ALLTAG: Die Daten könnten besser sein
Peter stellt als fachlicher Experte in seinem Unternehmen fest, dass Unstimmigkeiten in den vorliegenden Daten bestehen. Ein Kollege schlägt daher vor, einen robusten Datenqualitätsprozess zu etablieren. eine Kollegin hingegen meint, man müsse Data Governance-Prozesse und Strukturen einzuführen, um die Thematik ganzheitlicher zu lösen. Peters Chef möchte sich für das Thema Unterstützung ins Haus holen und steht nun vor der Entscheidung, die neue Position entweder als Data Governance- oder Data Quality-Experten auszuschreiben. Er fragt sich: Gibt es einen Unterschied zwischen Datenqualität und Data Governance und wenn ja, welchen?
DATENQUALITÄT UND DATA GOVERNANCE – Ist das nicht das gleiche ?!
Data Governance ist die Gesamtheit der Prozesse, Strukturen und Richtlinien, die sicherstellen, dass Daten in einem Unternehmen ordnungsgemäß verwaltet werden. Dabei ist das Datenqualitätsmanagement einerseits die Voraussetzung für eine robuste Data Governance und andererseits ein wesentlicher Teil dessen. Wesentliche Aufgabenbereiche bei der Etablierung und Optimierung einer Data Governance sind u.a.:
- Anpassung und/oder Etablierung von (neuen) Organisationsstrukturen
- Unterstützung von Unternehmensstrategie / Datenstrategie
- Zuweisungen von Verantwortlichkeiten und Rollen
- Definition von Datenstandards und Richtlinien
- Überwachung der Einhaltung der Standards
In der Praxis ist es zudem üblich, die Data Governance nach der strategischen und operativen Ebene zu differenzieren.
Auf der strategischen Ebene der Data Governance geht es um die langfristige Ausrichtung und Planung eines Unternehmens in Bezug auf die Verwaltung seiner Daten.
Somit werden auf der strategischen Ebene Rahmenbedingungen definiert, während auf der operativen Ebene die eigentliche Umsetzung etwaiger Data Governance-Maßnahmen geschehen. Das Definieren von Verantwortlichkeiten und Rollen ist ein gutes Beispiel zur Verdeutlichung der Differenzierung zwischen strategischer und operativer Ebene, da sie den direkten Bezug zwischen diesen beiden Ebenen aufzeigen: Zum Beispiel könnte ein Chief Data Officer auf der strategischen Ebene für die Datenstrategie und die Einführung eines Data Governance Frameworks verantwortlich sein, während ein Data Owner auf der operativen Ebene für die Einhaltung von Datenstandards und die Sicherstellung einer hohen Datenqualität sorgt.
Daher zeigt sich, dass sich auch unterschiedliche Aktivitäten des Datenqualitätsmanagement auf beiden Ebenen einer Data Governance wiederfinden. Allgemein spricht man von einer hohen Datenqualität, wenn Daten so aufbereitet sind, dass sie als präzise, konsistent, aktuell sowie vertrauenswürdig bewertet werden können. Datenqualität zu etablieren, erfordert viel mehr als einen Entwickler ein paar Stunden in der Woche etwas SQL schreiben zu lassen. Die Datenqualität ist vielmehr der treibende und wichtigste Bestandteil der Data Governance. Daher muss sie auf der strategischen Ebene aufgehängt werden. Konkret bedeutet das, eine effektive Data Governance kann nur dann gewährleistet werden, wenn ebenfalls eine hohe Datenqualität sichergestellt ist. Umgekehrt kann eine hohe Datenqualität nur dann erreicht werden, wenn geeignete Governance-Maßnahmen ergriffen werden.
FAZIT
Data Governance und Datenqualität sind sehr eng miteinander verknüpft. Datenqualität ist nicht nur ein unternehmensweites Ziel, sondern auch ein entscheidender Bestandteil zur Erreichung einer robusten Data Governance.
Ein Data Quality Experte ist nicht nur für die Qualität der Daten verantwortlich, sondern agiert in der Regel auch als Experte für Data Governance. Hingegen ist ein reiner Data Governance Experte nicht zwangsläufig ein Spezialist für Datenqualitätsmanagement. Demzufolge wäre unsere Empfehlung an Peters Chef die Stelle als Data Quality Experten auszuschreiben.
Des Weiteren ist es sinnvoll, die strategische und die operative Ebene der Data Governance zu unterscheiden Auf der strategischen Ebene werden etwaige Rahmenbedingungen definiert, während auf der operativen Ebene konkrete Maßnahmen implementiert werden. Hierbei spielen Rollen wie der Chief Data Officer auf der strategischen Ebene und der Data Owner auf der operativen Ebene oftmals eine entscheidende Rolle.
Falls auch in Ihrem Unternehmen Bedarfe zur Verbesserung des Datenqualitätsmanagements bestehen, dann sprechen Sie uns gerne an.
Samuel Eucker
Samuel ist Data Scientist, Volkswirt und Scrum Master. Im Bereich Data Science vertieft er sich aktuell in Fragen der Verarbeitung natürlicher Sprache. Außerdem ist er Experte rund um das Thema der Datenqualität, sei es DQ Monitoring oder auch Master Data Management. Spannend wird es, wenn NLP und Datenqualität aufeinander treffen! Samuel bringt Branchenwissen aus den Bereichen Banken und Telekommunikation mit.
Christian Nickel
Christian ist Experte für Themen rund um Anforderungs- und Datenmanagement, insbesondere mit einem Schwerpunkt auf Data Governance. In diesem Kontext setzt er sich auch mit Ansätzen wie Data Mesh auseinander. Aktuell erweitert er aktiv seine Kenntnisse in der Azure Cloud und bringt dabei vor allem Branchenfachwissen aus Kundenprojekten im Versicherungs- und Bankenumfeld mit.