Was Data Governance ist
Die Regeln und Prüfungen, die eine Zahl brauchbar machen, um zu entscheiden. Kein Werkzeug, das man kauft, sondern ein Zustand, den man hält.
Ihre vier Säulen sind Katalog (welche Daten es gibt und woher sie kommen), Qualität (ob die Zahl stimmt), Zugriff (wer sie sehen darf) und Verantwortung (wer dafür geradesteht).
Data Governance und Datenmanagement: der Unterschied
Datenmanagement ist die Maschine: Daten laden, umwandeln, speichern und bereitstellen. Data Governance sind die Regeln und Prüfungen, die sagen, ob das, was aus dieser Maschine kommt, für Entscheidungen taugt, wer dafür geradesteht und wer es sehen darf.
Man verwechselt sie, weil beide meist im selben Team wohnen. Der Test ist einfach: kann niemand sagen, wer für eine Zahl im Dashboard verantwortlich ist, gibt es Management, aber keine Governance.
Warum KPIs falsch herauskommen
Fast nie wegen einer falsch geschriebenen Formel. Meist ist es ein Fluss, der keine Daten mehr bringt und den niemand bemerkt hat, ein geänderter Filter, eine Quelle mit neuem Format oder ein Bericht, der weiter eine Tabelle liest, die nicht mehr aktualisiert wird. Das Dashboard sieht perfekt aus, und die Zahl ist falsch.
Das ist gemessen: 26% der Daten einer Organisation sind nicht verlässlich, schätzen ihre eigenen Datenverantwortlichen.
Was ein Data-Governance-Framework enthält
Ein brauchbares Framework passt auf eine Seite: welche Daten kritisch sind, wer für jedes verantwortlich ist, welche Qualitätsregeln gelten, wer zugreifen darf und mit welcher regelmäßigen Prüfung all das kontrolliert wird. Ohne diese Prüfung ist das Framework nur ein weiteres Dokument.
Werkzeuge helfen beim Ordnen: Unity Catalog in Databricks oder Microsoft Purview in Fabric und Power BI führen Katalog, Lineage und Berechtigungen. Aber kein Werkzeug sagt von selbst, ob der Ladevorgang von heute Nacht geklappt hat oder ob eine Lizenz ungenutzt bezahlt wird: das wird gemessen.
Wie man es prüft, Plattform für Plattform
Mit einem periodischen Health Check dessen, was wirklich da ist: welche Pipelines still gescheitert sind, welche Berichte defekte Quellen lesen, wer worauf Zugriff hat und welche Lizenzen bezahlt werden, ohne dass sich jemand anmeldet. In Salesforce, Microsoft Fabric, Databricks und Power BI, wo das Problem meist wohnt.
Wir messen und liefern die Liste mit Belegen zu jedem Punkt; die Änderungen macht Ihr Team oder wir, wenn Sie uns damit beauftragen.