\n
Data Strukturen<\/strong>: Betrachten Sie dies als Ihre Modelle und Karten. Sie helfen Ihnen zu verstehen, wo sich Ihr data befindet und was es ist. Um auf unser K\u00fcchenkonzept zur\u00fcckzukommen: Der Chefkoch sollte wissen, wo sich jede Station in der K\u00fcche befindet. Au\u00dferdem sollte jeder Koch wissen, wo jedes Teil seines Mise en Place gelagert ist.<\/p>\n<\/div><\/li><\/i><\/span>\n
Data Richtlinien:<\/strong> Dies sind die Regeln, die Sie aufstellen. Ja, die Einhaltung der Vorschriften ist hier zu finden, aber auch Ihre Richtlinien f\u00fcr die Qualit\u00e4t von data. Sie m\u00fcssen Ihre Standards festlegen, wie data gepflegt wird. In der K\u00fcche muss ein Chefkoch Rezepte festlegen, sicherstellen, dass diese Rezepte eingehalten werden, und jedes Gericht probieren, wenn es auf den Tisch kommt.<\/p>\n<\/div><\/li><\/i><\/span>\n
Data Betriebsmodelle:<\/strong> Nehmen wir an, Sie haben Ihre Strukturen und Richtlinien festgelegt. Sie m\u00fcssen noch festlegen, wer f\u00fcr die einzelnen Bereiche data in der Organisation verantwortlich ist. Wer ist zum Beispiel daf\u00fcr verantwortlich, dass der Verkauf data sauber bleibt? Wer kann Fehler im data erkennen? .<\/p>\nIn unserer K\u00fcchenanalogie muss ein Chefkoch jeder Station einen Koch zuweisen, je nach deren aktuellen Spezialit\u00e4ten. Die K\u00f6che in diesen verschiedenen Bereichen des Unternehmens (der K\u00fcche) f\u00fchren dann ihre Stationen entsprechend ihren spezifischen Bed\u00fcrfnissen.<\/p>\n<\/div><\/li>
<\/i><\/span>\n
Data Werkzeuge:<\/strong> Dieser Bereich ist ziemlich einfach. Dieser Schwerpunktbereich betrifft die verschiedenen Elemente Ihres data-Stacks, die Sie zur Verwaltung Ihres data verwenden. F\u00fcr Unternehmen, die ihre data governance-Reise gerade erst beginnen, k\u00f6nnten dies Excel-Tabellen und Visio-Diagramme sein. Aber die reiferen Unternehmen verf\u00fcgen \u00fcber spezielle Tools, einschlie\u00dflich data Lineage, Meta-data-Management, data-Qualit\u00e4tsmanagement und mehr.<\/p>\n<\/div><\/li><\/ul>Das ideale Modell von data governance<\/h2><\/div>W\u00e4hrend unseres Gespr\u00e4chs erw\u00e4hnte Ties, dass data governance in vielen Organisationen, mit denen er zu tun hat, oft ein \u00fcbersehenes Thema ist. Das scheint sich aber langsam zu \u00e4ndern.<\/p>\n
In dem Ma\u00dfe, in dem Unternehmensleiter die Bedeutung von data als strategisches Gut erkennen, beginnen sie auch den Wert einer guten Unternehmensf\u00fchrung zu erkennen.<\/p>\n
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 k\u00f6nnen. Aber nur Marketingfachleute k\u00f6nnen die Qualit\u00e4t des data in einem Marketingkontext beurteilen.<\/p>\n
\u201cDas IT-Team kann Ihnen nicht sagen, ob die data richtig ist\u201d, sagt Ties. \u201cSie k\u00f6nnen Ihnen nur sagen, dass die data dort ist, wo sie sein soll. Die einzelnen Teams m\u00fcssen sicherstellen, dass die data den Standards ihres Anwendungsfalls entspricht.\u201d<\/p>\n
Der ideale Ansatz f\u00fcr data governance ist laut Ties der data Mesh-Ansatz.<\/p>\n
\u201cIn einem echten data-driven-Unternehmen arbeitet jeder gleichzeitig mit data\u201d, sagte Ties. \u201cDurch eine f\u00f6derierte F\u00fchrungsstruktur hat jeder ein pers\u00f6nliches Interesse an der data und die M\u00f6glichkeit, die Struktur zu skalieren.\u201d<\/p>\n<\/div>
![\"Image\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2023\/08\/Ties-Carbo-vierkant-scaled.jpg\")
![\"Image\"](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2023\/08\/sean-funnel.webp\")