Data Catalog
Auch: Metadata Catalog, Data Asset Catalog, Enterprise Data Catalog
Ein zentrales Inventar der Datenbestände eines Unternehmens, angereichert mit Metadaten, das Menschen hilft, die benötigten Daten zu finden, zu verstehen und ihnen zu vertrauen.
Was es ist
Ein Data Catalog ist ein zentrales System, das die Datenbestände eines Unternehmens inventarisiert und mit Metadaten beschreibt. Stellen Sie sich ein durchsuchbares Verzeichnis für Daten vor: Tabellen, Dateien, Dashboards, Machine-Learning-Features und die Beziehungen zwischen ihnen. Statt Kollegen zu fragen, wo ein Datensatz liegt oder was eine Spalte bedeutet, suchen Nutzer im Catalog und erhalten Antworten mit dokumentiertem Kontext.
Ein Catalog erfasst typischerweise:
- Technische Metadaten: Schemata, Spaltennamen, Datentypen, Dateiformate, Speicherorte.
- Fachliche Metadaten: Beschreibungen in Klartext, Geschäftsbegriffe, Ownership, Klassifizierungen.
- Operative Metadaten: Aktualität, Update-Frequenz, Zeilenanzahl, Query-Nutzung.
- Lineage: wie Daten von Quellsystemen über Transformationen bis in Reports fließen.
Warum es zählt
Mit wachsendem Datenvolumen und einer steigenden Zahl an Tools verlieren Teams Zeit bei der Suche nach dem richtigen Datensatz oder verwenden unbemerkt den falschen. Ein Data Catalog senkt diese Reibung und unterstützt mehrere Ziele:
- Discovery: Menschen finden relevante, vertrauenswürdige Daten schnell.
- Vertrauen: dokumentiertes Ownership, Qualitätsindikatoren und Lineage machen Daten glaubwürdig.
- Governance: sensible Daten lassen sich taggen, klassifizieren und im Zugriff kontrollieren.
- Zusammenarbeit: gemeinsame Definitionen reduzieren widersprüchliche Kennzahlen zwischen Teams.
- Effizienz: weniger Doppelarbeit und weniger redundante Datensätze.
Für einen Chief Data Officer ist der Catalog die grundlegende Infrastruktur für Data Governance, Compliance (zum Beispiel DSGVO) und eine datengetriebene Kultur.
Wie er in der Praxis genutzt wird
Viele Catalogs scannen angebundene Systeme (Warehouses, Lakes, BI-Tools) automatisch, um Metadaten einzusammeln. Stewards reichern die Einträge dann mit Beschreibungen, Glossarbegriffen und Tags an. Moderne Catalogs ergänzen automatisierte Lineage, Data-Quality-Scores und Zugriffsanfragen.
Konkretes Beispiel
Eine Marketing-Analystin braucht eine belastbare Kennzahl für Customer Churn. Sie sucht im Catalog nach churn, findet eine zertifizierte Tabelle namens `customer_churn_monthly`, liest deren Definition, sieht, dass sie dem Analytics-Team gehört, täglich aktualisiert wird und als hochwertig bewertet ist. Die Lineage zeigt, dass sie aus CRM- und Billing-Quellen abgeleitet ist. Sie beantragt Zugriff, erhält die Freigabe und baut ihren Report in Minuten statt Tagen, in der Sicherheit, die abgestimmte Definition zu nutzen und nicht eine veraltete Kopie.
Siehe auch
Häufige Fragen
Was ist ein Data Catalog?
Ein Data Catalog ist ein zentrales System, das die Datenbestände eines Unternehmens inventarisiert und mit Metadaten beschreibt. Er funktioniert wie ein durchsuchbares Verzeichnis für Tabellen, Dateien, Dashboards, Machine-Learning-Features und die Beziehungen zwischen ihnen. Statt einen Kollegen zu fragen, wo ein Datensatz liegt oder was eine Spalte bedeutet, suchen Nutzer im Catalog und erhalten dokumentierte Antworten.
Welche Arten von Metadaten speichert ein Data Catalog konkret?
Vier Familien. Technische Metadaten (Schemata, Spaltennamen, Datentypen, Formate, Speicherorte), fachliche Metadaten (Beschreibungen in Klartext, Geschäftsbegriffe, Ownership, Klassifizierungen), operative Metadaten (Aktualität, Update-Frequenz, Zeilenanzahl, Query-Nutzung) und Lineage, die nachvollzieht, wie Daten von Quellsystemen über Transformationen bis in Reports fließen.
Was ist der Unterschied zwischen einem Data Catalog und einem Data Warehouse?
Ein Data Warehouse speichert die Daten selbst, ein Data Catalog speichert Informationen über die Daten. Der Catalog zeigt, wo Datensätze über Warehouses, Lakes und BI-Tools hinweg liegen, und erklärt, was sie bedeuten, wem sie gehören und wie aktuell sie sind. Beide ergänzen sich: Catalogs scannen meist Warehouses, um deren Metadaten einzusammeln.
Warum interessiert sich ein Chief Data Officer für einen Data Catalog?
Weil er grundlegende Infrastruktur für Governance, Compliance und eine datengetriebene Kultur ist. Sensible Daten lassen sich taggen, klassifizieren und im Zugriff kontrollieren, was Pflichten wie die DSGVO unterstützt. Gemeinsame Definitionen reduzieren außerdem widersprüchliche Kennzahlen zwischen Teams und parallel aufgebaute redundante Datensätze.
Wie nutzt man einen Data Catalog im Alltag?
Nehmen Sie eine Analystin, die eine belastbare Churn-Kennzahl braucht: Sie sucht im Catalog nach churn, findet eine zertifizierte Tabelle wie customer_churn_monthly, liest deren Definition, sieht, dass sie dem Analytics-Team gehört, täglich aktualisiert wird und als hochwertig bewertet ist. Die Lineage zeigt, dass sie aus CRM- und Billing-Quellen abgeleitet ist. Sie beantragt Zugriff, erhält die Freigabe und baut ihren Report in Minuten statt Tagen, mit der abgestimmten Definition statt einer veralteten Kopie.