Governance eines Unternehmens leitet sich im Idealfall von der übergeordneten Datenstrategie ab und ist in die Unternehmensstrategie eingebettet. Ein Framework kann helfen, sämtliche Aspekte bei der governance of data zu berücksichtigen.

Ein Data Governance Framework definiert mehr als eine reine Data-Governance-Strategie. Welche weiteren Elemente das Framework umfassen sollte, wird unterschiedlich bewertet. Wir empfehlen sechs Bausteine für ein Data Governance Framework:

1.
Strategie:

Welche Vision und Mission verfolgt das Unternehmen mit seiner Data Governance? Welche konkreten Ziele sollen erreicht werden? Stehen diese in Einklang mit der allgemeinen Unternehmensstrategie und den Unternehmenszielen?

2.
Standards, Regeln und Prozesse

Welche Policies im Umgang mit Daten sollen für Mitarbeiter gelten? Welche Kontrollinstanzen werden etabliert? Welche Taxonomien werden geführt und welche Metadaten gepflegt?

3.
Messung und Monitoring

Mit welchen Tools und welchen Prozessen werden die unterschiedlichen Daten ausgewertet? Wie wird der Fortschritt in der Implementierung der beschlossenen Veränderungen gemessen? Wie soll das Issue Monitoring organisiert sein?

4.
Organisation

Wer ist Teil der Data-Governance-Organisation? Wer übernimmt welche Rollen und Verantwortlichkeiten? Wer übernimmt Data Ownership, wer Data Stewardship? Welche Eskalationsstufen und Schlichtungsstellen werden eingerichtet?

5.
Technologie

Welche Datenarchitektur wird gewählt? Wie wird die Datensicherheit und der gewünschte Datenflow sichergestellt? Welche technologischen Standards sichern eine hohe Datenqualität?

6.
Kommunikation

Welche Kommunikationsstrategie wird ausgerollt? Wann soll individuell, wann unternehmensweit über Änderungen in der governance of data informiert werden? Wie werden Weiterbildung und Wissensmanagement organisiert?

Was sind die typischen Data-Governance-Rollen?

Für die governance of data müssen Unternehmen verschiedene Rollen besetzen. Ein Konsens über Rollenbeschreibungen und -bezeichnungen existiert in Fachkreisen nicht, aber einige Verantwortlichkeiten finden sich unter unterschiedlichen Begriffen in den meisten Frameworks. Hier eine beispielhafte Übersicht über die wichtigsten Rollen:

Data Governance Committee

Das Committee steuert die governance of data eines Unternehmens auf höchster Managementebene. Es entscheidet über Strategien, Prozesse und Policies, setzt Ziele und überwacht den Fortschritt der definierten Maßnahmen in der Organisation.

Chief Data Officer

Er ist häufig Mitglied der Geschäftsführung oder berichtet direkt an diese. Seine Aufgaben: die Entwicklung der Data-Governance-Strategie und die Überwachung ihrer Umsetzung. Anders als der Chief Technical Officer (CTO) stehen für ihn weniger IT-Aspekte als prozessuale und strategische Fragen von Datenmanagement und Datenqualität im Vordergrund.

Data Owner

Häufig übernehmen Abteilungsleiter die Rolle des Data Owner. Sie tragen die inhaltliche und prozessuale Verantwortung für bestimmte Daten eines Fach- und Aufgabenbereichs (Data Ownership) und arbeiten eng mit den Data Stewards zusammen.

Data Steward

In jeder Fachabteilung wird ein Data Steward benannt. Der Mitarbeiter stellt die technische Bereitstellung der Daten sicher, evaluiert Anforderungen und löst technische Probleme. Er sichert die Qualität von Daten- und Datenquellen auf technischer Ebene.

Ein Beispiel für Data Governance

Entscheidungen, die die Unternehmensstrategie betreffen, wirken sich auch auf die Unternehmensdaten aus – und sollten in der governance of data berücksichtigt werden.

Beschließt der CEO einen Wachstumskurs einzuschlagen und weitere Unternehmen zu erwerben, bedeutet dies ein massives Wachstum der Datenbasis in womöglich kurzer Zeit. Die Datenstrategie muss diese strategische Neuausrichtung aufgreifen, zum Beispiel indem Ziele zum Umgang mit neuen Daten definiert werden. Standards zur Integrierbarkeit haben wiederum Auswirkungen auf die Datenmodellierung. Diese Veränderungen müssen auch an interne Stakeholder kommuniziert werden, damit die operativ Verantwortlichen Pläne zur Integration der neuen Daten erarbeiten und ihre Workflows anpassen können.

Fazit: Junge Disziplin mit Schlüsselfunktion

Daten fallen in jedem Unternehmen an. Damit ist auch Data Governance ein Thema für jedes Unternehmen. Zumindest sollte es das sein, da die Bedeutung von Daten für den unternehmerischen Erfolg rasant zunimmt. Der Grund: Der technische Fortschritt, der schneller riesige Datenmengen verarbeiten kann und immer intelligentere Analysen und Auswertungen ermöglicht.

Bisher verschenkt ein Großteil der deutschen Unternehmen Potenzial, das in ihren Daten liegt. Laut einer DEMAND-Studie von 2019 hatten sich nur 2 Prozent der befragten Firmen so organisiert, dass sie ihre Daten optimal verwerten. Nur 4 Prozent hatten unternehmensweite Data-Governance-Strukturen etabliert, deren Effektivität regelmäßig überprüft wurde.

Zwar hat die Corona-Pandemie zu einem Digitalisierungsschub geführt, doch auch 2021 dürften deutsche Unternehmen noch Nachholbedarf bei ihrer governance of data haben. Häufig sind einzelne Prozesse einer Data Governance im Einsatz, aber es fehlt ein übergeordnetes und einheitliches Rahmenwerk, ein Data Governance Framework. Dies ist allerdings notwendig, um in Zukunft Daten als Business Asset wettbewerbsfähig zu nutzen.

Häufige Fragen rund um Data Governance

Data Governance vs. Data Management: Was ist der Unterschied?

Data Governance legt Technologien, Prozesse und Verantwortlichkeiten zum Umgang mit Unternehmensdaten fest, während Data Management (Datenmanagement) die Implementierung der Vorgaben beschreibt. Die governance of data setzt an der strategischen Ebene an, Data Management bezieht sich auf die operativ-technische Umsetzung.

Wie sieht ein Plan für die Implementierung von Data Governance aus?

Am Anfang steht immer die Analyse des Status quo: Welche Daten sind in welcher Qualität vorhanden? Anschließend sollte ein Data Governance Framework mit Leben gefüllt werden, d.h. es sollten Prozesse, Rollen und Technologien definiert werden. Der letzte Schritt ist die sukzessive Integration der Maßnahmen in den operativen Betrieb. Parsionate hat eine Roadmap entwickelt, die Unternehmen in kurzer Zeit strukturiert bei der Implementierung und Optimierung ihrer Data Governance unterstützt.

Was ist der Unterschied zwischen Data Governance und Master Data Management?

Master Data Management bezieht sich auf die prozessuale und technische Organisation einer bestimmten Art von Unternehmensdaten, den Stammdaten (Master Data). Ziel des Master Data Managements ist es, die Daten unternehmensweit zu identifizieren, ihre Verwaltung zu vereinfachen und sie allen Anwendern verlässlich bereitzustellen, die vom Wissen aus den Daten profitieren können. Dabei werden die Vorgaben aus der Data Governance berücksichtigt. Sie setzt den strategischen Rahmen für das Master Data Management.