Data Strategy & Governance

Daten als Asset begreifen – um dieses gemeinsame Zielbild zu etablieren, werden mit einem Kernteam und den AuftraggeberInnen zusammen eine Data Excellence-Vision und –Mission entwickelt. Daraus wird eine Data-Excellence-Strategie abgeleitet, die danach in einer Programmplanung operationalisiert wird.

Um im Unternehmen einen Paradigmenwechsel durch Data Excellence herbeizuführen, werden Rollen eingeführt, die Verantwortung für die Daten im Fachbereich tragen. Data Stewards, Data Owner oder Fachexperten sind gängige Profile einer Data-Governance-Organisation.

Ein strategisches Bedarfsmanagement dient zur Steuerung und Priorisierung von datenrelevanten Bedarfen im Fachbereich. Meist komplementär zum bestehenden Anforderungsmanagement-prozess wird das Minimalprinzip eingehalten und stellt sicher, dass Datenbereitstellungen und Auswertungen nicht mehrfach bestellt werden.

Aus Governance-Sicht ist es notwendig für die Datennutzung Berichtsgrundsätze basierend auf Standards und Designprinzipien vorzugeben, um aussagekräftige Informationen sicherzustellen. Des Weiteren wird ein Datennutzungskatalog erstellt, der Metadaten über Berichte, Kennzahlen und Datenbereitstellungen beinhaltet.

Relevante Unternehmensdaten werden fachlich beschrieben und in einem fachlichen Datenmodell abgebildet, das einer gemeinsamen Sprache über die Daten entspricht. Durch das gemeinsame Verständnis und das Anwenden dieser Sprache werden Mehrdeutigkeiten, Redundanzen und Fehlinterpretationen reduziert.

Um Data Excellence in einem Unternehmen ausreichend zu unterstützen, braucht es ein umfassendes Management der Metadaten und zwar für den Fachbereich. In einer spezifischen Software können die fachlichen Datenmodelle, die Beschreibung der Daten und die fachlichen Datenqualitätsindikatoren verwaltet werden. All das geschieht an einer zentralen Stelle und mit Zugriff für alle MitarbeiterInnen des Unternehmens. Somit wird eine unternehmensweite Wissensbasis aufgebaut, die aufgrund der Data-Governance-Rollen auch aktuell gehalten wird und ständig wächst. Diese Wissensbasis kann sowohl als Business Glossar für jedermann als auch als ExpertInnen-Tool mit Detailinformationen verwendet werden.

Auf Basis der harmonisierten Daten wird die zu erwartende Datenqualität fachlich definiert. Die aktuelle Datenqualität wird gemessen und regelmäßig berichtet. Darauf aufbauend werden Datenqualitätsverbesserungsmaßnahmen durchgeführt. Diese tragen kontinuierlich zur Verbesserung der Datenqualität bei.

Referenzdaten geben die Struktur von Datenauswertungen vor. Stammdaten sind die Basis für jegliche Kennzahl. Oft sind fehlerhafte Referenz- und Stammdaten die Ursache für falsche Ergebnisse. Deswegen wird ein zentrales Referenz- und Stammdatenmanagement eingeführt und verfügbare externe Standards verwendet.

In fast jeder Organisation hängt das Tagesgeschäft zu einem sehr großen Teil von Daten ab. Demnach gilt es, einen unternehmensweiten Datenrisikomanagementansatz zu entwickeln, der unter anderem die Erfüllung von Datenschutzanforderungen beinhaltet.

Nachvollziehbare Daten sind die Grundlage für verlässliche Informationen. Dafür muss die Herkunft der Daten und deren Verwendung bekannt sein. Diese durchgängige Data Lineage wird dargestellt, wodurch zudem festgestellt wird, welche Auswirkungen geplante Änderungen mit sich bringen.

DX-Services umfassen alle Leistungen, die der Fachbereich im Rahmen von DX in Anspruch nehmen kann. Eine Beschreibung dieser Leistungen steht als Katalog allen Beteiligten zur Verfügung. Die Services reichen von verfügbaren Auswertungstools, über Referenzdaten- bis hin zu Metadatenmanagement.