4 Säulen für ein erfolgreiches Data Governance Framework

Ein Data Governance Framework trägt dazu bei sicherzustellen, dass Ihre Richtlinien, Regeln und Definitionen auf alle Daten im Unternehmen angewandt werden. Es hilft Ihnen dabei, Mitarbeitern in verschiedenen Positionen zuverlässige Daten zur Verfügung zu stellen, von Geschäftsführern bis zu Data Stewards und Entwicklern.

Mit einem Framework können Sie auch Self-Service Tools einführen. Mithilfe dieser Tools können selbst nicht technische Nutzer Daten, die sie für Data Governance und Data Analytics benötigen, finden und abrufen. Und ein Framework stellt sicher, dass Sie Daten über alle Anwendungen und Analytics-Bereitstellungen hinweg in der Cloud und On-Premise verwalten, umwandeln und bereitstellen können.

Warum benötige ich ein Data Governance Framework?

Unternehmen verwenden ein Data Governance Framework, um Dokumentenstandards und Normen, Rechenschaft, Eigentümer, Rollen und Verantwortung festzulegen und zu dokumentieren. Ein Data Governance Framework legt auch Folgendes fest:

• Key Quality Indicators (KQIs)
• Key Data Elements (KDEs)
• Key Performance Indicators (KPIs)
• Metriken für Datenrisiko und Datenschutz
• Richtlinien und Prozesse
• Ein gemeinsames Geschäftsvokabular und einheitliche Semantik
• Datenqualitätsregeln

Ein Data Governance Framework beinhaltet die Ermittlung von Daten, um im gesamten Unternehmen eine einheitliche Ansicht zu erstellen. Dazu zählen nicht nur die Daten selbst, sondern auch:

• Datenbeziehungen und Data Lineage
• Technische und unternehmensbezogene Metadaten
• Data Profiling
• Datenzertifizierung
• Datenklassifizierung
• Data Engineering
• Zusammenarbeit

Da ein Data Governance Framework die wesentlichen Prozesskomponenten eines Data Governance-Programms festlegt, wird Data Governance für das gesamte Unternehmen unterstützt. Dazu zählt auch die Umsetzung von Prozessänderungen, die:

• Die Datenqualität verbessern und verwalten
• Datenprobleme beheben
• Dateneigentümer ermitteln
• Einen Datenkatalog erstellen
• Referenzdaten und Masterdaten erstellen
• Datenschutz fördern
• Datenrichtlinien durchsetzen und überwachen
• Die Datenkompetenz erhöhen
• Daten bereitstellen

Dann kann das Unternehmen das Data Governance Framework verwenden, um die Ergebnisse zu messen und zu überwachen. Dadurch ist es möglich, den Fokus auf Zuverlässigkeit, Datenschutz und Datensicherheit zu setzen.  Diese Governance-Funktionen sind unerlässlich, wenn KI-Agentensysteme bereitgestellt werden, die autonome Entscheidungen treffen, wobei Agenten rollenbasierte Zugriffskontrollen, Audit Trails, Durchsetzung von Richtlinien und kontinuierliche Qualitätsüberwachung benötigen, um sicher zu agieren und die Sicherheitsstandards des Unternehmen zu erfüllen. Mit einem Framework sind folgende Aufgaben einfacher:

• Nachverfolgung von Prozessen, Datenqualität und Verbreitung von Daten
• Überwachung von Datenschutz und Risiken
• Stärkung der Wichtigkeit des Datenzugriffs und Erkennung bei abweichender Nutzung
• Erstellung eines Audit Trail
• Einfachere Verwaltung von Richtlinien und anderen Abhilfemaßnahmen und Vereinfachung von Workflows

Was sind die Säulen der Bereitschaft von Data Governance?

Oberstes Ziel Ihrer Data Governance-Strategie ist es, den größtmöglichen Nutzen aus Daten zu gewinnen. Ein Framework hilft dabei, Chancen zu erkennen, um Daten-Assets optimal zu nutzen. Zudem hilft es bei der Vermeidung von Risiken in Bezug auf die unangemessene Datennutzung oder Offenlegung. Diese wichtigen Faktoren müssen berücksichtigt werden, um die Bereitschaft und den Reifegrad Ihres Unternehmens hinsichtlich Data Governance einzuschätzen:

• Mitarbeiter. Der Erfolg von Governance hängt von Zusammenarbeit und Planung ab. Mitarbeiter müssen Technologie-Anforderungen festlegen und die Richtlinien und Prozesse festlegen, die Data Governance-Ergebnisse ankurbeln, die strategische Ziele unterstützen. Dabei müssen wichtige Aspekte berücksichtigt werden, wie: Verpflichten sich Ihre Mitarbeiter, Data Governance zu fördern? Haben Sie ihre Rollen und Verantwortungsbereiche formell festgelegt? Haben sie die erforderlichen Fähigkeiten sowie die erforderliche Datenkompetenz? Und haben Sie einen Plan für das Change Management (inklusive Unterstützer) entworfen, der Abstimmung und Unterstützung fördert?
• Prozesse. Mithilfe von Prozessen können Mitarbeiter bestätigen, dass Ihre Daten im gesamten Unternehmen verwaltet werden. So wird sichergestellt, dass ihre geschäftskritischen Prozesse auf zuverlässigen Daten basieren. Dabei müssen wichtige Aspekte berücksichtigt werden, wie: Sind Ihre Datendefinitionen, Regeln und Ziele realistisch und angemessen? Haben Sie Ihre Geschäftsprozesse modernisiert? Und haben Sie Ihre Geschäftsregeln geprüft, um Data Governance zu integrieren, damit Sie aussagekräftige Ergebnisse erzielen?
• Fachkräfte. Hierbei handelt es sich um die Business- und IT-Fachkräfte, die den erforderlichen Kontext beisteuern. Dazu zählen auch Führungskräfte, Prozesseigentümer und Data Stewards, die die vor- und nachgelagerten Prozesse ausführen, auf die sich Ihre Initiative auswirkt. Zu den Fachkräften können auch IT-Architekten, Analysten und Systemexperten zählen. Dabei müssen wichtige Aspekte berücksichtigt werden, wie: Können Sie Stakeholder für Data Governance benennen? Und wissen Sie, wo im Unternehmen die Fachkräfte ihr Wissen einbringen und wahren?
• Technologie. Das umfasst die Plattformen, Tools und das Fachwissen, die für zuverlässige Data Governance-Prozesse erforderlich sind. Selbst wenn Data Governance schon teilweise umgesetzt wird, können die Ergebnisse durch die entsprechenden Technologien und Plattformen verbessert werden. Mithilfe von Tools für Data Profiling, Lineage und Metadaten können Sie Ihre Data Governance-Prozesse automatisieren und skalieren, so dass die Amortisierungszeit verkürzt wird.

Dabei müssen wichtige Aspekte berücksichtigt werden, wie: Haben Sie eine vollständige Plattform, mit der Data Governance auf das gesamte Unternehmen erweitert werden kann? Und haben Sie Lücken identifiziert, beispielsweise bei Datenqualität, Datenschutz, Data Lineage oder der gemeinsamen Nutzung von Daten, und haben Sie die Tools, die Sie benötigen?

Wie hängen Compliance mit gesetzlichen Vorgaben und Data Governance Frameworks zusammen?

Ihr Unternehmen muss Compliance mit rechtlichen Vorschriften und Branchenvorgaben einhalten. Beispiele für Branchenvorgaben sind Vorschriften in Bezug auf die Finanzberichterstattung und transparente Buchhaltung, wie Sarbanes-Oxley (SOX), Vorgaben an die Zusammenfassung von Risikodaten, wie BCBS 239, Vorgaben für die Nachhaltigkeits-Berichterstattung, wie Corporate Sustainability Reporting Directive (CSRD), Anforderungen an die Produkttransparenz, wie digitale Produktpässe für Batterien und Textilien oder Datenschutzvorgaben im Gesundheitswesen, wie HIPAA. Data Governance spielt eine wichtige Rolle dabei, dass Ihr Unternehmen gesetzliche Vorgaben erfüllt, da sie dafür sorgt, dass Richtlinien, wie die DSGVO, eingehalten werden.

Mit einem Data Governance Framework wird Compliance mit rechtlichen Vorschriften sichergestellt, darunter:

• Definition und Klassifizierung von regulierten Daten, die unter bestimmte Vorschriften fallen
• Feststellung, wie, warum und wo Ihr Unternehmen auf regulierte Daten zugreift, sie verschiebt und einsetzt
• Verwaltung angemessener Rechte zur Nutzung innerhalb Ihres Unternehmens, einschließlich der Zustimmung von Datensubjekten
• Einschätzung des Offenlegungsrisikos, so dass Sie Daten entsprechend schützen können

Die Identifizierung wichtiger Compliance- und gesetzlicher Vorgaben ist ausschlaggebend dafür, die Bereitschaft von Data Governance einzuschätzen. Wenn Sie nicht über Branchenvorschriften und regionale Gesetze auf dem Laufenden sind, die für Ihr Unternehmen gelten, besteht das Risiko von Non-Compliance. Non-Compliance wiederum führt zu Bußgeldern, Strafen und Kosten für die Fehlerbehebung.

Wenn Sie die Anforderungen an Compliance mit rechtlichen Vorschriften kennen, können Sie ein Data Governance-Programm entwickeln, das diese Anforderungen erfüllt. Und indem Sie Funktionen wie Datenermittlung, Data Masking zur Anonymisierung und Metadaten-Management hinzufügen, können Sie sicherstellen, dass Ihr Governance-Programm weiterentwickelt werden kann.

Wenn Sie Ihre Daten besser verstehen und die Datenkompetenz erhöhen, profitieren Sie von zusätzlichen Vorteilen. Ihr Governance-Programm lässt sich skalieren, um andere Data Governance-Initiativen zu unterstützen, wie:

• Bereinigung von Kundendaten für Marketing
• Optimierung von Reporting für den Vertrieb
• Einführung unternehmensweiter Analytics-Programme

Warum entscheiden sich Unternehmen für Informatica Data Governance?

Wir möchten, dass unsere Kunden heute und in Zukunft erfolgreich sind. Daher haben wir die Informatica Intelligent Data Management Cloud™ (IDMC) entwickelt, die Kunden heute Mehrwert bietet und sich anpassen lässt, sobald sich Ihre Anforderungen an Data Governance ändern. Das Geschäftsziel heute ist eventuell Datenqualität. In zwei Monaten möchten Sie eventuell ein unternehmensweites Programm zur Verbesserung der Customer Experience umsetzen. Und Ende nächsten Jahres möchten Sie eventuell die gemeine Nutzung von zuverlässigen Daten durch einen Data Marketplace fördern.

Mit jedem Projekt können Sie neue Daten und Nutzer integrieren, ohne Abstriche bei Geschwindigkeit oder Effizienz machen zu müssen. Dank unserer nutzungsbasierten Abrechnung in Form von IPU (Informatica Processing Unit) können Sie bei Bedarf weitere Funktionen hinzufügen und somit verschiedene Datenmanagement-Systeme und -Tools unterstützen.

Unsere Technologie-Plattform ist modular aufgebaut, integriert und interoperabel. Die cloudnativen Lösungen von Informatica können problemlos miteinander und mit anderen Anwendungen verbunden werden. Möchten Sie, dass Ihr Team mehr Zeit für Analysen und Strategie hat? Unsere Engine CLAIRE™ nutzt künstliche Intelligenz und Machine Learning, um Prozesse zu automatisieren, die zuvor manuell durchgeführt wurden. Die Automatisierung von Prozessen, wie Datenermittlung oder Katalogisierung, bedeutet, dass Ihr Team weniger Zeit mit der Datenpflege oder der Suche nach Datenquellen verbringt.

Die Services der IDMC für Data Governance und Katalogisierung verwalten Daten über Cloud-, Hybrid- und Multi-Cloud-Umgebungen hinweg – von einer zentralen Oberfläche aus. Sie lassen sich zudem skalieren, um eine steigende Anzahl an Daten und Nutzer zu unterstützen. Und dieselbe Data Governance-Konsole schafft einen zentralen Ort, an dem jeder Nutzer seine Verwendung von Daten anhand der von Ihnen umgesetzten Standards und Normen messen kann:

• Verbindung von Data Lineage mit Geschäftsprozessen
• Dokumentation von Governance-Richtlinien
• Abstimmung von Workflows über Business- und IT-Teams hinweg

Beispiele für Data Governance: Success Stories

Celcom wandelt Daten in Chancen und aussagekräfte Customer Experiences um

Die Herausforderung. Der führende Telekommunikationsanbieter in Malaysia durchläuft zurzeit ein umfassendes Erneuerungsprogramm, von einem traditionellen Mobilfunkanbieter zu einem integrierten, digitalen Betreiber, und läutet so ein neues Zeitalter der Konnektivität ein. Das Unternehmen hat sich folgende Ziele gesetzt:

• Stärkung von Data Governance
• Verbesserung der Datenqualität durch Automatisierung, damit Mitarbeiter Zeit haben, sich auf strategische Aufgaben zu konzentrieren
• Treffen intelligenter Entscheidungen und Sicherstellung von Compliance mit rechtlichen Vorschriften und schnellerem Reporting

Die Lösung. Die Data Governance Tools von Informatica dienen als Grundlage für die unternehmensweite Governance. Das Data Management Framework schafft eine ganzheitliche Ansicht von Kunden. Durch die unternehmensweite Datenermittlung kann das Unternehmen Verantwortung, KPI, Richtlinien und Prozess-Workflows zuweisen. Celcom kann Daten inzwischen 30 Mal so schnell deduplizieren, so dass eine sehr schnelle Entscheidungsfindung möglich ist, die auf verwalteten Daten basiert. Lesen Sie die vollständigeSuccess Story zu Data Governance.

AIA Singapore findet heraus, was Kunden wirklich möchten

Die Herausforderung. Dieser Anbieter von Lebensversicherungen und Finanzdienstleistungen wollte seine Kunden besser verstehen. Er wollte auf personalisierte Art und Weise mit Ihnen interagieren, ihnen neue Produkte und Services anbieten und die Betriebskosten senken.

Die Lösung. Er hat ein unternehmensweites Framework für Data Governance Management entwickelt. Dieses neue Framework beinhaltet ein gemeinsames Geschäftsglossar, Data Lineage und intelligente Metadaten. Mit diesem neuen Framework kann der Anbieter Daten im gesamten Unternehmen nachverfolgen und die Datenqualität wahren. Diese neue Transparenz hilft KI-Agenten und Mitarbeitern bei der Entscheidungsfindung. Und das wiederum führt zu mehr Umsatz und weniger Kosten. Lesen Sie die vollständige Success Story zu Data GovernAnce von AIA.

Weitere Informationsquellen zur Bereitschaft für Data Governance

• Erfahren Sie mehr über Data Governance und warum sie so wichtig ist.
• Lernen Sie, mit gängigen Herausforderungen bei Data Governance umzugehen.
• 5 Best Practices für einheitliche Enterprise Data Governance auf Azure: Verwenden Sie Cloud Data Governance, um die richtigen Daten mit den richtigen Menschen zu teilen.
• Transformative Data Governance: Ein Framework zur Unternehmenstransformation.
• Lesen Sie unser Workbook zu Data und KI-Governance