Diskutieren Sie darüber, welche Probleme die technologisch angetriebene Datenverwaltung hervorrufen kann.

Das größte Problem bei der Datengovernance liegt in der Technologie, denn die Technologie bestimmt die Ziele, die wir optimieren müssen. Dieser Prozess kann öffentlich oder indirekt sein, aber er findet definitiv statt. Wenn Sie also auf die Reise der Datengovernance gehen, tun Sie dies vielleicht, weil Sie den Wert davon verstehen, vielleicht weil Sie es als eine Compliance-Aufgabe betrachten oder vielleicht weil Ihre Organisation mit dem Aufkommen der Künstlichen Intelligenz erkannt hat, dass die Datenqualität verbessert werden muss und die Governance notwendig scheint. Wo sollten Sie anfangen? In der Regel kennzeichnen einige gemeinsame Elemente den Start eines Plans oder Projekts, das Ihr Datengovernance-System formen wird. Diese Elemente können sein:

Definieren Sie einige Ziele basierend auf den Auslösebedingungen des Projekts

Gründen Sie ein Team

Beurteilen Sie Ihre Vision und Reife

Entwickeln Sie einen Rahmen für Datenverwaltungsrichtlinien, Standards und Verfahren

Setzen Sie Rollen und Verantwortlichkeiten fest

Die Frage ist: Wie kann und sollte eine Organisation diese Inhalte klar definieren, bevor sie über die Implementierung nachdenkt? Und hier kommt es oft zu einer Wende: Die Dinge werden konkreter und erfordern eine Implementierung, sei es Sicherheitsrichtlinien, Qualitätsindikatoren, Metadaten-Repositories usw. Bei der Implementierung liefern Tool-Anbieter gerne Anleitungen und definieren sogar gemeinsam die Wettbewerbsumgebung. Das scheint nur logisch. Schließlich kennen die Anbieter ihre Tools am besten, oder? Sie bieten Implementierungsunterstützung und positionieren sich oft als Datengovernance-Experten.

Aber das Problem ist: Die Anbieter optimieren die Funktionen ihrer Tools, nicht die Datengovernance-Funktionen, die Ihre Organisation tatsächlich benötigt. Diese Diskrepanz führt oft dazu, dass die Datengovernance-Arbeiten aufgrund der Tool-Funktionen stärker auf die Richtlinienumsetzung als auf die strategische Unterstützung gerichtet sind.

Mit der Entwicklung der Künstlichen Intelligenz wird dieses Problem noch gravierender. Wir haben es schon oft gehört: Die Qualität der Künstlichen Intelligenz hängt von den eingegebenen Daten ab. Ein Datengovernance-Modell, das auf Tools statt auf Ziele ausgerichtet ist, wird nur die klassische Falle von "Schrott rein, Schrott raus" fortsetzen, insbesondere bei der Geschwindigkeit und Skala der Maschinen.

Man kann es als GIGO-Kette betrachten: Mangelnde Planung + Anbieter-optimierte Implementierung + Undurchsichtige KI-Modelle =?

Meinung 1: Datengovernance ist kein Tool

Anbieter verkaufen Tools, und diese Tools werden für die Umsetzung der Datengovernance gebaut, nicht für die Definition. Wenn also die Anbieter die Leitung übernehmen, verschiebt sich der Schwerpunkt schnell auf:

Metadateneintragung

Regelausführung

Zugangskontrolle

Überwachungsdashboard

Dies sind wertvolle Fähigkeiten, aber nur, wenn Sie die ursprünglichen Ziele der Datengovernance klar definiert haben. Die Datengovernance bezieht sich auf die Richtung, die Überwachung und die Rechenschaftspflicht für die Art und Weise, wie Daten in einem Unternehmensinformationssystem verwendet werden, nicht auf die Tool-Konfiguration.

Meine Definition der Datengovernance berücksichtigt dies:

Die Datengovernance ist ein menschenzentriertes System, mit dem die Datenassets in einem Unternehmensinformationssystem geleitet und überwacht werden können und das die Organisation zur Erreichung ihrer festgelegten Ziele zur Rechenschaft zieht.

Diese Definition beginnt nicht mit Tools, sondern mit Menschen und Zielen. Tools sind das Ergebnis überlegte kurz- und langfristige Entscheidungen. Kurzfristige Entscheidungen basieren auf geschäftlichen Anforderungen, gesetzlichen Vorschriften, Marktbedingungen und Beschränkungen. Langfristige Entscheidungen basieren auf unserer Vision für die Organisation. Und schließlich, und das ist ebenso wichtig: Tools sind ein Mittel zur Gewährleistung von Rechenschaftspflicht und Überwachung, nicht zur Definition.

Dies ist die Grundlage für die Definition der drei Rollen, die die Datengovernance in einer modernen Organisation spielen muss: Datenmanager, Datenverantwortlicher und Datenauditor. Genau das ist erforderlich, um die Datengovernance in einer Organisation unabhängig von der Umsetzung zu definieren.

Meinung 2: Governance ist nicht nur die Umsetzung von Regeln

Wenn die Implementierung der Datengovernance von Anbietern dominiert wird oder von Tools abhängt, ist es leicht, die Anforderungen, die die Daten erfüllen müssen, so zu optimieren, dass die Leistung der Tools verbessert wird. Dies kann daran liegen, dass die Tools mit einer Domänenstruktur, vordefinierten Einstellungen zur Metadaten-Erfassung oder beispielsweise der Notwendigkeit zur Bestätigung der Definition von Datenprodukten kommen.

Wenn man mit den Tools beginnt, wird der Schwerpunkt der Datengovernance auf die Umsetzung von Strategien gelegt, anstatt zwischen geschäftlichen Zielen, behördlichen Anforderungen, Marktkräften und technischen Beschränkungen abzuwägen. Das resultierende Governance-Rahmenwerk wird folgende Merkmale haben:

Compliance wird vor Verfügbarkeit priorisiert

Die Einhaltung von Richtlinien wird vor Innovation optimiert

Es werden Checklisten erstellt, statt eine Datenkultur zu fördern

Am Ende haben Sie möglicherweise einen hervorragenden Umsetzungsworkflow, aber es besteht kein gemeinsames Verständnis darüber, was oder warum etwas umgesetzt wird.

Sobald die Künstliche Intelligenz Teil des Prozesses wird, werden die Entscheidungen schneller und autonomer. In diesem Fall kann die fehlende Klarheit in der Datengovernance systemische Risiken verursachen. Ein oberflächliches, Anbieter-optimiertes, Tool-priorisiertes Datengovernance-Modell wird nur den Zyklus von "Schrott rein, Schrott raus" beschleunigen. Denken Sie an unsere GIGO-Kette. Plötzlich werden, auch wenn unsere Datengovernance-Implementierung klare Regeln für Datensicherheit, Datenqualität, Datenhistorie usw. festgelegt hat, Vorurteile verstärkt, Fehler vergrößert und die Verantwortlichkeit verschleiert, alles nur weil das grundlegende Datengovernance-Rahmenwerk von Anfang an nicht stabil definiert war.

Aktion 1: Was sollte optimiert werden

Das bedeutet also, dass Sie etwas Arbeit investieren müssen, bevor Sie zu den Tools übergehen. Eine effektive, menschenzentrierte Datengovernance erfordert:

1. Beginnen Sie mit den Zielen

Welche Ziele möchte Ihre Organisation mit den Daten erreichen? Wie sieht Ihre Vision aus? Welche Risiken müssen Sie managen? Welchen Wert müssen Sie schaffen? Die Datengovernance sollte aus diesen Fragen entstehen, nicht aus den Produktfunktionen.

2. Aufbauen Sie ein Überwachungssystem, nicht nur Überwachung und Kontrolle

Definieren Sie klar, wer die Entscheidungsgewalt hat, wie Meinungsverschiedenheiten gelöst werden und wie die Rechenschaftspflicht nachverfolgt wird. Die Datengovernance ist ein System der Rechenschaftspflicht, das über den operativen Bereich hinausgeht. Dies ist ein Governance-Thema und sollte daher mit der Unternehmensgovernance übereinstimmen.

3. Verwenden Sie Tools zur Umsetzung und zum Betrieb, nicht zur Definition

Sobald das Governance-Rahmenwerk in place ist, können Tools die Umsetzung beschleunigen. Aber sie müssen dem von Menschen definierten Datengovernance-System dienen, nicht umgekehrt.

4. Datengovernance als lebendiges System

Die Datengovernance ist nicht statisch. Mit der Entwicklung von Geschäftsmodellen, gesetzlichen Änderungen und dem Aufkommen von Technologien (z. B. Künstliche Intelligenz) muss die Governance angepasst werden. Dies bedeutet, dass es notwendig ist, ständig zu reflektieren, zu messen und zu iterieren, um die Kerngründe der Datengovernance zu untersuchen, nicht nur wie sie umgesetzt wird.

Aktion 2: Outsourcing der schwierigen Teile vermeiden

Die Tatsache ist: Die Definition der Datengovernance ist nicht einfach. Sie erfordert kontinuierliche schwierige Kommunikation, das Abwägen von Vor- und Nachteilen, konfligierende Anreize und kulturelle Veränderungen.

Deshalb neigen Menschen dazu, die Lücken von Anbietern füllen zu lassen, indem sie mit der Implementierung beginnen und dann rückwärts arbeiten. Aber die Datengovernance kann nicht über Tools rückwärts konstruiert werden. Sie muss von Personen sorgfältig entworfen werden, die die Mission, die Risiken und die Werte der Organisation verstehen.

Betrachten Sie die Datengovernance nicht länger als ein Plug-and-Play-Feature. Sie ist der Kern der datengesteuerten Unternehmung. Dieses System definiert die Interaktion zwischen Maschinen und Menschen und erfordert Leitung, Verhandlung und Rechenschaftspflicht. Wenn Sie es einem Anbieter überlassen, kaufen Sie nicht nur ein Tool, sondern Sie veräußern Ihre Werte, Richtung und Überwachung.

Dieser Artikel stammt aus dem WeChat-Account "Data-Driven Intelligence" (ID: Data_0101), Autor: Xiaoxiao, veröffentlicht von 36Kr mit Genehmigung.