DAllgemein

Data Governance

Rollen/Regeln für Datenqualität, Zugriffe, Definitionen und Compliance.

Data Governance ist der organisatorische Rahmen aus Rollen, Regeln und Prozessen, der sicherstellt, dass Unternehmensdaten einheitlich definiert, in guter Qualität verfügbar, korrekt genutzt und compliant verarbeitet werden. Ziel ist, dass alle im Unternehmen „dieselben Zahlen“ sehen, Zugriffe kontrolliert sind und Entscheidungen auf verlässlichen Daten basieren.

Was bedeutet Data Governance konkret?

Im Alltag heißt das: Es gibt klare Verantwortlichkeiten (wer darf was entscheiden?), verbindliche Standards (wie werden Daten benannt und gepflegt?) und Kontrollen (wie wird Qualität gemessen?). Data Governance ist weniger ein Tool als eine Führungs- und Managementaufgabe, die IT, Fachbereiche und Geschäftsführung verbindet.

Wie funktioniert Data Governance? (typischer Ablauf)

  • 1) Daten priorisieren: Festlegen, welche Daten „kritisch“ sind (z. B. Kundendaten, Artikelstamm, Finanzkennzahlen).
  • 2) Rollen definieren: z. B. Data Owner (fachlich verantwortlich), Data Steward (operativ pflegt Regeln/Qualität), IT (Plattform & Sicherheit).
  • 3) Standards & Definitionen festlegen: Gemeinsame Begriffe (z. B. „aktiver Kunde“), Datenmodelle, Namenskonventionen, Pflichtfelder.
  • 4) Zugriffe & Schutz regeln: Berechtigungen nach dem Need-to-know-Prinzip, Protokollierung, Aufbewahrungs- und Löschkonzepte.
  • 5) Qualität messen & verbessern: Qualitätsregeln (Duplikate, Validität, Vollständigkeit), Monitoring, Korrekturprozesse.
  • 6) Compliance nachweisen: Dokumentation, Audits, Prozesse für DSGVO-Anfragen; wichtig sind u. a. Datenklassifizierung und Data Lineage.

Warum ist Data Governance wichtig – gerade für kleine Unternehmen?

Ohne Governance entstehen schnell widersprüchliche Reports, doppelte Kundensätze, falsche Lagerbestände oder unklare Zuständigkeiten. Das kostet Zeit, führt zu Fehlentscheidungen und erhöht Risiken bei Datenschutz und Verträgen. Mit Data Governance werden Daten zu einem steuerbaren Unternehmensasset: verlässlicher für Vertrieb, Controlling und Operations – und sicherer für Compliance.

Beispiele aus der Praxis

  • Einheitliche KPI-Definitionen: „Umsatz“ (brutto/netto), „Churn“ oder „Lead“ werden einmal definiert, damit Vertrieb und Controlling gleich berichten.
  • Kundendaten-Qualität: Pflichtfelder (E-Mail, Einwilligung, Ansprechpartner), Dublettenregeln und ein Prozess, wer Datensätze zusammenführt.
  • Zugriffssteuerung: HR-Daten nur für HR/GL; Exportrechte eingeschränkt; besonders relevant bei Datenschutz (DSGVO/GDPR) & KI.
  • KI-Einsatz absichern: Wenn ein AI Copilot (KI-Assistent) oder ChatGPT mit internen Daten arbeitet, braucht es Regeln zu Datenfreigabe, Protokollierung und Aufbewahrung – Schnittstelle zu AI Governance.

Was kostet Data Governance?

Die Kosten hängen weniger von Lizenzen als von Aufwand für Rollen, Workshops und Datenbereinigung ab. Für kleine Unternehmen startet Data Governance oft „lean“: mit 1–2 priorisierten Datenbereichen, klaren Definitionen, einem Berechtigungskonzept und einfachen Qualitätschecks. Später kann man das mit Tools (z. B. Katalog, Monitoring) ausbauen.

Merksatz: Data Governance sorgt dafür, dass Daten im Unternehmen verlässlich, sicher und nachvollziehbar sind – damit Digitalisierung und KI nicht auf „Daten-Sand“ gebaut werden.