Im dritten Teil unserer Artikelserie zur Organisation einer Data Governance möchten wir Ihnen zunächst einige Hilfsmittel kurz vorstellen:
BARC 9-Feld-Matrix und DAMA Framework
Die von BARC entwickelte „9-Feld-Matrix“ bietet ein Framework zur strukturierten Erfassung des IST und des SOLL-Zustands und hilft Handlungsfelder zu identifizieren, priorisieren sowie eine Roadmap abzuleiten und hinsichtlich ihrer Risiken zu bewerten.
Sie unterstützt also eine strukturierte Standortbestimmung, die Identifikation und Gewichtung von Handlungsfeldern sowie Ableitung einer Roadmap. Mittels ihrer Struktur lassen sich sowohl Inhalte als auch Rollen und Aufgabentypen beschreiben.
Die Basis bilden die drei Unternehmens-Ebenen und die bereits vorgestellten Aspekte. Zu beachten ist, dass die Projektion der Ebenen, Aspekte aber auch Rollen auf Unternehmen sehr spezifisch sind. Die Matrix eignet sich dennoch für jedes Themengebiet (mehr Informationen zu den BARC-Beratungsleistungen und Workshops finden Sie hier).
Orientierung bietet auch das DAMA Framework, welches das Datenmanagement in mehreren Kategorien umfangreich beschreibt: Datenstrategie und –Konzeption, Datenarchitektur, Datenentwicklung, Datenbankbetriebsmanagement, Zugriffssicherheit, Referenz- und Stammdatenmanagement, Datenqualitätsmanagement, Data Warehousing & Business Intelligence, Dokumenten- & Contentmanagement, Metadatenmanagement.
Rollenmodelle und Templates
Wesentlich für die Organisation jedes Data-Governance-Programms sind Rollen. Rollen helfen Aufgaben und Kompetenzen zu beschreiben. Sie konzentrieren sich auf das Wesentliche: Skills zur Umsetzung der definierten Ziele, ohne politisches Feuer zu entfachen. Im Kern sind folgende Ausprägungen zu finden, die von Unternehmen zu Unternehmen variieren:
- Data Governance Steering Comittee: Instanz zur Steuerung und Überwachung der Data-Governance-Programme im Unternehmen. Teilnehmer sind Programmsponsoren, Management mit Durchsetzungskraft sowie Expertenkreise.
- Data Stewards: Datenverwalter aus dem Fachbereich, die einen bestimmten thematischen Bereich oder Datendomänen kontrollieren. Die Koordination unterschiedlicher Data Stewards kann ebenfalls durch einen Steward erfolgen. Der Steward definiert Grundsätze für die Daten, plant die Anforderungen und koordiniert die Auslieferung der Daten.
- Data Owner: Sie sind die eigentlichen Datenbesitzer und verantworten die Daten. Sie kommen meist aus den Fachbereichen, definieren die Anforderungen an die Daten, sichern Qualität und Verfügbarkeit und vergeben Zugriffsrechte.
- Data Manager: IT Fachkräfte, welche die von den Data Ownern formulierten Anforderungen technisch umsetzen.
- Datennutzer: Sie wenden die Daten unter Einhaltung der festgelegten Grundsätze an. Sie kennen die Datenquellen, verstehen die verwendeten Daten und extrahieren diese für die spezifischen Bedürfnisse im Business und in der IT.
Hilfe bei der Organisation von Rollen bieten auch Softwarewerkzeuge für das Metadatenmanagement, für Datenqualität, das Stammdatenmanagement oder die Datenintegration.
Die Rollen variieren dabei leicht. Einen Schritt weiter als die Rollenmodelle gehen spezielle Data-Governance-Templates, die neben den Rollen unter anderem auch Best-Practices-Prozesse, Entscheidungsregeln, Datenqualitätsregeln, Kennzahlen und Aufgabentypen enthalten.
Nach der Rollenzuordnung ist zu klären, wie eine Data Governance intern implementiert werden kann, also, ob in einer eigenen neuen Organisationseinheit oder durch die Verteilung der Rollen und Verantwortungen auf die bestehenden Personen und Prozesse.
„Data Governance“-Plattformen
Auf dem Markt finden sich Produkt-Plattformen, die funktionale Bausteine für Datenqualität, das Stammdatenmanagement, die Datenintegration, das Metadatenmanagement sowie den Datenschutz bieten.
Die Plattform selber sorgt für die durchgängige Integration und Skalierbarkeit ihrer Bestandteile. Die Bausteine liefern für ausgewählte Funktionen die Inhalte entsprechend den vordefinierten Regeln, Rollen, Prozessen, Kennzahlen oder bilden komplette Data-Governance-Lösungen zum Beispiel für die Erfüllung der Solvency-II-Vorgaben ab.
Daneben können auch Werkzeuge für Datenintegration, Datenqualität, Stammdatenmanagement oder Metadatenmanagement mit entsprechend erweiterten Funktionen für Data Governance in die Produktkategorie der Data-Governance-Plattformen einbezogen werden.
Der wohl wichtigste Baustein solcher Plattformen ist aber das Metadatenmanagement, das für die inhaltliche Integration der Komponenten sorgt sowie als Basis für die Kommunikation zwischen den unterschiedlichen Rollen dient.
Neben dem Austausch von Regeln zwischen den Funktionsgruppen sind rollenspezifische Sichten auf Berichte und Analysen sowie rollenübergreifende Prozesse möglich. Beispiele sind Metadaten-Portale, Lineage- und Impact-Analysen, Business Glossare, Freigabeprozesse oder Prozesse im Anforderungsmanagement.
Data-Governance-Plattformen versprechen einen echten Mehrwert durch ihre Templates und die Unterstützung in der Kommunikation und Abstimmung von Dateninhalten. Dennoch sollten Unternehmen vor der Einführung einer solchen Plattform aber ihre eigenen Anforderungen genau prüfen.
Dies betrifft vor allem die intern bereits vorhandenen funktionalen Komponenten, die Integration und die Kommunikation der einzelnen Lösungsbausteine der Plattform untereinander sowie die Unterstützung der unterschiedlichen Rollen.
BARC-Empfehlungen für Data Governance
Data Governance bildet die Grundlage für ein unternehmensweit abgestimmtes Datenmanagement und macht die effiziente Nutzung vertrauenswürdiger Daten erst möglich.
Ab einer bestimmten Unternehmensgröße ist die Verwaltung der Daten alles andere als trivial und ohne zentralen Steuerungsapparat nicht mehr effizient zu gestalten. Regeln, Organisation, Prozesse, Datenarchitektur und Technik bilden die Grundlage zur Erreichung der Data Governance Ziele.
Hauptfunktionen dafür sind Datenintegration, Datenqualität, Stammdatenmanagement, Metadatenmanagement und auch Datenschutz. Es empfiehlt sich grundsätzlich die Idee Data Governance im Unternehmen zu etablieren und zu einem datengetriebenen Unternehmen werden zu können. Folgende Tipps helfen bei der Einführung von Data-Governance-Initiativen oder –Programmen:
- Data-Governance-Programm nie ohne Unterstützung aus dem Management starten;
- Keine Big-Bang-Initiativen starten, sondern Data Governance als kontinuierlichen, iterativen Prozess verstehen, der aus Teilprojekten besteht;
- Mit kleinen Pilotprojekten starten und die Erfahrungen daraus in das Unternehmen tragen.
- Data-Governance-Programme können über Jahre laufen. Einzelne Projekte sollten allerdings nicht länger als 3 Monate dauern;
- Gut überlegte und klare Zielvorgaben;
- Das Rad nicht neu erfinden, sondern Templates, Modelle und Best Practices nutzen, die bereits am Markt verfügbar sind, sei es nun über Software-Werkzeuge, Frameworks & Bibliotheken oder durch Berater;
- Rollen im Unternehmen richtig besetzen! Besonders kritisch sind die Kommunikationsfähigkeiten des Programm-Managers, der das Data-Governance-Programm in das Unternehmen tragen muss, unter Berücksichtigung politischer Gepflogenheiten und Sensibilitäten;
- Sorgfältig prüfen und berücksichtigen, weshalb etablierte Prozesse und gewachsene Lösungen nicht ausreichend schlank gestaltet sind;
- Evaluierung von Data-Governance-Plattformen;
- Klare Strukturen und Verantwortlichkeiten schaffen!
- Eine offene und transparente Kommunikation mit allen Beteiligten und keine versteckten Agenden;
- Etablierung einer durchgängigen Methodik zur Dokumentation der organisatorischen Best Practices.
Data-Governance-Programme sind so keine unbeherrschbaren Projekte mehr, die zudem nur langfristigen Nutzen zeigen. Vielmehr bieten Sie die Chance, drängende fachliche Anforderungen im Kontext des Gesamtunternehmens schnell und effizient umzusetzen.
Erst die Umsetzung der Anforderungen im Rahmen einer Data Governance sichert die Geschwindigkeits- und Kostenvorteile sowie die Konformität mit der Datenmanagementstrategie. Es ist daher immer zu empfehlen, datenzentrische Projekte im Gesamtunternehmenskontext zu konzipieren oder den Weg zur Einführung einer Data Governance zu bereiten. Angst vor einem ressourcenaufwändigen Verwaltungsapparat ist keine Ausrede, Unwissenheit ist fahrlässig.
