Data Governance
Auch: Data Governance Framework, Enterprise Data Governance, DG
Data Governance umfasst die Regeln, Rollen und Prozesse, die sicherstellen, dass Daten in einer Organisation korrekt, sicher, klar definiert und verantwortungsvoll genutzt werden.
Worum es geht
Data Governance ist die Disziplin, Verfügbarkeit, Nutzbarkeit, Integrität und Sicherheit von Daten in einer Organisation zu steuern. Sie legt fest, wer welche Aktion mit welchen Daten in welchen Situationen und mit welchen Methoden ausführen darf. Es geht nicht um ein einzelnes Tool, sondern um ein Framework aus Policies, Standards, Rollen und Prozessen, unterstützt durch Technologie.
Governance beantwortet praktische Fragen: Wem gehört die Kundentabelle? Was bedeutet „aktiver Kunde" eigentlich? Wer darf Gehaltsfelder sehen? Wie lange bewahren wir Transaktionsdaten auf? Wer genehmigt Änderungen an Daten?
Warum das wichtig ist
Ohne Governance sammeln Organisationen widersprüchliche Definitionen, doppelte Datensätze und unklare Verantwortlichkeiten an. Das führt zu schlechten Entscheidungen, Compliance-Risiken und verschwendetem Aufwand beim Abgleich von Zahlen.
- Vertrauen: Entscheider können sich auf Reports verlassen, wenn Definitionen und Lineage klar sind.
- Compliance: Regularien wie GDPR, CCPA und HIPAA verlangen nachweisbare Kontrolle über personenbezogene Daten.
- Effizienz: Teams bauen nicht mehr dieselben Metriken neu und streiten nicht darüber, wessen Zahl stimmt.
- Risikominderung: Zugriffskontrollen und Audit Trails begrenzen Datenlecks und Missbrauch.
Für einen Chief Data Officer ist Governance das Betriebsmodell, das verstreute Daten in ein gesteuertes Asset mit klarer Verantwortung verwandelt.
Wie es in der Praxis eingesetzt wird
Governance-Programme etablieren typischerweise:
- Rollen: Data Owner (verantwortlich für eine Domäne), Data Stewards (Qualität im Tagesgeschäft) und ein Governance Council, das die Policies setzt.
- Standards: Namenskonventionen, Business-Glossare und abgestimmte Metrik-Definitionen.
- Kataloge und Lineage: Tools, die dokumentieren, woher Daten kommen und wie sie transformiert werden.
- Qualitätsregeln: Automatisierte Prüfungen auf Vollständigkeit, Validität und Eindeutigkeit.
- Zugriffsregeln: Klassifizierung sensibler Daten und Regeln, wer sie sehen oder bearbeiten darf.
Konkretes Beispiel
Eine Bank stellt fest, dass „Monthly Active Users" im Marketing-Dashboard und im Finance-Report unterschiedlich ausfällt. Ein Governance-Vorhaben benennt den Leiter Marketing Analytics als Data Owner für die Metrik, veröffentlicht eine einzige Definition im Business-Glossar, dokumentiert Quelltabellen und Transformationen als Lineage und ergänzt Qualitätsprüfungen, die fehlende Login-Events markieren. Nach dem Rollout berichten beide Teams dieselbe Zahl, Audits werden nachvollziehbar und Streitfälle gehen deutlich zurück.
Governance ist eine laufende Aufgabe, kein einmaliges Projekt: Definitionen, Regularien und Systeme entwickeln sich weiter.
Häufige Fragen
Was deckt Data Governance eigentlich ab?
Data Governance legt fest, wer welche Aktion mit welchen Daten in welchen Situationen und mit welcher Methode ausführen darf. Sie verbindet Policies, Standards, Rollen und Prozesse, unterstützt durch Tools wie Kataloge und Qualitätsprüfungen. Sie ist kein Produkt, das man kauft, sondern ein Betriebsmodell, das man pflegt, denn Definitionen, Regularien und Systeme ändern sich ständig.
Wen im Unternehmen sollte Data Governance interessieren?
Vor allem den Chief Data Officer oder wer sonst die Datenfunktion verantwortet, denn Governance ist das Betriebsmodell, das verstreute Daten in ein gesteuertes Asset mit klarer Verantwortung verwandelt. Auch die Fachbereichsleiter sind beteiligt: Sie agieren als Data Owner und sind für Definitionen und Zugriffe in ihrem Bereich verantwortlich. Finance, Legal und Compliance haben über GDPR-, CCPA- oder HIPAA-Pflichten ein direktes Interesse.
Was unterscheidet einen Data Owner von einem Data Steward?
Der Data Owner ist für eine Datendomäne verantwortlich: Definitionen, Zugriffsregeln, Aufbewahrungsentscheidungen. Der Data Steward kümmert sich um die Qualität im Tagesgeschäft innerhalb dieser Domäne, wendet die Regeln an und behebt Probleme. Über beiden steht ein Governance Council, das die Policies über Domänen hinweg setzt.
Wie korrigiert man eine Metrik, die in zwei Reports zwei verschiedene Zahlen zeigt?
Benennen Sie einen Data Owner für die Metrik, veröffentlichen Sie eine einzige Definition im Business-Glossar und dokumentieren Sie dann Quelltabellen und Transformationen als Lineage. Ergänzen Sie Qualitätsprüfungen auf den zugrunde liegenden Events, damit Lücken markiert werden und die Zahl nicht unbemerkt verzerren. Eine Bank mit abweichenden „Monthly Active Users" zwischen Marketing-Dashboard und Finance-Report hat es genau so gelöst, und beide Teams berichteten danach dieselbe Zahl.
Wo startet man ein Governance-Programm, wenn noch nichts existiert?
Beginnen Sie mit den Metriken und Datensätzen, die schon jetzt sichtbare Streitfälle oder Compliance-Risiken verursachen, nicht mit einem unternehmensweiten Katalog. Benennen Sie einen Owner, einigen Sie sich auf eine Definition, dokumentieren Sie die Lineage und ergänzen Sie dann automatisierte Prüfungen auf Vollständigkeit, Validität und Eindeutigkeit. Klassifizierung sensibler Felder und Zugriffsregeln folgen danach, denn genau danach fragen Auditoren zuerst.