21.11.2023 Michael Schmahl
Kein Zweifel: Daten und Informationen sind ein begehrtes Wirtschaftsgut, dessen Nutzenmaximierung ein entscheidender Faktor für den Unternehmenserfolg darstellt. Allerdings reicht dabei der Fokus auf die Erstellung digitaler Produkte nicht aus. Gleichermaßen muss der Data Governance eine wachsende Bedeutung beigemessen werden. Mit klaren Richtlinien, Verantwortlichkeiten, Strukturen und Prozessen ermöglicht sie es allen Beteiligten, sämtliche geschäftlichen Potenziale in vorhandenen Datenbeständen auszuschöpfen [1].
Eine definierte Data Governance fördert [2]:
- bessere Entscheidungen
- höhere Produktivität
- geringere Kosten
- Transparenz in der Datenlandschaft
- Einhaltung von Kontrollpflichten und Compliance
Diese Potenziale werde ich im Folgenden weiter konkretisieren. Danach gehe ich auf die strategischen und organisatorischen Herausforderungen ein, die zu erwarten sind.
Eine Data Governance wird im Kontext einer Datenstrategie definiert.
Konkreter Beitrag zum Unternehmenserfolg
Eine Data Governance soll organisationsweit die Arbeit mit Daten aktiv fördern und dabei sichere Abläufe, Datenkonsistenz sowie valide Analyseergebnisse gewährleisten. Zu diesem Zweck stellt das Data-Governance-Konzept verschiedene Methoden und Werkzeuge zur Verfügung. Beispielsweise sorgt eine durchgehende Data Lineage dafür, dass alle Schritte der Datenverarbeitung für die Datenkonsumenten transparent sind. Sie können Resultate bis zu den Ursprungsdaten zurückverfolgen. Dabei lassen sich Systembrüche, Ineffizienzen, fehlerhafte Transformationen und Datenverluste identifizieren bzw. gezielt korrigieren.
Die betreffenden Prozesse – wie etwa ein Einkauf im Online Shop von der Bestellung bis zur Lieferung an den Kunden – werden nicht nur zuverlässiger, effizienter und kostengünstiger gestaltet. Gleichzeitig steigt die Qualität Ihrer Daten und damit die Verlässlichkeit der durchgeführten Analysen. Auch operativ entfallen Mehraufwände, z.B. indem Retouren gesenkt oder manuelle Nacharbeiten an Lieferscheinen vermieden werden. Ein weiterer Effekt: Die Nutzer vertrauen Ihrer Datenlösung und sind motiviert, damit zu arbeiten – im Prinzip die Grundvoraussetzung für den erfolgreichen Wandel zur Data Driven Company.
Zudem werden Kontrollpflichten systematisch unterstützt und Risiken sicherer gemanagt [3]. Mit ihren Vorgaben ermöglicht die Data Governance eine saubere Datenlandschaft für unterschiedlichste Anforderungen. Ein Beispiel ist das insbesondere für den Retail-Bereich relevante Know-your-Customer-Prinzip. Schließlich führt es nicht nur zu einem besseren Verständnis über den Kunden, sondern soll auch Betrug oder Geldwäsche verhindern. Weitere externe Treiber können Offenlegungspflichten der Unternehmensbilanz oder Datenbereitstellungen für Wirtschaftsprüfer sein. Nicht zuletzt werden regulatorische Anforderungen unterstützt, die sich bspw. aus der EU-DSGVO, HIPAA, BCBS 239 oder FATCA ergeben.
Um schließlich diese Potenziale heben und steuern zu können, sieht die Data Governance einen zentralen Data Catalog bzw. Data Product Catalog vor. Hier können Sie erstellte Analysen und Datenprodukte zur Verwendung durch andere Unternehmensbereiche anbieten, wodurch weitere Arbeitszeit eingespart und das Innovationstempo erhöht wird. Gründe für den Aufbau einer Data Governance gibt es also zur Genüge. Wie aber können Sie das Thema angehen? Welche Aspekte gilt es zu berücksichtigen?
Faktoren für die Einführung
Bei der Einführung einer Data Governance wird im Regelfall der Blick zunächst in Richtung IT gewendet. Keine Frage, sie ist ein entscheidender Enabler. Jedoch spielen noch weitaus mehr Faktoren eine Rolle. Diese können sowohl strategischer als auch organisatorischer Natur sein, wie Peter Gluchowski in seinem Framework sehr treffend darstellt (Abb. 1). Elementar ist dabei das Verständnis, dass ein Change-Prozess ins Leben gerufen wird und damit auch ein entsprechendes Change Management erforderlich ist.
Abb. 1: Data Governance Framework [1]
Entsprechend breitgefächert sind die Aufgabengebiete. So sollte eine Data Governance immer auf einer Datenstrategie fußen, die der Umsetzung klar definierter digitaler Visionen und Ziele dient. Davon ausgehend wird die Ablauforganisation auf den Prüfstand gestellt und ggf. angepasst. Sie müssen neue Rollen und Prozesse definieren sowie frühzeitig die Stakeholder bestimmen und schulen, damit diese zur rechten Zeit die ihnen zugewiesenen Aufgaben verstehen, akzeptieren und kompetent wahrnehmen können [4]. Mit einem qualifizierten Monitoring sorgen Sie schließlich dafür, dass Sie immer volle Transparenz zum Zustand der Data Governance und der Einhaltung der gesetzten Richtlinien haben. Zudem erhalten Sie laufend wertvolle Anhaltspunkte zu möglichen Verbesserungen.
Apropos Kommunikation: Wie in Change-Prozessen üblich, sollten alle Mitarbeitenden hinsichtlich der Neuerungen und Maßnahmen kontinuierlich informiert und mitgenommen werden. Ziel ist es, unternehmensweit und auf sämtlichen Hierarchieebenen die notwendige Akzeptanz für Ihr Data-Governance-Projekt zu erreichen.
Reifegrad bestimmen und kontinuierlich verbessern
Der konkrete Einstieg in die Data-Governance-Entwicklung erfolgt über eine allgemeine Status-Quo-Analyse der Datenkultur. Dabei wird ein spezifisches Datenprodukt herausgefiltert, an dem beispielhaft ein kompletter technischer Durchstich vom Quellsystem bis zum Endanwender durchgeführt und dokumentiert wird. Neben dem Fluss der Datenobjekte werden dabei bereits erste Erkenntnisse und ggf. auch schon Schwachstellen sichtbar. Die Ergebnisse lassen sich schließlich auf ein Reifegrad-Modell übertragen, das den aktuellen Zustand der Data Governance widerspiegelt. Davon ausgehend können dann konkrete Maßnahmen zur Verbesserung des Reifegrades abgeleitet werden. Grundlage für die Reifegradbewertung kann ein sogenanntes Maturity-Modell sein (Abb. 2).
Abb. 2: Data Governance Maturity Modell in Anlehnung an das Research- und Beratungsunternehmen Gartner [5].
Quellenverzeichnis
[1] Gluchowski, Peter (2020): Data Governance – Einführung und Überblick. In: Gluchowski, Peter (Hrsg.): Data Governance. Heidelberg: dpunkt.verlag: 1–12.
[2] Mahanti, Rupa (2021): Data Governance and Data Management. Singapore: Springer Singapore.
[3] Mahanti, Rupa (2021): Data Governance and Compliance. Singapore: Springer Singapore.
[4] Mahanti, Rupa (2021): Data Governance Success. Singapore: Springer Singapore.
[5] Gartner (2020): Create a Master Data Roadmap With Gartner’s MDM Maturity Model
Kommentare (0)