Data Governance - Zwischen Datenqualität und betrieblicher Effizienz | Michael Prinner

Mar 26, 2025

Ask episode

Chapters

Transcript

Episode notes

Ein gutes Pferd, sagt man, springt nur so hoch wie es muss. Und Daten im Unternehmen, sind immer nur so gut wie sie es für eine bestimmte Anwendung sein müssen. Das nennt man Effizienz! Aber was passiert, wenn sich Anforderungen nun ändern und Daten immer wichtiger werden? Darüber spricht Christian Krug, der Host des Podcasts „Unf*ck Your Data“ mit Michael Prinner, Leiter Data Governance bei Uvex Group.

Nun sagen wir mal so. Es wird dann zumindest spannend. Denn ganz oft ist es beim Satz „Datenqualität ist schlecht“ genau. Jemand betrachtet oder analysiert Daten für einen Zweck zu dem diese gar nicht gesammelt wurden. Wenig überraschend, dass diese dann eben den Anforderungen nicht genügen.

Denn Unternehmen sind meist auf maximale Effizienz getrimmt, gerade wenn dann noch ein Lean Manager alles was nicht direkt genutzt wird als „Verschwendung“ deklariert und abgeschafft hat.

Dann fängt eben oft der Ärger an.

Muss aber nicht. Denn wenn man sich diesen Umstand einmal zu Gemüte führt kann man an neue Datenprojekte genau so heran gehen. Über die neuen Anforderungen. Anhand dieser wird dann eine Aufstellung gemacht was schon vorhanden ist und was fehlt. So entsteht quasi ganz nebenbei der ersten Datenkatalog im Unternehmen (sollte der nicht schon da sein). Und dieser Katalog ist dann eben das Nachschlagewerk für die Daten im Unternehmen und so ein zentraler Bestandteil der Data Governance. Ein oft unbeliebtes, aber absolut notwendiges Thema.

Denn gerade wenn eben jede Person im Unternehmen Datenkonsument*in ist, treffen unterschiedlichste Anforderungen auf die Daten.

Wer jetzt allerdings versucht in einem großen Rutsch die Hausaufgaben der letzten Jahre oder Jahrzehnte in einem großen Data Governance Projekt abzuarbeiten, der läuft vermutlich erstmal ins Leere.

Nicht dass die Arbeit sinnlos wäre, ganz im Gegenteil. Das Problem ist, dass es nicht direkt einen Mehrwert sichtbar macht. Damit fehlt oft der Wille zum Funding durch das Management. Also klein anfangen. Mit einem kleinen begrenzenten Projekt starten, dort die Governance mitdenken und vor allem die Menschen mitnehmen.

Denn nur wenn die Mitarbeitenden den Data Catalog auch nutzen, dann ist er ein sinnvolles Werkzeug.

Dafür müssen die Mitarbeitenden natürlich auch entsprechend geschult werden und das ganze dokumentiert werden. (Oh jetzt hab ich das böse D-Wort geschrieben)

Klar kann uns dabei die KI schon helfen. Allerdings klappt das noch nicht ohne menschliches Verständnis, womit wir wieder bei der Schulung wären.

Hatte ich erwähnt, dass es keine KI Schulungspflicht gibt? Wirklich! Auch nicht im EU AI Act. Ohne den und Parallelen zum Reinheitsgebot können wir die Folge natürlich nicht beenden.

▬▬▬▬▬▬ Profile: ▬▬▬▬

Zum LinkedIn-Profil von Michael: https://www.linkedin.com/in/michael-prinner-8371bb24a/

Zum LinkedIn-Profil von Christian: https://www.linkedin.com/in/christian-krug/

Christians Wonderlink: https://wonderl.ink/@christiankrug

Unf*ck Your Data auf Linkedin: https://www.linkedin.com/company/unfck-your-data

▬▬▬▬▬▬ Buchempfehlung: ▬▬▬▬

Buchempfehlung von Michael: Biedermann und die Brandstifter

Alle Empfehlungen in Melenas Bücherladen: https://gunzenhausen.buchhandlung.de/unfuckyourdata

▬▬▬▬▬▬ Hier findest Du Unf*ck Your Data: ▬▬▬▬

Zum Podcast auf Spotify: https://open.spotify.com/show/6Ow7ySMbgnir27etMYkpxT?si=dc0fd2b3c6454bfa

Zum Podcast auf iTunes: https://podcasts.apple.com/de/podcast/unf-ck-your-data/id1673832019

Zum Podcast auf Deezer: https://deezer.page.link/FnT5kRSjf2k54iib6