Publiziert: Zuletzt aktualisiert:

Data Governance

Data Governance definiert die Richtlinien, Verantwortlichkeiten und Standards für den Umgang mit Daten im Unternehmen. Data Observability ist die technische Umsetzung: Die kontinuierliche Überwachung der Datenqualität und der Datenflüsse (Lineage) in Echtzeit.

In einer Welt von Data Mesh und dezentralen Teams ist Governance nicht mehr zentralistisch-blockierend, sondern agil-befähigend: Wir geben Teams Self-service Regeln an die Hand, um Daten sicher zu teilen.

Anti-Patterns: Die Daten-Anarchie

  • Unklare Datenhoheit: Niemand weiss, wer für die Korrektur falscher Kundenadressen im System verantwortlich ist.
  • Silobildung: Jede Abteilung definiert Begriffe wie "Umsatz" oder "Kunde" anders, was zu widersprüchlichen Berichten führt.
  • Silent Data Failure: Eine Daten-Pipeline bricht unbemerkt ab oder liefert falsche Werte (z. B. durch ein Schema-Update), was erst Wochen später in der Bilanz auffällt.

Das Governance-Framework

  1. Data Stewardship: Benennung von fachlichen Verantwortlichen (Stewards) für jedes Datenobjekt.
  2. Data Catalog: Ein zentrales Verzeichnis (z. B. via DataHub oder Amundsen), in dem jeder findet, welche Daten existieren und was sie bedeuten.
  3. Data Lineage: Automatische Visualisierung des Datenflusses: "Woher kommt dieser Wert in meinem Dashboard und welche Transformationen hat er durchlaufen?".
  4. Automated Data Quality: Integration von Prüfskripten (z. B. via Great Expectations), die Daten bereits beim Import auf Plausibilität prüfen.
  5. Privacy & Access Control: Zentrale Steuerung der Zugriffsrechte basierend auf Rollen und Sensibilität der Daten (siehe Compliance).

Der Fokus: Daten als zuverlässiges Produkt

Data Governance stellt sicher, dass Daten die gleiche Qualität und Verlässlichkeit haben wie die Software-Produkte des Unternehmens.

FAQ

Verlangsamt uns Data Governance nicht in unserer Agilität?

Im Gegenteil. Gute Governance gibt den Teams die Sicherheit, dass sie die Daten anderer Abteilungen nutzen dürfen, ohne Angst vor rechtlichen oder qualitativen Fehlern. Sie beschleunigt die Zusammenarbeit.

Wie hilft uns Observability beim Datenschutz?

Durch Data Lineage sehen wir genau, wo personenbezogene Daten (PII) im Unternehmen hinfliessen und ob sie überall korrekt geschützt oder anonymisiert werden. Das macht Löschanfragen (nFADP) deutlich einfacher.

Reference Guide

  • DAMA-DMBOK: Das Standardwerk für Data Management. dama.org
  • The Data Governance Institute: Ressourcen und Frameworks. datagovernance.com
  • Data Quality Fundamentals: Barr Moses über Data Observability. O'Reilly

Verwandte Themen

Offene Punkte