Im letzten Blogartikel wurde bereits die Bedeutung der Prozesse in einer Data Governance vorgestellt. Im heutigen Artikel unserer Blog-Serie Data Governance in a Nutshell betrachten wir im Detail die Architektur und die Software, die uns bei der Data Governance unterstützen.
In diesem Baustein werden die Standards der Bank für die technische Umsetzung und die zu nutzende Software definiert, um die Datenbewirtschaftung, die Datennutzung und die Aufgaben von Data Governance selbst mit adäquaten Technologien durchführen zu können.
Auch Kai Feng greift in seinem YouTube-Video GOVERNORS OF DATA bereits die Unterstützung durch eine geeignete Daten-Architektur und ebenso durch Software für Data Governance auf, indem er rappt „Let’s make the data flow“. Daher sollen diese Aspekte im Anschluss näher beleuchtet werden.
Architektur für gute Data Governance
Wie sieht eine Daten-Architektur aus, die Data Governance unterstützt?
Erst einmal und naheliegend kann man sagen, wie sie nicht aussieht: viele heterogene, verteilte, nur von wenigen bzw. von wem auch immer zu nutzende Datenquellen mit unzureichender, unklarer Datenqualität und ungewisser Datenherkunft.
Und für Experten fast ebenso naheliegend haben sich Konzepte und Architekturen etabliert, die eine Nutzung vereinfachen und besser reglementierbar und transparent machen. Bei diesen ist die Datenherkunft klar ablesbar und die Qualität der Daten messbar und damit verbesserbar.
Dazu gehören Data Warehouses, Data Lakes und die Datenvirtualisierung ebenso wie das Konzept Data Mesh. Diese Themen mit ihren Vor- und Nachteilen an dieser Stelle zu beleuchten, würde den Rahmen dieses Artikels bei weitem sprengen. Wichtig ist bei allen Konzepten eine klare Definition der Bedeutung der Daten (Glossar), eine Transparenz über die Datenherkunft und verwendete Business Logik (Data Lineage) sowie ein Vorgehen zur Verbesserung der Datenqualität (Data Quality Management).
Software zur Unterstützung der Data Governance
Software zur Unterstützung der Data Governance
Um diesen Ansprüchen zu genügen, benötigt man Unterstützung durch geeignete Software. Dies beginnt mit einem fachlichen und technischen Glossar sowie entsprechenden Datenmodellen. Dies geschieht am besten mit einem Metadaten-Tool. In diesem werden die Datenflüsse innerhalb einer Software und im gesamten Software-System hinterlegt und grafisch dargestellt.
Damit ist die oben geforderte Transparenz gegeben. Zusätzlich können diese Tools auch die Verbindung zwischen der fachlichen und der technischen Definition abbilden. Inzwischen besitzen die Tools Web-Oberflächen, sodass die Ein- und Ausgaben einfach in anderen Software-Tools dargestellt werden können.
In der Regel ermöglichen diese Tools, wenn sie selbst einem gewissen Qualitätsanspruch genügen wollen, auch die Eingabe von Data Quality Rules, denn diese Regeln sind selbst nichts als Metadaten. Damit können diese Regeln auf die Daten angewendet, Abweichungen grafisch dargestellt und diese den Daten-Verantwortlichen zur Verbesserung der Datenqualität vorgelegt werden.
Diese integrierte Software existiert seit Jahren am Markt und wird von vielen etablierten, aber auch von neuen und damit innovativen Anbietern angeboten. In einem Auswahlprozess lässt sich für jede Bank das passende Tool finden.
Fazit
Die Architektur, die Konzepte und auch die Software zur Unterstützung einer vollständigen Data Governance existieren seit Langem und müssen „nur noch“ entsprechend angewendet und genutzt werden. Auch wenn dies nicht immer einfach ist, gibt es keine Ausreden für die Banken, dies nicht umzusetzen.
Damit ist es jeder Bank möglich, am Ende mit Kai Fengs Worten sagen zu können: „Governance is cool, yeah you got that right, in the name of data: hands up and high five!“.
Verfasst von
