Was ist Data Governance?

Ein verlässlicher Rahmen für den Umgang mit Daten

Data Governance beschreibt, wie ein Unternehmen festlegt, wer Daten verantwortet, welche Definitionen gelten und wie Daten genutzt werden dürfen. Es geht damit nicht um ein abstraktes Regelwerk, sondern um konkrete Entscheidungen im Arbeitsalltag.

Wenn beispielsweise Vertrieb und Controlling unterschiedliche Umsatzzahlen verwenden, legt Data Governance fest, welche Quelle maßgeblich ist, wie Umsatz berechnet wird und wer die Definition freigibt. Wenn ein Fachbereich auf Kundendaten zugreifen möchte, wird geregelt, welche Informationen benötigt werden, wer den Zugriff genehmigt und wie lange die Daten verwendet werden dürfen.

Warum ist Data Governance wichtig?

Ohne gemeinsame Regeln entstehen in Unternehmen schnell mehrere Versionen derselben Kennzahl. Ein Team zählt aktive Kunden vielleicht anhand eines Kaufs in den vergangenen zwölf Monaten, ein anderes anhand eines bestehenden Vertrags. Beide Auswertungen können technisch korrekt sein, führen aber zu unterschiedlichen Entscheidungen.

Data Governance schafft ein gemeinsames Verständnis. Für wichtige Daten und Kennzahlen wird dokumentiert, was sie bedeuten, aus welchen Quellen sie stammen, wie sie berechnet werden und wer für ihre Qualität verantwortlich ist. Das verbessert die Grundlage für Reporting und Analytics, Automatisierung und künstliche Intelligenz.

Auch beim Datenschutz ist ein konkreter Rahmen notwendig. Nicht jede Person muss alle Kundendaten sehen können. Rollen und Berechtigungen sollten deshalb nach Aufgabe und Schutzbedarf vergeben werden. So kann das Controlling aggregierte Umsätze analysieren, während einzelne Kontaktdaten nur für berechtigte Personen sichtbar sind.

Welche Rollen gibt es?

Ein Data Owner trägt die fachliche Verantwortung für einen Datenbereich. Im Vertrieb kann das beispielsweise die Leitung Sales Operations sein. Diese Person entscheidet, welche Definitionen gelten, welche Qualitätsanforderungen bestehen und welche Nutzung fachlich zulässig ist.

Data Stewards kümmern sich um die operative Umsetzung. Sie pflegen Beschreibungen im Datenkatalog, prüfen Qualitätsprobleme und stimmen sich mit den Teams ab, die Daten erfassen oder verwenden. Ein Data Steward kann beispielsweise untersuchen, warum bei einem Teil der Kundendatensätze die Branche fehlt, die Ursache im CRM Prozess klären und eine Verbesserung der Eingabe anstoßen.

Ein Governance Gremium entscheidet übergreifende Fragen. Dazu gehören gemeinsame KPI Definitionen, Prioritäten bei Qualitätsproblemen oder Standards für den Umgang mit sensiblen Daten. Die technische Umsetzung liegt bei Data Engineers, BI Teams und IT. Sie sorgen dafür, dass Regeln in Datenpipelines, Modellen, Reports und Berechtigungen tatsächlich wirksam werden.

Welche Regeln gehören dazu?

Zu einer praxistauglichen Data Governance gehören zunächst verbindliche Begriffe und Kennzahlen. Für jede wichtige Kennzahl sollte festgehalten werden, wie sie heißt, was sie bedeutet, welche Datenquellen verwendet werden und wer die fachliche Verantwortung trägt.

Hinzu kommen Regeln für Datenqualität. Für eine Kundennummer kann beispielsweise festgelegt werden, dass sie eindeutig sein muss. Für eine E-Mail-Adresse kann ein gültiges Format verlangt werden. Für einen Auftrag kann definiert werden, dass Betrag, Währung und Auftragsdatum vorhanden sein müssen. Solche Regeln lassen sich automatisiert in Datenpipelines prüfen.

Ein Datenkatalog macht Datenprodukte auffindbar und beschreibt ihren fachlichen Kontext. Data Lineage zeigt, aus welchen Quellen eine Kennzahl stammt und welche Transformationen sie durchlaufen hat. Ein Berechtigungskonzept legt fest, welche Rollen auf Rohdaten, personenbezogene Informationen und aggregierte Ergebnisse zugreifen dürfen.

Wie funktioniert Data Governance in der Praxis?

Ein sinnvoller Einstieg beginnt nicht mit einem unternehmensweiten Regelwerk, sondern mit einem konkreten Problem. Ein Unternehmen kann beispielsweise zunächst die Kennzahlen für das Vertriebsreporting vereinheitlichen. Dafür werden die verwendeten Reports gesammelt, Unterschiede in den Definitionen dokumentiert und eine verbindliche Version abgestimmt.

Anschließend werden Verantwortlichkeiten benannt und die Definitionen in einem Datenkatalog festgehalten. Die zugrunde liegenden Datenmodelle werden angepasst und automatisierte Qualitätsprüfungen eingerichtet. Nach einigen Wochen wird überprüft, ob die Reports konsistent sind, ob weniger Rückfragen entstehen und ob die Fachbereiche den neuen Definitionen vertrauen.

Auf dieser Grundlage kann Governance auf weitere Datenbereiche wie Finanzen, Marketing oder Kundenservice ausgeweitet werden. So wächst das Regelwerk gemeinsam mit dem tatsächlichen Bedarf und bleibt für die Organisation verständlich.

Was macht Data Governance erfolgreich?

Regeln müssen einen konkreten Nutzen haben und sich ohne unnötige Hürden in bestehende Prozesse integrieren lassen. Verantwortlichkeiten sollten namentlich oder rollenbezogen dokumentiert sein. Qualitätsprobleme brauchen einen klaren Bearbeitungsweg mit Zuständigkeit, Priorität und Frist.

Ebenso wichtig ist die Verbindung von Fachbereich und Technik. Fachbereiche definieren Bedeutung und Nutzung, während Data Teams die Anforderungen in Datenmodelle, Prüfungen und Berechtigungen übersetzen. Schulungen und verständliche Dokumentation sorgen dafür, dass Mitarbeitende die Regeln anwenden können.

Fazit

Data Governance sorgt dafür, dass Daten im Unternehmen einheitlich verstanden, zuverlässig gepflegt und angemessen geschützt werden. Sie beantwortet konkrete Fragen zur Bedeutung, Qualität, Verantwortung und Nutzung von Daten. Der beste Einstieg ist ein relevanter Anwendungsfall mit widersprüchlichen Kennzahlen oder spürbaren Qualitätsproblemen. Von dort aus lässt sich Governance schrittweise auf weitere Datenbereiche und Use Cases ausweiten.