Dein „ Datenkatalog “ ist nur so gut wie der Kontext, der darin steckt

#Datenkatalog #Data Governance #Datenprodukte # Verwaltung von „Metadaten “

Wichtigste Erkenntnisse

Durch die Datenkuratierung werden die eingelesenen „ Metadaten “ durch das Hinzufügen von Beschreibungen, Eigentumsangaben, Klassifizierungen und Governance-Maßnahmen in verlässliche geschäftliche Zusammenhänge umgewandelt.
Die manuelle Verwaltung kann Monate in Anspruch nehmen, da die Teams die Website Metadaten prüfen, Definitionen verfassen, Domains zuordnen, Verantwortliche benennen und sensible Daten klassifizieren.
Der Actian Data Steward Agent generiert vor der Überprüfung durch den Datenverwalter Empfehlungen für Beschreibungen, Glossarbegriffe und die Identifizierung personenbezogener Daten.
Eine „Human-in-the-Loop“-Steuerung bleibt unverzichtbar, da „ Datenverwalter “ das erforderliche unternehmerische Urteilsvermögen mitbringen, um Kontext, Richtlinien und die angemessene Nutzung zu bewerten.
KI-gestützte Stewardship-Maßnahmen helfen Unternehmen dabei, Rückstände bei der Governance abzubauen, die „ Metadaten “Beständigkeit zu verbessern und vertrauenswürdige Kontexte für Menschen und KI zu skalieren.

Die meisten Organisationen haben Schwierigkeiten mit der Kuratierung: Sie müssen die „ Metadaten “, über die sie bereits verfügen, in etwas verwandeln, dem die Menschen vertrauen können.

Moderne Datenkataloge können „ Metadaten “ aus Tausenden von Tabellen, Dashboards, Berichten und Datenprodukten erfassen. Durch die Erfassung gelangen die „ Metadaten “ in den Katalog. Durch die Kuratierung werden sie nutzbar. Es muss jedoch noch jemand die geschäftliche Bedeutung, die Zuständigkeiten, die Klassifizierungen und die Governance hinzufügen, damit die Nutzer diese Daten verstehen und sicher nutzen können.

Diese Aufgabe fällt oft den Daten Datenverwalter n zu.

Sie prüfen Assets, verfassen Beschreibungen, verknüpfen Geschäftsbegriffe, identifizieren sensible Daten, weisen Verantwortlichkeiten zu und stellen sicher, dass Governance-Richtlinien konsequent angewendet werden. Bei Tausenden von Assets wird diese „ Workload “ schnell zu einer Herausforderung, die sich nur schwer bewältigen lässt: verwalten.

Das Ergebnis ist bekannt: unvollständige Beschreibungen, uneinheitliche Klassifizierungen, fehlender geschäftlicher Kontext und ein Katalog, dem die Nutzer nur schwer Vertrauen schenken können.

Und nun steht noch mehr auf dem Spiel. Genau dieser geregelte Kontext muss zunehmend KI-Assistenten und -Agenten dienen, nicht nur menschlichen Datennutzern.

Die Verwaltungsarbeit, die die Unternehmensführung verlangsamt

Die Veröffentlichung einer vertrauenswürdigen Datenquelle kann mehrere manuelle Schritte umfassen:

Metadaten im Test: Schemas, Profiling-Ergebnisse, Lineage und andere verfügbare Kontextinformationen verstehen.
Beschreibungen und Definitionen verfassen: Technisches Fach Metadaten us in eine Sprache übersetzen, die Geschäftsanwender verstehen können.
Geschäftskontext verknüpfen: Zuordnung von Assets zu Glossarbegriffen, Domänen, Eigentümern und zugehörigen Daten.
Anwendung von Governance-Maßnahmen: Identifizierung sensibler Informationen, einschließlich personenbezogener Daten (PII), und Sicherstellung, dass die entsprechenden Governance-Kontrollen angewendet werden.

Keine dieser Aufgaben ist überflüssig. Das Problem ist, dass ein Großteil der Arbeit sich ständig wiederholt und zeitaufwendig ist. Die Aufschlüsselung dieser Verzögerung spricht für sich:

Überprüfung der importierten „ Metadaten “: 2 bis 3 Wochen wurden damit verbracht, nicht kuratierte Tabellen zu überprüfen und die Profilierungsergebnisse für Tausende von Assets zu analysieren.
Erstellung von Beschreibungen und Begriffen: 1 bis 2 Monate für das manuelle Verfassen von Definitionen und Glossarbegriffen.
Zuordnung und Abgleich mit Geschäftsbereichen: Etwa eine Woche wurde für die Zuordnung von Assets zu Geschäftsbereichen aufgewendet.
Verwaltung und Klassifizierung: 2 bis 3 Wochen für die Zuordnung von „ Datenverwalter “ und die Kennzeichnung personenbezogener Daten.

Insgesamt kann es zwei bis vier Monate dauern, bis eine einzelne Datencharge von der Erfassung unter Metadaten zu regulierten, vertrauenswürdigen Daten wird – und das, noch bevor überhaupt überprüft wurde, ob eine Definition oder eine Zuweisung eines Eigentümers korrekt ist.

Wenn Datenverwalter Hunderte oder Tausende von Assets darauf warten, bearbeitet zu werden, wird die Verwaltung zu einer Warteschlange. Assets mit hoher Priorität rücken nach vorne, während der „Long Tail“ unvollständig oder veraltet bleibt oder den Kontext vermissen lässt, den die Nutzer benötigen.

Daten-Stewardship Arbeitsablauf

Was wäre, wenn die Stewards nicht bei Null anfangen müssten?

Der Actian Data Steward Agent verschafft den Daten Datenverwalter n einen Vorsprung.

Sobald „ Metadaten “ geladen ist, analysiert der Agent den verfügbaren Kontext und generiert Empfehlungen für Aufgaben wie das Verfassen von Asset-Beschreibungen, das Verknüpfen von Glossarbegriffen und das Identifizieren personenbezogener Daten.

Der Daten Datenverwalter , kann diese Empfehlungen prüfen, sie bei Bedarf überarbeiten und genehmigen.

Dadurch ändert sich der Arbeitsablauf bei der Vermögensverwaltung von:

Recherchieren → Entwerfen → Klassifizieren → Zuordnen → Überprüfen → Veröffentlichen

an:

Von KI generierte Empfehlung → Überprüfung durch einen Steward → Veröffentlichung

Der Beauftragte übernimmt einen Großteil der sich wiederholenden Vorbereitungsarbeiten, während sich der Verwalter auf die Prüfung von Empfehlungen und das Treffen von Governance-Entscheidungen konzentriert.

Im Zeitalter der KI gewinnt die „Human-in-the-Loop“-Steuerung an Bedeutung

KI kann die Kuratierung beschleunigen. Die Steuerung hängt jedoch weiterhin vom menschlichen Urteilsvermögen ab.

Eine Beschreibung kann zwar technisch korrekt sein, aber eine wichtige geschäftliche Nuance außer Acht lassen. Ein Begriff im Glossar mag zwar relevant erscheinen, ist jedoch für einen bestimmten Fachbereich möglicherweise ungeeignet. Die Einstufung sensibler Daten kann vom organisatorischen Kontext und den Richtlinien abhängen.

Der Datenverantwortliche trifft diese Entscheidung.

Das Ziel ist es, „ Datenverwalter “ eine bessere Ausgangsbasis zu verschaffen: weniger Zeit für das Verfassen von „ Metadaten “, mehr Zeit für Entscheidungen über Qualität, Richtlinien, Zuständigkeiten, Definitionen und angemessene Nutzung.

Dies gewinnt umso mehr an Bedeutung, je mehr Unternehmen maschinelles Lernen ( generative AI ) und KI-Agenten einsetzen. Diese Systeme sind auf verlässliche Definitionen, Beziehungen, Richtlinien, Zuständigkeiten und geschäftliche Zusammenhänge angewiesen, um Unternehmensdaten korrekt zu interpretieren.

Ein unvollständiger Kontext kann zu technisch plausiblen Antworten führen, denen jedoch die Bedeutung und die Rahmenbedingungen fehlen, die Menschen benötigen, um auf der Grundlage dieser Antworten sicher handeln zu können.

Vom Governance-Rückstand zur Governance in großem Maßstab

Für Führungskräfte im Bereich Governance liegt die größte Chance in der Skalierbarkeit.

Wenn Unternehmen neue Datenquellen und Datenbestände hinzufügen, kann KI-gestützte Datenverwaltung den Teams dabei helfen, zu verhindern, dass die Datenkuratierung zu einem immer größeren Engpass wird. Teams können Rückstände bei der Datenverwaltung schneller abarbeiten, die Datenqualität verbessern Metadaten Beständigkeit und die Datenverwaltung auf einen größeren Teil der Unternehmensdaten ausweiten.

Für Daten Datenverwalter bedeutet dies, dass sie weniger Zeit mit dem Ausfüllen von Feldern verbringen und mehr Zeit damit, das Fachwissen einzubringen, das ihre Rolle so wertvoll macht: das Geschäftsumfeld zu verstehen, Unklarheiten zu beseitigen, Standards festzulegen und Governance-Entscheidungen zu treffen.

Die Zukunft von „ Daten-Stewardship “ liegt in einer Governance, die endlich mit den Daten Schritt halten kann, für die sie verantwortlich ist.

Sehen Sie sich die KI-gestützte Datenkuratierung ( Daten-Stewardship ) in der Praxis an und erfahren Sie, wie der Actian Data Steward Agent dabei hilft, die Datenkuratierung zu beschleunigen, den manuellen Aufwand zu reduzieren und den Datenverwaltern ( Datenverwalter ) mehr Zeit zu verschaffen, sich auf Governance-Entscheidungen zu konzentrieren. Beginnen Sie mit einer „ Demo “des „ Actian Data Intelligence-Plattform “.

Über den Autor