Data Governance (eBook)

Der Leitfaden für die Praxis

Christiana Klingenberg, Kristin Weber (Autoren)

eBook Download: PDF

2025 | 2. Auflage
291 Seiten
Carl Hanser Fachbuchverlag
978-3-446-48310-1 (ISBN)

Infos

- Setzt den Rahmen für erfolgreiches Datenmanagement und sorgt für die umsatzsteigernde Nutzung der Organisationsdaten - Konzipiert ein qualitätsorientiertes Datenmanagement für die gesamte Organisation - Hat die Entstehungs- und Verarbeitungsprozesse von Organisationsdaten im Blick - Liefert Standards, Methoden und Instrumente für eine hohe Datenqualität - Neu in der 2. Auflage: umfangreiche Aktualisierung aller Kapitel und Ergänzung von u. a. Data-Governance-Formen, Datenprinzipien, Datendomänen, Data Office sowie einer Vielzahl von Tools und neuen Anwendungsfällen. - Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches Daten sind eine wichtige strategische Ressource im digitalen Wettbewerb. Damit sie gewinnbringend genutzt werden können, muss ein Rahmen in Organisationen geschaffen werden. Diesen Rahmen bietet Data Governance. Doch welchen Mehrwert bietet Data Governance für Organisationen und wie lässt es sich in die Praxis umsetzen? Dieses Buch zeigt Ihnen, was wirklich funktioniert. Profitieren Sie von den Ergebnissen intensiver praxisnaher Forschung und der jahrelangen Projekterfahrung der Autorinnen in Organisationen unterschiedlicher Größe und Branchen. Das qualitätsorientierte Data Governance Framework adressiert unterschiedliche Handlungsebenen und unterscheidet nicht zwischen verschiedenen Datendomänen. Die Autorinnen geben einen wertvollen Überblick zum Thema Datenqualität und dessen Relevanz für Organisationen. Konkrete Handlungsempfehlungen ermöglichen Ihnen, die ersten Data-Governance-Aktivitäten in Ihrer Organisation schnell vorzubereiten und umzusetzen. AUS DEM INHALT // - Begriffe und Grundlagen, Überblick über Data Governance Frameworks - Das qualitätsorientierte Data Governance Framework - Rollen und Gremien - Bedeutung von Datenqualität in der Praxis - Instrumente, Techniken und Tools zur Umsetzung in Unternehmen - Anwendungsbeispiele aus über fünfzehn Jahren Erfahrung

Dr. Christiana Klingenberg ist Expertin für Datenmanagement, Datenqualität und Data Governance. Sie erarbeitet mit Organisationen passende Strategien und Maßnahmen für ein nachhaltiges Datenmanagement sowie Data Governance und setzt diese unter Berücksichtigung technischer und organisatorischer Aspekte um. Des Weiteren hat sie an verschiedenen Publikationen und Fachbüchern mitgewirkt, hält Vorträge auf nationalen und internationalen Konferenzen und ist als Gastdozentin an der Hochschule für angewandte Wissenschaften Würzburg-Schweinfurt aktiv.

Autor

Dr. Christiana Klingenberg ist Expertin für Datenmanagement, Datenqualität und Data Governance. Sie erarbeitet mit Organisationen passende Strategien und Maßnahmen für ein nachhaltiges Datenmanagement sowie Data Governance und setzt diese unter Berücksichtigung technischer und organisatorischer Aspekte um. Des Weiteren hat sie an verschiedenen Publikationen und Fachbüchern mitgewirkt, hält Vorträge auf nationalen und internationalen Konferenzen und ist als Gastdozentin an der Hochschule für angewandte Wissenschaften Würzburg-Schweinfurt aktiv. Prof. Dr. Kristin Weber ist Vizepräsidentin an der Hochschule für angewandte Wissenschaften Würzburg-Schweinfurt (THWS) und Professorin an der dortigen Fakultät Informatik und Wirtschaftsinformatik. Sie forscht und lehrt u. a. über den Faktor Mensch in der Informationssicherheit. Seit 2017 ist sie Informationssicherheitsbeauftragte der THWS. Zudem ist Kristin Weber als Autorin, Referentin und Beraterin für die Themenstellungen Information Security Awareness, ISMS, Data Governance, Datenqualität und Stammdatenmanagement tätig.

Textauszug

1	Einleitung

Daten standen noch nie so hoch im Kurs wie heute. Noch nie war der Bedarf an Praxiswissen im Umgang mit Daten gefragter. Neue Trends und Technologien für Daten entwickeln sich immer schneller. Und es steigt der Bedarf, alle Möglichkeiten, die es heute bereits gibt und morgen geben wird, auszuschöpfen. Data Governance schafft in Organisationen die Voraussetzungen, um Daten wertschöpfend einzusetzen.

1.1	Daten als Schlüsselressource

In fast allen Bereichen der Wirtschaft und des privaten Lebens spielen Daten eine immer größere Rolle. Es gibt keine Organisation, welche nicht in irgendeiner Weise Daten verarbeitet. Private Nutzende teilen ihre Daten in sozialen Netzwerken, bloggen, shoppen online, bezahlen mit dem Smartphone oder investieren in digitales Geld.

Die Trends der Datenverarbeitung in der Zukunft deuten sich schon an: Diskussionen über die Abschaffung von Bargeld laufen bereits (Deutsche Bundesbank, 2018), ebenso werden die Möglichkeiten von selbstsouveränen Identitäten (SSI), also der Verwaltung der eigenen Identität im Netz, immer umfangreicher (z. B. EMIL Consortium, 2020). Die EU hat den Data Governance Act beschlossen, um die sichere, transparente und vertrauenswürdige gemeinsame Nutzung von Daten innerhalb der EU zu fördern, um Innovation und wirtschaftliche Entwicklung zu unterstützen (EU Data Governance Act, 2022). Die Verarbeitung von Daten mit Unterstützung von KI-Applikationen ist inzwischen weit verbreitet und der EU AI Act gibt die rechtlichen Vorgaben dafür (EU AI-Act, 2024). Beides, die gemeinsame Nutzung von Daten sowie die Verarbeitung von Daten durch Künstliche-Intelligenz-Lösungen sind Treiber für viele neuartige Trends und Geschäftsideen. Zum Beispiel wird mit Open-Science-Initiativen der Zugang zu Forschungsdaten aus verschiedenen europäischen Institutionen ermöglicht und beschleunigt, was den kollaborativen Forschungsansatz fördert. Und mit Open-Data-Plattformen für KI-Trainings stehen Datenbestände zur Verfügung, die idealerweise die Entwicklung verbesserter KI-Modelle und deren algorithmische Genauigkeit durch größere und diversifizierte Datenpools ermöglichen. Mit den wachsenden Möglichkeiten, Daten zu erfassen, zu halten und zu verarbeiten, steigt unweigerlich der Bedarf nach Richtlinien, Hinweisen, Transparenz, Schutzmaßnahmen, Verantwortlichkeiten und Systemen, die den Umgang mit diesen Daten regeln.

Damit wird deutlich, dass es diese innovativen Ansätze nicht umsonst gibt. Fällt der Begriff Data Governance als Zusammenfassung all der Aktivitäten, die notwendig sind, um den vollen Wert der Daten auszuschöpfen, sind folgende Aussagen zu hören:

       Data Governance ist ein Kostentreiber,

       sie erfordert ein hohes Maß an zusätzlicher Bürokratie,

       sie benötigt neue Stellen und mehr Mitarbeitende,

       sie bremst Datenmanagement-Projekte aus,

       sie ist ohne zusätzliche Software nicht umsetzbar,

       und die Ergebnisse sind erst nach langer Zeit sichtbar.

Diese Argumente sind nur Beispiele für die skeptische Grundhaltung gegenüber Data Governance. Die Kunst ist es, einen Anreiz zu schaffen und gute Gründe zu nennen, warum es sich dennoch lohnt, in Data Governance zu investieren.

1.2	Herausforderungen und Nutzen von Data Governance

In aller Regel befinden sich die Organisationen in Bezug auf Data Governance nicht auf der grünen Wiese. Bei genauer Betrachtung gibt es in verschiedenen Bereichen Aktivitäten, die sich Data Governance durchaus zuordnen lassen. Das kann eine bereits implementierte Softwarelösung für bestimmte Datenqualitäts-Prüfungen sein. Oder es gibt bereits Kolleginnen und Kollegen, die bei Fragen zu bestimmten Daten einen guten Rat geben können. Nicht selten gibt es Customer-Relationship-Management- oder Enterprise-Ressource-Planning-Systeme, für die Datenpflege-Prozesse bereits beschrieben, geregelt und umgesetzt wurden. Je mehr man sucht und sich durchfragt, desto mehr Hinweise auf Data Governance wird man in Organisationen finden. Und die verschiedenen Aktivitäten sind oft seit längerer Zeit etabliert und auf das Management der Daten abgestimmt. Das heißt, in vielen Bereichen läuft es bereits und das Rad muss nicht neu erfunden werden. Das ist die gute Nachricht.

Die Herausforderung ist allerdings, dass bereits vorhandene Aktivitäten selten koordiniert und bereichsübergreifend stattfinden. Mitarbeitende, die sich bereits den Ruf einer „Datenexpertin“ oder eines „Datenexperten“ erarbeitet haben, finden diese Rolle kaum in ihrer Stellenbeschreibung. Neue Anforderungen an die Daten, z. B. in Form von neuen Reports, münden in teilweise zeitaufwendiger und fehleranfälliger manueller Datenaufbereitung, die im schlimmsten Fall weder nachvollziehbar noch reproduzierbar ist. Es ist nicht bekannt, wer was in welchem Bereich für die Datenoptimierung bereits macht oder wo welche Datenpflege-Prozesse bereits implementiert sind und gut laufen. Es kommt zu Missverständnissen und doppelten bzw. mehrfachen Arbeiten, wenn die gleichen Aktivitäten an verschiedenen Stellen durchgeführt werden.

Anforderungen an die Daten sind nur aus dem eigenen Bereich bekannt. Die Anforderungen anderer Bereiche sind ungeklärt und werden somit bei der Datenerfassung und Datenverarbeitung (unwissentlich) ignoriert. Im schlimmsten Fall werden die Datenoptimierungen von Mitarbeitenden des einen Bereichs durch Mitarbeitende des anderen Bereichs überschrieben und somit zunichte gemacht. Die Koordination fehlt, und damit die Transparenz und das konsolidierte Wissen über die Möglichkeiten, was mit den Organisationsdaten heute schon gemacht wird und morgen noch getan werden soll. Die Herausforderung und Aufgabe ist also, das vermeintliche Chaos übergreifend zu strukturieren und so durch Data Governance die Effizienz des Datenmanagements zu steigern.

Tabelle 1.1 stellt die Auswirkungen von Datenmanagement ohne und mit Data Governance gegenüber.

Tabelle 1.1 Ziele von Data Governance

Ohne Data Governance

Mit Data Governance

Fehlende Finanzierung von datengetriebenen Projekten

Unterstützung und Verantwortung durch das Top-Management

Ungeklärte Verantwortlichkeiten für Daten

Data Stewardship als zentrales Organisationskonzept des Datenmanagements

Datenmanagement mit geringer Priorität

Organisationsweit abgestimmtes Management des „Vermögenswertes“ Daten

Verzögerungen bei der innovativen Nutzung von Datenprodukten

Zügige Entscheidungsfindung bei Daten-Fragen und deren Umsetzung

Ziele des Datenmanagements haben geringe Priorität in IT-Projekten

IT-Projekte mit Auswirkung auf kritische Daten finden unter Beteiligung des Data Office statt

Geschäfts- und Fachbereiche ignorieren übergreifende Auswirkungen der Datenpflege und Datennutzung

Data-Governance-Gremien stellen übergreifende Abstimmung aller Datenmanagement-Initiativen sicher

Inkonsistente Geschäftsprozesse, Erfassungsrichtlinien und Datenmodelle

Einführung und Durchsetzung von Best Practices, inklusive standardisierter Datenmodelle, Definitionen, Regeln und Geschäftsprozessen

Die Einführung von Data Governance ist nicht zu unterschätzen. Sehr schnell sind wieder die oben genannten Statements zu hören und das macht es nicht einfacher, Verbündete in der eigenen Organisation zu finden. Denn Data Governance bedeutet auch, sich mit neuen Möglichkeiten des Datenmanagements auseinanderzusetzen. Aktivitäten, die sich heute mit den Daten nicht durchführen lassen, sollen morgen möglich sein. Das bedeutet Veränderung. Veränderung braucht ein starkes Netzwerk, gute Argumente und einen langen Atem. Im Fall von Data Governance bedeutet Veränderung, dass Organisationsdaten in den Fokus rücken und deren Nutzung dem wirtschaftlichen Erfolg der Organisation unterstellt ist. Und dieser Nutzungszweck wird konsequent auf alle Bereiche des Datenmanagements über die gesamte Organisation hinweg angewendet und in vielen kleinen Maßnahmen umgesetzt. Anders gesagt, eine Datenstrategie und Maßnahmen zur Umsetzung werden definiert.

Ein einheitliches Verständnis der Strategiemaßnahmen und deren Einordnung in ein Data-Governance-Rahmenwerk helfen bei der Bewältigung der genannten Herausforderungen....

Produkt-Details

• Erscheint lt. Verlag: 10.3.2025
• Verlagsort: München
• Sprache: deutsch
• Themenwelt: Mathematik / Informatik ► Informatik
• Schlagworte: Big Data • Chief Data Officer (CDO) • Data Lineage • Data Quality Scorecard • Data Science • Data Steward • Datenqualität • digitale Transformation • DSGVO • IT-Governance • Stammdatenmanagement
• ISBN-10: 3-446-48310-1 / 3446483101
• ISBN-13: 978-3-446-48310-1 / 9783446483101