Einer der wichtigsten Aspekte bei der Zuweisung und Erfüllung der Rollen ist eine gut dokumentierte Beschreibung der Rollen, der Erwartungen und wie die Rollen zusammenwirken. Dies wird typischerweise in einer RACI-Matrix umrissen, die beschreibt, wer innerhalb einer bestimmten Durchsetzung, eines Prozesses oder für ein bestimmtes Artefakt wie eine Richtlinie oder einen Standard verantwortlich, rechenschaftspflichtig, zu konsultieren und zu informieren ist.
Das Data-Governance-Framework
Ein Data-Governance-Framework ist ein Satz von Datenregeln, organisatorischen Rollendelegierungen und Prozessen, die darauf abzielen, alle im Unternehmen auf die gleiche Seite zu bringen.
Es gibt viele Data-Governance-Frameworks. Als Beispiel verwenden wir das vom The Data Governance Institute. Dieses Framework hat 10 Komponenten; lassen Sie uns diese im Detail besprechen:
Abbildung 1. Das DGI Data Governance Framework © The Data Governance Institute
Warum:
Stammdaten können durch die Art und Weise beschrieben werden, wie sie mit anderen Daten interagieren.
Eine Mission und Vision, die besagt, warum Data Governance in unserer Organisation wichtig ist. Im besten Fall sollte dies im Zusammenhang mit den Geschäftszielen des Unternehmens stehen. Dies sollte vom Top-Management unterstützt werden.
Was:
Die kurz- und langfristigen Ziele für das Data-Governance-Programm sowie die Erfolgskriterien und deren Messung. Oftmals sollte dies die Hauptschmerzpunkte adressieren, die in verschiedenen Geschäftsbereichen existieren. Dies muss mit der Finanzierung und anderen beteiligten Linien abgestimmt werden.
Wie:
Datenregeln und -definitionen in Form von Datenrichtlinien, Datenstandards, Datendefinitionen vorzugsweise als Geschäftsglossar und wie Geschäftsregeln in Datenregeln transformiert werden. Dies sollte die Datenbestände abdecken, die die zentralen Geschäftseinheiten beschreiben, die für die Erfüllung der Geschäftsziele wesentlich sind. Das Data-Governance-Büro/Team wird mit Dateneigentümern und Datenverwaltern zusammenarbeiten, um dies einzurichten.
- Die Entscheidungsrechte, die für die Verwaltung der Datenbestände im Tagesgeschäft bestehen. Dazu gehört, was Datenverantwortliche entscheiden können und was an ein Data-Governance-Komitee oder eine ähnliche Instanz eskaliert werden muss.
- Die Zuständigkeiten und damit verbundenen Verantwortlichkeiten, die innerhalb der Organisation delegiert werden. Dies kann auch eine vollständige RACI-Matrix mit den Rollen von Beratern und Informanten beinhalten.
- Die Kontrollmechanismen, die eingesetzt werden, um die Einhaltung der Datenregeln und die Erreichung der definierten Ziele zu messen. Die Mechanismen können innerhalb von Geschäftsprozessen, in IT-Anwendungen und als Teil des Berichtswesens etabliert werden.
Wer:
Einbindung von Daten-Stakeholdern in den Rollen von Dateneigentümern, Datenverwaltern, Data Custodians und anderen, die rechenschaftspflichtig, verantwortlich sind, konsultiert werden müssen oder informiert werden sollten.
Wer:
Das Governance Office / Team sollte so organisiert sein, dass es die funktionsübergreifenden Data Governance Strukturen und Aktivitäten unterstützt. Es sammelt Metriken und Erfolgsmessungen und berichtet darüber an die Daten-Stakeholder. Es sorgt für die laufende Betreuung der Stakeholder in Form von Kommunikation, Zugang zu Informationen, Aufzeichnungen und Schulung/Unterstützung
- Data Stewards spielen eine wesentliche Rolle bei der Durchsetzung von Datenregeln und lösen die meisten Probleme, bevor sie zu einer größeren Herausforderung werden. Eine typische Aufgabe der Datenverwalter ist die Einrichtung von Datenqualitätsmessungen und die Nachverfolgung von Trends bei den Datenqualitäts-KPIs sowie die Durchführung von Ursachenanalysen, wenn Schwellenwerte nicht eingehalten werden.
Wann:
Zuletzt müssen standardisierte, dokumentierte und wiederholbare Prozesse mit der richtigen Balance von unterstützender Technologie eingesetzt werden. Die Orchestrierung der Data-Governance-Prozesse wird letztendlich über den Erfolg – oder Misserfolg – Ihres Data-Governance-Frameworks und die Fähigkeit, den Data-Governance-Reifegrad zu erhöhen, entscheiden.
Erwachsen, Kind: Das Reifegradmodell
Die Bewertung Ihrer Organisation anhand eines Data-Governance-Reifegradmodells kann ein sehr nützliches Element sein, um die Roadmap zu erstellen und den Ist- und Soll-Zustand der Data-Governance-Initiative sowie den Kontext für die Einführung eines Data-Governance-Frameworks zu kommunizieren.
Ein Beispiel für ein solches Reifegradmodell ist das Enterprise Information Management Reifegradmodell des Analystenhauses Gartner:
Abbildung 2. © Gartner
Die meisten Unternehmen befinden sich vor dem Start eines Data Governance-Programms in den unteren Phasen eines solchen Modells.
Phase 0 – Unaware: Sie befinden sich vielleicht in der Unaware-Phase, was oft bedeutet, dass Sie mit Ihren Vorstellungen darüber, wie Data Governance bessere Geschäftsergebnisse ermöglichen kann, mehr oder weniger allein in Ihrer Organisation sind. In dieser Phase haben Sie vielleicht eine Vision für das, was erforderlich ist, müssen sich aber auf viel bescheidenere Dinge konzentrieren, wie das Überzeugen der richtigen Leute im Geschäft und in der IT für kleinere Ziele rund um das Bewusstsein und kleine Gewinne.
Phase 1 – Aware: In der Aware-Phase, in der das Fehlen von Ownership und Sponsoring erkannt und die Notwendigkeit von Richtlinien und Standards anerkannt wird, ist Raum für die Einführung eines maßgeschneiderten Data-Governance-Frameworks, das offensichtliche Schmerzpunkte innerhalb Ihrer Organisation adressiert.
Phasen 2 und 3 – Reactive & Proactive: Durch das Erreichen der reaktiven und proaktiven Phasen kann ein umfassenderes Data-Governance-Framework etabliert werden, das alle Aspekte der Data Governance und die gesamte Organisationsstruktur mit Data Ownership und Data Stewardship sowie ein Data-Governance-Office / -Team im Einklang mit den erreichten und zu erreichenden Geschäftsergebnissen umfasst.
Phasen 4 und 5 – Managed & Effektiv: Mit Erreichen der Phasen „Managed“ und „Effective“ ist Ihr Data-Governance-Framework ein integrierter Bestandteil des Geschäftsbetriebs.
Wenn Ihre aktuellen Data-Governance-Richtlinien und -Verfahren Ihr Leitfaden sind, ist das Reifegradmodell Ihr Geschichtsbuch. Es wird aus historischen Daten auf Basis einer Reifegradbewertung zusammengestellt, die die Leistung eines Unternehmens mit festgelegten Zielen und Benchmarks über einen bestimmten Zeitraum vergleicht – zum Beispiel ein Quartal, ein Jahr oder sogar fünf Jahre. Das Modell zeigt, wo Sie waren, was Ihnen hilft, zu bestimmen, wohin Sie gehen.
Während ein „one-size-fits-all“-Ansatz für ein Reifegradmodell nicht wirklich funktioniert, funktioniert ein „if-the-shoe-fits“-Ansatz für viele Unternehmen gut. Suchen Sie nach bestehenden Modellen, finden Sie eines, das nahe dran ist, und passen Sie es an die Bedürfnisse Ihres Unternehmens an. Wenn der Schuh nicht passt, ist es einfach, die Größe des Schuhs zu ändern. Es ist nicht so einfach, die Größe des Fußes zu ändern.
Verbindung zu MDM
Data Governance ist der strategische Ansatz. MDM ist die taktische Umsetzung. Das war’s. Wir sind fertig. Sie können jetzt nach Hause gehen.
Nicht überzeugt? Gut. Nehmen Sie uns nicht beim Wort. Wie versprochen, sind wir zurück mit Scott Taylor von MetaMeta Consulting. Er hat mehr über Stammdaten vergessen, als die meisten von uns je wissen werden, also geben wir ihm gerne das letzte Wort.
„Alle Unternehmenssysteme brauchen Stammdatenmanagement“, sagte Scott bei unserer Profisee 2019 Kickoff-Veranstaltung. „Marketing, Vertrieb, Finanzen, Betrieb. Überall gibt es einen Nutzen, in Unternehmen jeder Größe, in jeder Branche, auf der ganzen Welt, an jedem Punkt ihrer Datenreise.“
Stammdaten sind die wichtigsten Daten, sagte Scott, weil sie die verantwortlichen Daten sind. Es geht um die „Business-Substantive“ – die wesentlichen Elemente Ihres Unternehmens. Kunden, Partner, Produkte, Dienstleistungen. Was auch immer Ihr Geschäft ist, dort leben und atmen die Stammdaten. Sie mögen den besten Governance-Plan der Welt haben. Gut verwaltete schlechte Daten sind immer noch schlechte Daten. Sie werden Ihrem Unternehmen nicht helfen.
„Jeder ist im Datengeschäft, ob er es merkt oder nicht“, so Scott. „Alles, was wir anfassen, wird zu Daten. Das Geschäft wandelt sich von analog zu digital. Egal, was Ihr Produkt ist, Daten sind Ihr Produkt. Das Geschäft verändert sich aufgrund von Daten, und Daten sind Macht.
Mit den richtigen Werkzeugen können Sie diese Macht jetzt schon nutzen.
Wir hätten es selbst nicht besser sagen können.
Datenschutz und Datenschutz
Das zunehmende Bewusstsein rund um Datenschutz und Datensicherheit, wie es sich zum Beispiel durch die General Data Protection Regulation (GDPR) der Europäischen Union manifestiert, hat einen starken Einfluss auf die Data Governance.
Begriffe wie „Data Protection by Default“ und „Data Privacy by Default“ müssen in unseren Datenrichtlinien und Datenstandards verankert werden, nicht zuletzt, wenn es um Datenbereiche wie Mitarbeiterdaten, Kundendaten, Lieferantendaten und andere Parteistammdaten geht.
Als Data Controller müssen Sie die volle Übersicht darüber haben, wo Ihre Daten gespeichert werden, wer die Daten aktualisiert und wer zu welchen Zwecken auf die Daten zugreift. Sie müssen wissen, wann Sie personenbezogene Daten verarbeiten und dies zu den legitimen Zwecken in der gegebenen Geographie tun, sowohl in Produktionsumgebungen als auch in Test- und Entwicklungsumgebungen.
Ein gut durchgesetztes Regelwerk für die Löschung von Daten ist im Zeitalter der Compliance ebenfalls ein Muss.
Best Practices
Einerseits können Sie viel von anderen lernen, die eine Data-Governance-Reise gemacht haben. Allerdings ist jede Organisation anders, und Sie müssen die Data-Governance-Praktiken von der unbewussten Reifephase bis zum Nirwana in der effektiven Reifephase anpassen.
Dennoch finden Sie im Folgenden eine Sammlung von 15 kurzen Best Practices, die generell gelten:
- Fangen Sie klein an. Wie in allen Aspekten des Geschäfts, versuchen Sie nicht, den Ozean zum Kochen zu bringen. Streben Sie nach schnellen Erfolgen und bauen Sie Ihre Ambitionen mit der Zeit auf.
- Setzen Sie klare, messbare und spezifische Ziele. Sie können nicht kontrollieren, was Sie nicht messen können. Feiern Sie, wenn Ziele erreicht werden, und nutzen Sie dies, um den nächsten Erfolg anzustreben.
- Definieren Sie Verantwortlichkeiten. Ohne Geschäftsverantwortung kann ein Data-Governance-Rahmenwerk nicht erfolgreich sein.
- Identifizieren Sie zugehörige Rollen und Verantwortlichkeiten. Data Governance ist eine Teamarbeit mit Leistungen aus allen Teilen des Unternehmens.
- Stakeholder schulen. Verwenden Sie, wo immer möglich, Geschäftsbegriffe und übersetzen Sie die akademischen Teile der Data-Governance-Disziplin in sinnvolle Inhalte im Geschäftskontext.
- Fokussieren Sie auf das Betriebsmodell. Ein Data-Governance-Framework muss sich in die Art und Weise integrieren, wie in Ihrem Unternehmen Geschäfte gemacht werden.
- Mappen Sie Infrastruktur, Architektur und Tools. Ihr Data-Governance-Framework muss ein sinnvoller Teil Ihrer Unternehmensarchitektur, der IT-Landschaft und der benötigten Tools sein.
- Entwickeln Sie standardisierte Datendefinitionen. Es ist wichtig, eine Balance zu finden zwischen dem, was zentralisiert werden muss, und dem, wo Agilität und Lokalisierung am besten funktionieren.
- Identifizieren Sie Datendomänen. Beginnen Sie mit der Datendomäne mit dem besten Verhältnis zwischen Auswirkung und Aufwand, um den Data-Governance-Reifegrad zu erhöhen.
- Identifizieren Sie kritische Datenelemente. Konzentrieren Sie sich auf die kritischsten Datenelemente.
- Definieren Sie Kontrollmessungen. Setzen Sie diese in Geschäftsprozessen, IT-Anwendungen und/oder im Berichtswesen ein, wo es am sinnvollsten ist.
- Erstellen Sie einen Business Case. Identifizieren Sie die Vorteile einer steigenden Data-Governance-Reife in Bezug auf Wachstum, Kosteneinsparungen, Risiko und Compliance.
- Nutzen Sie Metriken. Konzentrieren Sie sich auf eine begrenzte Anzahl von Datenqualitäts-KPIs, die mit allgemeinen Leistungs-KPIs innerhalb des Unternehmens in Beziehung gesetzt werden können.
- Kommunizieren Sie häufig. Data-Governance-Experten sind sich einig, dass die Kommunikation der wichtigste Teil der Disziplin ist.
- Es ist eine Praxis, kein Projekt.