Kategorie: Allgemein

Ein Message Broker ist eine Softwareanwendung oder ein Dienst, der die Kommunikation zwischen verteilten Anwendungen oder Diensten durch Weiterleitung, Speicherung und Umwandlung von Nachrichten erleichtert. In einem verteilten System kann es vorkommen, dass Anwendungen und Dienste Informationen und Nachrichten austauschen müssen, aber aufgrund von Unterschieden in Protokollen, Datenformaten oder Standorten nicht direkt miteinander kommunizieren können. Der Dienst fungiert als Vermittler zwischen diesen Anwendungen und ermöglicht ihnen eine effiziente und zuverlässige Kommunikation. 

Wichtige Funktionen im Zusammenhang mit Data Governance 

Im Zusammenhang mit Data Governance spielen Message Broker eine wichtige Rolle, wenn es darum geht, dass Daten sicher und konsistent über verteilte Systeme hinweg übertragen werden. Durch die Bereitstellung einer zentralen Drehscheibe für den Nachrichtenaustausch ermöglichen sie Unternehmen die Durchsetzung von Data-Governance-Richtlinien und -Standards. Zu diesen Standards zählen z. B. Datenschutz, Sicherheit und Compliance, über alle verteilten Anwendungen und Dienste hinweg. Message Broker können auch zusätzliche Funktionen wie Datenumwandlung, Datenfilterung und Datenvalidierung bereitstellen, um sicherzustellen, dass die Daten richtig formatiert sind und den Unternehmensstandards entsprechen, bevor sie übertragen werden. 

Vorteile der Verwendung eines Message Broker 

Einer der wesentlichen Vorteile der Verwendung eines Message Brokers in einem verteilten System ist die Entkopplung der Dienste. In einem eng gekoppelten System können Änderungen an einem Dienst Änderungen an allen anderen Diensten erfordern, die von ihm abhängen. Dadurch kann ein komplexes und sprödes System entstehen, das schwer zu verwalten und zu pflegen ist. Ein Message Broker ermöglicht es den Diensten, lose gekoppelt zu kommunizieren, wodurch die Auswirkungen von Änderungen an einem Dienst auf andere reduziert werden. Dies verbessert die Skalierbarkeit, Widerstandsfähigkeit und Flexibilität des Systems und macht es gleichzeitig einfacher zu verwalten und zu pflegen. 

Ein weiterer Vorteil des Einsatzes eines Message Brokers im Rahmen der Data Governance ist die Möglichkeit, den Datenaustausch zu prüfen und zu verfolgen. Durch die Protokollierung von Nachrichten und die Verfolgung von Datenflüssen können Unternehmen die Datennutzung und die Einhaltung gesetzlicher Vorschriften überwachen und analysieren. Diese Informationen können genutzt werden, um potenzielle Probleme oder Lücken in der Data Governance zu identifizieren. Bei Bedarf können so Verbesserungen am Data Governance Framework vorgenommen werden. 

Message Broker als zentrale Drehscheibe für den Nachrichtenaustausch 

Zusammenfassend lässt sich sagen, dass Message Broker eine wichtige Rolle bei der Data Governance spielen, da sie einen sicheren und konsistenten Nachrichtenaustausch zwischen verteilten Anwendungen und Diensten ermöglichen. Durch die Bereitstellung einer zentralen Drehscheibe für den Nachrichtenaustausch ermöglichen sie Unternehmen die Durchsetzung von Data-Governance-Richtlinien und -Standards. Gleichzeitig verbessern sie die Skalierbarkeit, Belastbarkeit und Flexibilität des Systems. Darüber hinaus können Message Broker Auditing- und Tracking-Funktionen bereitstellen, die Unternehmen bei der Überwachung und Verbesserung ihres Data-Governance-Frameworks unterstützen. 

In den letzten Jahren hat sich das Konzept eines „Lake House“ als eine neue Art der Datenorganisation in der Cloud herauskristallisiert. Es kombiniert die Vorteile von Data Lakes und Data Warehouses und bietet eine flexiblere, skalierbare und kostengünstige Lösung für die Verwaltung und Analyse großer Datenmengen. 

Eine Lake-House-Architektur baut auf einem Data Lake auf, der als zentraler Speicher für Rohdaten in ihrem nativen Format dient. Ein Lake House fügt den Daten eine Ebene der Organisation, Struktur und Governance hinzu und macht sie für die Analyse leichter zugänglich und verständlich. Es ist eine Synthese aus einem Data Warehouse und einem Data Lake.

Die wichtigsten Merkmale eines Lake Houses

Im Gegensatz zu herkömmlichen Data Warehouses trennt ein Lake House die Speicher- und Rechenebenen, so dass sie unabhängig voneinander skaliert werden können. Das bedeutet, dass die Daten kosteneffizient gespeichert werden können, während die Rechenressourcen je nach Bedarf für die Durchführung von Analysen auf- oder abwärts skaliert werden können.

Es erzwingt die Anwendung von Schemata auf Daten, wenn diese eingelesen werden, wodurch die Konsistenz gewährleistet und die Datenqualität verbessert wird. Dadurch können die Daten von den Benutzern leichter verstanden und analysiert werden.

Es bietet robuste Data-Governance-Funktionen, die es Unternehmen ermöglichen, den Zugriff auf Daten zu verwalten, die Einhaltung von Vorschriften zu gewährleisten und die Datenqualität zu erhalten.

Die Benutzer können die Daten analysieren, während sie generiert werden – ein Lake House kann Daten in Echtzeit verarbeiten. Dies ermöglicht schnellere Einblicke und eine zeitnahe Entscheidungsfindung.

Eines der wichtigsten Merkmale eines Lake Houses: Es kann in andere Cloud-Dienste integriert werden. Dabei handelt es sich z. B. um Tools für maschinelles Lernen und künstliche Intelligenz, um erweiterte Analysefunktionen bereitzustellen.

Welche Vorteile bringt es mit sich?

Dadurch dass Speicher- und Rechenressourcen voneinander getrennt werden, ist der Betrieb eines Lake House in der Regel kostengünstiger als der eines herkömmlichen Data Warehouse. Es kann skaliert werden, um große Datenmengen und Analyse-Workloads zu verarbeiten, ohne dass teure Hardware-Upgrades erforderlich sind.

Der wesentliche Vorteil besteht in der Verringerung von Systemen, getrennter Datenhaltung und der Zusammenführung von Mitarbeitern der beiden Technologien. In den meisten Unternehmen besteht bereits ein Datawarehouse mit umfassenden Datenbestand. Häufig werden die Daten in das Data Warehouse repliziert, da sie eine einfache und gesicherte Quelle von Daten sind (häufig single source of truth). Darüber hinaus besteht eine Dokumentation, und die Mitarbeiter kennen nicht nur die Daten, sondern auch die Prozesse und Ansprechpartner. 

Innerhalb der Lake-House-Architektur können sowohl strukturierte als auch unstrukturierte Daten verarbeitet werden. Das macht es zu einer flexibleren Lösung für die Verwaltung und Analyse verschiedener Datentypen. Das Lake House erzwingt Datenschemata, verbessert die Datenqualität und erleichtert den Benutzern das Verständnis und die Analyse von Daten.

Ein Lake House kann Daten in Echtzeit verarbeiten und ermöglicht so schnellere Einblicke und zeitnahe Entscheidungen.

Risiken der Lake-House-Architektur

Die Einrichtung und Verwaltung einer Lake-House-Architektur kann komplexer sein als die eines herkömmlichen Data Warehouse. Daher bestehen neben den zahlreichen Vorteilen auch einige Risiken.

Data Governance ist von entscheidender Bedeutung, da die Daten in ihrem ursprünglichen Format gespeichert werden und eine Vielzahl von Benutzern darauf zugreifen kann. Ohne eine angemessene Data Governance besteht das Risiko von Dateninkonsistenzen und Datenschutzverletzungen.

Wie bei jeder Cloud-basierten Lösung, so ist auch bei einer Lake-House-Architektur die Sicherheit ein Thema. Unternehmen müssen sicherstellen, dass die Daten ordnungsgemäß gesichert sind und der Zugang auf autorisierte Benutzer beschränkt ist. 

Eines der Hauptprobleme besteht in der Auswahl der Produkte, der IT-Architektur, der Migration und dem Change-Management. Denn das Data Warehouse ist bereits etabliert und viele Mitarbeiter sind darauf angewiesen. Eine Veränderung der Architektur und Software muss gut geplant und umgesetzt werden. Sonst besteht die Gefahr von großen Problemen, die sich auf das ganze Unternehmen auswirken können.

Petermann Brandt verfügt über umfangreiche Erfahrungen mit Data Lakes, Datawarehouse und Data Governance. Wir unterstützen Sie bei der sicheren, schnellen und kostengünstigen Einführung eines Lake Houses, um die unschlagbaren Vorteile möglichst schnell in Geschäftserfolge umzusetzen. 

Flexible und kostengünstige Lösung

Zusammenfassend lässt sich sagen, dass eine Lake-House-Architektur eine flexiblere, skalierbare und kostengünstige Lösung für die Verwaltung und Analyse großer Datenmengen darstellt. Unternehmen müssen jedoch die Risiken sorgfältig abwägen. Sie sollten angemessene Maßnahmen zur Datenverwaltung und -sicherheit ergreifen, um den Erfolg ihrer Lake-House-Architektur zu gewährleisten.

Erfahren Sie mehr über das Lake House und wie Sie Petermann Brandt bei der Einführung unterstützen wird. Werden Sie Teil unseres Netzwerks auf LinkedIn.

Alle Mitarbeiter müssen über die Relevanz von Daten informiert sein, denn sie werden in allen Bereichen eines Unternehmens immer wichtiger. Von Vertrieb und Marketing bis hin zu Betrieb und Finanzen werden Daten genutzt, um wichtige Entscheidungen zu treffen, die den Erfolg eines Unternehmens beeinflussen können. Datenschulung ist für Mitarbeiter wichtig, denn sie hilft ihnen, den Wert von Daten zu verstehen, sie zu interpretieren und sie zu nutzen, um bessere Entscheidungen zu treffen.

Datenschulung hilft, den Wert von Daten zu verstehen

Zur Datenschulung gehört das Verständnis von Datenquellen, Datentypen, Datenqualität, Datenanalyse und Datenvisualisierung. Wenn Mitarbeiter im Umgang mit Daten geschult sind, können sie ihre Arbeit effizienter, produktiver und innovativer gestalten. Besonders wichtig an dieser Stelle ist das Verständnis der Mitarbeiter für die relevanten Daten. Denn als Oberbegriff ist die Bezeichnung Daten zu allgemein. Auch wenn Daten das neue Gold sind, so ist nicht alles Gold was glänzt. Es kommt auf die richtige Auswahl an. 

Entscheidungen nicht auf Grundlage von Intuition treffen

Die Aufklärung aller Mitarbeiter über Daten trägt dazu bei, eine Kultur der datengestützten Entscheidungsfindung im Unternehmen zu fördern. Das bedeutet, dass Entscheidungen auf der Grundlage von Daten und nicht auf der Grundlage von Intuition oder persönlicher Meinung getroffen werden, was zu besseren Ergebnissen für das Unternehmen führt. Datenerziehung kann auch die Kommunikation und Zusammenarbeit zwischen den Mitarbeitern verbessern, da sie ein gemeinsames Verständnis und ein einheitliches Vokabular für Daten haben. Dafür wird oft ein Datenglossar verwendet. Auch die Ansätze des Domain Driven Designs gehen in eine ähnliche Richtung, die Schaffung einer eineindeutigen Sprache bzw. Semantik, um Missverständnisse zu verhindern. Auf der Ebene der Daten kann ein Datenkatalog die Aufgabe der Harmonisierung unterstützen. 

Die Rolle von Data Governance

Die Mitarbeiter müssen nicht nur wissen, wie sie Daten nutzen können, sondern auch über Data Governance Bescheid wissen. Sie müssen wissen, wie Daten erfasst, gespeichert, verarbeitet und geschützt werden und welche Rolle sie bei der Wahrung der Integrität der Daten spielen. Durch diese Schulung wird sichergestellt, dass sich die Mitarbeiter der Bedeutung der Datensicherheit und des Datenschutzes sowie der potenziellen Risiken eines falschen Umgangs mit Daten bewusst sind. Gleichzeitig geht es darum, möglichst vielen Personen die Nutzung von Daten zu ermöglichen. Daher kommen Systeme zum Einsatz, die rollenbasiert einzelne Datensätze in Echtzeit verschlüsseln oder maskieren können. Auch geht es um die Bereitstellung von frei zugänglichen oder externen Daten.

Per Datenschulung für Mitarbeiter eine datenorientierte Kultur im Unternehmen schaffen

Insgesamt trägt die Aufklärung aller Mitarbeiter über Daten dazu bei, eine datenorientierte Kultur im Unternehmen zu schaffen. Wenn Mitarbeiter den Wert von Daten verstehen und wissen, wie sie diese effektiv nutzen können, sind sie in der Lage, fundierte Entscheidungen zu treffen, die das Wachstum und den Erfolg des Unternehmens fördern. Darüber hinaus stellt eine Kultur der Datenverwaltung sicher, dass alle Daten ordnungsgemäß verwaltet werden, wodurch das Risiko von Datenschutzverletzungen oder Problemen mit der Einhaltung von Vorschriften verringert wird. Eine Datenkultur bedarf der Förderung und vor allem guter Beispiele aus allen Bereichen, nicht nur beim Top-Management. Daher ist es so wichtig, alle Mitarbeiter zu schulen und besonderes Engagement zu loben und fördern.

Wir stehen für Sie bereit, um mit Ihnen über die Kulturveränderung, Data Governance oder die digitale Transformation zu sprechen. Nutzen Sie unser Kontaktformular für die Vereinbarung eines unverbindlichen Termins mit einem unserer Experten.

Werden Sie Teil unseres Netzwerks auf LinkedIn.

Ein Data Steward nimmt eine Schlüsselrolle beim Management der Datenbestände eines Unternehmens ein. Er ist für die Richtigkeit, Vollständigkeit und die Zugriffsrechte der Daten verantwortlich. Im deutschen Sprachgebrauch ist auch die Bezeichnung Datenverantwortlicher für den Beruf des Data Stewards üblich. Welche Fähigkeiten und Kenntnisse zum idealen Profil des Data Stewards gehören – und ob Sie das Zeug dazu haben – erfahren Sie im Folgenden. 

Ausgeprägte analytische Fähigkeiten und Liebe zum Detail 

Ein Data Steward sollte über ausgeprägte analytische Fähigkeiten verfügen, um Daten zu analysieren und Trends, Muster und Datenanomalien zu erkennen. Seine Liebe für Details stellt sicher, dass die Daten korrekt, vollständig und konsistent sind. Der Data Steward ist im Allgemeinen ein Mitglied eines Fachbereichs und kennt daher die Bedeutung und Zusammenhänge der Daten. Dies erlaubt ihm nicht nur die Beurteilung von Daten, sondern auch deren Verwendung und Relevanz einzuordnen.  

Verständnis für Grundsätze des Datenmanagements 

Ein Data Steward sollte ein ausgeprägtes Verständnis für die Grundsätze des Datenmanagements besitzen, einschließlich Data Governance, Datenqualität, Datensicherheit und Datenarchitektur. Je nach Art des Unternehmens müssen Datenverantwortliche auch über besondere branchenspezifische Kenntnisse verfügen, um die Daten zu verstehen, für deren Verwaltung sie verantwortlich sind.  

Data Steward – Kommunikator und Wissenshungriger 

Ein Data Steward sollte über sehr gute Kommunikationsfähigkeiten verfügen, um mit anderen Beteiligten zusammenzuarbeiten. Er nimmt gegenüber den Kollegen, Data Owner und IT-Team die Rolle eines Dolmetschers oder Vermittlers ein. Ferner erfordert die Verwaltung von Daten die Bereitschaft zum kontinuierlichen Lernen. Neue Technologien, Techniken und Vorschriften verlangen nach einer wachstumsorientierten Einstellung des Data Stewards. Als Wissenshungriger wird er sich dem ständigen Lernen und der Weiterentwicklung verpflichtet fühlen. 

Data Stewards besitzen ein gutes Verständnis der gesetzlichen Anforderungen 

Data Stewards sollten über ein gutes Verständnis der gesetzlichen Anforderungen an die Datenverwaltung verfügen, z. B. DSGVO, CCPA und HIPAA. Die stark wachsende Menge an Daten sorgt für eine immer größer werdenden Notwendigkeit von gesetzlichen Regelungen. Diese müssen zwar nicht alle von ihm im Detail beherrscht werden, aber der Data Steward sollte eine gute Beziehung zu den Bereichen Recht und Compliance haben. In Abstimmung mit ihnen kann sich auf die praktische Anwendung konzentrieren. Die Einhaltung von Compliance-Vorschriften kommt natürlich auch noch hinzu. 

Projektmanager und Datenmanager in einer Person 

Data Stewards sollten über allgemeine Projektmanagementfähigkeiten verfügen, um datenbezogene Themen und Initiativen effektiv fachübergreifend managen zu können. Außerdem sollten Datenverantwortliche Erfahrung mit Datenmanagement-Tools wie Data Profiling, Data Lineage und Metadatenmanagement-Tools (Datenkatalogen) besitzen. Wenn man so möchte, ist ein Datenverwalter also Datenmanager und Initiator von übergreifenden Themen in einer Person. 

Über welche Fähigkeiten sollte ein Data Steward insgesamt verfügen? 

Insgesamt sollte ein idealer Data Steward über eine Kombination aus technischen, analytischen, kommunikativen und Projektmanagement-Fähigkeiten verfügen. Er besitzt ein ausgeprägtes Verständnis der Grundsätze der Datenverwaltung und der gesetzlichen Vorschriften. Darüber hinaus sollte er sich zu ständigem Lernen verpflichten und eine kooperative Einstellung haben, um effektiv mit anderen Interessengruppen zusammenzuarbeiten.

Die Summe dieser Fähigkeiten stellt eine Führungskraft oder einen sehr guten Mitarbeiter dar.  In der Regel werden jedoch nicht die Personen mit dem passenden, hier beschriebenen Profil für die Rolle ausgesucht. Der Grund: Sie können an anderen Stellen oftmals einen größeren Mehrwert schaffen. Um die Position dennoch bestmöglich zu besetzen, gibt es verschiedene Möglichkeiten. Diese sind sehr individuell und müssen für jede Situation neu evaluiert werden. Sprechen Sie uns an, um mehr über die Einführung der Data Steward Rolle zu erfahren. 

Heben Sie Ihr Datenmanagement mit Petermann Brandt auf ein neues Level! Melden Sie sich für unseren Newsletter an, um stets auf dem neuesten Stand der Trends in Data Governance und Big Data zu bleiben. Teilen Sie diesen wertvollen Blogbeitrag mit Ihren Kollegen und folgen Sie uns auf LinkedIn für die aktuellsten Updates.

In der Welt von Big Data sind Data Lakes in den letzten Jahren zu einem beliebten Thema geworden. Dabei handelt es sich um einen Speicherort, der eine große Menge unstrukturierter Daten in ihrem nativen Format speichert, bis sie benötigt werden. Es werden sowohl ELT (Extract, Load, Transform) – Datenstrecken als auch unterschiedliche Speichertechnologien (wie z.B. Time Series Database oder SQL-Datenbanken) mit integriert, um häufig verwendete Daten in einer aufbereiteten Form zur Verfügung zu stellen. Data Lakes wurden entwickelt, um Big-Data-Analysen und Data-Science-Initiativen zu unterstützen. Sie bieten einen zentralen Ort für die Speicherung und den Zugriff auf große Mengen unterschiedlicher Datensätze.

Was ist der Zweck eines Data Lakes?

Der Zweck eines Data Lakes besteht darin, eine skalierbare und kostengünstige Lösung für die Speicherung von Daten bereitzustellen, die für zukünftige Analysen verwendet werden können. Sie werden in der Regel in Situationen eingesetzt, in denen die Daten zu groß oder zu komplex sind, um in einer herkömmlichen relationalen Datenbank gespeichert zu werden. Sie ermöglichen es Unternehmen, große Mengen an unstrukturierten Daten in ihrer ursprünglichen Form zu speichern, zu verwalten und zu analysieren. Und dass, ohne sie erst strukturieren und organisieren zu müssen. Ein Data Lake ist vergleichbar mit einem chaotischen Warenlager eines großen Industrieunternehmens. In ihm werden die Roh-Waren aus den unterschiedlichsten Bereichen aufbewahrt. Sie bilden die Ausgangsstoffe für die späteren Produkte bzw. Erkenntnisse, Data Science Lösungen.

Wahl der Technologie ja nach Art der zu speichernden Daten

Data Lakes basieren auf einer Vielzahl von Technologien, darunter Hadoop Distributed File System (HDFS), Cloud-basierte Speicherlösungen wie Amazon S3 oder Azure Blob Storage und Open-Source-Technologien wie Apache Spark und Apache Flink. Die Wahl der verwendeten Technologie hängt von einer Vielzahl von Faktoren ab. Dazu zählen die Art der zu speichernden Daten, die Größe der Datensätze und die Leistungsanforderungen der Analyseanwendungen. Heute werden Data Lakes meistens in der Cloud aufgebaut. Die Anbieter bieten hierfür eine Vielzahl von möglichen Lösungen an.

Data Lakes können auch durch eine Reihe von Tools und Technologien ergänzt werden, die Unternehmen bei der Verwaltung und Analyse ihrer Daten unterstützen. Dazu gehören sowohl Datenintegrations- und ETL-Tools, Data Governance- und Datenqualitäts-Tools, Datenvisualisierungs- und Business Intelligence-Tools als auch Tools für maschinelles Lernen und prädiktive Analysen.

Herausforderungen Datenqualität und -genauigkeit

Trotz der vielen Vorteile, die Data Lakes bieten, sind sie auch mit einigen Herausforderungen verbunden. Eine der größten Herausforderungen ist die Sicherstellung der Datenqualität und -genauigkeit. Data Lakes sind oft mit Daten gefüllt, die nicht kuratiert oder bereinigt wurden. Das führt häufig zu Problemen mit der Datenqualität und -konsistenz . Data Lakes sind für die Speicherung unstrukturierter Daten konzipiert. Daher besteht außerdem die Gefahr, dass die Daten in Silos gespeichert werden und schwer zu verwalten sind. Die Planung und das Management von Data Lakes sind von besonderer Bedeutung. Häufig werden Themen wie Backup und Archivierung nicht genügend beachtet. Auch das Management von ELT/ETL-Strecken oder die Integration von Data Ops sind relevante Themen. Hier kommen die IT-Architektur und Data Governance ins Spiel. Denn durch ihre Methodik sorgen sie für Ordnung, damit aus dem zentralen Speicherort kein Data Swamp (Datensumpf) wird.

Data Lakes sind eine wesentliche Komponente jeder Big-Data-Strategie

Zusammenfassend lässt sich sagen, dass Data Lakes eine wesentliche Komponente jeder Big-Data-Strategie sind. Sie bieten eine skalierbare und kosteneffiziente Lösung für die Speicherung und den Zugriff auf große Mengen unterschiedlicher Datensätze. Mit der richtigen Technologie und den richtigen Tools sowie einer umfassenden Data-Governance-Strategie können Unternehmen die Leistungsfähigkeit dieser Speicherorte nutzen, um wertvolle Erkenntnisse zu gewinnen und den Geschäftserfolg zu steigern.

Ein Data Governance Council ist eine Gruppe von Interessenvertretern (Stakeholdern), die sich aus Mitgliedern verschiedener Abteilungen zusammensetzt. Dieser Rat ist für die Festlegung, Umsetzung und Überwachung von Data Governance-Richtlinien und -Verfahren in einem Unternehmen verantwortlich. Ihm gehören zum Beispiel Mitarbeiter aus den Bereichen IT, Recht, Compliance, Finanzen und den Fachbereichen wie z. B. Fertigung, Qualität oder Vertrieb an.

Das Council ist für Umsetzung der Data Governance innerhalb eines Unternehmens verantwortlich. Es sorgt für die Erstellung von Richtlinien und Prozessen. Außerdem stellt das Council sicher, dass die Daten effizient und gesetzkonform verwaltet werden.

Das Data Governance Council legt Data-Governance-Richtlinien fest

Das Council legt Richtlinien für das Management der Daten fest, einschließlich Datenqualität, Datensicherheit, Datenschutz und Datennutzung. Es stellt sicher, dass diese Richtlinien mit den allgemeinen strategischen Zielen des Unternehmens und der Datenstrategie übereinstimmen.  Weitere wichtige Punkte sind die Definition des Datenlebenszyklus’ und die Auswahl relevanter Daten (-objekte), die betrachtet werden sollen. Auch die Löschung bzw. Vernichtung von Daten – zum Beispiel im Rahmen der DSGVO festgelegt – werden eingehend geprüft. Diese stellen insbesondere bei Daten von Data Warehouses ein Problem dar. 

Das Management der Daten

Durch seine Arbeit stellt das Data Governance Council sicher, dass die Daten im Unternehmen auf sichere und für die jeweiligen Nutzer zugängliche Art und Weise gespeichert werden. Das Council legt die Rahmenbedingungen für die Speicherung der Daten mit geeigneten Technologien (z.B. Data Lake, Datawarehouse, Lakehouse usw.), der Klassifizierung (inkl. Verschlüsselung, Maskierung) und der Richtlinien zur Speicherung (inkl. Backup, Archivierung, Löschung) fest.

Überwachung der Einhaltung von Richtlinien

Gemeinsam mit der IT überwacht das Council durch die Festlegung von KPIs die Einhaltung von Richtlinien. Der Chief Information Security Officer (CISO) und der Datenschutzbeauftragte diskutieren gemeinsam mit dem Council über Maßnahmen zur Datensicherheit und bringen sie zur Umsetzung. Es werden sowohl Berechtigungskonzepte für einzelne Nutzer und Gruppen in Zusammenarbeit mit der IT verabschiedet, als auch Laufzeiten für Freigaben definiert. Bei der Einführung neuer Applikationen bzw. der allgemeinen Veränderung der Software-Landschaft wird das Council unterrichtet und über die Auswirkungen informiert. Daraus erwachsende Anforderungen werden definiert. 

Koordinierung verschiedener Abteilungen

Dem Data Governance Council obliegt die Koordinierung verschiedener Abteilungen in Bezug auf das Thema Daten. Die Ansprechpartner sind dabei der Data Owner oder Data Steward, welche für die operative Umsetzung der Richtlinien Sorge tragen. Hieraus wird schnell klar, dass die Data Owner einen Sitz im Council haben sollten – als Vertreter ihres Fachbereichs. 

Vorteile eines Data Governance Council

Das Data Governance Council legt Richtlinien fest, mit demZiel, dass die Daten korrekt, vollständig und aktuell sind, und somit zu einer besseren Datenqualität führen. Durch engen Austausch mit dem IT-Fachbereich, insbesondere der IT-Architektur, dem Datenschutz und der IT-Sicherheit, werden praktikable und notwendige Entscheidungen getroffen. Diese stehen im Einklang mit den Unternehmenszielen bzw. der Datenstrategie, sollen einerseits vor Gefahren schützen und andererseits das Potenzial von Daten bestmöglich ausschöpfen. Der entscheidende Vorteil eines zentralen Gremiums liegt im Ausgleich der verschiedenen Interessen der Stakeholder. Daten fließen durch das Unternehmen – oft lassen sich schlechte Datenqualität oder Probleme in der Verfügbarkeit auf Fehler in Prozessen oder falsche Nutzung von Applikationen in anderen Abteilungen zurückführen. Das Aufzeigen solcher Fehlerquellen und die verbindliche Einhaltung von Richtlinien sind wichtige Vorteile des Councils.

Weiterhin stellt es für die Einführung von Data Driven Company, Self-Service-Analytics, Data Democratization, Datenplattformen oder zum Beispiel die Nutzung von externen Datenanbietern ein wichtiges Gremium dar. Gemeinsam mit den Data Ownern und dem IT-Fachbereich können die Auswirkungen erörtert und die Daten-Anforderungen diskutiert werden.

Entscheidende Komponente für effektive Data Governance

Ein Data Governance Council ist eine entscheidende Komponente für eine effektive Data Governance in einem Unternehmen. Als Gruppe von verschiedenen Interessenvertretern aus den Fachbereichen ist sie das Gremium für die Data Governance. Sie ist Garant für die Sicherheit und Verfügbarkeit qualitativ hochwertiger Daten. Und bildet damit die Basis für Fachleute, Data Scientists oder Dateningenieure, die neue Erkenntnisse gewinnen, neue Produkte und Services (z. B. mit Hilfe von Maschine Learning bzw. AI) entwickeln.