Schlagwort-Archive: Data Governance Programm

#6 – Data Governance Prozesse und Werkzeuge

Veröffentlicht am von
Antworten

Prozesse und Werkzeuge werden benötigt, um das Data Governance-Programm überhaupt „am Laufen“ zu halten. Sie beziehen sich dabei hauptsächlich auf die beiden anderen Kernelemente eines Data Governance-Programms, nämlich zum einen auf die Rollen & Verantwortlichkeiten, zum anderen auf die Richtlinien.

Während Prozesse die jeweiligen Vorgehensweisen, Verantwortlichkeiten und Abläufe festlegen, sind Werkzeuge dazu da, die Prozesse in deren Durchführung zu unterstützen oder gar erst zu ermöglichen.

So kann etwa der Prozess zur kontinuierlichen Messung von Kennzahlen hinsichtlich des Data Governance-Programms (also DG-KPIs) zwar durchaus manuell durchgeführt werden. Es ist jedoch vermutlich einfacher und (bei regelmäßiger Auswertung) effizienter, wenn so viele DG-KPIs wie möglich automatisiert gemessen werden.

Beispiel: Die Durchlaufzeit beim Anlegen neuen Kundenstammdaten ermittelt man entweder manuell per Stichprobe mit Stoppuhr oder die für die Pflege genutzte Software protokolliert die Zeiten. Im zweiten Fall ermittelt sich eine DG-KPI „Durchschnittliche Zeit für die Anlage eines neuen Kundenstammsatzes“ automatisch.

Prozesse vs. Richtlinien

Manchmal wird der Begriff „Prozess“ auch im Sinne von Richtlinien für Daten verwendet, da solche Richtlinien meist auch einen Prozess beschreiben bzw. definieren. Also einen Prozess, wie die Richtlinie durchzuführen ist, um die Regeln und Standards bzgl. der Daten einzuhalten und sicherzustellen.

Das kann man so definieren, dann wären die „Prozesse“, die ich in diesem Beitrag meine, etwas anderes und anders zu benennen.

Ich definiere Data Governance-Prozesse im oben beschriebenen Sinn: die Prozesse, die das Data Governance-Programm bzw. das Data Governance-Team braucht bzw. definiert und vereinbart, um die Data Governance-Aufgaben durchzuführen. Diese Festlegung kann sicherlich auch kritisch oder anders gesehen werden – gerne unterhalb dieses Beitrags kommentieren und eine Diskussion bzw. Austausch beginnen.

Welche Prozesse braucht Data Governance?

Im Folgenden erläutere ich die aus meiner Sicht wichtigsten Prozesse zum Betrieb eines Data Governance-Programms. Manches davon ist „einfach Management“ eines Programms. Einige Prozesse sind jedoch spezifisch für das Data Governance-Programm auszuprägen und für dessen Erfolg m. E. entscheidend.

Rollen und Verantwortlichkeiten etablieren

Das festgelegte Rollen- und Verantwortlichkeitsmodell (ein Vorschlag siehe hier) muss zum Leben erweckt und am Laufen gehalten werden. Konkret bedeutet dies: Rollen besetzen, RolleninhaberInnen in deren Ausgestaltung unterstützen, Zusammenarbeit fördern und bei Wechseln oder Fluktuation die Wiederbesetzung der Rollen sicherstellen. Ohne handelnde Personen wird ein Data Governance-Modell nicht „zum Fliegen“ kommen.
Es ist nicht die alleinige Aufgabe der Data Governance Managerin oder des Data Governance Managers, die Rollenbesetzungen sicherzustellen. Die Verantwortung hierfür liegt beim Data Executive. Das Werben, Gewinnen, Erklären, Motivieren der RolleninhaberInnen ist aus meiner Sicht durchaus in der Zuständigkeit des/der Data Governance ManagerIn.

Organisation und Durchführung Data Governance Board-Meetings

Die benannten Data Owner jeder Datendomäne zusammen mit der/dem Data Executive und der/dem Data Governance Manager bilden das Data Governance Board, siehe auch meinen Beitrag zum DG-Rollenmodell.
Die regelmäßigen Meetings müssen vorbereitet, organisiert, durchgeführt und nachbearbeitet werden. Eine Standard-Agenda ist empfehlenswert. Diese kann auch etwaige Sonderthemen plus ggf. Einbindung von Personen außerhalb des DG-Boards vorsehen. Eine Themen- und Aufgabenliste ist ebenso anzuraten, diese muss geführt, verfolgt und aktuell gehalten werden.

Fehlerbehandlung

Datenfehler, also Verletzungen von Richtlinien, Datenstandards, Qualitätsregeln etc. müssen zeitnah gesichtet und idealerweise schnellstmöglich gelöst werden. Hierfür nutzen Unternehmen i. d. R. ein Ticketsystem; dieses ist meist sowieso schon vorhanden und kann dann wird dann auch für die Behandlung von Datenfehlern genutzt oder erweitert.
In einer weiteren Ausbaustufe wird das Data Governance-Programm hier dann ggf. überlegen, ob Reaktions- und Lösungszeiten (als sog. „service levels“) vereinbart werden. Dies erfordert natürlich zum einen die entsprechende Etablierung von Lösungsteams, zum anderen kann dies aber auch sowohl die Datenqualität schneller und nachhaltiger verbessern.

Richtlinienmanagement (engl. „Policy Management“)

Die in meinem vorigen Beitrag erläuterten Richtlinien und Datenstandards definieren Vorgaben. Diese müssen sowohl strukturiert erstellt, verteilt und überwacht werden. Zum einen muss festgelegt werden, welche Rollen/Abteilungen in die Definition einer jeweiligen Richtlinie einzubinden sind. Zum anderen muss insbesondere auch die Verteilung und Kommunikation der Richtlinie vorab definiert werden. Eine Richtlinie einfach nur bspw. im Intranet abzulegen dürfte in den meisten Fällen nicht ausreichend sein.

Datenqualitätsmanagement

Ein Hauptziel von Data Governance-Initiativen ist oft die Verbesserung der Datenqualität. Eine entsprechende Richtlinie dazu diverse Dinge fest:

  • Strategie für Datenqualität: Wo messen, wo verbessern/ändern, wie messen, Verantwortlichkeiten
  • Definition von Data Quality Indicators (DQI)
  • Messen von Data Quality: Werkzeuge, Verfahren
  • Überwachen: Prozess der Überwachung, wie wird mit DQ-Fehlern umgegangen, Ticketverarbeitung
  • Optimieren: Verfahren für notwendige Datenkorrekturen

Kommunikation

Das Data Governance-Team sollte sowohl das DG-Programm selbst als auch die dazu definierten und besetzten Rollen proaktiv in der Organisation kommunizieren. Erzielt das Data Governance-Programm Erfolge durch bspw. objektiv messbar bessere Datenqualität, so sind solche „success stories“ ebenfalls wichtig in der „Außendarstellung“ des Data Governance-Programms.

Weiterhin informiert der Data Governance Manager alle Stakeholder, also sowohl die Rolleninhaber wie Data Owner oder Data Stewards als auch insbesondere das Management regelmäßig über Weiterentwicklungen, Erfolge, aber auch Herausforderungen.

Mit welchen Werkzeugen können die Data Governance-Prozesse unterstützt werden?

Um die oben beschriebenen DG-Prozesse zu unterstützen, setzt das Data Governance-Team verschiedene Werkzeuge ein:

  • Dokumentation- bzw. Office-Software: Erstellen von Dokumenten, Präsentation für Stakeholder etc.
  • Kommunikationssoftware, bspw. für Intranet-Seiten: Darstellung des Data Governance-Programms für die gesamte Organisation
  • Spezielle Data Governance-Software mit Funktionen für Metadaten Management, Profiling oder Glossar-Verwaltung
  • Policy Management: Software zum Verwalten, Publizieren und ggf. Überwachen von Richtlinien

Diese Aufstellung ist sicherlich sehr grob und verkürzt. Da jedoch die jeweiligen Werkzeuge verschiedene Funktionen anbieten (oder eben auch nicht) oder auch ggf. zusammenfassen, ist eine weitere allgemeine Detaillierung wenig sinnvoll. Ich werde in einem der folgenden Beiträge konkreter auf einzelne Werkzeuge eingehen, ggf. auch eine Übersicht machen.

Im nächsten Blog-Beitrag werde ich die vielfach schon erwähnten „Datendomänen“ näher betrachten: was ist eine Datendomäne, wie sind Datendomänen strukturell definiert und welche unterschiedlichen Datendomänen findet man klassischerweise in Organisationen.

#4 – Rollen und Verantwortlichkeiten in Data Governance

Veröffentlicht am von
Antworten

Um alle im vorangegangenen Blog-Beitrag beschriebenen Elemente von Data Goverance bearbeiten zu können, müssen klare Verantwortlichkeiten und Rollen definiert werden. Dies ist umso relevanter, je mehr Datendomänen in einer Organisation vorliegen und je komplexer die Pflege- und Nutzungsprozesse der Daten sind.

Zunächst gebe ich anhand des RACI-Schemas einen kurze Beschreibung, wie Verantwortlichkeiten definiert und dargestellt werden können. Über die Zuordnung von verschiedenen Ebenen der Verantwortlchkeit in einem Data Governance-Programm beschreibe ich dann einen Vorschlag eines konkreten Rollenmodells für Data Governance.

Arten und Darstellung von Verantwortlichkeiten

Verantwortung als die Übernahme von Rechten und Pflichten betrifft bzgl. Data Governance ebendieses für bestimmte Daten bzw. Daten-Domänen. Diese Verantwortung äußert sich dann bspw. darin, die Struktur und/oder die Inhalte von Datenelementen einer Daten-Domäne vorzugeben bzw. zu entscheiden, welche Daten gespeichert werden und welche nicht.

Verantwortung kann unterschiedlich vergeben bzw. übernommen werden. Für die Zwecke dieser Darstellung relevant scheinen mir zwei Unterscheidungen:

  • Rechenschaft (engl. „accountability“) als Management-Verantwortung einer Entscheiderin oder eines Entscheiders zu allen für die Daten-Domäne relevanten Themen. Die Person mit „accountability“ entscheidet formal und ist letztlich auch Eskalationsinstanz, falls andere Rollen/Personen innerhalb der Daten-Domäne einen Konflikt nicht alleine lösen können.
  • Zuständigkeit (engl. „responsibility“) ist dann die Verantwortung für die Durchführung aller notwendigen bzw. definierten Tätigkeiten innerhalb der Daten-Domäne. Während die zuständige Person bspw. die Anbindung externer Daten zur Anreicherung und Qualitätsverbesserung durchführt bzw. die Daten beschafft, wir die Management-Ebene mit Rechenschafts-Verantwortung die Entscheidung treffen, welcher Datenanbieter für die externen Daten beauftragt wird.

Werden diese zwei Verantwortlichkeiten noch um „beratend“ und „informiert“ (engl. „consulted“ und „informed“) erweitert, ergibt sich mit den Anfangsbuchstaben der englischen Begriffe das so genannte „RACI-Schema“. Mit diesem Schema könnten Aufgaben gemäß der dafür definierten Verantwortlichkeiten bewertet werden. Je Aufgabe gibt es eine Person oder Rolle mit Rechenschaft („accountability“) und idealerweise auch nur eine Person/Rolle mit Zuständigkeit („responsibility“); Beratung und Information können mehrere Personen/Rollen haben. Mehr Details zum RACI-Schema sind bspw. in Wikipedia zu finden.

Über eine RACI-Zuordnung werden somit die Verantwortungen für alle in unserem Fall für Data Governance relevanten Aufgaben übersichtlich festgelegt. Für diese Zuordnung von R, A, C und I werden nun Personen oder abstrakt Rollen benötigt. Welche Rollen sind nun vorzusehen? Um dies näher betrachten zu können, ist zunächst eine Unterscheidung in verschiedene Ebenen der Verantwortlichkeiten sinnvoll.

Ebenen der Verantwortlichkeiten

Wir unterscheiden zunächst vier Ebenen, beginnend von der strategischen Betrachtung bis hin zur Anwender-Ebene.

Strategische Ebene

Die strategische Ebene ist im Management-Bereich der Organisation anzusiedeln. Entweder gibt es eine im Vorstand oder der Geschäftsleitung direkt verantwortliche Person oder der gesamte Vorstand oder die gesamte Geschäftsleitung ist für die Festlegung von Zielen, Richtung und Prioritäten für Datenthemen und Data Governance sowie die finale Entscheidung bei Konflikten zuständig. Die strategische Ebene benennt auch die weiteren Rollen zumindest der direkt darunter liegenden Ebene

Taktische Ebene

Auf der taktischen Ebene ist vor allem die Verantwortung für die Daten-Domänen angesiedelt. Für Daten-Domänen wie „Kunde“ oder „Material“ müssen fachliche und inhaltliche Vorgaben gemacht und Entscheidungen getroffen werden. Dies erfordert dann auch das Setzen von Prioritäten, das Definieren und Finanzieren von Projekten sowie das Eskalationsmanagement bei Konflikten zu Themen innerhalb der Daten-Domäne.

Zusätzlich ist auf dieser Ebene auch die generelle inhaltliche und konzeptionelle Verantwortung für Data Governance an sich angesiedelt. Hierzu wird i. d. R. die Rolle des Data Governance Managers definiert und besetzt.

Operative Ebene

Operative Tätigkeiten und Verantwortungen sind jeweils innerhalb einer Daten-Domäne zu etablieren. Dabei geht es dann um konkrete inhaltliche Themen wie die Definition von Datenstrukturen und Festlegung der Inhalte. Weiterhin ist Ableitung von Datenqualitätsvorgaben und -Regeln zur Messung und Verbesserung der Datenqualität wichtig.

Anwender-Ebene

Die Anwender-Ebene schließlich umfasst alle Personen und Rollen, die Anwender oder Produzenten von Daten sind. Dies können Sachbearbeiterinnen und Sachbearbeiter für die Stammdaten oder auch IT-Administratoren für die genutzten Software-Systeme sein.

Ebenen der Verantwortlichkeiten bei Data Governance

Vorschlag eines Rollen-Modells

Aus dieser Ebenen-Unterteilung der Verantwortlichkeiten wird nun ein Rollenmodell abgeleitet bzw. wir definieren Rollen und ordnen diese den Ebenen zu.

  • Data Executive: Die strategische Ebene wird durch die Rolle „Data Executive“ besetzt bzw. – da nur eine Rolle auf dieser Ebene direkt angesiedelt ist – gebildet. Die Rolle kann von einem Vorstands- oder Geschäftsführungsmitglied besetzt werden. Oder es gibt gar eine oder einen „Chief Data Officer“ (CDO) oder „Chief Digital Officer“ (ebenfalls CDO). Oftmals wird hier auch die bzw. der CIO zugeordnet – weil Daten = IT und damit IT-Bereich.
  • Data Owner: Die Data Owner als rechenschaftspflichtige Rollen auf der taktischen Ebene übernehmen die Verantwortung für Daten-Domänen.
  • Data Governance Manager: Neben den Data Ownern ist weiterhin die Ausprägung einer Rolle „Data Governance Manager“ auf der taktischen Ebene sinnvoll, siehe Ausführungen oben.
  • Lead Data Steward: Auf der operativen Ebene verantwortlich (als Zuständigkeit) ein (oder mehrere) Lead Data Stewards je Daten-Domäne die Inhalte und Struktur der Datenelemente der Daten-Domäne. „Lead DS“ sind darüber hinaus zuständig für die Planung und Durchführung von Aufgaben und Projekten „in der Daten-Domäne“ – sowohl inhaltlich als auch bzgl. der Ressourcen (Mitarbeiter, Hardware, Software, Budget). Und schließlich steuern sie die Local Data Stewards, sofern vorhanden.
  • (Local) Data Stewards: Lokale Data Stewards bzw. (falls die Organisationsstruktur keine Verteilung sinnvoll erscheinen lässt) „normale“ Data Stewards unterstützen die bzw. den Lead Data Steward in spezifischen Themen oder vertreten eine lokale bzw. für den Organisationsbereich relevante Sichtweise.

Dieses Modell der Data Governance-Rollen kann nun beliebig verfeinert oder vereinfacht werden. In jedem Fall lässt sich sagen, dass mindestens die Rollen

  • Data Executive
  • Data Owner (mehrere)
  • Data Governance Manager

unerlässlich sind, um überhaupt mit Data Governance loslegen zu können.

Fragestellungen wie bspw. „Eine bzw. einen Lead Data Steward je Daten-Domäne oder mehrere?“ sind jeweils im Details zu bewerten und zu entscheiden. Vielleicht mache ich dazu später einen Blog-Beitrag…

Wofür ich auf jeden Fall einen Blog-Beitrag machen werde: Was ist Daten-Domäne? Ich habe in diesem Beitrag hier sehr oft diesen Begriff verwendet, eine Definition aber (hoffentlich elegant) umschifft. Stay tuned, kommt in einem der nächsten Blog-Beiträge…

#3 – Struktur-Empfehlung für ein Data Governance-Programm

Veröffentlicht am von
Antworten

Aus der generellen Beschreibung von Data Governance im vorigen Blog-Artikel wird klar, dass deren Umsetzung nicht von alleine passiert. Ein dediziertes Data Governance-Programm ist hierfür notwendig und sinnvoll. Die Struktur eines solchen Programms muss sich natürlich an den Gegebenheiten der Organisation ausrichten. Dennoch kann man Empfehlungen zur Struktur eines Data Governance-Programms (DG-Programm) ganz allgemein geben.

Ein dediziertes Data Goverance-Programm

Folgende Bereiche sind aus meiner Sicht essentiell für ein DG-Programm:

  • Rollen und Organisation
  • Standards & Richtlinien
  • Data Governance-Prozesse und -Werkzeuge

Im Folgenden beschreibe ich generell diese drei Bereiche, Details dazu werde ich in nachfolgenden Blog-Artkeln geben.

Rollen und Organisation

Für die Organisation von Data Governance muss zunächst festgelegt werden, welchen Geltungs- bzw. Anwendungsbereich diese Organisation bzw. Data Goverance haben soll. Die betroffenen Daten müssen in diesem Geltungsbereich sinnvollerweise autark behandelt und verantwortet werden können. Empfehlenswert ist es, die gesamte Organisation bzw. das Unternehmen als Geltungsbereich für Data Governance zu definieren.

Weiterhin dürfte eine vollkommen de-zentrale Organisation des Data Governance-Programms nicht sinnvoll sein. Die Definition und insbesondere Durchsetzung und Überwachung von notwendigen Standards und Richtlinien (siehe nächster Abschnitt) ist nur mit klaren und einheitlichen Vorgaben sowie damit verbundenen Verantwortlichkeiten möglich. Eine Kombination von zentraler Governance mit lokaler Unterstützung, Gestaltung und Ausführung ist je nach Größe und Struktur einer Organisation sinnvoll.

Im nächsten Blog-Artikel gehe ich ausführlicher auf Rollen, Verantwortlichkeiten und ein Organisationsmodell ein.

Standards & Richtlinien

Dauerhaft „gute“ Daten entstehen nicht nebenher. Ohne Vorgaben entstehen Duplikate, werden Vorgabewerte nicht genutzt oder wichtige Datenfelder mit Dummy-Werten gefüllt. Standards und Richtlinien definieren Vorgaben, wie mit Daten „umgegangen“ werden darf und soll. Oftmals sind bereits implizite Regeln oder sog. „best practice“ in einer Organisation vorhanden, die vorgeben, wie man Daten pflegt und nutzt. Das schriftliche Fixieren in Standards und Richtlinien ist jedoch wichtig, um Klarheit und Verbindlichkeit zu erzeugen.

Richtlinien beschreiben idealerweise knapp und strukturiert das erwünsche Verhalten. Dazu sollten sie ausreichend fokussiert sein, ohne jedoch zu kleinteilig zu werden. So wird man beispielsweise keine einzelne Richtlinie zu Definition und Inhalt jedes Datenattributes erstellen – hier definiert man eher eine Dateninhalte-Richtlinie je Daten-Domäne.

Data Governance-Prozesse

Um die erläuterten Standards und Richtlinien effizient umsetzen und überwachen zu können, müssen im Data Governance-Programm Prozesse und Überwachungen (engl. „controls“) definiert werden. Dies sind entweder organisatorische Prozesse oder mit IT-Systemen umgesetzte Prozesse.

Einige Beispiele hierfür:

  • Entscheidungen: Wie werden im Falle von Unklarheiten oder Konflikten Entscheidungen getroffen? Im Konsens, mit Mehrheit, durch Eskalation zur nächsthöheren Ebene? Wie dokumentiert und protokolliert man solche Entscheidungen ?
  • Regelprozesse im Rollenmodell: Welche Regeltermine (Jour Fixes, Board-Meetings etc.) sind definiert? Wie sind diese Termine organisiert, durchgeführt und protokolliert? Welche Teilnehmer sind jeweils einzubeziehen?
  • Incident Management: Wenn Datenfehler auftreten – wie, wo und wer meldet Datenfehler? Wie und wer bearbeitet und behebt Datenfehler? Und wie erfolgt die Dokumentation?
  • Stakeholder Management und Kommunikation an diese sind wichtig. Alle direkt oder auch nur indirekt betrofffenen Personen einer Organisation werden in Data Governance eingebunden. Dies geschieht regelmäßig und bewusst.
  • KPIs: Auch das Data Governance-Programm sollte sich messen lassen; zugehörige KPIs müssen definiert und überwacht werden.

Diese Struktur eines Data Governance-Programms hilft, mit dem Blick auf das Gesamtbild die Vorgehensweise festzulegen.