Fünf Hürden auf dem Weg zu einer erfolgreichen Data Governance

An einer umfassenden Data-Governance-Strategie führt heute kaum noch ein Weg vorbei – da sind sich die meisten modernen Unternehmen einig. Dass viele von ihnen aber noch weit von der tatsächlichen Umsetzung entfernt sind, belegt jetzt eine Dataversity-Studie aus dem Jahr 2020. Nur zwölf Prozent der befragten Unternehmen gaben hier an, eine entsprechende Strategie bereits vollständig implementiert zu haben. In Deutschland scheint die Lage sogar noch verheerender zu sein, denn nur vier Prozent der deutschen Unternehmen haben überhaupt umfassende Data Governance-Regeln und -Zuständigkeiten definiert. Das Problem: Häufig werden sie mit ungeahnten Hindernissen konfrontiert, die sie bei der Umsetzung der geplanten Strategien enorm ins Straucheln bringen – das kostet sie nicht nur mehr Zeit als ursprünglich gedacht, sondern vor allem auch mehr Geld. Arjan van Staveren, der als Managing Director Major Accounts DACH bei Snowflake tätig ist, erläutert die fünf größten Hindernisse, auf die sich Unternehmen bei der dauerhaften Einführung ihrer Data Governance vorbereiten sollten.

 

  1. Datensilos

Der schwierigste Prozess bei der Umsetzung einer Data Governance-Strategie besteht für Unternehmen darin, interne Silo-Mentalitäten nachhaltig zu überwinden. Das bestätigt eine kürzlich durchgeführte Umfrage von Gartner. Starre Altsysteme verhindern es aufgrund ihrer mangelnden Flexibilität, dass Teams aus unterschiedlichen Abteilungen gemeinsam auf Informationen zugreifen oder diese miteinander oder auch mit Kunden und Geschäftspartnern teilen können. Dieser Umstand erschwert es Unternehmen einerseits, Daten zu organisieren. Andererseits machen es die unstrukturiert vorliegenden Informationen, die in Silos abgetrennt voneinander gespeichert sind, unmöglich, eine Data Governance wirklich effizient aufzubauen – egal ob bei der Rückverfolgung einzelner Datenquellen, ihrer Kategorisierung oder der Anwendung eines granularen Sicherheitsmodells.

 

  1. Schlechte Datenqualität

Den Daten uneingeschränkt vertrauen zu können, ist für Unternehmen essentiell, schließlich arbeiten sie tagtäglich damit und begründen ihren Erfolg darauf. Im Rahmen der Dataversity-Umfrage gaben fast sechs von zehn der befragten Unternehmen an, dass genau in diesem Punkt, nämlich dem Verständnis für die Qualität ihrer Quelldaten, einer der größten Engpässe innerhalb ihrer Datenwertschöpfungskette besteht. Um hier unterstützen und die Vertrauenswürdigkeit der verwendeten Daten jederzeit gewährleisten zu können, stellt ein Data Governance-System nicht nur sicher, dass die Qualität eingehender Informationen kontinuierlich überwacht wird, sondern überprüft außerdem genau, wo diese im Unternehmen zur Anwendung kommen. Um dies dauerhaft sicherstellen zu können, sollten sogenannte Data Stewards eingesetzt werden. Sie sind innerhalb des Unternehmens dafür zuständig, dass die strategischen Vorgaben der Data Governance fachlich umgesetzt werden und agieren bei Fragen aus den einzelnen Abteilungen als Ansprechpartner. Ihre Aufgabe ist es, zu erkennen, wenn Daten fehlerhaft, ungenau oder veraltet sind oder sie losgelöst vom ursprünglichen Kontext zur Analyse herangezogen werden. Damit das reibungslos und vor allem ohne lange Wartezeiten funktionieren kann, muss ihnen die Möglichkeit eingeräumt werden, unkompliziert Regeln und Prozessabläufe zu bestimmen.

 

  1. Fehlende Transparenz

Damit im Rahmen der Data Governance umfassende Schlussfolgerungen über die Qualität der verwendeten Daten getroffen werden können, ist absolute Transparenz das A und O: Über welche Daten verfügen wir und wo befinden sich diese? Wer hat auf sie Zugriff und von wem werden sie regelmäßig genutzt? Während traditionelle Systeme häufig die Antworten auf datenbezogene Fragestellungen wie diese verschleiern, ist es heutzutage unbedingt notwendig, alle Informationen über die verfügbaren Daten freizulegen. Anders kann die Umsetzung einer dauerhaften Data Governance-Strategie schlichtweg nicht funktionieren.

 

  1. Unzuverlässige Daten

Wer keinen transparenten Einblick darin hat, wer welche Daten zu welchem Zweck verwendet, der kann sich letztlich auch nicht sicher sein, wie vertrauenswürdig diese Informationen tatsächlich sind. Für die Sicherheit der unternehmenseigenen Informationen ist das jedoch entscheidend, denn mit der zunehmenden Verbreitung von Datenquellen – sowohl innerhalb als auch außerhalb des jeweiligen Unternehmens – nehmen auch die Sicherheitsverstöße stetig zu. Wie erfolgreich und sicher ein Datenmanagement sein kann, hängt deshalb immer davon ab, inwieweit sich die Daten zurückverfolgen lassen. Da im Rahmen der Data Governance klare Regeln hierfür festgelegt werden, können potenzielle Sicherheitslücken vermieden werden, die im schlimmsten Fall den Zugriff unbefugter Dritter auf sensible Kunden- oder Unternehmensdaten ermöglichen und damit den Weg für einen etwaigen Missbrauch freimachen würden. Traditionelle Altsysteme öffnen genau hierfür Tür und Tor. Da die Daten hier in Silos organisiert sind und deshalb häufig dupliziert und exportiert werden, um sie auch an anderer Stelle einsetzen zu können, fällt es schwer, den Überblick darüber zu behalten, wo die Daten überall abliegen und wer genau Zugriff darauf hat.

 

  1. Mangelnde Kontrolle

Viel zu häufig beginnen Unternehmen erst dann über das Thema Data Governance nachzudenken, wenn gesetzliche Regelungen wie die DSGVO oder ePrivacy ins Spiel kommen. Sie verlangen von ihnen, ihre Daten nicht nur von der Quelle bis zur Löschung nahtlos verfolgen zu können, sondern auch darzulegen, wer Zugang zu ihnen hat und wie und wo sie zum Einsatz kommen. Im Rahmen der Dataversity-Analyse gab fast die Hälfte aller Unternehmen an, die Einhaltung dieser Vorschriften sei für sie der größte Antrieb, eine dauerhafte Strategie zu etablieren. Denn sie gibt ihnen die Möglichkeit, stets den Überblick über alle wichtigen Faktoren zu behalten, die die Speicherung und Nutzung ihrer Daten betreffen. Nur so können sie letztlich auch vor etwaigen Verstößen und daraus resultierenden Strafen sicher sein.

 

345 Artikel zu „Data Governance“

Compliance als Haupttreiber von Data Governance

Die Datenschutzgrundverordnung (DSGVO) entfaltet ihre Wirkung und zwingt Unternehmen zur Umsetzung von Data Governance, insbesondere im europäischen Raum. Ein gut definierter Data-Govnernance-Prozess hilft, die Sichtweisen von Datensammlern und Datenkonsumenten näher zusammenzubringen und so insgesamt zu einer besseren Datenqualität beizutragen.   Das Business Application Research Center (BARC) veröffentlicht »How To Rule Your Data World«, eine weltweite…

Es braucht Data Governance um den vollen Mehrwert von Business Intelligence auszuschöpfen

Weniger als die Hälfte der befragten Unternehmen glaubt, alle Vorteile von Business Intelligence (BI) zu nutzen – entscheidender Faktor hierfür wird Governance. Qlik hat gemeinsam mit Forbes Insights die Ergebnisse einer weltweiten Befragung zum Thema Business Intelligence von mehr als 400 IT- und Business-Managern veröffentlicht. Zentrales Ergebnis der Studie »Breakthrough Business Intelligence: How Stronger Governance…

Strategien für Hybrid-Cloud Data Management: Wie Unternehmen zum »Data-Forward Enterprise« werden

Experten für Cloud Data Management [1] erwarten durch die Hybrid-Cloud und damit verbundenen Konzepten der Datensicherung in den kommenden 12 bis 24 Monaten erhebliches Potenzial. Die Spezialisten sehen darin einen wichtigen Aspekt der digitalen Transformation.   Trends in der Technologie Eine kürzlich von HCL und Vanson Bourne durchgeführte Umfrage kam in dieser Hinsicht zu den…

Königsweg Automatisierung – Der Weg zu mehr Effizienz für Data Warehouse und Data Lake

Data Warehouses haben eine lange Tradition. Doch mit Big Data Analytics und Data Lakes haben viele diesen Ansatz totgesagt. Das entspricht allerdings nicht der Realität: Geschätzt betreiben mehr als 60 Prozent der Unternehmen Data Warehouses, oft sogar mehrere. Assets, in die viel investiert wurde und die Vorteile bieten, die mit einem Data Lake nicht erreicht…

Save the date: InfoZoom Data Quality Management Online-Konferenz im November

Die humanIT Software GmbH führt ihre jährliche InfoZoom-Kundenveranstaltung am 4. November 2020 als Online-Event durch. Die Teilnehmer erhalten in der DQM-Online-Konferenz einen Überblick über aktuelle Strategien für ein zukunftssicheres und nachhaltiges Data Quality Management. Praxisbeispiele steuern unter anderem die Anwender von Vodafone und dem LKA Rheinland-Pfalz bei. Interessenten können sich ab sofort kostenfrei anmelden unter…

Open-Data-Initiative: Mit Datenkooperationen gegen die »Daten-Kluft«

Durch die Nutzung und den Austausch öffentlich zugänglicher Daten können fundierte Entscheidungen getroffen und sogar einige der weltweit drängendsten sozialen Herausforderungen besser bewältigt werden. So heißt es in der neuen Datenstrategie der Bundesregierung, »Daten sind eine Schlüsselressource«, etwa für die Verbesserung der Gesundheitsversorgung. Die Fähigkeit Daten verantwortungsvoll und selbstbestimmt zu nutzen, zu verknüpfen und auszuwerten,…

Data Monetization – Use Cases, Umsetzung und Mehrwerte

Daten gelten als der zentrale Rohstoff des 21. Jahrhunderts. Nur wem es gelingt, einen zusätzlichen Mehrwert aus seinen Datenbergen zu generieren, wird morgen noch wettbewerbsfähig sein. Unternehmen suchen daher nach Wegen, wie sie ihre Daten für innovative Geschäftsideen nutzen können – in Form von Datenmonetarisierung. Die Monetarisierung von Daten (Data Monetization) bezieht sich auf den…

Data Quality: HELM AG modernisiert und zentralisiert Datenhaltung

Dezentral organisierte Unternehmen tun sich oft schwer, Informations- und Datenprozesse schlank, einheitlich und transparent zu organisieren. Die Digitalisierung verstärkt den Erneuerungsdruck. Die global tätige HELM AG hat es mit Hilfe einer Data-Quality-Lösung geschafft, ihre vertrieblichen und kaufmännischen Arbeitsabläufe zu optimieren. Die Software sorgt dafür, dass die neu erstellte zentrale Stammdatenbasis von Dubletten und Inkonsistenzen befreit wird und im Tagesgeschäft dauerhaft »sauber« bleibt.

Die Trends für Business Intelligence & Big Data 2020

Welche Trends für Business Intelligence (BI), Data & Analytics werden das Jahr 2020 prägen? Im Interview gibt BARC-Chef-Analyst Dr. Carsten Bange seine Prognosen ab. Außerdem stellt er exklusiv die Ergebnisse des BARC BI Trend Monitor 2020 vor, der 2.650 Anwender von BI-Technologie zu ihren persönlichen Trendthemen befragt hat. Dr. Carsten Bange, Gründer und Geschäftsführer von…

Big Data: Wo die wilden Daten leben

Data Lakes, Data Marts, Data Vaults und Data Warehouses. Worin unterscheiden sich die verschiedenen Ansätze der Dateninfrastruktur? Big Data oder Data Analytics sind einige der größten Herausforderungen für die IT unserer Zeit. Viele Unternehmen befinden sich inmitten einer Umstellung auf eine datengesteuerte Ausrichtung ihrer Organisation und sind auf der Suche nach der dazu passenden Dateninfrastruktur.…

Die Bedeutung von Governance, Risiko und Compliance für die Cybersicherheit

Geht es um die Cybersicherheit, steht der Themenkomplex »Governance, Risk and Compliance (GRC)« oft nicht im Fokus. Er wird nicht selten als bürokratische Hürde angesehen, die der Gefahrenabwehr im Weg steht. Die Bedeutung von GRC sollte jedoch nicht unterschätzt werden. Schließlich hilft ein gezieltes Programm Unternehmen dabei, ihre Sicherheits- und Compliance-Ziele zu erreichen. Gut umgesetzt…

Schwarzes Loch im Daten-Universum: 52 Prozent der Informationen in Unternehmen sind »Dark Data«

Trotz zunehmender Sicherheitsvorfälle und strenger Datenschutzbestimmungen sind mehr als die Hälfte der Unternehmensdaten nicht klassifiziert. Unternehmen weltweit ziehen unwissentlich Cyberkriminelle an. Grund dafür sind die sogenannten »Dark Data«, also Informationen, deren Inhalt und Geschäftswert unbekannt sind. Das ergab eine aktuelle Erhebung von Veritas Technologies. Im Rahmen der Value-of-Data-Studie hatte Vanson Bourne im Auftrag von Veritas…

Advanced, predictive, preventive: Data Analytics – Trend oder Zukunft?

Die Themen Digitalisierung und Big Data stehen bereits seit Jahren auf der »To-do-Liste« der Unternehmen und sind auch in den Fachmedien mehr als präsent. Allerdings steckt die Umsetzung in der Realität bei vielen Unternehmen noch in den Kinderschuhen. Das Potenzial, das Daten bieten, ist häufig nicht auf den ersten Blick ersichtlich. Erst durch eine detaillierte Analyse der Daten lassen sich diese optimal nutzen. Mittlerweile eröffnen sich hier mit Data Analytics ganz neue Möglichkeiten.

6 Gründe für ein Cloud-basiertes Data Warehouse

Ein Data Warehouse, das Daten aus verschiedenen Quellen zusammenfasst, um sie analysieren und darauf reagieren zu können, ist heute entscheidend für den Geschäftserfolg. Denn es verarbeitet schnell die enormen Datenmengen, die sich heute in Unternehmen ansammeln. Darauf basierend können Führungskräfte zuverlässige datenbasierte Entscheidungen treffen. Allerdings halten es fast zwei Drittel der kürzlich befragten Experten für…

Wie Automatisierung des Data Warehouse den Wert der Unternehmensdaten erhöhen kann

Volume, Velocity, Variety, Veracity. Im englischen IT-Sprachgebrauch haben sich die vier Vs der Datenspeicherung längst etabliert. Volumen, Geschwindigkeit, Vielfalt und Wahrhaftigkeit gilt es in Einklang zu bringen, um die Daten eines Unternehmens erfolgreich verwalten zu können. Herkömmliche Data-Warehouse-Infrastrukturen sind häufig nicht mehr in der Lage, die enormen Datenmengen, die Vielfalt der Datentypen, die Geschwindigkeit mit…

Master Data Management per Open-Source-Plattform: Ein Unternehmen, eine Datenplattform

  Auf dem Weg zur Digitalisierung stehen Unternehmen auch vor der Aufgabe, ihre Stammdaten effizienter zu organisieren. Dafür braucht es ein unternehmensübergreifendes Stammdaten-System, in dem alle Daten in hoher Qualität, einschließlich ihrer Relationen untereinander, hinterlegt und abgerufen werden können. Für die technische Umsetzung bieten sich Open-Source-Plattformen als zukunftsfähige und kostengünstige Lösung an.   Daten werden…

Ertragsoptimierung bei Cloud-Data-Warehouse-Investitionen

Immer mehr datengestützte IT-Systeme werden in die Cloud verlagert und dazu gehört auch das Data Warehouse. Neue Cloud-Data-Warehouse-Lösungen (CDW) sollen noch umfassendere Datenfunktionen, eine bessere Leistung und mehr Flexibilität als herkömmliche lokale Datenbanken bieten.   Laut einer neuen Umfrage des TDWI (The Data Warehousing Institute) im Auftrag von Talend bieten neue Cloud-Data-Warehouse-Lösungen (CDW) noch umfassendere…

Cloud Data Management in 2019 – das Jahr der Datenmanagement-Revolution

Daten stehen im Mittelpunkt der digitalen Transformation, die in 2019 an Geschwindigkeit zulegen wird. Davon ist Rubrik, Experten für Cloud Data Management, überzeugt. Unternehmen bewegen sich von monolithischen Legacy-Infrastrukturen hin zu modernen verteilten hybriden Cloud-Infrastrukturen. Dies bedeutet, dass der Schutz und die Verwaltung von Daten einen Wandel und eine Weiterentwicklung durchlaufen müssen. Dies beinhaltet vielerorts…

Health-Check: Wie fit ist Ihr Data Warehouse?

In vielen Unternehmen ist das Data Warehouse in die Jahre gekommen. Gleichzeitig wachsen die Anforderungen der Fachabteilungen. Mit IoT und der Digitalisierung kommen zudem neue Herausforderungen hinzu. Ist Ihr Data Warehouse all dem noch gewachsen? Machen Sie den Health-Check. Das Data Warehouse (DWH) bildet das Fundament für Business Intelligence und Data-Analytics-Plattformen. Es dient als zentraler…