Was ist Data Governance?
Data Governance das Framework Richtlinien, Rollen, Prozessen und Standards, das festlegt, wie eine Organisation ihre Daten über deren gesamten Lebenszyklus hinweg verwaltet – wer für sie verantwortlich ist, wie sie definiert werden, wie ihre Qualität sichergestellt wird, wer darauf zugreifen darf und wie sie die Compliance-Anforderungen erfüllen.
Das Ziel der Data Governance darin, sicherzustellen, dass die Daten in allen Teams, die sie nutzen, korrekt, konsistent, sicher und vertrauenswürdig sind.
Data Governance
Data Governance die organisatorische Fähigkeit, die die Verantwortlichkeit für Datenbestände festlegt und die Regeln und Prozesse schafft, durch die diese Verantwortlichkeit in die Praxis umgesetzt wird.
Es beantwortet sechs Fragen zu jedem Datenbestand:
- Wem gehört es? Welches Geschäftsteam ist für die Richtigkeit und die ordnungsgemäße Verwendung verantwortlich?
- Was bedeutet das? Wie wird es definiert und wie werden seine Felder systemübergreifend interpretiert?
- Ist das korrekt? Ob es festgelegte Qualitätsstandards erfüllt und zertifiziert ist.
- Wer darf es nutzen? Welche Rollen haben Zugriff, unter welchen Bedingungen und von wem genehmigt?
- Woher stammt es? Sein Abstammungspfad vom Quellsystem bis zum aktuellen Zustand.
- Wie lange wird es aufbewahrt? Die Aufbewahrungs- und Löschregeln, die seinen Lebenszyklus regeln.
Schlüsselkomponenten der Data Governance
| Komponente | Was es tut |
|---|---|
| Eigentumsrechte an Daten | Weist für jeden Datenbereich einem namentlich genannten Verantwortlichen die oberste geschäftliche Verantwortung zu |
| Daten-Stewardship | Überträgt die Verantwortung für den laufenden Betrieb an Datenverwalter , der Definitionen pflegt, die Qualität überwacht und Zugriffsanfragen bearbeitet |
| Geschäftsglossar | Definiert Geschäftsbegriffe und verknüpft sie mit den spezifischen Feldern und Tabellen, die sie systemübergreifend beschreiben |
| Standards für die Datenqualität | Legt die Schwellenwerte fest – Vollständigkeit, Nullrate, Aktualität –, die erforderlich sind, damit ein Asset als ausreichend vertrauenswürdig eingestuft und zertifiziert werden kann |
| Verwaltung von Metadaten | Erfasst und verwaltet die Hintergründe jedes Assets: Quelle, Herkunft, Klassifizierung, Eigentumsverhältnisse, Qualitätsbewertung |
| Zugangskontrolle | Legt fest, wer auf welche Daten zugreifen darf, sorgt für die Einhaltung von Genehmigungsabläufen und protokolliert jede Zugriffsentscheidung |
| Datenherkunft | Verfolgt jeden Vermögenswert von der Quelle über alle Verarbeitungsschritte bis hin zu den nachgelagerten Abnehmern |
| Compliance-Kontrollen | Integriert regulatorische Anforderungen – Klassifizierung personenbezogener Daten, Aufbewahrungsfristen, Protokolle in die täglichen Datenabläufe |
Modelle Data Governance
Unternehmen gestalten ihre Governance je nach Größe, Branche und Datenarchitektur unterschiedlich.
Zentralisierte Steuerung: Ein einziges Governance-Team verwaltet Richtlinien, Standards und deren Durchsetzung unternehmensweit. Dies sorgt für hohe Beständigkeit , kann Beständigkeit in großen oder sich schnell verändernden Organisationen zu einem Engpass werden.
Föderale Steuerung:Die Steuerungsaufgabenwerden zwischen einem zentralen Team und den einzelnen Geschäftseinheiten oder Bereichen aufgeteilt. Die Zentrale legt unternehmensweite Standards fest; die Bereichsteams setzen diese vor Ort um. Dieses Modell schafft ein Gleichgewicht Beständigkeit Autonomie und lässt sich in großen Organisationen besser skalieren als eine zentralisierte Steuerung.
Dezentrale Governance: Jede Abteilung legt ihre eigenen Governance-Regeln fest und setzt diese durch. Dies bietet Flexibilität, birgt jedoch das Risiko uneinheitlicher Definitionen, doppelter Daten und Lücken bei der Compliance-Abdeckung.
Hybride Unternehmensführung: Ein gemischtes Modell, das eine zentralisierte Politikgestaltung mit dezentraler Umsetzung verbindet. Es ist häufig in globalen Organisationen anzutreffen, deren einzelne Geschäftsbereiche unter gemeinsamen regulatorischen Anforderungen operieren.
Data-Mesh-Governance: In einer Data-Mesh-Architektur sind die Fachteams für die Datenprodukte verantwortlich und veröffentlichen diese. Eine zentrale Governance-Funktion legt die Standards und Richtlinien fest; Datenverwalter der jeweiligen Fachbereiche Datenverwalter diese innerhalb ihrer Produkte Datenverwalter . Ein Datenkatalog dient als Such- und Governance-Ebene für alle Fachbereiche.
Data Governance verwandten Disziplinen
Data Governance Datenmanagement:Governancedefiniert die Regeln: die Richtlinien, Standards und Verantwortungsstrukturen für Daten. Datenmanagement diese Regeln technisch Datenmanagement : Speichern, Verschieben, Verarbeiten und Pflegen von Daten. Governance legt das „Was“ und das „Warum“ fest; das Management sorgt für das „Wie“.
Data Governance . Daten-Stewardship: Governance legt die Richtlinien fest. Stewardship setzt diese im Tagesgeschäft um. Datenverwalter die Personen, die die Governance in ihren zugewiesenen Bereichen operativ umsetzen.
Data Governance . Compliance: Compliance ist ein Ergebnis – der Nachweis, dass gesetzliche Anforderungen erfüllt werden. Data Governance das Programm, das Compliance als Nebenprodukt seiner täglichen Abläufe hervorbringt und nicht als separate, periodisch durchgeführte Prüfung.
Data Governance . Metadaten : Metadaten ist die operative Ebene, die Governance sichtbar und überprüfbar macht. Es erfasst die Klassifizierungen, Zugriffsprotokolle, Qualitätsbewertungen und die Herkunftsnachweise, die für Governance-Richtlinien erforderlich sind. Beide sind voneinander abhängig: Governance ohne Metadaten lässt sich nicht überprüfen; Metadaten ohne Governance weist keine einheitlichen Standards auf.
Warum Data Governance
Die meisten Data Governance scheitern aus einem von vier Gründen:
Keine operative Rechenschaftspflicht. Es gibt zwar Governance-Dokumente, aber niemand ist mit deren Umsetzung beauftragt. Richtlinien ohne Datenverwalter Richtlinien, an die sich niemand hält.
Zu großer Umfang zu früh. Programme, die versuchen, alle Datenbestände auf einmal zu verwalten, verwalten nichts richtig. Mit den Bereichen mit dem höchsten Risiko zu beginnen und systematisch zu erweitern, führt zu besseren Ergebnissen als eine sofortige unternehmensweite Einführung.
Fehlanpassung der Tools. Manuelle Governance-Prozesse – Tabellenkalkulationen, Genehmigungsabläufe per E-Mail, Word-Dokumente für Definitionen – lassen sich nicht über einige hundert Assets hinaus skalieren. Damit Programme im Unternehmensmaßstab funktionieren können, sind ein Datenkatalog Metadaten erforderlich.
Governance wird als Problem der IT betrachtet.Data Governance die aktive Beteiligung von Geschäftsverantwortlichen, Fachexperten und Führungskräften. Programme, die ausschließlich von der IT getragen werden, erreichen selten die Geschäftsglossar und die fachliche Verantwortlichkeit, die für eine wirksame Governance erforderlich sind.
FAQ
Data Governance die Gesamtheit der Richtlinien, Rollen und Prozesse, die festlegen, wer für Daten verantwortlich ist, wie diese definiert und verwaltet werden, wer darauf zugreifen darf und wie sie Qualitäts- und Compliance-Standards erfüllen.
Ein Finanzdienstleistungsunternehmen benennt für seinen Bereich der Risikoberichterstattung einen Datenverantwortlichen, einen Datenverwalter zur Pflege der Definitionen und zur Überwachung der Qualität sowie Zugriffskontrollrichtlinien, die Anfragen nach sensiblen Daten über einen Genehmigungsworkflow leiten. Der Datenverwalter führt Herkunftsnachweise, die die Prüfungsanforderungen gemäß BCBS 239 erfüllen, ohne dass jedes Quartal eine manuelle Rekonstruktion erforderlich ist.
Datenqualität ist ein Ergebnis, das durch Governance erzielt wird. Ein Governance-Programm definiert Qualitätsstandards, benennt Datenverwalter diese durchsetzen, und setzt Überwachungsinstrumente ein, um deren Einhaltung zu verfolgen. Qualität ohne Governance führt zu Kennzahlen, auf die niemand reagiert. Governance ohne Qualitätsstandards bietet keine Möglichkeit, die Vertrauenswürdigkeit von Daten zu bestätigen.
In der Regel wird das Programm auf Führungsebene von einem Chief Data Officer oder einer vergleichbaren Position geleitet. Ein Data Governance trifft funktionsübergreifende Entscheidungen. Ein Data Governance kümmert sich um den täglichen Programmablauf. Die Datenverantwortlichen tragen die Verantwortung für bestimmte Bereiche. Datenverwalter die Governance in diesen Bereichen operativ Datenverwalter .
Es handelt sich zwar nicht um ein formelles Programm mit fest zugewiesenen Rollen, doch die Aufgaben im Bereich Governance müssen dennoch wahrgenommen werden: Jemand muss für die Datendefinitionen verantwortlich sein, Qualitätsprobleme lösen und verwalten Zugriff auf sensible Daten erhält. In kleineren Organisationen liegen diese Verantwortlichkeiten in der Regel beim Leiter des Datenteams oder bei einem leitenden Analysten. Mit dem Wachstum der Organisation und der Zunahme ihrer regulatorischen Verpflichtungen werden diese Strukturen formalisiert.
Die DSGVO verlangt von Organisationen, dass sie wissen, wo personenbezogene Daten vorliegen, wie sie fließen, wer darauf zugreifen kann und wie sie auf Anfrage gelöscht werden können. Ein Data Governance klassifiziert personenbezogene Daten automatisch, setzt Zugriffskontrollen durch, führt Protokolle und nutzt die Datenherkunft (Lineage), um personenbezogene Daten über alle Systeme hinweg nachzuverfolgen, mit denen sie in Berührung kommen – wodurch die Einhaltung der DSGVO zu einem Nebenprodukt der täglichen Governance-Abläufe wird.
