Data Governance

Master Data ... Data Governance

Stammdaten (Master Data) sind die grundlegenden Unternehmensdaten

Data Governance als Teildisziplin von MDM

Data Governance ist für die Schaffung von Rahmenbedingungen für Master Data Management zuständig. Diese Rahmenbedingungen umfassen Bereiche der Strategie, der Organisation, der Prozesse, Architektur und Systeme sowie die Qualität der Daten und Standards. Die genannten Bereiche sind für ein effizientes und nachhaltiges Master Data Management unabdingbar und stellen sicher, dass die Unternehmensdaten als gewinnbringendes Unternehmensgut genutzt werden können.

Diese Definition lässt sich am Beispiel von "shared data" deutlich darstellen. Bei "shared data" geht es um (Stamm-)Daten, die von unterschiedlichen Unternehmensbereichen genutzt werden. Das können unterschiedliche Daten wie Kontaktdaten oder auch Basisdaten für ein unternehmensweites Reporting sein.

Strategie

In der Unternehmensstrategie wird die Bedeutung der Stammdaten beschrieben. Ziel ist es, die Unternehmensdaten umsatzsteigernd einzusetzen und diese ähnlich wie jeden anderen Produktionsfaktor zu nutzen. Diese Strategie kann nur von der Unternehmensführung vorgegeben werden, da sie die Weichen für die anderen Handlungsfelder stellt.

Organisation

Sind die Stammdaten ein zentraler "Produktionsfaktor", sind dafür bestimmte Rollen zu schaffen, die dafür Sorge tragen, dass Daten immer in ausreichender Qualität, Umfang und Performance zur Verfügung stehen. Typische Bezeichnungen dieser Rollen sind Data Owner, Chief Data Officer, Director Data Governance oder Data Steward. Allerdings gibt es keine festgeschriebenen Rollenbeschreibungen, die Aufgaben und Pflichten können individuell variieren und müssen somit individuell definiert werden.

Prozesse

Die Prozesse beschreiben, wie Stammdaten entstehen, wie sie behandelt (angereichert, veredelt, integriert) und wozu sie genutzt werden. Daraus lässt sich in der Regel die erwartete Beschaffenheit der Daten ableiten. Sollen die Stammdaten zum Beispiel für email-Kampagnen genutzt werden, ist die qualitative Voraussetzung, dass die E-Mail-Adresse zumindest vorhanden und syntaktisch korrekt ist. Viel wichtiger ist allerdings, ob die E-Mail-Adresse für Werbezwecke genutzt werden darf, also ob ein Opt-in vorliegt.

Ändern sich Prozesse, weil sich die Anforderungen geändert haben, hat das oft Auswirkungen auf die Qualität der Daten, die dann den neuen Anforderungen ggfs. nicht mehr entsprechen. Im Kontext von "shared data" ist wichtig, dass die Entstehungs- und Verwendungsprozesse der Daten transparent und zugänglich dargestellt werden, damit jeder Datennutzer weiß, wie die Entstehungsgeschichte des Datensatzes ist.

Architektur & Systeme

Um sicher zu stellen, dass alle Geschäftsbereiche auf die gleichen Daten zugreifen können, ist es von Vorteil, alle Daten nur an einer Stelle zu halten und zu bearbeiten. Werden die gleichen Daten in unterschiedlichen Systemen abgelegt, ist der Pflegeaufwand unüberschaubar und es kommt zu Inkonsistenzen. Es ist schwer nachvollziehbar, in welchem System die aktuellste Version der Daten liegt und ob nicht inzwischen Veränderungen vorgenommen wurden. Das lässt sich nur sicherstellen, wenn Master Data an einer Stelle gepflegt und von dort aus weiteren Applikationen oder Prozessen zur Verfügung gestellt werden.

Datenqualität & Standards

Gerade bei "shared data" ist eine gute Datenqualität wichtig. Um diese zu definieren, müssen die Anforderungen jedes Bereichs, der die Daten nutzt, eingeholt werden. Daraus ergeben sich dann datenqualitative Standards, die genau vorgeben, wie diese Daten beschaffen sein müssen. Aus den Standards lassen sich Regeln ableiten, mit deren Hilfe später die Qualität der Daten gemessen werden kann.

 

Das oben beschriebene Beispiel zeigt, wie wichtig ein guter Rahmen für Master Data Management ist. Ohne Data Governance wird Master Data Management nicht nachhaltig betrieben werden können. Und umgekehrt braucht man für ein gutes Master Data Management einen Rahmen, der den Umgang mit Stammdaten regelt.