Die Meinung eines Experten zu data governance

Bei Funnel haben sie keine Angst zuzugeben, dass sie sich manchmal irren. Nun, vielleicht nicht so sehr “falsch”, sondern eher nicht vollständig informiert. Schließlich sind wir auch nur Menschen - trotz all der data, mit denen wir täglich arbeiten.

Das war kürzlich der Fall, als ein scharfsinniger Beobachter Funnels aktueller Artikel über data governance. Während der Artikel viele Themen unter dem Dach der data governance abdeckte, fehlte ihm vielleicht etwas Kontext und ein zukunftsorientierter Standpunkt zu diesem Thema.

Glücklicherweise war dies kein durchschnittlicher Leser. Er war Krawatten Carbo, Beratungsdirektor bei Artefact - einem Funnel Solution Partner. Zufälligerweise ist Ties ein Experte für modernes data governance und arbeitet täglich mit Kunden zusammen, um erstklassige data governance-Strukturen zu schaffen. Also beschlossen sie, sich zusammenzusetzen und seine heißesten Ansichten über das, was in dem Artikel fehlt, einzufangen.

Zu Beginn des Gesprächs wies Ties darauf hin, dass es drei Hauptelemente gibt, die seiner Meinung nach von seinen Kunden am meisten missverstanden werden, wenn es um das Thema geht.

Erstens sehen viele Menschen dies nur als ein IT-Problem an. Es ist nicht schwer zu verstehen, warum. Data Governance umfasst viele potenziell komplexe technische Komponenten wie Modelle, Prozesse und Plattformen. Aus der Sicht von Ties gehen die Auswirkungen einer angemessenen Governance jedoch weit über den Bereich der IT hinaus.

“Sicher, es gibt viele technische Komponenten von data governance”, sagt Ties, “aber es ist ein unternehmensweites Thema.”

Dies spielt auf das zweite Missverständnis an: Die Leute glauben, es ginge nur um die Einhaltung von Vorschriften.

Die Wahrheit ist, dass dieses Thema so viel mehr umfasst. Die Einhaltung von Vorschriften zu Themen wie GDPR ist nur eine Komponente der Auswirkungen, die data governance auf Ihr gesamtes Unternehmen haben kann. Tatsächlich rät Ties seinen Kunden oft, sich mit Compliance-Fragen als letztem Teil der neuen data governance-Strukturen auseinanderzusetzen...

Das bringt uns zu unserem dritten Missverständnis.

Laut Ties arbeiten viele Teams isoliert voneinander an data governance-Themen. Ein Teil der Organisation arbeitet an data governance, konzentriert sich aber ausschließlich auf die Einhaltung der Vorschriften, während eine andere Gruppe dafür sorgt, dass die data in den Lagern die richtige Qualität haben und vieles mehr.

Der richtige Ansatz besteht darin, all dies ganzheitlich zu betrachten, wie ein riesiges data-Ökosystem. Wenn Sie beginnen, data governance aus einer breiteren Perspektive zu betrachten, verstehen Sie schnell, dass es sich um ein unternehmensweites Problem handelt.

Ties stellt sich data governance fast wie eine Küche vor. Sie müssen Ihre Küche so sauber wie möglich halten. Diese Sauberkeit (und der Akt der Reinigung) kann man sich als Ihre data-Compliance-Rollen und -Verantwortlichkeiten, Richtlinien und Prozesse vorstellen. Aber Sie müssen trotzdem in dieser Küche kochen, oder? Warum sollten Sie sonst eine Küche haben?

Die Sicherstellung, dass alle Ihre Kochutensilien an ihrem Platz sind, dass Ihre Töpfe und Pfannen bereitstehen, dass Ihre Sous-Chefs richtig geschult sind, dass Ihre Rezepte befolgt werden und dass Ihre Speisen an die Gäste ausgegeben werden, ist der Rest des richtigen data governance.

Sehen Sie? Eine saubere Küche hilft Ihnen, ein großartiges Essenserlebnis zu bieten, so wie data governance Ihnen helfen kann, aus data einen Nutzen zu ziehen.

Gut. Wir wissen, dass die Einhaltung der Vorschriften nur ein Teil des gesamten data governance-Konzepts ist. Was ist mit dem Rest? Laut Ties gibt es vier Hauptkomponenten: data-Strukturen, data-Richtlinien, data-Betriebsmodelle und data-Tools.

Während unseres Gesprächs erwähnte Ties, dass data governance in vielen Organisationen, mit denen er zu tun hat, oft ein übersehenes Thema ist. Das scheint sich aber langsam zu ändern.

In dem Maße, in dem Unternehmensleiter die Bedeutung von data als strategisches Gut erkennen, beginnen sie auch den Wert einer guten Unternehmensführung zu erkennen.

Sogar in verschiedenen Abteilungen setzt sich der Gedanke durch, dass data governance nicht mehr nur ein IT-Thema ist. Im Marketing wissen wir zum Beispiel, wie wertvoll hochwertige data sein können. Aber nur Marketingfachleute können die Qualität des data in einem Marketingkontext beurteilen.

“Das IT-Team kann Ihnen nicht sagen, ob die data richtig ist”, sagt Ties. “Sie können Ihnen nur sagen, dass die data dort ist, wo sie sein soll. Die einzelnen Teams müssen sicherstellen, dass die data den Standards ihres Anwendungsfalls entspricht.”

Der ideale Ansatz für data governance ist laut Ties der data Mesh-Ansatz.

“In einem echten data-driven-Unternehmen arbeitet jeder gleichzeitig mit data”, sagte Ties. “Durch eine föderierte Führungsstruktur hat jeder ein persönliches Interesse an der data und die Möglichkeit, die Struktur zu skalieren.”

Dieser moderne Ansatz für data governance, bei dem jeder in der Organisation einen Teil des data “besitzt”, wird immer wichtiger. Schauen Sie sich nur einmal die neuen generativen KI-Tools an.

ChatGPT ist zwar vielen bekannt, aber die zugrundeliegende Technologie kann (dank ihres Open-Source-Charakters) für die Entwicklung eigener KI-Tools verwendet werden. Ein Unternehmen könnte zum Beispiel GPT-3 oder GPT-4 nehmen, es auf einen isolierten Server laden, den es besitzt, und es mit einer Menge proprietärer data füttern, um eine maßgeschneiderte, unternehmensspezifische KI zu erstellen.

Ein SaaS-Unternehmen möchte vielleicht ein ähnliches System implementieren, um einen äußerst sachkundigen Chatbot zu erstellen, der Fragen von bestehenden und potenziellen Kunden beantwortet. Er könnte Benutzer beraten, wie sie ein Produkt am besten verwenden, oder Interessenten davon überzeugen, warum eine Software besser ist als eine andere.

Dieses KI-Tool ist allerdings nur so gut wie das data, das Sie in es einsetzen.

“Das data (und die Qualität dieses data), mit dem Sie diese Werkzeuge füttern können, ist Ihr Unterscheidungsmerkmal gegenüber der Konkurrenz”, so Ties. “Ein gutes data governance ist dabei eine Schlüsselkomponente. Ohne eine gute Governance wird das data schnell zu einem Chaos, das zu einer weniger effektiven KI führt.

Jedes Unternehmen benötigt seinen eigenen, einzigartigen Ansatz für data governance. Wenn Sie jedoch einen data-Mesh-Ansatz als Ihren Nordstern verwenden, werden Sie sich auf den Weg zu mehr Wettbewerbsfähigkeit und besseren data-Ergebnissen machen.

Ganz gleich, ob Sie die Qualität Ihres data verbessern, die Compliance-Anforderungen eines neuen Marktes erfüllen, neue Tools implementieren oder mehr wollen, ein strategischer und ganzheitlicher Ansatz für Ihr data governance wird Sie weiterbringen.

Sie können gerne die Hand reichen um Ihre data governance-Fragen zu besprechen!