Wie sollte ein IT-Projektmanager ein Datengovernance-Projekt vorantreiben?

Die Datenverwaltung wird in Organisationen oft als ein "zusätzliches Extra" angesehen - es ist eine zusätzliche Funktion von Datenprojekten, aber nicht ihr Kernbestandteil. Dies könnte daran liegen, dass es kurz- und mittelfristig keine oder nur geringe tatsächliche Werte generieren kann. Ob diese Aussage zutrifft, ist noch diskutabel, aber wir müssen diese Frage untersuchen: Wie kann die Datenverwaltung erfolgreich implementiert werden? Lassen Sie uns dies näher betrachten.

Traditionell werden Datenverwaltungs-Projekte von den Kernstützungsinstitutionen der Unternehmensdatenstrategie durchgeführt. Das Projekt wird von der IT-Abteilung verwaltet und von der Datenverwaltungsstelle überwacht. Obwohl diese Methode anfänglich gewisse Erfolge erzielt hat, gibt es Probleme wie fehlende betriebliche Eigenständigkeit, Schwierigkeiten bei der Skalierbarkeit und fehlende kontinuierliche Unterstützung. Langfristig verliert sie ihre Relevanz und Priorität in der gesamten Datenstrategie.

In den letzten zehn Jahren oder so haben Unternehmen dank kostengünstiger Speicherlösungen, Cloud Computing und Fortschritten in der Künstlichen Intelligenz die Datenverwaltung wieder in den Fokus gerückt, und das Entwicklungsmuster hat sich von einer zentralisierten Verwaltung hin zu einer stärker verteilten und dezentralisierten Methode gewandelt. Dieser Wandel ist darauf zurückzuführen, dass Unternehmen angefangen haben, Datenprodukte zu entwickeln und Daten für verschiedene Anwendungsfälle und Verbrauchsmodelle zugänglich zu machen. Mit der Zunahme der Benutzerzahl wächst der Bedarf der Unternehmen nach der schnellen und nahtlosen Bereitstellung der richtigen Daten über verschiedene Zugangsmethoden (Edge-Geräte, CDK, Berichtswerkzeuge, Drittanbieter-Rechenanwendungen). Dies hat die rasche Verbreitung der Datennetzarchitektur (Data Mesh) mit dezentraler Datenveröffentlichung beschleunigt, eine Architektur, die einfach zu verstehen, zu katalogisieren, nachvollziehbar, genau, vollständig und interoperabel ist. Darüber hinaus liegt das Eigentum an dieser Architektur bei den Geschäftseinheiten und nicht bei der "IT-Abteilung". Fortschrittliche Datenverwaltungs-Tools (z. B. AWS LakeFormation), die die Datenherkunft automatisch ableiten, Datenqualitätsregeln generieren und die Datenklassifizierung (z. B. persönliche Identifikationsinformationen) bestimmen können, haben diesen Wandel weiter beschleunigt.

Heute haben Unternehmen das Verständnis für die Datenverwaltung auf einem Höhepunkt erreicht, und mit der richtigen Werkzeugunterstützung müssen technische Projektmanager (TPM) ihre Strategien anpassen, um Governance-Projekte erfolgreich abzuschließen. Anstatt ein Projekt mit einer zentralisierten Methode durchzuführen, ist es sinnvoller, sich zu einer von rechts nach links gerichteten Methode zu wenden. Dies bedeutet, dass die Geschäftseinheiten eine zentrale Rolle bei der Förderung der Datenverwaltung spielen sollen:

a. Zusammenarbeit mit den Initiatoren, um die wichtigsten Geschäftinitiativen zu verstehen;

b. Aufteilung dieser Initiativen in Anwendungsfälle;

c. Zuordnung der Anwendungsfälle zu den veröffentlichten Datenprodukten oder Identifizierung neuer Anwendungsfälle bei Bedarf.

Somit verschiebt sich der Schwerpunkt natürlich auf die Bestimmung der Datenverwaltungsanforderungen der Geschäftinitiativen. Daher ist die Datenverwaltung nicht mehr isoliert, sondern passt sich perfekt in die von den Geschäftsstakeholdern vorangetriebenen Initiativen ein.

Natürlich könnte man argumentieren, dass es derzeit kein ganzheitliches Konzept gibt, um alle Datenattribute eines Unternehmens zu verwalten, sondern dass die Datenverwaltung nur stückweise und schrittweise durchgeführt wird. Aber genau darin liegt der Schlüssel - die "Big Bang"-Methode der Datenverwaltung funktioniert nicht. Nur die enge Verknüpfung der Datenverwaltung mit den Geschäftszielen bringt Ergebnisse! Darüber hinaus können Unternehmen in kurzer Zeit die Vorteile der Daten spüren.

Im Laufe der Zeit wird die Datenverwaltung verbessert, wodurch die gesamte Unternehmensdatenstrategie umgesetzt wird.

Hier ist ein Beispiel für einen praktikablen Implementierungsplan:

Die betriebsorientierte, dezentrale Datenverwaltungs-Methode, anstatt das traditionelle Kernmodell des Datenverwaltungsplans wie folgt.

Kurz gesagt, die Erreichung des Geschäftswerts und die Ziele der Datenverwaltung werden in kurzen Zeiträumen häufiger erreicht, anstatt wie bei der traditionellen Methode in einem einzigen Schritt.

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