Data Governance - Einblicke aus der Praxis Akt 1 - Lernen Data Governance aus der Praxis

Über data governance sind bereits viele theoretische Artikel geschrieben worden. Wir von Artefact möchten dieses Thema mit unserer Artikelserie “Einblicke aus der Praxis” von einem operativen Standpunkt aus angehen, um unseren Lesern pragmatische und umsetzbare Einblicke zu geben. Die Serie wird sich aus den Beobachtungen und dem Feedback von Artefact zu wichtigen data governance-Themen (z.B. Betriebsmodelle), Antworten auf häufig von unseren Kunden und Interessenten gestellte Fragen (z.B. wie man die Auswirkungen von data governance messen kann) und Interviews mit wichtigen Akteuren im Bereich data governance (z.B. Chief Data Officers, Chief Governance Officers, data-Custodians, Software-Redakteure usw.) zusammensetzen. Unser Ziel ist es, Gespräche und Möglichkeiten zum Erfahrungsaustausch innerhalb der data governance-Community zu schaffen. 

Es kann ein langer Weg sein, zu verstehen, was data governance ist, warum es auf dem kritischen Pfad zur Wertschöpfung liegt und wie Sie es konkret in Ihrem Unternehmen einsetzen können. Als Unternehmen die ersten großen Transformationsprogramme mit KI und data-Anwendungsfällen auf den Weg brachten, erkannten sie schnell, dass diese Programme wichtige Enabler wie data platforms, data-Seen, data-Qualitätsmanagement und MDM benötigen, die es ermöglichen, dass die Qualität data mit Anwendungsfällen in Verbindung gebracht wird. Erst in jüngster Zeit hat data governance angesichts der unzähligen komplexen Systeme, die geschaffen wurden, Priorität erhalten.

Es kann ein langer Weg sein, zu verstehen, was data governance ist, warum es auf dem kritischen Pfad zur Wertschöpfung liegt und wie Sie es konkret in Ihrem Unternehmen einsetzen können. Als Unternehmen die ersten großen Transformationsprogramme mit KI und data-Anwendungsfällen auf den Weg brachten, erkannten sie schnell, dass diese Programme wichtige Enabler wie data platforms, data-Seen, data-Qualitätsmanagement und MDM benötigen, die es ermöglichen, dass die Qualität data mit Anwendungsfällen in Verbindung gebracht wird. Erst in jüngster Zeit hat data governance angesichts der unzähligen komplexen Systeme, die geschaffen wurden, Priorität erhalten.

Heute weiß fast jeder im CDO/CTO-Ökosystem, dass data governance eine Voraussetzung für die KI-Transformation ist. Sie sind mit allen grundlegenden organisatorischen und betrieblichen Konzepten vertraut, aber sie so zu vertonen, dass sie einen konkreten Nutzen bringen, ist eine weitaus komplexere Aufgabe. Infolgedessen wird data governance oft auf isolierte Dokumentationsinitiativen mit wenig Wirkung reduziert. Wir sehen viele Programme, die gestartet werden, und viele Leiter von data governance in den Organisationen unserer Kunden. Anfangs hatten sie alle die gleichen Schwierigkeiten, ihre Sponsoren und Geschäftspartner davon zu überzeugen, in diese Aktivitäten zu investieren. Und warum? Weil der Einsatz von data governance ein vollständiger Lernprozess ist, den das Unternehmen durchlaufen muss, und jeder Schritt auf diesem Weg ist wichtig.

Dieser Bericht soll Ihnen helfen, zu verstehen, was data governance in der Praxis bedeutet, indem er Sie durch den data governance-Lernprozess führt, den jedes Unternehmen zwangsläufig durchläuft. Dieses neue Bewusstsein wird es Unternehmen ermöglichen, schneller von einer Phase zur nächsten überzugehen.

Wir werden dies erreichen, indem wir jede Phase des Lernprozesses anhand von praktischen Beispielen aus der Praxis detailliert erläutern:

1. Stufe 1 - Unbewusste Inkompetenz: Was sind die “Symptome” für einen Mangel an data governance?
2. Stufe 2 - Bewusste Inkompetenz: Auf welche Herausforderungen stößt ein Unternehmen, wenn es eine data governance-Reise beginnt?
3. Stufe 3 - Bewusste Kompetenz: Welche Schritte befolgen Unternehmen in der Regel, wenn sie ein data governance-Programm einführen?
4. Stufe 4 - Unbewusste Kompetenz: Was passiert, wenn data governance zur neuen Normalität wird?

Diesem Artikel werden weitere folgen, die darauf abzielen, data governance-Führungskräften pragmatische Ratschläge für ihre Reise zu geben.

Wenn Sie diese vier Lernphasen befolgen, werden Unternehmen data governance praktizieren, ohne sich dessen bewusst zu sein.

Obwohl die meisten Akteure, die wir heute begleitet haben, noch zwischen der zweiten und dritten Stufe schweben, spüren sie alle die geschäftliche Dringlichkeit, in diesem Lernprozess voranzukommen.

Wir sehen drei Hauptargumente, die diese Dringlichkeit rechtfertigen. Erstens: Die data-Transformation ist in allen Branchen ein wichtiger Hebel, um ehrgeizige Ziele zu erreichen: data und KI werden eingesetzt, um das Kerngeschäft von Unternehmen zu optimieren und zur Entwicklung neuer Wachstumsmotoren beizutragen. Die Reife von data und KI ist eine Voraussetzung, um an der Spitze zu bleiben, und die data-Transformation ist ohne data governance nicht nachhaltig. Das zweite Argument ist, dass wir uns in einer schnelllebigen Welt befinden. Ein schneller Zugang zu data und die Entwicklung der Fähigkeit, dieses data schnell zu analysieren und zu nutzen, sind unerlässlich, um schnell reagieren zu können. Und schließlich müssen die Unternehmen neue Talente anziehen, die zunehmend bereit sind, data-driven zu sein.

Eine der ersten Herausforderungen für jedes Unternehmen zu Beginn seiner data governance-Reise besteht darin, diese Dringlichkeit zu demonstrieren und die internen Stakeholder vom Wert der konkreten Einführung eines data governance-Programms zu überzeugen.

In diesem ersten Bericht haben wir die data governance-Reise “nach Vorschrift” vorgestellt. Es ist der Einstieg in eine Serie, die sich mit den operativen Aspekten der Implementierung von data governance in der Praxis befassen soll. Unser nächster Artikel wird sich mit der komplexen Brücke zwischen Ihrer data governance-Strategie und dem operativen Bedarf eines Anwendungsfalls befassen.