Zum Inhalt
Frau prüft Daten-Governance-Analysen

Was ist Daten-Governance?

Laut Definition umfasst die Governance von Unternehmensdaten die implementierten Richtlinien und Verfahren, mit denen sichergestellt wird, dass die Daten eines Unternehmens von Anfang an korrekt sind und bei der Eingabe, Speicherung, Bearbeitung, dem Zugriff und der Löschung ordnungsgemäß behandelt werden. Die Daten-Governance hat folgende Aufgaben: Sie stellt die Infrastruktur und Technologie bereit, richtet Prozesse und Richtlinien ein, kümmert sich um deren Pflege und benennt Personen (oder Positionen) innerhalb eines Unternehmens, die für den Umgang mit und den Schutz von bestimmten Arten von Daten sowohl berechtigt als auch verantwortlich sind.

 

Daten-Governance ist ein zentraler Bestandteil der Compliance. Systeme kümmern sich um die Mechanismen der Speicherung, Verarbeitung und Sicherheit. Aber es ist die Mitarbeiterseite – die Governance-Organisation –, die sicherstellt, dass Richtlinien definiert werden, die Verfahren zuverlässig sind, die Technologien angemessen verwaltet werden und die Daten geschützt sind. Die Daten müssen ordnungsgemäß behandelt werden, bevor sie in das System eingegeben werden, während sie genutzt werden und wenn sie aus dem System zur Verwendung oder Speicherung an anderer Stelle abgerufen werden.

 

Während die Daten-Governance die Richtlinien und Verfahren zur Festlegung der Datengenauigkeit, ‑zuverlässigkeit, ‑integrität und ‑sicherheit festlegt, beinhaltet die Datenverantwortung (Data Stewardship) die Umsetzung dieser Verfahren. Die mit der Datenverantwortung betrauten Mitarbeiter verwalten und beaufsichtigen die Verfahren und Tools, die für den Umgang, die Speicherung und den Schutz von Daten verwendet werden.

Vorteile der Daten-Governance

In einer Zeit, in der Unternehmen in allen Bereichen zunehmend auf Daten angewiesen sind, können Sie es sich nicht leisten, keinen entsprechenden Strategieplan zu haben. Daten sind das Herzstück aller Computer- und Technologiefunktionen, einschließlich Buchhaltung und Finanzen, Planung und Steuerung, Auftragsmanagement, Kundendienst, Terminplanung, Prozesssteuerung, Konstruktion und Design usw. Genaue, zuverlässige Daten sind für den effektiven Betrieb dieser Systeme und Funktionen unabdingbar. 

 

Da (gute und verlässliche) Daten für das Unternehmen unentbehrlich sind, müssen Unternehmen auf die Erstellung, Qualität, Handhabung und Sicherheit dieser Daten achten. Und wenn sie das tun, können sie sich darauf verlassen, dass ihre Systeme und Datenbanken die Realität tatsächlich abbilden und die Entscheidungsfindung und den Geschäftserfolg wirksam unterstützen.

Zentrale Daten-Governance bietet eine einheitliche, vertrauenswürdige Sicht auf Ihre Daten.


Zu den Vorteilen der Daten-Governance zählen:
  1. Bessere, zuverlässigere Daten: Das ist der entscheidende Punkt. Nutzer und Entscheidungsträger haben mehr Vertrauen in die Daten und folglich auch mehr Vertrauen in die Entscheidungen, die auf diesen Daten basieren. Und diese Entscheidungen werden de facto besser sein, weil sie auf genauen Informationen beruhen.
  2. Eine einheitliche Datenbasis: Der Vorteil, dass alle Teile des Unternehmens und alle Entscheidungsträger mit denselben Informationen arbeiten, ist unschätzbar. Es wird keine Zeit mehr damit vergeudet, darüber zu streiten, wessen Tabellenkalkulation oder Plan „besser“ oder aktueller ist. Alle Teile des Unternehmens sind aufeinander abgestimmt.
  3. Einhaltung regulatorischer, rechtlicher und branchenspezifischer Vorschriften: Solide Datenmanagementverfahren sind der Schlüssel zur Einhaltung von Vorschriften. Prüfer und Vertreter der Aufsichtsbehörden legen weniger Augenmerk auf die Daten selbst, sondern vielmehr auf die Art und Weise, wie diese Daten generiert, verarbeitet und geschützt wurden.
  4. Kostensenkung: Die Prüfungen werden nicht nur schneller und einfacher, auch die täglichen Abläufe werden effizienter und effektiver. Sie können den Ausschuss reduzieren, der durch Entscheidungen auf Basis fehlerhafter oder veralteter Informationen entsteht. Und Sie können den Service für Ihre Kunden verbessern, indem Sie den genauen Status der laufenden Aktivitäten, des Bestands und der Verfügbarkeit von Arbeitskräften kennen.

Unternehmen sind auf genaue, konsistente und zuverlässige Daten angewiesen, die per Definition nur mit einer guten Daten-Governance erreicht werden können.

Wie sieht das Framework für Daten-Governance aus?

Ein Daten-Governance-Framework bezieht sich auf das Modell, auf der die Datenstrategie und die Compliance basiert. Ausgehend vom Datenmodell, das die Datenflüsse – Eingaben, Ausgaben und Speicherparameter – beschreibt, legt das Governance-Modell dann die Regeln, Aktivitäten, Zuständigkeiten, Verfahren und Prozesse fest, die definieren, wie diese Datenflüsse verwaltet und kontrolliert werden.

 

Stellen Sie sich das Modell als eine Art Blaupause dafür vor, wie Daten-Governance in einem bestimmten Unternehmen funktioniert. Und beachten Sie, dass dieses Governance-Framework für jedes Unternehmen einzigartig ist und die Besonderheiten der Datensysteme, der organisatorischen Aufgaben und Zuständigkeiten, der gesetzlichen Anforderungen und der Branchenprotokolle widerspiegelt.

 

Ihr Framework sollte Folgendes umfassen:

  • Datenumfang: Stammdaten, Transaktionsdaten, operative Daten, analytische Daten, Big Data und so weiter
  • Organisationsstruktur: Rollen und Zuständigkeiten zwischen dem Verantwortlichen, dem Leiter der Datenverwaltung, der IT-Abteilung, dem Geschäftsteam und dem Projektpaten auf Vorstandsebene
  • Datenstandards und ‑richtlinien: Leitfäden, die darlegen, was Sie verwalten und regeln und welche Ergebnisse Sie erzielen wollen
  • Überblick und Kennzahlen: Parameter für die Messung von Strategieumsetzung und ‑erfolg

Daten-Governance-Prozesse

Daten-Governance muss in die Prozesse des Unternehmens zur Erstellung, Verwaltung und zum Schutz von Daten eingebettet sein. Im Folgenden werden einige der verfahrenstechnischen Elemente und Leitlinien aufgeführt:

  • Verfahren und Dokumentation: Dies ist mehr als nur eine Anforderung, um die Prüfer zufrieden zu stellen – die Dokumentation muss alle Prozesse klar beschreiben. Außerdem sollten die Verfahren durch Schulungen und motivierende Anreize verstärkt werden.
  • Datenintegrität: Überlegungen zur Datenintegrität müssen entsprechend dem Daten-Governance-Modell und ‑Framework in die Verfahren integriert werden. Rechnen Sie damit, dass diese Neuerungen von den Mitarbeitern etwas mehr Aufmerksamkeit und Verfahrensdisziplin erfordern und sich durchaus auf die Effizienz auswirken (z. B. ein paar Sekunden mehr für einen Prozess). Ein gewisses Maß an Automatisierung könnte hier helfen. Relativ kostengünstige, bewährte Technologien wie Barcode-Scanner und Touchscreens können die Datenerfassung schneller und genauer machen, insbesondere wenn sie mit IIoT-Sensoren (industrielles Internet der Dinge) und bestehenden Prozesssteuerungssystemen verbunden werden.
  • Audits und Qualitätskontrolle: Binden Sie regelmäßige Prüfungen der Datenvalidität in alle Verfahren ein, um die Prozesse und die Einhaltung der Verfahren zu überprüfen. Ein regelmäßiger Zeitplan für Kontrollen durch ein Qualitätsteam ist am besten geeignet.

Was sind einige der größten Herausforderungen bei der Daten-Governance?

Organisatorische und personelle Fragen können die größte Herausforderung sein. Jede Unternehmenstransformation erfordert klare Rollen und Zuständigkeiten sowie einen Verantwortlichen, der den Wandel vorantreibt. Außerdem ist ein Umdenken notwendig, damit Datenmanagement nicht mehr als langweilige, unbedeutende Aufgabe angesehen wird, sondern als Aufgabe von großer Bedeutung. Wenn Mitarbeiter mit Daten – insbesondere mit kritischen Daten – in Berührung kommen, sie erstellen, ändern, verwenden oder in irgendeiner Weise weitergeben, müssen sie wissen, welche Rolle sie bei der ordnungsgemäßen Verwaltung dieser Daten spielen und die Verantwortung dafür übernehmen.

 

Eine weitere große Herausforderung ist die rasche Verbreitung von Daten, die mit der Zeit immer größer wird. Viele dieser neuen Daten sind entweder unstrukturiert oder unterscheiden sich von denen, die wir aus der Vergangenheit kennen oder mit denen wir bisher gearbeitet haben. Dies belastet nicht nur die bestehenden Systeme und Datenbanken, sondern verlangt auch nach neuen Verfahren und zusätzlichen Anforderungen an die Governance.

Tools und Technologie für Daten-Governance

Für die Erstellung des Daten-Governance-Frameworks sind keine zusätzlichen Tools erforderlich. Technologien können jedoch bei der Erfassung, Verwaltung und Sicherung der Daten helfen. Ziehen Sie die folgenden in Betracht:

  • Information-Steward-Anwendungen helfen, Datenprofile zu erstellen und die Leistung der Daten-Governance-Richtlinie des Unternehmens zu überwachen. Sie erleichtern die Durchführung von Daten-Governance-Initiativen in den Geschäftsbereichen, die Durchsetzung von Qualitätsstandards durch Datenvalidierung und die Messung der Verbesserung von Datenqualitätsprozessen.
  • Lösungen für die Verwaltung von Metadaten, oft auch als EMM (Enterprise Metadata Management) bezeichnet, kategorisieren und organisieren die Informationsressourcen eines Unternehmens und gewinnen im Zeitalter von Big Data zunehmend an Bedeutung. Die Informationen zum verwalteten Datenbestand umfassen Typ, Tags, Quelle und Daten.
  • Technologien zur Verwaltung des Lebenszyklus von Informationen und von Inhalten kontrollieren das Datenvolumen und steuern die damit verbundenen Risiken durch automatisierte Richtlinien zur Archivierung, Aufbewahrung und Vernichtung von Informationen.  Content-Management-spezifische Funktionen können auch Geschäftsprozesse optimieren, indem sie Dokumente digitalisieren und relevante Inhalte in Transaktionen und Workflows integrieren.
  • Beim erweiterten Datenmanagement oder der erweiterten Datenintegration werden vorhandene Unternehmensdaten mit Informationen angereichert, die mithilfe neuer Technologien wie künstlicher Intelligenz (KI) und maschinellem Lernen gewonnen werden. Damit soll die Entscheidungsfindung verbessert und die Selbstoptimierung einiger Anwendungen gefördert werden.

Fünf Best Practices für Daten-Governance

Unter Experten herrscht allgemeines Einvernehmen über die fünf wichtigsten „Best Practices“ für Daten-Governance:

  1. Behalten Sie das große Ganze im Auge, aber fangen Sie klein an. Das ist immer ein guter Rat. Aber wenn Sie bei Null anfangen (und noch nie mit einem Daten-Governance-Prozess zu tun hatten), betreten Sie Neuland. Es ist immer ratsam, klein anzufangen. Testen Sie Ihre Ideen und Ihr Verständnis in einem begrenzten Rahmen, damit Sie lernen, Fähigkeiten zu entwickeln und den Ansatz zu validieren, bevor Sie sich ganz darauf einlassen. Verlieren Sie dabei aber nicht das große Ganze aus den Augen. Es passiert nur allzu leicht, dass Sie sich in Kleinigkeiten verstricken und vom eigentlichen Ziel abkommen. Dokumentieren Sie also die übergeordneten Ziele Ihres Projekts (wie Ihr Daten-Governance-Prozess aussehen wird), grenzen Sie einen überschaubaren Bereich ab, er als Pilotbereich geeignet ist, und überprüfen Sie Ihren Ansatz durch diesen Pilottest.
  2. Ernennen Sie einen Projektpaten auf Vorstandsebene. Wie bei allen unternehmensübergreifenden Projekten ist es wichtig, einen Projektpaten auf Vorstandsebene zu gewinnen, der die Datenstrategie unterstützt. Er wird sich aktiv für die Strategie einsetzen und sie im gesamten Unternehmen kommunizieren. Der Pate setzt auch die Verantwortlichkeit durch, vermittelt die gewünschte Einstellung zu Daten und hilft bei der Schlichtung von Datenproblemen zwischen den Geschäftsbereichen.
  3. Erstellen Sie einen Business Case. Daten-Governance-Systeme sind mit Kosten verbunden. Für die Entwicklung des Frameworks und das Ausfüllen der Details wird zwar keine spezielle Ausstattung benötigt, dennoch muss Arbeit geleistet werden – und das verbraucht Ressourcen, insbesondere die Zeit der Mitarbeiter.

    Deshalb ist es ratsam, einen Business Case für ein solches Projekt zu erstellen. Er sollte eine ausführliche Beschreibung des Projekts, eine Erläuterung der Ziele und des erwarteten Nutzens sowie einen Zeitplan mit Meilensteinen und Messwerten (Indikatoren) für Fortschritt und Erfolg umfassen. Diese Indikatoren helfen dabei, das Projekt auf Kurs zu halten, da das Projektteam die Fortschritte anhand des vorgegebenen Zeitplans und der Meilensteine bewertet. Der Business Case erinnert die Teammitglieder auch daran, warum Sie dieses Projekt durchführen und warum es für das Unternehmen wichtig ist, es erfolgreich und pünktlich abzuschließen.
  4. Erarbeiten Sie die richtigen Kennzahlen. Messungen sind wichtig, aber mehr ist nicht immer besser. Selbst wenn sie automatisiert sind, erfordern Messungen Zeit und Mühe. Jemand muss sich die Ergebnisse ansehen, sie interpretieren und eventuell Korrekturmaßnahmen ergreifen. Zu viele Messungen – oder Messungen, die nicht aussagekräftig sind – können kontraproduktiv sein. Die Nutzer, Bediener und Arbeiter werden schnell feststellen, wann Maßnahmen unwichtig sind, und den wirklich aussagekräftigen Messungen daher weniger Aufmerksamkeit schenken. Wie bei den KPIs (Key Performance Indicators) ist eine überschaubare Anzahl (in der Regel sechs bis zehn) nützlicher und aussagekräftiger Messungen wesentlich besser als 50 oder 100, die kaum Aufschluss darüber geben, wie die Systeme tatsächlich funktionieren und ob die Ziele erreicht werden.
  5. Pflegen Sie die Kommunikation. Die meisten Menschen sind ablehnend gegenüber Veränderungen, die auf der Angst vor dem Unbekannten beruht. Das beste Mittel dagegen ist Information. Seien Sie offen zu denen, die von den neuen Prozessen und Verfahren betroffen sein werden, unabhängig davon, ob sie aktiv an dem Prozess teilnehmen oder nicht. Begründen Sie, was Sie tun und warum. Erklären Sie ihnen, wie sich ihr Arbeitsleben verändern wird (es kann sich um eine subtile Veränderung handeln) und warum es wichtig ist, mitzuziehen und die Veränderungen zu unterstützen. Beziehen Sie diejenigen, die am meisten betroffen sind, in die Planung und Umsetzung der neuen Verfahren ein. Sie können am besten erkennen, wie sich die Änderungen auf die Produktivität auswirken, wie sie angepasst werden können, um weniger einschneidend zu sein, und wie der Prozess optimiert werden kann, um bessere Daten zu gewinnen.

Eine überschaubare Anzahl (in der Regel sechs bis zehn) nützlicher und aussagekräftiger Messungen ist wesentlich besser als 50 oder 100, die kaum Aufschluss darüber geben, wie die Systeme tatsächlich funktionieren und ob die Ziele erreicht werden.

Bedenken Sie, dass Daten-Governance ein fortlaufender Prozess und kein einmaliges Projekt ist. Ja, die Einrichtung des Systems ist mit einem gewissen Aufwand verbunden, aber diese Prozesse werden in Ihrem Unternehmen zum Alltag gehören. Und die Prozesse selbst müssen angesichts der sich ändernden Menge, Art und Merkmale der Daten, die Ihr Unternehmen verarbeitet, ständig überwacht und neu bewertet werden.

Master-Data-Governance-Lösungen kennenlernen

Steuern Sie den Lebenszyklus und verbessern Sie die Qualität Ihrer Geschäftsdaten.

Häufig gestellte Fragen zur Daten-Governance

Datenmanagement bezieht sich auf alle Funktionen, die zum Sammeln, Steuern, Sichern, Bearbeiten und Bereitstellen von Daten benötigt werden. Bei der Daten-Governance liegt der Fokus auf der Qualität und Zuverlässigkeit der Daten. Sie umfasst die Richtlinien und Aktivitäten, die zur Schaffung der Infrastruktur beitragen. Sie benennt auch die Personen (oder Positionen) innerhalb eines Unternehmens, die für den Umgang mit und den Schutz von bestimmten Arten und Typen von Daten sowohl berechtigt als auch verantwortlich sind.

Daten-Governance definiert die Prozesse und Verfahren und benennt die Personen oder Positionen, die für die Richtigkeit und Zuverlässigkeit der Daten verantwortlich sind. Datenverantwortung (Data Stewardship) hingegen betrifft die Umsetzung dieser Verfahren. Die mit der Datenverantwortung betrauten Mitarbeiter verwalten und beaufsichtigen die Verfahren und Tools, die für den Umgang, die Speicherung und den Schutz von Daten verwendet werden.

Stammdatenmanagement und Daten-Governance müssen zusammenwirken. Bei der Daten-Governance steht die Datenqualität und ‑zuverlässigkeit im Vordergrund. Sie legt die Regeln, Richtlinien und Verfahren fest, die die Genauigkeit, Zuverlässigkeit, Konformität und Sicherheit der Daten gewährleisten. Stammdatenmanagement ist ein anderer Begriff für das Konzept einer zentralen, einheitlichen Quelle für Unternehmensdaten (einheitliche Datenbasis). Stammdaten sind die Kerndaten, die für alle Geschäftsvorgänge, wie die Rechnungsstellung an Kunden oder den Einkauf von Bestand, unerlässlich sind. Diese Transaktionen benötigen ein zentrales Repository für Kunden-, Lieferanten- und Artikeldaten.

SAP-Insights-Newsletter

Jetzt abonnieren

Abonnieren Sie unseren Newsletter und erhalten Sie wichtige Informationen und Einblicke.

Weitere Informationen

Zum Seitenanfang