Der englische Begriff „Governance“ wird nach dict.cc u. a. mit „Regierung“, „Steuerung“ oder „Lenkung“ übersetzt. Das „Steuern“ oder „Lenken“ von Daten bzw. der Nutzung dieser Daten steht somit im Fokus von Data Governance.
Wie auch eine Regierung zum Durchsetzen ihrer Ziele Gesetze und Regeln definiert, so legt auch ein Data Governance-Manager Richtlinien fest, um die Verwaltung und Nutzung von Daten zu steuern und zu lenken. Darüber muss eine Regierung festlegen, wie Entscheidungen sowohl im Regel- als auch im Zweifelsfall durch Exekutive und Judikative durchgesetzt werden. Analog legt Data Governance die Entscheidungsprozesse und Verantwortlichkeiten für datenbezogene Themen fest.
Wer steuert und lenkt?
Da Data Governance „nicht nebenher“ passiert, müssen sich Personen in der Organisation um Data Governance kümmern. Hierfür definiert man dedizierte Rollen. Als Leiter eines Data Governance Programms wird i. d. R. der „Data Governance Manager“ betraut. Dieser definiert das Programm sowie dessen Ziele und Struktur. Ebenso legt er das Organisationsmodell für Data Governance fest, welches diverse weitere Rollen etabliert:
- Data Owner: Fachliche Verantwortung und Zuständigkeit für eine Datendomäne wie bspw. „Kunde“, „Material“ oder „Rechnung“
- Data Steward: Fachexpert(en) je Datendomäne, die Inhalte, Struktur, Richtlinien für ihre Datendomäne festlegen und durchsetzen.
- Data Stakeholders: Alle Anwender und Nutzer von Daten.
- Data Governance Office, in dem der Data Governance Manager plus einige Data Governance Mitarbeiter zusammen arbeiten
Weitere Details zu den Data Governance-Rollen erläutere ich in einem späteren Blog-Beitrag.
Was lenkt und steuert man mit Data Governance?
Alles, was mit Daten zu tun hat: deren Struktur, deren Inhalte, die Art und Weise wie Daten erzeugt, verarbeitet und weiter genutzt werden. Letztlich betrachtet man den gesamten Lebenszyklus von Daten und strukturiert diesen so, dass eine effiziente Verarbeitung der Daten ermöglicht und eine hohe Datenqualität erreicht wird. Einzelne Themen, die in Data Governance-Richtlinien festgelegt werden, sind bspw.
- Data Strategy & Architecture
- Datenintegration (ETL, Transformationen)
- Metadaten-Management
- Business Data Model (BDM) & Business Glossary
- Datenmodellierung
- Data Quality und Profiling
- Information Lifecycle Management
Wie macht man das?
Neben der Etablierung eines Organisations- und Rollenmodells beruht Data Governance auf der Definition und Durchsetzung von Richtlinien (engl. „Policies“). Solche Data Policies legen fest, wie etwa die oben genannten Themen in der Organisation gehandhabt werden. So kann eine Richtlinie für Datenmodellierung sicherstellen, dass alle Systeme und Daten in analoger Art und Weise modelliert werden. Dabei wird dann u. a. neben der Notationsmethode (bspw. ER-Modellierung, ADAPT o. ä.) auch die Vorgehensweise mit der Methode selbst (von Namenskonventionen über Modellierungsstandards bis zur Prozesseriung der Modellierung) festgelegt.
Wie misst und überwacht man Data Governance?
Da Richtlinien nur hilfreich sind, wenn sie auch eingehalten werden, ist es wichtig, dass das Data Governance-Team bereits bei der Definition einer Richtlinie deren Überprüfung und Messbarkeit überlegt und festlegt. Damit kann das Team im täglichen Data Governance-Betrieb die Einhaltung der Richtlinien überwachen. Dies erlaubt dem Team das Nachsteuern im Fall von Lücken und insbesondere auch das Nachweisen der Wirksamkeit von Data Governance-Richtlinien.
Die zweite Ebene der Messung in einem Data Governance-Programm fokussiert auf die Qualität der Daten selbst. In Richtlinien zum Data Quality-Management werden Data Quality-Indizes (DQI) zur Messung der Datenqualität festgelegt. Eingebaut in Data Quality-Dashboards zeigen DQIs die Qualität der Daten sowie die Entwicklung dieser Qualität an. Durch die dadurch entstehende Transparenz der Datenqualität sind erst Maßnahmen zur Verbesserung derselben möglich.