Data Governance umfasst die Gesamtheit aller Richtlinien, Standards und Verfahren, die ein Unternehmen etabliert, um die Nutzung, Sicherheit und Qualität seiner Daten zu steuern. Es handelt sich um ein strategisches Rahmenwerk, das für das effektive Management von Daten notwendig ist und gleichzeitig als Instrument zur Verbesserung der Kommunikation und Entscheidungsfindung innerhalb des Unternehmens dient.
Definition von Data Governance
Data Governance bedeutet im Wesentlichen die Steuerung und Kontrolle über Daten innerhalb einer Organisation. Als methodisches Rahmenwerk ist Data Governance auf der Managementebene angesiedelt und erfordert eine strategische Planung und Umsetzung. Dies gewährleistet, dass der Organisation alle relevanten Daten korrekt, vollständig und im angemessenen Kontext zur Verfügung stehen, um fundierte Entscheidungen treffen zu können.
Dieses Rahmenwerk definiert klare Regeln und Prozesse, die festlegen:
- Wer innerhalb des Unternehmens Zugang zu bestimmten Daten hat und welche Rolle diese Personen dabei einnehmen.
- Die Art und Weise sowie den Umfang, in dem diese Daten von den berechtigten Mitarbeitern, Teams oder Abteilungen bearbeitet oder modifiziert werden dürfen.
- Die spezifischen Verantwortlichkeiten, die aus den verschiedenen Rollen im Datenmanagement resultieren.
- Die Zuständigkeiten für die Sicherung der Datenqualität und die Verifizierung der Daten.
- Die Kontrolle und Verantwortung für datengetriebene Prozesse sowie die Entscheidungsfindung basierend auf Datenanalysen.
- Die Durchsetzung der Governance-Regeln und die Handhabung von Regelverstößen.
- Die Auswahl und Nutzung spezifischer Programme, Systeme und Tools für das Datenmanagement.
Gesetzliche Vorgaben zu Data Governance
Obwohl die Einführung eines spezifischen Data Governance Frameworks gesetzlich nicht direkt vorgeschrieben ist, spielen Datensicherheit und Governance-Aspekte eine zentrale Rolle in der Einhaltung von Compliance-Vorschriften. Organisationen müssen sicherstellen, dass die Verwendung von Daten durch klare Regelwerke gesteuert wird, um gesetzliche Anforderungen wie die Datenschutz-Grundverordnung (DSGVO) zu erfüllen.
Diese Regelwerke helfen dabei, Risiken wie den unautorisierten Zugriff auf Daten zu minimieren und verknüpfen Entscheidungsrechte mit rechtlichen Haftungsfragen. Daher ist Data Governance untrennbar mit rechtlichen Anforderungen verbunden.
Praxisbeispiele
Diese fünf praxisbezogenen Beispiele, die illustrieren, wie verschiedene Organisationen Data Governance erfolgreich implementiert haben:
General Electric (GE): GE hat ein umfassendes Data Governance-Programm implementiert, das eine zentrale Rolle in ihrer digitalen Transformationsstrategie spielt. Durch die Etablierung klarer Datenstandards und -prozesse konnte GE die Datenqualität verbessern und seine operativen Prozesse effizienter gestalten. Insbesondere im Bereich der Industrieautomatisierung und bei der Analyse von Maschinendaten hat GE durch verbesserte Data Governance die Wartungszyklen optimiert und Ausfallzeiten reduziert.
Bank of America: Als Reaktion auf die Finanzkrise und die sich verschärfenden regulatorischen Anforderungen hat die Bank of America ein strenges Data Governance- und Datenqualitätsmanagement eingeführt. Dies umfasste die Einführung von Datenstandards, die Verbesserung der Datenqualität und die Implementierung robuster Kontrollmechanismen, um Compliance zu gewährleisten und das Risikomanagement zu verbessern.
Pfizer: Pfizer hat Data Governance genutzt, um die Effizienz in der klinischen Forschung zu steigern. Durch die Etablierung von Governance-Strukturen für klinische Daten konnte Pfizer die Datenintegrität sicherstellen, die Genauigkeit der klinischen Studien verbessern und den Prozess der Arzneimittelzulassung beschleunigen.
Airbnb: Airbnb hat ein zentrales Data Governance-Framework entwickelt, um die Sicherheit und den ordnungsgemäßen Umgang mit Nutzerdaten zu gewährleisten. Dieses Framework hilft dabei, die Einhaltung globaler Datenschutzgesetze zu managen, und unterstützt die Personalisierung von Dienstleistungen, indem es sicherstellt, dass die Daten korrekt und zeitnah verarbeitet werden.
Stadt Los Angeles: Die Stadtverwaltung von Los Angeles implementierte eine Data Governance-Initiative, um öffentliche Daten besser nutzbar zu machen. Durch die Einrichtung eines Open Data Portals, das von strengen Data Governance-Regeln gesteuert wird, konnte die Stadt Transparenz erhöhen, Bürgerengagement fördern und die städtische Planung verbessern.
Diese Beispiele zeigen, wie unterschiedlich und branchenübergreifend Data Governance angewendet werden kann, um Prozesse zu optimieren, Compliance sicherzustellen und strategische Entscheidungen auf einer soliden Datenbasis zu treffen.
Bestandteile eines Data Governance Frameworks
Obwohl es keine formalen Bedingungen oder festgeschriebenen Standards für die Implementierung von Data Governance in Unternehmen gibt, ergibt sich die Struktur eines solchen Frameworks aus seinen Zielsetzungen. Eine umfassende Data Governance Strategie berücksichtigt alle Berührungspunkte, die ein Unternehmen mit Daten hat:
| Bestandteil | Beschreibung |
|---|---|
| Organisation | Umfasst alle relevanten Datenströme, Rollen, Entscheidungspunkte und Ressourcen, die mit den unternehmerischen Datensätzen und datengetriebenen Entscheidungen zusammenhängen. |
| Technologie | Beinhaltet alle Programme, Verfahren, Tools und Plattformen, die für eine effektive Datensammlung, -verarbeitung und -analyse benötigt werden. |
| Architektur | Umfasst alle technischen Strukturen und Maßnahmen, die zur Standardisierung, Sicherung und Verifizierung von Daten und Entscheidungen notwendig sind. |
| Richtlinien | Bezieht sich auf alle Vorgaben und Verhaltensregeln, die den Umgang mit Daten im Unternehmen regeln. |
| Prozesse | Enthält alle Schritte und Abläufe zur Datengenerierung, -verarbeitung, -archivierung und -löschung. |
| Compliance | Umfasst alle Überwachungs- und Kontrollmaßnahmen, die im Rahmen der Datenverarbeitung durchgeführt werden. |
Wenn diese Aspekte auf die Ebene der Datendetails heruntergebrochen werden, befasst sich das Data Governance Framework eingehend mit folgenden Punkten:
- Identifizierung, Bewertung und Priorisierung von Schlüsseldaten: Es wird sichergestellt, dass wichtige Daten, wie Stammdaten oder Key Performance Indicators (KPIs) aus Marketing und Vertrieb, korrekt identifiziert, bewertet und priorisiert werden (Scope).
- Definition von Rollen und Verantwortlichkeiten: Rollen wie Dateneigentümer und Data Stewards werden festgelegt, um klare Verantwortlichkeiten und Zugriffsrechte zu schaffen, was wiederum die Kontrolle über die Datenbestände verstärkt und deren Schutz erhöht (Ownership).
- Nachverfolgbarkeit von Datensätzen: Das Framework gewährleistet eine lückenlose Nachverfolgbarkeit aller Datensätze in einem Datenkatalog (Lineage).
- Qualitätssicherung: Es werden Maßnahmen zur Sicherung der Datenqualität in ihrem jeweiligen Kontext durchgeführt (Quality).
- Datenverwaltung und -verteilung: Die Verwaltung, Verteilung und Bereitstellung von Daten innerhalb und außerhalb der Organisation wird organisiert (Sharing).
- Datenarchivierung und -löschung: Daten werden gemäß den rechtlichen Bestimmungen archiviert und gelöscht (Retention).
Vorteile von Data Governance
Data Governance ist für jedes Unternehmen von entscheidender Bedeutung, da sie gewährleistet, dass Daten von den richtigen Personen, zur richtigen Zeit und in der richtigen Qualität verwendet werden. Hier sind die fundamentalen Vorteile eines strategischen Governance Frameworks für das Datenmanagement:
- Vollständige Datentransparenz: Von der Generierung bis zur Löschung wird eine umfassende Transparenz sichergestellt.
- Bessere Datenqualität: Die Qualität der Daten wird verbessert, was zu verlässlicheren Ergebnissen bei Datenanalysen führt.
- Entscheidungssicherheit: Alle Mitarbeiter erhalten die Fähigkeit, auf Basis sicherer Daten fundierte Entscheidungen zu treffen.
- Compliance und Due Diligence: Die Einhaltung gesetzlicher Vorgaben und sorgfältige Unternehmensführung werden erleichtert.
- Anpassungsfähigkeit: Die Flexibilität, auf wirtschaftliche und marktbezogene Herausforderungen zu reagieren, wird gesteigert.
- Risikominimierung: Risiken in zahlreichen Unternehmensbereichen werden verringert.
- Präzisere Entscheidungsfindung: Strategische, taktische und operative Entscheidungen werden durch Daten unterstützt präziser.
- Kostensenkung: Kosten in allen datengetriebenen Prozessen und Strukturen werden deutlich reduziert.
Technologien wie Cloud-Computing-Plattformen Microsoft Azure und Business Intelligence-Programme wie Microsoft Power BI erleichtern zwar wesentliche Aspekte der Framework-Gestaltung und helfen bei der Realisierung der Ziele sowie der konsequenten Umsetzung aller Data Policies, ersetzen aber nicht die strategische Arbeit.
Mit Lösungen wie Azure Purview können Unternehmen Richtlinien, Prozesse und Rollen im Rahmen eines ganzheitlichen Data Governance-Konzepts effektiv realisieren.
Passende Themen:
