Was ist Data Stewardship und warum ist es für MDM so wichtig?

Einführung

Mit der wachsenden Bedeutung und dem steigenden Wert des Stammdatenmanagements in den letzten Jahren gewinnt die Data Governance an Bedeutung wie nie zuvor, wobei eine der entscheidenden Rollen die der Data Stewards ist - Personen, die für die Verwaltung der Daten verantwortlich sind.

Stellen Sie sich diese Mitarbeiter als Wächter vor, die die umfangreichen Datentresore bewachen und entscheiden, wem sie Zutritt gewähren und wem sie ihn verweigern.

Sie spielen eine entscheidende Rolle bei der erfolgreichen Implementierung von MDM, da sowohl eine effektive Governance als auch Stewardship die IT- und Geschäftsfunktionen miteinander verbinden. Stewardship ist eine Stufe unter dem MDM-Council (oder der obersten Ebene) in der für die MDM-Implementierung zuständigen Organisationseinheit angesiedelt.

Einwandfreie Daten sind der Dreh- und Angelpunkt von MDM; sie ermöglichen es Unternehmen, ihre Aufgaben mit Leichtigkeit auszuführen und ihre Erwartungen zu übertreffen - aber es wird viel einfacher, effizienter und organisierter, wenn Governance und Stewardship vorhanden sind. Dieser Einblick rückt die Verwaltung ins Rampenlicht und zeigt, worauf es dabei ankommt.

1. Was ist Data Stewardship?

Nach Angaben des Science Direct Journal, aus einer übergeordneten Perspektive: "Data Stewardship umfasst das taktische Management und die Aufsicht über die Datenbestände des Unternehmens. Es handelt sich im Allgemeinen um eine Geschäftsfunktion, die die Zusammenarbeit zwischen Unternehmen und IT erleichtert, die Korrektur von Datenproblemen vorantreibt und den gesamten Datenverwaltungsprozess verbessert."

Data Stewardship überwacht die Anwendung von Regeln, Richtlinien und Vorgaben, die im Data-Governance-Plan des Unternehmens festgelegt sind. Data Stewardship arbeitet innerhalb des Data Governance Frameworks, um jede einzelne Komponente des Datenlebenszyklus von der Erstellung, Aufbereitung, Nutzung, Speicherung, Archivierung und Löschung von Daten zu überwachen. Die Überwachung und Pflege der Daten erfolgt, um die Datenqualität und -integrität aufrechtzuerhalten und sie für eine optimale Nutzung zu fördern, zu schützen und vorzubereiten.

2. Warum ist Data Stewardship wichtig?

Data Stewardship wirkt als Katalysator für Vertrauen. Wenn es gut gemacht ist, erleichtert dieses Vertrauen eine solide Entscheidungsfindung über alle organisatorischen Funktionen und Ebenen hinweg. Durch die Erstellung konsistenter Datendefinitionen, die Einhaltung geschäftlicher und technischer Regeln sowie die Verwaltung und Überprüfung der Zuverlässigkeit von Daten trägt eine gute Datenverwaltung dazu bei, dass die Integrität und der Schutz der Daten unangetastet bleiben. Ein weiterer wichtiger Aspekt, den Data Stewardship erfüllt, ist die Verwaltung der Datenabfolge, die auch als "Lebenszyklus" eines jeden Datenelements verstanden wird, beginnend mit seiner Entstehung, seiner Reise und seiner Entwicklung oder Veränderung. Durch den klaren Einblick in die Datenherkunft (einschließlich des sich entwickelnden Geschäftskontextes) können Datenverwalter alle Diskrepanzen oder Bedenken während der Datennutzung nachverfolgen und Berichte austauschen, um die Grundursache zu bewerten. Eine weitere Funktion des Data Stewardship besteht darin, einen Vertrauenskanal zwischen den technischen Teams und den an der MDM-Initiative beteiligten Geschäftsführern zu schaffen.

Anstatt sich nur auf Data Governance zu beschränken, geht Data Stewardship in MDM-Initiativen einen Schritt weiter, indem es sich eng an den Berührungspunkten mit den Kunden und den Nutzern von Stammdaten orientiert, um Einfluss auf die Eingabe von Daten, ihre Nutzung und ihre Qualitätskontrolle zu nehmen.        

4. Wie ist eine gute Datenverwaltung der Kern der Data Governance im MDM?

Datenverwalter sind die Personen, die Datenrichtlinien, Standards und Regeln durchsetzen; sie sind die Hüter der Datenbestände. Data-Governance-Programme verlaufen jedoch nicht immer wie geplant, wenn die Data Stewards nicht den richtigen Einblick in die Abläufe erhalten und ihr Verständnis der geschäftlichen Prioritäten unscharf bleibt. Ähnlich verhält es sich, wenn der Data Governance Council Standards und Richtlinien in Silos erstellt, was zu einer richtungslosen, sogar fehlerhaften Datenverwaltung führen kann. Die Teams können falsch ausgerichtet sein; die Ansätze können fragmentiert sein.

Auf der anderen Seite kann Data Stewardship sehr einflussreich und effektiv sein, wenn es verschiedene Benutzerperspektiven über Datenbestände aus dem gesamten Unternehmen einbezieht. In MDM-Initiativen werden Data Stewards häufig vom Data Governance-Steuerungsausschuss damit betraut, Herausforderungen und Kompromissmöglichkeiten zu erkennen, die Standardisierung von Daten sicherzustellen, Datenqualitätsmaßnahmen zu verwalten und diese an den Data Governance-Ausschuss weiterzuleiten. Die eigentliche Bedeutung von Data Stewardship im Hinblick auf MDM und Data Governance ist dreifach: die Funktion von Data Governance im Unternehmen zu verstehen, den geschäftlichen Wert einer soliden Data Governance zu bestimmen und die Komplikationen aufzuzeigen, die durch eine schlechte Data Governance in Bezug auf (aber nicht nur) Datenqualität, Integrität, Auffindbarkeit und Verwendbarkeit verursacht werden (insbesondere in MDM-Szenarien, in denen es viele Schichten und Komplexitäten innerhalb der Unternehmenslandschaft gibt).

5. Wie hängt Data Stewardship mit Data Quality Management zusammen?

Data Stewardship und Datenqualitätsmanagement stehen in einer wechselseitigen Beziehung zueinander, da effektives Data Stewardship für die Aufrechterhaltung und Verbesserung der Datenqualität unerlässlich ist.

Data Stewardship umfasst Datenqualität, da es die Prozesse zur Verwaltung von Datenbeständen innerhalb einer Organisation überwacht. Datenverantwortliche sind in der Regel für die Überwachung und Aufrechterhaltung der Datenqualität verantwortlich, indem sie Daten bei Bedarf validieren, bereinigen und anreichern. Außerdem überwachen sie die Einhaltung von Datenqualitätsstandards und -richtlinien. Durch das Engagement für diese Ziele sind die Datenverwalter in der Lage, die Datenqualität zu verbessern und aufrechtzuerhalten.

Da es bei den Datenrichtlinien um die Durchsetzung von Data-Governance-Konventionen und -Standards geht, haben sie zudem direkten Einfluss auf die Datenqualitätspraktiken. Diese Richtlinien enthalten auch die Regeln und Leitlinien für das Datenqualitätsmanagement.

Data Stewardship bietet auch eine Feedback-Schleife, indem es Antworten von Datennutzern zu Datenqualitätsproblemen, -anforderungen und -herausforderungen sammelt, was zu einer kontinuierlichen Verbesserung der Datenqualität führt. Datenverantwortliche können auf der Grundlage des Nutzerfeedbacks Maßnahmen empfehlen, wie z. B. die Initiierung von Datenqualitätsprojekten, die Verfeinerung von Datenerfassungsprozessen oder die Durchführung zusätzlicher Schulungen. Datenverantwortliche definieren und verfolgen häufig wichtige Datenqualitätskennzahlen und -indikatoren, um den Zustand der Datenbestände zu bewerten. Diese Kennzahlen umfassen Messungen der Genauigkeit, Vollständigkeit, Aktualität und Konsistenz. Die Überwachung der Datenqualitätskennzahlen ermöglicht es den Datenverantwortlichen, Probleme zu erkennen und Prioritäten für Verbesserungsmaßnahmen zu setzen.

6. Die wichtigsten Herausforderungen beim Data Stewardship im MDM

Abgesehen von den Herausforderungen, die sich aus der Einhaltung der Datenqualitätsvorschriften, der Datenmigration und den Altsystemen, dem Datenlebenszyklusmanagement und der Einhaltung des Data-Governance-Rahmens bei der MDM-Implementierung ergeben, gibt es eine ganze Reihe von Herausforderungen, denen sich selbst die erfahrensten Data-Stewardship-Teams gegenübersehen können:

• Datenvolumen und Komplexität: Je größer das Datenvolumen und je vielfältiger die Datenquellen werden, desto schwieriger wird die Verwaltung und das Stewarding von Daten. Big Data, unstrukturierte Daten und Daten von IoT-Geräten können die Komplexität weiter erhöhen.
• Wandelnde Technologielandschaft: Rasche technologische Fortschritte, einschließlich neuer Datenspeicher- und -verarbeitungsplattformen, verlangen von Datenverwaltern, dass sie sich anpassen und mit den sich entwickelnden Tools und Techniken Schritt halten.
• Widerstand gegen Veränderungen: Die Einführung von Data Stewardship-Verfahren erfordert kulturelle und organisatorische Veränderungen. Der Widerstand gegen diese Veränderungen innerhalb der Organisation kann den Fortschritt behindern.
• Dateneigentümerschaft und Rechenschaftspflicht: Vor allem in großen Organisationen kann es unklar sein, wer für bestimmte Datensätze verantwortlich ist und wer die Verantwortung dafür trägt. Dies kann zu Verwirrung und Problemen bei der Entscheidungsfindung führen.
• Ressourcenbeschränkungen: Angemessene Ressourcen, einschließlich qualifiziertem Personal, Werkzeugen und Budget, sind für eine effektive Datenverwaltung erforderlich. Ressourcenknappheit kann die Fähigkeit einschränken, Datenherausforderungen effektiv anzugehen.
• Datenschutz und -sicherheit: Angesichts des zunehmenden Datenschutzes müssen die Datenverwalter sicherstellen, dass die Daten im Einklang mit den Vorschriften behandelt werden. Der Schutz sensibler Informationen und die Verhinderung von Datenschutzverletzungen sind von entscheidender Bedeutung.
• Datenkultur: Eine weitere Herausforderung ist die Förderung einer datenzentrierten Kultur, in der jeder die Datenverwaltung schätzt und zu ihr beiträgt. Daher ist die Förderung der Datenkompetenz und der Akzeptanz bei den Beteiligten von entscheidender Bedeutung.

7. Hauptvorteile von Data Stewardship im MDM

Data Stewardship ist ein integraler Bestandteil der Stammdatenmanagementfunktion, da es ein besseres Datenqualitätsmanagement unterstützt, was zu verbesserten Geschäftsergebnissen und zur Umsetzung erfolgreicher MDM-Initiativen führt. Einige der wichtigsten Vorteile sind:

• Verbesserte Data Governance: Data Stewardship ist ein Eckpfeiler einer effektiven Data Governance. Sie legt transparente Rollen und Verantwortlichkeiten für die Verwaltung von Stammdaten fest, setzt Datenrichtlinien durch und gewährleistet die Einhaltung von Datenvorschriften und Standards.
• Verbesserte Datenkonsistenz: Stewards setzen Datenstandards und -definitionen durch und stellen sicher, dass die Stammdaten über Systeme, Abteilungen und Geschäftsbereiche hinweg konsistent sind. Diese Konsistenz ist eine wesentliche Voraussetzung für genaue Berichte und Lösungen.
• Reduzierung von Datenfehlern und Duplikaten: Data Stewards identifizieren und eliminieren aktiv doppelte Datensätze und Redundanzen in Stammdaten. Dies minimiert die Datenflut, senkt die Speicherkosten und vermeidet Verwirrung durch mehrere Versionen derselben Daten.
• Verbesserte Datenzusammenarbeit: Data Stewardship fördert die abteilungsübergreifende Zusammenarbeit, indem es eine klare Struktur für die Verantwortlichkeiten bei der Datenverwaltung schafft. Diese Zusammenarbeit fördert eine Kultur des Dateneigentums und der Verantwortlichkeit.
• Bessere Datenkonformität: Data Stewardship stellt sicher, dass die Stammdaten mit den gesetzlichen Anforderungen und internen Datenrichtlinien übereinstimmen. Es minimiert das Risiko der Nichteinhaltung von Vorschriften, Datenverletzungen und die damit verbundenen rechtlichen und finanziellen Auswirkungen.
• Bessere Entscheidungsfindung: Wenn sich Unternehmen auf zuverlässige, aktuelle Daten stützen, können sie fundiertere strategische Entscheidungen treffen, was zu einer höheren Effizienz und Wettbewerbsfähigkeit führt und somit eine bessere Entscheidungsfindung ermöglicht.
• Erhöhte Produktivität: Durch die aktive Identifizierung und Lösung von Datenproblemen reduzieren Datenverwalter den Zeit- und Arbeitsaufwand für die Datenpflege und -bereinigung. Dies erhöht die Produktivität und ermöglicht es den Mitarbeitern, sich auf strategischere Aufgaben zu konzentrieren.

8. Best Practices für Data Stewardship im MDM

Ein effektives Data Stewardship erfordert einen ganzheitlichen Ansatz, der klare Governance-Strukturen, proaktive Datenverwaltungspraktiken, effektive Kommunikation und ein starkes Engagement für Datenqualität kombiniert. Für den speziellen Zweck der Befähigung der Datenverwalter sind jedoch einige der besten Praktiken zu nennen:

• Klare Rollen und Zuständigkeiten festlegen: Es ist wichtig, die Rollen und Zuständigkeiten der Datenverwalter innerhalb des Unternehmens klar zu definieren. Dazu gehört auch die Festlegung der Stammdatenbereiche, für die jeder Datenverwalter zuständig ist, sowie der spezifischen Aufgaben und Aktivitäten, die von ihm erwartet werden.
• Einführung solider Data-Governance-Richtlinien: Data-Governance-Richtlinien und -Verfahren sind das Fundament, auf dem die Data Stewards ihre Aufgaben erfüllen. Sie müssen alle Konventionen in Bezug auf Datenqualitätsstandards, Zugang und Sicherheit sowie Änderungsmanagement umfassend abdecken.
• Implementierung von Data Stewardship Tools und Technologien: Es gibt eine Reihe von Data Stewardship-Tools und -Technologien, die den Datenverwaltern dabei helfen können, ihr Arbeitspensum zu bewältigen und ihre Aufgaben effizienter zu erfüllen. Sie automatisieren die Überwachung der Datenqualität, die Datenbereinigung und die Verfolgung der Datenabfolge.
• Schulung und Unterstützung für Datenverwalter: Datenverwalter müssen über die notwendigen Fähigkeiten und Kenntnisse verfügen, um ihre Aufgaben effektiv zu erfüllen. Es ist wichtig, sie gründlich in den Richtlinien und Verfahren der Data Governance sowie in den Tools und Technologien zu schulen, die sie verwenden sollen.
• Entscheidungsautonomie: Datenverwalter sollten befugt sein, über ihre Stammdatenbereiche zu entscheiden. Dazu gehört auch die Möglichkeit, Datenänderungen zu genehmigen oder abzulehnen und Probleme an die zuständigen Stellen weiterzuleiten.