RBA393 Im Prinzip: Daten-Governance

In dieser Episode des Podcasts wird das komplexe Thema der Data
Governance ausführlich behandelt, und die beiden Expertinnen, Prof.
Dr. Christine Weber und Dr. Christiana Klingenberg, geben
umfassende Einblicke in ihre Erfahrungen und Fachgebiete. Die
Moderatoren Marc und Michael führen durch die Diskussion und
bringen dabei ihre eigenen Perspektiven und Anekdoten ein, um die
Wichtigkeit des Themas zu verdeutlichen. Zu Beginn erklären die
Gäste, was genau unter Data Governance zu verstehen ist. Christine
beschreibt es als ein Framework für das Datenmanagement, das
Verantwortlichkeiten, Rollen, Richtlinien und Leitlinien
beinhaltet. Diese Struktur ist besonders wichtig, um die ständig
wachsenden Datenmengen in Unternehmen effizient zu verwalten. Sie
betont, dass es entscheidend ist, die Daten in einem Kontext zu
betrachten, in dem klare Ziele definiert sind, um ihre Nutzung
sinnvoll zu gestalten und unstrukturiertes Sammeln zu vermeiden.
Ein zentraler Punkt der Diskussion ist die Herausforderung, die
viele Unternehmen im Umgang mit ihren Daten haben, insbesondere in
Bezug auf die Qualität der Daten und die Notwendigkeit, diese für
verschiedene Zwecke zu verwenden. Christine weist darauf hin, dass
historische Daten oft nicht mehr relevant sind, aber dennoch viel
Speicherplatz und Ressourcen kosten. Diese Thematik wird im Kontext
der aktuellen Trends in der Technologie, insbesondere im
Zusammenhang mit Künstlicher Intelligenz, weiter vertieft. Beide
Gäste sind sich einig, dass für erfolgreiche KI-Implementierungen
eine hohe Datenqualität erforderlich ist. Es darf nicht einfach
angenommen werden, dass alle vorhandenen Daten für KI-Anwendungen
geeignet sind. Die Expertinnen diskutieren auch, wie wichtig die
Definition von Schlüsselbegriffen wie "Kunde" für Unternehmen ist.
Es wird deutlich, dass viele Organisationen Schwierigkeiten haben,
klare Definitionen zu etablieren. Diese Klarheit ist jedoch
notwendig, um genaue Auswertungen und Reports zu erzeugen. Dr.
Klingenberg erklärt, dass bei der Definitionsfindung oft mehrere
Stakeholder aus verschiedenen Abteilungen beteiligt sein müssen,
und es kann zu verschiedenen Sichtweisen kommen, was die Aufgabe
kompliziert macht. In einem weiteren Teil des Gesprächs wird auf
die praktische Umsetzung von Data Governance in Unternehmen
eingegangen. Es wird betont, dass die Einführung von Data
Governance-Prozessen oft mit Widerstand aus den Fachabteilungen
konfrontiert ist, da diese Mitarbeiter oft zusätzliche Arbeit
befürchten. Durch ein gutes Change-Management und die Betonung der
Vorteile, wie etwa eine Erleichterung der täglichen Arbeit, können
Bedenken ausgeräumt werden. Die Diskussion hebt auch hervor, wie
wichtig es ist, den Mitarbeitern bei der Implementierung von neuen
Systemen und Prozessen zu helfen. Ein weiterer wichtiger Punkt war
der Einfluss von regulatorischen Vorgaben wie der DSGVO oder dem
Data Governance Act auf die Data Governance-Praktiken eines
Unternehmens. Die Gäste verdeutlichen, dass sie keine
Rechtsexperten sind, aber dringend empfehlen, Compliance-Experten
hinzuzuziehen, um sicherzustellen, dass alle gesetzlichen
Anforderungen eingehalten werden. Im Laufe des Podcasts wird auch
das Thema Datenqualität angesprochen, wobei es zahlreiche messbare
Dimensionen gibt. Die Expertinnen erläutern, dass Unternehmen
Datenqualitäts-KPI’s einführen können, um den Erfolg ihrer Data
Governance-Initiativen zu bewerten. Aspekte wie Vollständigkeit,
Aktualität und Eindeutigkeit sind dabei von zentraler Bedeutung.
Zum Ende der Episode wird eine Zusammenfassung der Themen gegeben
und auf das Buch "Data Governance, der Leitfaden für die Praxis"
verwiesen, das von den beiden Expertinnen verfasst wurde und als
wertvolle Ressource für alle dient, die sich intensiver mit Data
Governance beschäftigen möchten. Es wird betont, dass die
Diskussionsergebnisse und die geteilten Einsichten über die
Herausforderungen und Lösungen im Bereich Data Governance nur an
der Oberfläche gekratzt wurden. Die Episode bietet den Zuhörern
notwenige Anregungen zur Reflexion über ihre eigenen
Datenstrategien und deren Effektivität.