de
Im Rahmen der Finance Transformation nimmt Data Governance eine Schlüsselrolle ein, indem sie festlegt, wer die richtigen Personen (und die damit verbundenen Rollen) sind, um die Finanzdaten zu bearbeiten, Änderungen zu genehmigen und ihre Qualität sicherzustellen. Mit unseren 8 Handlungsempfehlungen etablieren Sie Data Governance als entscheidenden Baustein für das Gelingen Ihrer Finance Transformation.
Data Governance bildet das stabile Fundament für leistungsfähiges Daten-Management und ist für eine erfolgreiche digitale Transformation unverzichtbar. Die Studie „Data Governance in volatilen Zeiten – Welchen Stellenwert nimmt Data Governance in der Zukunft ein?“ beleuchtet Treiber, Herausforderungen und Trends im Bereich Data Governance und zeigt, wie Unternehmen mithilfe einer funktionierenden Data Governance Wettbewerbsvorteile erzielen.
Damit Unternehmen ihre Daten langfristig zu einem Erfolgsfaktor machen, müssen sie ihre Datenqualität dauerhaft auf hohem Niveau halten bzw. kontinuierlich steigern. Auf dem Weg zu diesem Ziel spielt Data Governance eine entscheidende Rolle.
Alle relevanten Themen rund um Data Governance gehen wir in einem pragmatischen Top-down-Ansatz (siehe unten) an:
Basierend auf den Strategien, Herausforderungen und Zielen des Unternehmens, analysieren wir die bestehenden Prozesse und definieren ein Organisationsmodell mit entsprechenden Rollen.
Darauf aufbauend, definieren wir die Verantwortlichkeiten in einer RACI-Matrix (RACI = Responsible, Accountable, Consulted, Informed) und weisen detaillierte Feldverantwortlichkeiten für alle relevanten Daten zu.
Abschließend kümmern wir uns um die Übergabe zur Implementierung, planen den Governance-Roll-out und installieren die neue Organisation.
Data Governance bildet den organisatorischen Rahmen für eine einheitliche, disziplinierte Datenpflege und für hohe Datenqualität. Das kostenfreie Whitepaper „Data Governance − Wie Sie die Basis für dauerhaft hohe Datenqualität im Unternehmen schaffen“ beschreibt, warum klare Verantwortlichkeiten und eindeutige Rollen entscheidende Voraussetzungen für die Sicherstellung qualitativ hochwertiger Daten sind. Anhand konkreter Praxisbeispiele wird deutlich, wie Data Governance den Unternehmenserfolg fördert.
Auf der Grundlage unserer langjährigen Erfahrung im Daten-Management haben wir ein Data-Governance-Framework entwickelt, das mit sechs Säulen den strategischen Rahmen schafft, um Daten erfolgreich zu verwalten und dauerhaft eine hohe Datenqualität sicherzustellen. Dazu gehört der Aufbau einer Data-Governance-Organisation und ihre Verankerung innerhalb der Unternehmensstruktur. Die Definition von Rollen dient der Klärung von Verantwortlichkeiten und der Definition eines tragfähigen Rollenkonzepts für die Organisation. Welche Aufgaben und Tätigkeiten im Rahmen eines Data-Governance-Programms grundsätzlich erfüllt werden müssen, wird bei der Definition von Tasks festgelegt. So wird nicht nur bestimmt, was zu tun ist, sondern auch, welche Unternehmensbereiche die Aufgaben erledigen.
Die Definition von Prozessen hat das Ziel, die vorhandenen Datenprozesse zu beschreiben, zu dokumentieren und zu optimieren. Die Zuordnung von Verantwortlichkeiten schafft eine klare Zuteilung von Rollen zu Aufgaben und Prozessen. Die Verantwortlichkeiten werden mithilfe einer RACI-Matrix detailliert dargestellt. In diesen Zusammenhang gehört auch die Festlegung der Ownership für die verschiedenen Datenobjekte. Data Maintenance legt fest, wie die theoretischen Beschreibungen in das operative Daten-Management überführt werden sollen. Es geht darum, die Datenpflegeprozesse nicht nur fachlich zu bestimmen, sondern auch die technische Umsetzung zu klären und das Change-Management zu beschreiben.
Obwohl sich für Data Governance durchaus ein standardisiertes Vorgehen bewährt hat, gilt es, in jedem Projekt die individuellen Besonderheiten des jeweiligen Unternehmens zu berücksichtigen. Data Governance hat nur Aussicht auf Erfolg, wenn sie im Einklang mit der Unternehmensstrategie steht und diese bestmöglich untermauert.
Die Analyse der bestehenden Prozesse gibt Aufschluss darüber, wie das Daten-Management im Unternehmen aktuell organisiert ist. Auf Grundlage der bestehenden Prozesse wird im Einklang mit Industriestandards und Best-Practices ein optimiertes Set an Prozessen erarbeitet. Parallel dazu muss die Data-Governance-Organisation innerhalb der Unternehmensstruktur definiert werden. Hierbei geht es unter anderem um die Frage, ob Tätigkeiten zentral abgebildet oder in lokalen Einheiten zu organisieren sind.
Der nächste Schritt besteht in der Ableitung von Aufgaben aus den Soll-Prozessen und eines Rollenkonzepts aus der Data-Governance-Organisation. Eine RACI-Matrix verknüpft Aufgaben und Rollen. Außerdem erfolgt die Festlegung der Field Ownerships: Wem obliegt die taktische Verantwortung der Felder? Wer ist für die operative Datenpflege zuständig?
Steht dieser theoretische Rahmen, erfolgt der Roll-out in die Organisation.
Bei der Herausforderung der operativen Datenverwaltung und -pflege kann ein stabiler strategischer Unterbau bestmöglich unterstützen. Dieses Fundament für das Daten-Management im Unternehmen wird als Data Governance bezeichnet.
Bei Data Governance geht es kurz gesagt um die Einhaltung vorgegebener Regeln für ein definiertes Datenspektrum. In diesem Webinar geben wir einen tiefen Einblick in eine pragmatische Erarbeitung von Data Governance.
Data Governance schafft einen strategischen und organisatorischen Rahmen, um Daten einheitlich und diszipliniert zu verwalten, und trägt dazu bei, regulatorische und rechtliche Compliance-Anforderungen zu erfüllen.
Eine Auswahl unserer Kunden
