Data Governance gehört laut einer von BARC veröffentlichten Studie zu den wichtigsten Trends im Bereich Daten, BI & Analytik. Immer mehr Unternehmen erkennen die Bedeutung eines datenbasierten Ansatzes. Allerdings ist Data Governance kein einmaliges Projekt, keine Schnelllösung für Probleme und folgt keinem allgemeingültigen Konzept. Es handelt sich vielmehr um eine kontinuierliche Aufgabe, die auf den jeweiligen Geschäftskontext zugeschnitten werden muss, um das volle Potenzial Ihrer Daten auszuschöpfen.
Die Entwicklung zu einem datengesteuerten Unternehmen ist für viele Unternehmen ein strategisches Ziel, das unabhängig vom Geschäftsmodell oder der Größe des Unternehmens unerlässlich ist, um wettbewerbsfähig zu bleiben. Ein wichtiger Aspekt ist dabei die Errichtung eines Data Governance Rahmens beziehungsweise von Organisationsstrukturen, die sich der Verwaltung von Daten als entscheidender Unternehmensressource widmen. Ein entsprechendes, effektives Konzept muss unter Berücksichtigung des individuellen Unternehmenskontexts entwickelt werden. Wie entwickelt man ein geeignetes Governance-Konzept? Dieser Artikel zeigt auf, was bei der Gestaltung einer Daten-Governance-Organisation im Kontext Ihres Unternehmens zu beachten ist, und wie Sie zugleich ein allzu aufgeblähtes Konzept vermeiden.
Komponenten eines Data Governance Rahmens
Ein Data Governance Rahmen ist ein Werkzeugkasten für den Aufbau einer nachhaltigen Organisationsstruktur mit verschiedenen Elementen und Aspekten. Diese verschiedenen Elemente spiegeln sich in den eingesetzten Strategien, Prozessen, Rollen und Aufgaben, Technologien und allgemeinen Grundsätzen für den Umgang mit Daten wider.
Während einige Rahmenwerke sehr detailliert sind, umreißen andere den Weg zu einer nachhaltigen Data Governance nur grob. Ein Grundsatz gilt dabei allerdings immer: Es gibt kein Patentrezept. Vor allem, wenn es um organisatorische Aspekte, die Gestaltung von Rollen und die Verteilung von Aufgaben geht, gibt es so viele Data Governance Ansätze, wie es Geschäftsmodelle gibt.
Hier kommt das Datenkontingenzmodell ins Spiel. Das Modell, entwickelt von Wissenschaftlern der Universität St. Gallen, geht davon aus, dass sich Faktoren wie Leistungsstrategie, Diversifizierungsgrad, Organisationsstruktur, Wettbewerbsstrategie, Grad der Prozessharmonisierung und der Marktregulierung sowie die Art der Entscheidungsfindung auf die Daten auswirken und daher bei der Gestaltung unternehmensspezifischer Data Governance Strukturen berücksichtigt werden sollten.
Konfigurationen nach dem Kontingenzansatz
Eine gut konzipierte Data Governance Organisation umfasst alle drei Ebenen, die strategische, die taktische und die operative. Die Ausgangsbasis einer Data Governance Organisation sieht also in etwa so aus:
Mit dem Kontingenzansatz ist es möglich, das Grundkonzept an den organisatorischen „Phänotyp“ anzupassen. Nehmen wir als Beispiel den Diversifizierungsgrad, einen Faktor, der sich sowohl auf die Markt- als auch auf die Produktvielfalt beziehen kann. Ein hoher Diversifizierungsgrad geht mit einer höheren Komplexität der Produkt- und Kundendaten einher. Für unser Data Governance Modell bedeutet das, dass wir bestimmte Rollen hinzufügen müssen, um dieser Komplexität gerecht zu werden. Sowohl die technische als auch die geschäftliche Datenverantwortung werden auf der taktischen Ebene angesiedelt und durch einen koordinierenden Datenverantwortlichen unterstützt. Das ist sinnvoll, weil es in einem diversifizierten Unternehmen in der Regel mehrere Datenverantwortliche gibt, die verschiedene Märkte oder Produktgruppen betreuen. Der übergeordnete Datenverantwortliche bewegt sich eher auf der strategischen Ebene. Auf der operativen Ebene gibt es mehrere Teams von Datenverantwortlichen sowie Datenverwahrer und Nutzergruppen, die lokale Besonderheiten repräsentieren, insbesondere in einem sehr diversifizierten Marktkontext. Die nachstehende Abbildung zeigt eine Organisationsstruktur, wie sie in einem hochdiversifizierten Kontext denkbar wäre.
Ein weiteres interessantes Beispiel sind kulturelle Faktoren oder die Art und Weise der Entscheidungsfindung. Letzteres kann von zentralen Entscheidungen, getroffen von Einzelpersonen, bis hin zu einem konsensbasierten Entscheidungsansatz über mehrere Teams hinweg alles beinhalten. Die klassische Data Governance Organisation entspricht eher einem zentralisierten Ansatz. Entscheidungen werden zentral getroffen, in der Regel durch den übergeordneten Datenverantwortlichen oder ein Organ wie den Data Governance Council, der sich hauptsächlich aus höheren Führungskräften zusammensetzt. Ein teambasierter Entscheidungsfindungsansatz erfordert eine genaue Abstimmung der einzelnen Rollen, was dazu beiträgt, einen Konsens zwischen verschiedenen Teams herzustellen. Entscheidungen werden nicht von Einzelpersonen getroffen, sondern von größeren Gremien und Gemeinschaften, bei denen der Konsens im Vordergrund steht. Eine teambasierte Data Governance Organisation könnte wie folgt gestaltet sein:
Dies sind nur zwei Beispiele, die veranschaulichen, wie Kontingenzfaktoren bei der Entwicklung eines Data Governance Rahmens berücksichtigt werden können, der den einzelnen Organisationen dient und nicht umgekehrt. Sie zeigen bereits ganz deutlich: Es kommt wirklich auf den Kontext an! Natürlich muss betont werden, dass die verschiedenen Faktoren in der Breite ihrer Ausprägungen zu betrachten sind. Sie sind jedoch ein guter Leitfaden, um Ihre Data-Governance-Organisation zu bewerten und gegebenenfalls Anpassungen vorzunehmen, damit sie Ihren Anforderungen entspricht.
Wenn Sie mehr über Techniken erfahren möchten, die Ihnen bei der Entwicklung einer geeigneten Data Governance Organisation helfen. Oder wenn Sie Unterstützung bei der Konzeption und Errichtung einer solchen Organisation in Ihrem Unternehmen benötigen, zögern Sie nicht, sich mit unseren Experten von CAMELOT in Verbindung zu setzen!
