Datenanalyse: Data Governance - ein notwendiges Übel?
Führungskräfte auf der ganzen Welt wollen in Data Science investieren, Data Governance lassen sie dabei aber oft außen vor. Erstens, weil dies im Gegensatz zu Data Science nicht sonderlich attraktiv ist - das Thema ist eher trocken. Zweitens, weil man den finanziellen Einfluss von Data Governance kaum darstellen kann: Manager wollen gerne einen Business Impact sehen; der kommt aber nicht direkt von Data Governance, sondern nur indirekt über bessere Analytics. Dabei ist Data Governance das Grundgerüst für Data Science. Ohne gute Datenqualität kommen schlechte Analysen heraus und alle Dateninitiativen scheitern.
In Produktionsbetrieben sind die Produkte gut, wenn die Materialqualität stimmt. Nimmt man sich einen Eisenproduzenten als Beispiel, so ist die Qualität der Produkte, zum Beispiel von Schienen, dann besser, wenn die Rohstoffqualität des Eisens stimmt. Ebenso verhält es sich mit Daten: Wenn die Datenbasis gut ist, kann man gute Entscheidungen treffen. Entscheidungen aufgrund von schlechter Datenqualität zu treffen, führt zu schlechten Gesamtentscheidungen - oder sogar sehr falschen Entscheidungen. Man stelle sich zum Beispiel ein Unternehmen vor, das mit Umsatzbeteiligungen arbeitet. Wenn es hier Fehler in der Datenbasis gibt, führt das zu falschen Abrechnungen für die Kunden, die sich monetär auswirken.