Die effiziente und sichere Nutzung von Daten ist eine der wichtigsten Wettbewerbsfaktoren in einer zunehmend datenorientierten Welt. Viele Unternehmen suchen deswegen nach umsetzbaren Ansätzen, um das steigende Datenvolumen und zusehends komplexer werdende Anwendungen zu bewältigen, während sie gleichzeitig Compliance- und Datenschutz-Anforderungen einhalten. Der Bedarf einer Data Governance ist klar. Aber wie kann ein Unternehmen eine solche aufbauen? Als Inspiration bietet sich der Vergleich der Datenlieferkette zu einer Warenlieferkette an: Ähnlich wie Rohstoffe zu fertigen Produkten und der schlussendlichen Rückführung einen Lebenszyklus durchlaufen, durchlaufen auch Daten in einer Organisation einen genau definierten Lebenszyklus – der sogenannte Datenlieferkette. Diese Struktur schafft einen Rahmen für eine professionelle Data Governance und nachhaltiger Datenqualität.
Vom Rohstoff zur Information: Die Stufen im Vergleich
Die nachfolgende Grafik zeigt den direkten Vergleich zwischen einer physischen Warenlieferkette und einer Datenlieferkette. Ähnlich wie Waren durchlaufen auch Daten verschiedene Stufen in ihrem Lebenszyklus.
Die Analogie vermittelt ein Bewusstsein für den Ablauf und ist die Basis für eine professionelle Datenverwaltung. Wenn beim Aufbau einer Data Governance dieser Lebenszyklus im Hinterkopf behalten wird, wird der Aufbau einer Data Governance vollständiger und nachhaltiger gelingen.
Data Governance entlang der Datenlieferkette
Die Datenlieferkette ermöglicht einen ganzheitlichen Ansatz für das Datenmanagement. Und die Data Governance sorgt dafür, dass jeder Schritt klar geregelt ist:
Erfassung
Die bewusste und dokumentierte Sammlung von Rohdaten ist die Voraussetzung für Transparenz. Mit “Erfassung” ist nicht nur das erheben von Daten (z.B. durch Sensoren, manuellen Eingaben, automatischen Prozessen, usw.) gemeint. Es wird damit auch die systematische Sammlung bestehender Daten (vorhandene interne Datenquellen oder externe Datenquellen) verstanden. Es entscheidet sich bereits hier, wie verlässlich und vollständig die spätere Analyse wird. Versäumnisse in diesem Schritt wirken sich auf die gesamte weitere Nutzung aus.
Aufbereitung
Es findet eine Säuberung, Vereinheitlichung und Überführung in einen nutzbaren Zustand statt. Es gilt somit beispielsweise Doubletten zu entfernen, Korrekturen von Fehlern durchzuführen und die Daten in ein konsistentes Format zu überführen. Erst durch die Verknüpfung und Bereinigung der Rohdaten entstehen wertvolle Informationen. Gleichzeitig definieren sich hier erste Qualitätsstandards. Datenqualitätsmanagement ist im Kern ein Data Governance Thema.
Speicherung
Verarbeitete Daten werden sicher in Datenbanken oder anderen Speichermedien abgelegt. Die Wahl der Speicherlösung beeinflusst, wie schnell und flexibel die Daten später für Analysen und Prozesse verfügbar sind. Auch Aspekte wie Datenschutz und Berechtigungskonzepte spielen hier eine entscheidende Rolle. Eine nachvollziehbare Ablagestruktur ist essenziell für Governance und Compliance.
Verteilung
Nun werden die Daten an die jeweils berechtigten Abteilungen, Nutzer oder Systeme weitergeleitet. Schnittstellen, Zugriffskontrollen und Rollenmanagement sorgen dafür, dass jeder nur die für ihn relevanten und zulässigen Informationen erhält. Transparente und protokollierte Verteilung ermöglicht es, Datenflüsse nachvollziehbar zu gestalten und Missbrauch vorzubeugen.
Nutzung
Die Endnutzer (Analysten, Fachexperten, usw.) greifen auf die aufbereiteten und verteilten Daten zurück, um Analysen zu fahren, Berichte zu erstellen oder operative und strategische Entscheidungen zu treffen. Sie brauchen Vertrauen in die Daten und einfache Tools für die Datenanalysen. Der Mehrwert der gesamten Datenlieferkette zeigt sich in diesem Schritt am klarsten: Nur qualitativ hochwertige, aktuelle und zugängliche Daten führen zu tragfähigen Erkenntnissen. Die Data Governance sorgt für verständliche Strukturen und zentrale Definitionen (Data Dictionary, Data Catalog).
Archivierung/Löschung
Für nicht mehr benötigte Daten oder aus rechtlichen Gründen nicht länger verwendbare Daten folgt die Archivierung oder Löschung. Durch gezielte Archivierung bleiben wichtige Informationen langfristig erhalten und sind bei Bedarf abrufbar. Die ordnungsgemässe Löschung reduziert das Datenvolumen und erfüllt Datenschutzanforderungen.
Best Practices: von der Waren- zur Datenlieferkette
Eine Frage bleibt noch offen: Was können Unternehmen nun konkret tun?
- Prozesse dokumentieren: Indem alle Schritte von der Datenerfassung bis zur Löschung dokumentiert werden, wird die Datenlieferkette transparent. Dieser Punkt schafft wohl alleine schon einen grossen Vorteil: Durch die Dokumentation des IST-Zustandes können besser Verbesserungen und Massnahmen für den gewünschten SOLL-Zustand abgeleitet werden.
- Verantwortlichkeiten festlegen: Data Stewards und Daten Owner sollen für jede Stufe der Datenlieferkette benannt werden. ein Data Steward ist für die operative Datenqualität und der Einhaltung von Regeln im Tagesgeschäft verantwortlich. Während ein Data Owner die fachliche und strategische Gesamtverantwortung für einen oder mehrere Datensätze verantwortet.
- Monitoring und Audits etablieren: Da die Prozesse dokumentiert und die Owner definiert sind, lässt sich nun auch eine Überwachung der Prozesse einrichten und bessere Nachvollziehbarkeit schaffen. Nicht nur die Datenqualität lässt sich überwachen, sondern auch Zugriffsrechte oder Nutzungsgrad von BI-Berichten. Auch Audits (regelmässige interne oder externe Reviews) helfen für die Aufrechterhaltung von Standards oder Aufdeckung von Optimierungspotential.
- Tools einsetzen: Es gibt moderne Data Governance Plattformen, welche all die Arbeiten mit Workflows und Zugriffskontrollen unterstützen – inkl. automatischer Protokollierung. Dies sollte aber nicht ab Start die Priorität sein. Besser mit der Prozessdokumentation und den Data Ownern starten. Hier liegen die grösseren Vorteile!
All diese Massnahmen schaffen die Voraussetzung, dass Daten strategisch und operativ genutzt werden können – exakt wie Materialien oder Waren im Supply Chain Management.
Fazit: Die Zukunft gehört der strukturierten Datenlieferkette
Wer eine Data Governance ernsthaft etablieren will, sollte die Datenlieferkette wie eine echte Lieferkette betrachten und steuern. Die klare Struktur hilft nicht nur, interne Prozesse zu optimieren, sondern auch Compliance und gesetzliche Vorgaben sicherzustellen, sowie Teams effizienter arbeiten zu lassen. Daten sind die Rohstoffe der digitalen Gegenwart – der Vergleich der Datenlieferkette zur Warenlieferkette erscheint mehr als offensichtlich. Unternehmen, welche diesen Ansatz verfolgen, sichern sich nicht nur langfristig eine Datenkompetenz, sondern schaffen auch die Basis für eine nachhaltige Datenkultur.