Die neue Data-Governance-Erfahrung

In der heutigen Landschaft, die durch das Aufkommen generativer KI gekennzeichnet ist, stehen Unternehmen vor einer doppelten Herausforderung: Sie müssen das Potenzial der KI nutzen und gleichzeitig die Komplexität der Cybersicherheit, der gesetzlichen Vorschriften und ihres wachsenden Datenbestands bewältigen. Als Antwort auf diese Konvergenz stellt Microsoft einen kombinierten Ansatz für Data Governance und Sicherheit vor, der in Microsoft Purview zusammengefasst ist. Mit seiner Einführung am 8. April stehen wir am Beginn einer neuen Ära für das Data-Governance-Angebot für Unternehmen – einer Ära, in der KI im Mittelpunkt steht, umgeben von Funktionen, die von den grössten Kunden gewünscht werden.

Data Governance war in der Vergangenheit in den Köpfen von Führungskräften eher ein nachträglicher Gedanke. Sie war, wie das Bild oben zeigt, eine „Essential Defense“ (wesentliche Verteidigung), die Compliance und Sicherheit in den Mittelpunkt der Aktivitäten stellt. In Wirklichkeit findet in diesem Bereich ein grundlegender Wandel statt: die Erkenntnis, dass Data Governance eine treibende Kraft bei der Demokratisierung von Datenbeständen in Unternehmen sein kann. Mit Microsoft Purview Data Governance besteht die Möglichkeit, die so genannte „Responsible Offense“ (verantwortliche Offensive) anzuwenden – eine Praxis, die Benutzer aus dem gesamten Unternehmen mit ganz unterschiedlichen Rollen in die Data-Governance-Praxis einbezieht. Die obige Abbildung veranschaulicht die Einbeziehung aller Beteiligten am gesamten Datenlebenszyklus, was bedeutet, dass wir beginnen, eine dynamische Data-Governance-Praxis anstelle des traditionellen statischen Ansatzes einzuführen.

Die Anfänge der Data Governance

Die Verwaltung der Daten eines Unternehmens erfordert ein empfindliches Gleichgewicht zwischen strengen Standards und anpassungsfähigen Strukturen. Obwohl die Sauberkeit und Sicherheit der Daten Konsistenz voraussetzt, erfordert die Erfüllung der unterschiedlichen Bedürfnisse verschiedener Teams flexible Strategien für den Datenzugriff und die Datenverwaltung – einschliesslich Definitionen auf der Ebene des Data Steward. Um diese miteinander verknüpften Herausforderungen zu bewältigen, empfiehlt Microsoft einen föderierten Governance-Ansatz – eine Methodik, die die Kernprinzipien der Data Governance zentralisiert und gleichzeitig Teams mit Self-Service-Funktionen befähigt, die auf ihre spezifischen Anforderungen zugeschnitten sind.

Im Mittelpunkt der föderierten Data Governance steht das Prinzip des verteilten Eigentums, bei dem die Verantwortung und die Beteiligung zwischen den Abteilungen aufgeteilt werden. Dieses dezentrale Modell reduziert nicht nur betriebliche Engpässe, sondern fördert auch die Zusammenarbeit und aktive Beteiligung an der Verwaltung, Steuerung, Nutzung und effektiven Verwendung von Datenbeständen. BI4ALL und Microsoft arbeiten gemeinsam daran, diese neue Purview-Erfahrung zum Leben zu erwecken. Dabei werden nicht nur funktionale und nicht-funktionale Anforderungen berücksichtigt, sondern auch die Geschäftsperspektive der Daten.

In der neuen Microsoft-Purview-Erfahrung gibt es drei Kategorien von Beteiligten, die von dieser Erfahrung profitieren werden:

Datenkonsumenten im gesamten Unternehmen:

• Vereinfachte Datenermittlung: Intuitive Werkzeuge und Schnittstellen zum einfachen Auffinden und Zugreifen auf relevante Datenbestände.
• Verbesserte Datensicherheit: Zugriffskontrolle und massgeschneiderte Sicherheitsmassnahmen zum Schutz sensibler Daten.
• Erklärender Datenkontext: Umfassende Beschreibungen von Daten und Metadaten, um den Kontext und die Relevanz von Daten zu verstehen.

Dateneigentümer und -verwalter:

• Effiziente Datenkuratierung: Werkzeuge und Arbeitsabläufe zur Kuratierung und Verwaltung von nutzbaren, hochwertigen Datenbeständen.
• Governance-gesteuerte Datennutzung: Anwendung von Governance-Richtlinien, um ethische und konforme Datennutzungspraktiken sicherzustellen.
• Überwachung der Datenintegrität: Werkzeuge zur proaktiven Erkennung und Behebung von Problemen und Anomalien in der Datenqualität.

Datenverantwortliche und Beteiligte in Führungspositionen:

• Optimierter Datenwert: Strategien und Insights, um maximalen Wert und Insights aus den Datenbeständen des Unternehmens zu gewinnen.
• Einheitliche Datenverwaltung: Standardisierte Governance-Kontrollen und Verantwortungsstrukturen in der gesamten Datenlandschaft für mehr Datenintegrität und -sicherheit.

Der Aufstieg der Datenprodukte

Die neueste Erfahrung, die der Microsoft-Purview-Datenkatalog bietet, revolutioniert die Art und Weise, wie Unternehmen mit Daten umgehen. Die intuitive Kategorisierung nach Geschäftsdomains, die jetzt einen KI-gestützten Copiloten für eine nahtlose Suche nutzt, ermöglicht Datenprodukt-Abonnements mit umfassenden Datensätzen und sicheren Zugriffswerkzeugen. Die Plattform war bisher vor allem für die Nutzung durch IT-Abteilungen konzipiert. Jetzt führt Microsoft jedoch verbesserte Werkzeuge ein, um die wachsenden Datenmengen effizient zu verwalten und mehr Möglichkeiten für die Nutzung dieser Daten im Tagesgeschäft eines Unternehmens zu schaffen.

Die neue Microsoft-Purview-Data-Governance-Erfahrung verlagert den Fokus auf fünf Säulen, die alle die Bedeutung von Datenprodukten als zentrale Komponente verdeutlichen. Es gibt eine klare Ausrichtung auf Attribute wie Langlebigkeit, Qualität und Benutzerfreundlichkeit im Einklang mit dem BI4ALL-Ansatz, der später in diesem Artikel beschrieben wird. Dies ist von grundlegender Bedeutung für jede Implementierung eines föderierten Data-Governance-Modells und wird im Folgenden näher erläutert und beschrieben:

• Datenzugriff

Wie bei den früheren Datenrichtlinien basiert die Erfahrung immer noch auf der Verwaltung des Zugriffs für bestimmte Gruppen und Personen, aber jetzt kann der Verwendungszweck definiert werden – in Kombination mit DLP-ähnlichen Richtlinien, die Kopien von Daten erlauben oder verbieten. Die Erfahrung ist nun mit der Terminologie der Datenqualität und des Glossars verknüpft, da die Möglichkeit besteht, den Datenprodukten dynamisch Glossarbegriffe zuzuweisen und für diese Begriffe Berechtigungen zu definieren. Diese werden wiederum auf die spezifischen Bestände übertragen, mit denen sie verbunden sind, was die Zugriffskontrolle erleichtert.

• Datenkuratierung

Die Verwendung von Unternehmensdomains, die in der bisherigen Erfahrung als verschiedene Sammlungen angesehen werden können, ermöglicht es nun, Bestände auf der Grundlage bekannter Konzepte im gesamten Unternehmen zu verteilen und gleichzeitig bestimmten Personengruppen zu erlauben, Inhalte in diesen Domains zu veröffentlichen. Zum Beispiel veröffentlichen Finanzanalysten nur in ihrer Finanzdomain. Dies ist dann mit einer hierarchischen Ebene verknüpft, wobei die Datenprodukte beispielsweise die Möglichkeit bieten, verschiedene Tabellen und Dashboards zu gruppieren, was bedeutet, dass Analysten und andere Beteiligte Zeit sparen können, wenn sie den Zugang beantragen, und es den Dateneigentümern ermöglicht, mehr Wert aus den verschiedenen Beständen zu schaffen – und damit ihre eigene Arbeit zu demokratisieren.

Es gibt auch eine integrierte Funktion für Datengesundheitsmassnahmen, die es ermöglicht, den Massnahmen, die ergriffen werden müssen, um einen Datenbestand in Übereinstimmung mit den vom Unternehmen definierten Regeln oder gesetzlichen Standards zu bringen, verschiedene Schweregrade zuzuweisen.

• Datenermittlung

Obwohl diese Komponente ihrem Vorgänger sehr ähnlich ist, wird sie nun, wie alle anderen Microsoft-Copilot-Aufgaben, durch KI erweitert. Die Verwaltung von Self-Service-Anfragen und die Erläuterung dessen, was der Nutzer im Katalog sucht, ist nun eine KI-gestützte Data-Governance-Funktion, mit dem Ziel, die genauen Anforderungen der zu erledigenden Aufgabe zu ermitteln.

• Datenintegrität

Die lang erwartete Data-Quality-Funktionalität verknüpft verschiedene Komponenten, die den Data-Estate-Insights-Bericht unterstützen, mit einer Kombination aus Dashboards und OKRs (Ziele und Schlüsselergebnisse). Mit DQ können wir jetzt unsere eigenen Regeln erstellen oder vorgefertigte Regeln verwenden, um unsere Quellen zu analysieren und Bewertungen und Massnahmen zur Verbesserung der Qualität unserer Bestände zu erstellen. Wir können jetzt Qualitäts- und Profildaten auf Spaltenebene analysieren, um eine automatische Überwachung der Arbeit auf der Grundlage von Warnungen zu ermöglichen, die Dateneigentümer und -verwalter über bestimmte zu ergreifende Massnahmen informieren.

Die Dimensionen der Datenqualität, die unmittelbar gemessen werden (Vollständigkeit, Konsistenz, Konformität, Genauigkeit, Aktualität und Einzigartigkeit) sind von grundlegender Bedeutung. Wir verbinden dies mit den OKRs, so dass eine Brücke zwischen unserer Data-Governance-Praxis und den Geschäftszielen besteht. Auf diese Weise entsteht Eigentum durch spezifische Ziele, die durch Massnahmen im Portal selbst in die Praxis umgesetzt werden.

• Datenverständnis

Alle Komponenten des Microsoft-Purview-Datenkatalogs werden zusammengefügt, um den Daten eines Unternhemens mehr Kontext zu verleihen. Von Glossarbegriffen, die über eigene Zugriffskontrollen verfügen, bis hin zu OKRs und Datenprodukten, die Geschäftsziele mit Geschäftsdaten verknüpfen, sind die winzigen Details des Katalogs nur Beschreibungen, die es allen Datennutzern ermöglichen, eine fundierte Entscheidung darüber zu treffen, ob sie bestimmte Bestände im Tagesgeschäft verwenden sollen oder nicht. Es ist wichtig, mit Partnern wie BI4ALL zusammenzuarbeiten, um die Datenverwaltung wirklich zu verstehen – ein Prozess, der mit dem CoE Data Strategy & Governance beginnt und sich über die gesamte Daten- und KI-gesteuerte Reise des Unternehmens erstreckt.

Verknüpfung von Geschäft und Datenverständnis

Glossarbegriffe sind ein wichtiges Bindeglied zwischen technischer Komplexität und alltäglicher Geschäftssprache. Sie ermöglichen es den Benutzern, Daten mit Hilfe eines vertrauten Vokabulars zu erforschen und zu verwenden, was das Verständnis verbessert und eine fundiertere Entscheidungsfindung auf der Grundlage von Insights aus Daten ermöglicht.

Ziele und Schlüsselergebnisse sind die Leitsterne, die Geschäftsaktionen auf bestimmte Ergebnisse ausrichten. Ob es um die Steigerung des Umsatzes oder die Reduzierung von Servicefällen geht, OKRs stellen sicher, dass die Bemühungen auf messbare Ziele fokussiert sind. Ergänzt durch proaktive Data-Estate-Health-Massnahmen (Integrität des Datenbestands) verbessern Unternehmen nicht nur die Data Governance, sondern setzen auch wirksame Prioritäten bei der Datenverbesserung und fördern eine Kultur des Vertrauens in datengesteuerte Initiativen, die für ein nachhaltiges Geschäftswachstum unerlässlich sind. Dies führt effektiv zu einer einheitlichen Umstellung der Datenverwaltung, die im Folgenden mit der Integration von Microsoft Fabric, der Analytics-SaaS-Plattform von Microsoft und Purview dargestellt wird.

Es ist wichtig zu erwähnen, dass mit der Einführung von Microsoft Fabric Mitte 2023 der Fokus auf die Single Source of Truth (einzige Quelle der Wahrheit) eine Priorität ist. Dies wird einen nativeren Ansatz für ein föderiertes Data-Governance-Modell ermöglichen, bei dem die Abstammung nahtlos zwischen beiden Plattformen integriert wird und die ganzheitlichen Realitäten des Datenbestands in Echtzeit widergespiegelt werden. Mit dem richtigen Ansatz sollten Unternehmen einen guten Überblick darüber haben, wie Daten intern genutzt werden. Dies erfordert jedoch eine gezielte Reifegradbewertung auf der Grundlage internationaler bester Praktiken, bei der Partner wie BI4ALL mit fundierten Kenntnissen und einem massgeschneiderten Modell helfen können, das sich an die Bedürfnisse des jeweiligen Unternehmens anpasst.

Keine Silos mehr: Mit dem schrittweisen Ansatz von BI4ALL kann MS Purview skalierbar eingeführt und der Geschäftsnutzen maximiert werden.

Das neue Microsoft Purview bietet jedem Unternehmen, das bereit ist, seine Datenreife zu verbessern, einen erheblichen Mehrwert. Normalerweise beginnen Unternehmen die Erkundung neuer Technologien mit einem Proof-of-Concept (PoC). Erfolgreiche PoCs führen jedoch häufig dazu, dass nur eine begrenzte Anzahl von Personen, vor allem Datenspezialisten, die neue Technologie übernehmen. Der Schlüssel liegt jedoch in der Förderung einer nachhaltigen Übernahme durch technische und geschäftliche Benutzer, in Übereinstimmung mit den besten Praktiken und der Datenstrategie des Unternehmens, um breitere Geschäftsziele für die Organisation zu erreichen.

Als Antwort auf diesen Bedarf hat das Kompetenzzentrum Data Strategy & Governance von BI4ALL das Data Strategy & Governance Scalability Framework entwickelt, ein innovatives Modell zur Förderung der Umwandlung von Unternehmensdaten. Wenn diese Struktur effektiv implementiert wird, erleichtert es die nahtlose Integration und optimale Nutzung von Technologien wie Microsoft Fabric und Microsoft Purview in grossem Umfang. Durch die Ausrichtung auf das DSGSF können Unternehmen die Umsetzung einer demokratisierten Geschäftsdatenstrategie sicherstellen, robuste Governance-Grundlagen schaffen und ihre Position an der Spitze der Innovation festigen. In der Tat ist Microsoft Purview, verstärkt durch die neuesten Funktionen, ein wesentlicher Wegbereiter für Datenreife und Governance-Skalierbarkeit im gesamten Unternehmen. Vor der Einführung von Microsoft Purview muss jedoch ein solides Fundament an Strategie und Data Governance geschaffen werden.

Das DSGSF, das in der nachstehenden Abbildung dargestellt ist, umreisst die Komponenten, die erforderlich sind, um die einzelnen Phasen der Datenreife zu durchlaufen. Diese Phasen entsprechen den zunehmenden Stufen der Data-Governance-Raffinesse, die von grundlegenden bis zu föderierten, dezentralisierten oder vernetzten Stilen reichen.

Das DSGSF wird durch den schrittweisen Ansatz von BI4ALL operationalisiert, der in 10 einfach zu handhabende Schritte unterteilt ist. Dies stellt sicher, dass die Sponsoren die Kontrolle über jeden Schritt behalten und ist mit den Datenqualitätssicherungsprozessen des Beratungsunternehmens abgestimmt.

Der Ansatz umfasst:

• Ein Schritt, der der Synchronisierung der Bemühungen zwischen BI4ALL und dem Kunden gewidmet ist.
• Drei Schritte zur Durchführung einer Datenreifebewertung, in der die qualitativen und quantitativen Grundlagen für die Datenstrategie des Kunden ermittelt werden. Alternativ können diese Schritte auch durch ein einfacheres Audit ersetzt werden, das sich nur auf die qualitativen Ergebnisse konzentriert.
• Zwei Schritte zur gemeinsamen Entwicklung und Implementierung der Datenstrategie, unterstützt durch einen überzeugenden Business Case und andere Ad-hoc-Ergebnisse. Eine einfachere Option für die Datenstrategie kann angeboten werden, wenn der Kunde der Data Governance Priorität einräumt.
• Ein Architektur-Workflow mit der Aufgabe, Systeme, Datenbanken und Anwendungen zu mappen, sowie konzeptionelle Datenmodelle und grundlegende Datenbereichen zu erstellen.
• Ein Schritt zur Entwicklung der Data-Governance-Strategie.
• Ein Schritt zur Beschleunigung der Einführung von Microsoft Purview.
• Eine Schulungs- und Wissenskomponente, um die effektive Nutzung der implementierten Lösungen sicherzustellen.

Im Folgenden wird jeder Schritt und Arbeitsablauf genauer beschrieben.

Schritt 1: Datenstrategie und Governance-Ablauf – Synchronisierung

Dieser Schritt besteht aus 4 Teilschritten:

1. Erste Interviews: BI4ALL führt eine kleine Anzahl von Interviews durch, um sich mit der aktuellen Datensituation des Kunden vertraut zu machen.
2. Überprüfung der Dokumentation: BI4ALL analysiert die verfügbare Dokumentation, einschliesslich der Dokumente zur Datenstrategie, früherer Reifegradbewertungen, bestehender Data-Governance- und Qualitätspraktiken und anderer relevanter Materialien.
3. Überprüfung des Umfangs und der Voraussetzungen: Anhand der in den Schritten 1.1 und 1.2 identifizierten Elemente analysiert BI4ALL den Umfang und die Voraussetzungen gemeinsam mit dem Projektkomitee oder dem Verantwortlichen auf Kundenseite, um den Ansatz schrittweise an die spezifischen Bedürfnisse des Kunden anzupassen.
4. Auftakttreffen: Dies ist ein formelles Treffen, das den Start des Projekts markiert und die Zusammenarbeit für eine erfolgreiche Gestaltung einleitet.

Schritt 2, 3, 4 – Datenreifebewertung (DMA) oder Audit

BI4ALL-Datenreife-Framework

Es gibt zwar mehrere Strukturen zur Bewertung der Datenreife, wie z. B. das DCAM® Data Management Capability Assessment Model und das Gartner® Enterprise Information Management Maturity Model, aber BI4ALL hat eine einzigartige Datenreifebewertung entwickelt. Diese Bewertung kombiniert die Stärken bestehender Methoden und behebt deren inhärente Schwächen.

Die Bewertung ist modular aufgebaut und wird an die spezifischen Bedürfnisse und Ziele des Kunden angepasst. Die DMA ist ein robustes Diagnosewerkzeug, mit dem BI4ALL und seine Kunden die aktuelle Landschaft der Datenverwaltung, Governance und Infrastruktur in verschiedenen Domains gründlich bewerten können. Durch eine sorgfältige Analyse des Reifegrads lassen sich Stärken, Schwächen und Lücken in der Datenpraxis, beim Technologieeinsatz und bei der Einhaltung gesetzlicher Vorschriften erkennen. Die DMA dient als strategische Roadmap und hilft dabei, pragmatische Ziele zu definieren und effektive Initiativen zu priorisieren. Sie stellt sicher, dass nachfolgende Lösungen, wie die Integration von Microsoft Purview, angepasst, skalierbar und nachhaltig sind.

Diese Bewertung verschafft den Kunden einen umfassenden Überblick über die Daten im gesamten Unternehmen und gewährleistet die Abstimmung zwischen den Geschäftszielen und den strategischen Datenverwaltungsplänen. Sie bietet eine unvoreingenommene Bewertung der kritischen Facetten der Dateninitiative des Kunden aus verschiedenen Blickwinkeln, die die Einhaltung der Datenschutzbestimmungen, die Formulierung der Datenstrategie, die Implementierung der Data Governance, die Einführung von Technologien – einschliesslich generativer KI und KI-Governance -, die Verbesserung der Datenqualität und vieles mehr umfassen. Ausserdem werden die Datenpraktiken des Unternehmens beleuchtet, was gezielte Verbesserungen ermöglicht und verborgene Insights offenbart, die für die Entwicklung datengesteuerter Dienste unerlässlich sind.

Schritt 2

In diesem Schritt übernimmt BI4ALL die Führung bei der Durchführung der Datenreifebewertung (DMA). Das Format dieser Bewertung kann variieren, wird aber in der Regel von kleinen Gruppen unter der Leitung eines Senior-Data-Governance-Spezialisten durchgeführt. In Fällen, in denen mehrere Abteilungen oder Datenbereiche beteiligt sind, werden die Workshops entsprechend organisiert, entweder nach Abteilung oder nach Datenbereich. An jeder Sitzung nehmen maximal 7 bis 8 Personen teil, um das Verständnis und die Interaktion zu gewährleisten, so dass sich jeder voll und ganz einbringen und eventuell auftretende Fragen beantworten kann.

Schritt 3

Im dritten Schritt führt BI4ALL individuelle Interviews durch, um die Schlussfolgerungen der DMA zu validieren und spezifischere Anforderungen, Anwendungsfälle und Problemstellungen zu untersuchen. Dieser Schritt ist entscheidend für die Identifizierung von Prioritätsszenarien für die effektive Implementierung von Microsoft Purview und die bessere Ausrichtung der Lösungen auf die individuellen Ziele und Herausforderungen des Unternehmens.

Schritt 4

In diesem Schritt stellt BI4ALL die Ergebnisse und Empfehlungen der DMA zusammen, die dann den benannten Hauptbeteiligten vorgelegt werden. Die DMA-Empfehlungen basieren auf dem Fachwissen der sieben Kompetenzzentren von BI4ALL (siehe Abbildung 3), was den Kunden die Gewissheit gibt, dass die Empfehlungen von erfahrenen Führungskräften stammen, die beste Praktiken eingeführt und jahrelange, unschätzbare Erfahrungen gesammelt haben. Dieser kollaborative Ansatz stellt sicher, dass die Kunden Empfehlungen erhalten, die auf Erfahrung beruhen, auf ihre spezifischen Bedürfnisse zugeschnitten sind und darauf vorbereitet sind, eine bedeutende Transformation in ihren Unternehmen voranzutreiben.

Audit

Manchmal entscheiden sich die Datenverantwortlichen gegen die Durchführung einer Datenreifebewertung (DMA), insbesondere wenn sie erst kürzlich eine solche durchgeführt haben. In diesen Fällen bietet BI4ALL eine alternative Lösung in Form eines gezielten Audits. Dieses Audit dient dazu, datenbezogene Anforderungen zu ermitteln, Anwendungsfälle zu identifizieren und Schwachpunkte aufzudecken, die als Input für die Erarbeitung einer effektiven Datenstrategie dienen.

Schritte 5 und 6 – Entwurf und Entwicklung der Datenstrategie und Governance

Nach der Präsentation der DMA-Ergebnisse und unter Berücksichtigung der Insights aus dem Architekturablauf (siehe nächster Abschnitt) erhält der Kunde ein klares Verständnis der Herausforderungen, die mit seiner einzigartigen Struktur verbunden sind. Dieses Wissen bildet die Grundlage für die nachfolgenden Strategie- und Data-Governance-Workshops. Diese entscheidenden Sitzungen ermöglichen es den Entscheidungsträgern des Kunden und ihren vertrauenswürdigen Beratern, gemeinsam einen innovativen Ansatz für die Datenverwaltung zu entwickeln.

BI4ALL organisiert jeden Workshop fachkundig, indem es Diskussionen fördert und eigene Strukturen, Beschleuniger und Technologiedemonstrationen nutzt, darunter Microsoft Fabric und Microsoft Purview. Diese Werkzeuge lösen Diskussionen aus, die zu Lösungen für bestehende Schwachpunkte führen und den Kunden die Möglichkeit geben, potenzielle Chancen zu erkunden. Anschliessend wird in einer Priorisierungsübung, an der führende Beteiligte teilnehmen, die Bedeutung der ermittelten Problempunkte und der in früheren Arbeiten gesammelten Anwendungsfälle bewertet.

Das Projektteam versucht, einen Konsens über die grundlegenden Elemente einer visionären Datenstrategie und einer Data-Governance-Politik zu erzielen. Dies umfasst Diskussionen über Domaintopologien und die operative Dynamik des Data Office in Zusammenarbeit mit anderen Abteilungen. Diese strategischen Komponenten bilden den Eckpfeiler des erneuerten Datenorganisationsmodells und gewährleisten, dass die Datenverwaltungspraktiken des Kunden mit seinen Gesamtzielen und seiner Vielparteienstruktur in Einklang gebracht werden.

Die bis dahin gesammelten Insights ermöglichen es BI4ALL, die Datenstrategieprodukte genau auf die spezifischen Bedürfnisse des Kunden anzupassen. Ein wichtiges Ergebnis in dieser Phase ist der Business Case für alle Dateninitiativen, die in der Datenstrategie vorgeschlagen und festgelegt werden. Falls erforderlich, kann die föderierte Data Governance durch das BI4ALL Data Mesh Framework beschleunigt werden, so dass der Kunde in der Lage ist, Datenprodukte zu entwerfen, zu erstellen, zu implementieren und kontinuierlich zu verbessern. Im letzteren Fall können die neuen Funktionen von Microsoft Purview für Datenprodukte sicherlich genutzt werden.

Der oben beschriebene kollaborative Co-Generation-Ansatz zeugt von der Expertise von BI4ALL und hat sich als äusserst effektiv erwiesen, um das Engagement der wichtigsten Beteiligten für die neue Strategie zu sichern.

Datenarchitekturablauf

Der Datenarchitekturablauf ist von grundlegender Bedeutung für den Betrieb des Kunden und dient als Anker für seine Datenverwaltungs-, Governance- und Datenschutzstrategie.

Um eine umfassende, zukunftssichere Lösung zu schaffen, empfiehlt BI4ALL die Implementierung eines vierstufigen Mappings:

• Mapping der Geschäftsdatensysteme: Diese Phase bietet einen ganzheitlichen Überblick über das Datenökosystem des Unternehmens und ermöglicht ein vollständiges Verständnis der Zusammenhänge zwischen den verschiedenen Datensystemen.
• Mapping der Geschäftsdatenarchitektur: Diese Maps bieten einen strukturierten Plan für die Datenverwaltung, der die Ausrichtung an strategischen Zielen gewährleistet und Konsistenz und Data Governance fördert.
• Entitätsbeziehungsdiagramme: Funktionalitäten zur Veranschaulichung der Beziehungen zwischen Datenentitäten, die zum Verständnis von Datenflüssen, Abhängigkeiten und Hierarchien beitragen, die die Datenabstammung ermöglichen.
• Mapping der wichtigsten konzeptionellen Datenmodelle: Entscheidend für die Visualisierung der Beziehungen zwischen wichtigen Datenentitäten, erleichtern diese Modelle das Data-Governance-Eigentum und verbessern die Datenqualität.
• Domain Map: Diese aus allen gesammelten Inputs erstellte Map bildet die Grundlage für die Implementierung der Datenstrategie im Stil von Microsoft Purview und Federated/Data Mesh und garantiert Kohärenz und Effizienz bei der Datenverwaltung im gesamten Unternehmen.

Schritte 7, 8, 9 – Grundlagen der Data Governance

Grundlegende Data Governance umfasst die Befähigung des Unternehmens, ihre Arbeitsweise zu ändern, um die Kontrolle über ihre eigenen Daten zu behalten. Durch den Einsatz von Data-Governance-Beschleunigern ermöglicht BI4ALL den Kunden, ihre Ergebnisse zu verbessern und gleichzeitig die Einhaltung globaler Datenstandards zu gewährleisten. Dies wird durch die mehr als 19-jährige Erfahrung von BI4ALL als Branchenführer unterstützt.

In Schritt 7 ist das Schlüsselprodukt die Unternehmensrichtlinie für Data Governance. Diese Richtlinie dient als Vehikel für den Data Leader des Kunden, um die Unterstützung der obersten Führungsebene zu gewinnen und zu sichern.

In Schritt 8 verlagert sich der Schwerpunkt auf die Konsolidierung der Ziele der Data-Governance-Initiative im Einklang mit der Data-Governance-Richtlinie. Eines der wichtigsten Ergebnisse dieser Phase ist die Data Governance Roadmap.  Darüber hinaus gibt es weitere wesentliche Ergebnisse:

• Data-Governance-Betriebsmodell, das für die wirksame Implementierung der Unternehmensrichtlinie für Data Governance entwickelt wurde.
• Data-Governance-Struktur, die dem Data Leader des Kunden als grafisches Werkzeug dient, um die wichtigsten Elemente der Data-Governance-Initiative des gesamten Unternehmens kurz und bündig zu vermitteln.
• Ein taktischer Plan, um mit der Initiative klein anzufangen und sie später auszuweiten. Beispielsweise kann aus einem Berichtsentwurf über die allgemeine Buchhaltung ein Plan erstellt werden, der die Finanzabteilung zu dem Beispiel für Data Governance macht, dem andere Abteilungen folgen sollen.

In Schritt 9 werden alle Pläne aus den vorangegangenen Schritten in die Tat umgesetzt. Diese Phase kann nicht nur technologische Bemühungen beinhalten, sondern auch die Festlegung von geschäftlichen und technischen Definitionen, die Formulierung von Datenrichtlinien, die Ausrichtung von Personen mit Data-Governance-Rollen zur Aktivierung des Data-Governance-Betriebsmodells, die Durchführung von Datenlebenszyklusprüfungen und die Identifizierung von Metadaten – und damit die Schaffung der Grundlagen für Microsoft-Purview-Projekte.

Schritt 10 – Einführung von Microsoft Purview

Der BI4ALL-Ansatz für die Einführung von Microsoft Purview folgt den von Microsoft empfohlenen Implementierungspraktiken, die in diesem Artikel beschrieben werden: Deployment best practices for Microsoft Purview (formerly Azure Purview) | Microsoft Learn. Die empfohlenen Implementierungspraktiken umfassen die folgenden Phasen:

1. Zielidentifizierung: Klare Definition der Ziele und Zwecke der Data Governance in Übereinstimmung mit Microsoft Purview.
2. Identifizierung von Anwendungsfällen: Identifizierung relevanter und praktischer Anwendungsfälle für die Nutzung von Microsoft Purview im Datenökosystem des Unternehmens.
3. Integrationsplanung: Entwicklung von Strategien zur nahtlosen Integration von Microsoft Purview in bestehende Systeme und Arbeitsabläufe.
4. Einbeziehung von Beteiligten: Förderung einer offenen Kommunikation und Ermutigung zu Fragen von verschiedenen Beteiligten, um Bedenken umfassend zu behandeln und eine Anpassung an die Bedürfnisse aller Beteiligten zu gewährleisten.
5. Einbeziehung der wichtigsten Entscheidungsträger: Einbeziehung der wichtigsten Entscheidungsträger und Datenexperten während des gesamten Implementierungsprozesses, um eine strategische Ausrichtung und fundierte Entscheidungen zu gewährleisten.
6. Implementierungsplanung: Entwicklung detaillierter Pläne für die Implementierung von Microsoft Purview unter Berücksichtigung von Faktoren wie Ressourcenzuweisung, Zeitpläne und Risikomanagement.
7. Sicherheitsmassnahmen nach der Implementierung: Umsetzung robuster Sicherheitsmassnahmen nach der Implementierung zur Gewährleistung der Datenintegrität und zum Schutz vor potenziellen Bedrohungen.
8. Überlegungen zum Datenlebenszyklus: Berücksichtigung von Überlegungen zum gesamten Datenlebenszyklus, einschliesslich Erfassung, Speicherung, Verarbeitung und Archivierung, um eine ganzheitliche Datenverwaltung zu gewährleisten.

Mit dem Data-Strategy-&-Governance-Ansatz von BI4ALL, der die ersten fünf oben genannten Phasen umfasst, können Unternehmen den Implementierungsprozess vereinfachen und nahtlos in die Implementierung von Microsoft Purview übergehen. Dieser Ansatz stellt sicher, dass die in den Phasen Datenstrategie und Data Governance gelegten Grundlagen die Implementierung von Microsoft Purview effektiv unterstützen und leiten und so eine optimale Nutzung und Ausrichtung an den Unternehmenszielen ermöglichen.

Planung der Implementierung von Azure Purview

Auf der Grundlage der neuen Erfahrungen verbindet Microsoft ein föderiertes Data-Governance-Modell mit einer Technologie, die dessen Vorteile noch verbessert. Gemeinsam mit BI4ALL wird die Aufgabe durch Workshops, Bewertungen und Kulturschulungen erleichtert, die die Übereinstimmung zwischen Technologie und theoretischer Praxis verstärken. In einem Zeitraum intensiver Arbeit wird vorgeschlagen, dass die Implementierung von Purview über 5 Wochen erfolgt – wie hier in der Dokumentation erwähnt:

Phase 1 (Woche 1-2)

Datenverwaltung

Katalogkonfiguration – In Verbindung mit Schritt 5 des strukturierten Ansatzes von BI4ALL können wir Prioritäten festlegen und Nutzungsbereiche und Dateneigentümer definieren. Hier definieren die Beteiligten die Zielgruppen und legen die Zuständigkeit für bestimmte Produkte fest.

Katalogkuratierung – Mapping von Datenbeständen in die richtige Struktur, wie es in den ersten Schritten des BI4ALL-Governance-Frameworks definiert wurde, um eine nahtlose Erfahrung zu ermöglichen, wenn es um die Zukunft und die Suche der Datenkonsumenten nach den richtigen Beständen im Bestand geht. Dies steht in direktem Zusammenhang mit den Beschreibungen und Anwendungsfällen, die mit einem Lenkungsausschuss abgestimmt werden sollten.

Veröffentlichung – Veröffentlichung der vereinbarten Datenprodukte und Geschäftsdomains, um sie für die Nutzung verfügbar zu machen, wobei der Zugriff auf die Rollen zugewiesen wird.

Betrieb – Bewertung der aktuellen Verfahren, Ermittlung von Bereichen, die priorisiert werden müssen, und Zuweisung von Massnahmen an die richtigen Eigentümer. Dies ermöglicht einen kontinuierlichen Prozess der Selbstbeurteilung und ebnet den Weg für ein nachhaltiges Governance-Modell.

Phase 2 (Woche 2-3)

Datenermittlung und -verständnis

Ermittlung – Funktioniert als MVP für die Suche und Entdeckung aktueller und bereits veröffentlichter Produkte und Bestände. Im Wesentlichen experimentieren wir mit der Benutzerfreundlichkeit des Katalogs und analysieren ihn mit einem kritischen Auge. Idealerweise geschieht dies durch unvoreingenommenes Experimentieren eines Datenkonsumenten, der alle Bestände durchsucht und die auf die gesamte Plattformpopulation angewandten Metadaten bewertet.

Zugriff – Experimentieren Sie mit Zugriffsanfragen und versuchen Sie, einen ersten Blick auf ein Datenprodukt durch diejenigen nachzuahmen, die bestimmte Bestände für weitere Untersuchungen nutzen möchten.

Datenverwaltung

Zugriffsmanagement – Überprüfung von Anfragen in der anfänglichen MVP, Genehmigung und Ablehnung, um den Wert zu bestätigen. Es ist wichtig, die Einbeziehung der verschiedenen IT- Beteiligten zu überprüfen, was durch BI4ALL-Workshops und -Seminare im Laufe des Implementierungszeitplans vervollständigt wird.

Katalogkuratierung – Verbessern Sie das Datenprodukt, indem Sie die Nutzung der Navigationsfunktionen überprüfen und sicherstellen, dass die Erfahrung der Datenkonsumenten an die Datenverwalter weitergegeben wird. Dies wird Verbesserungsmöglichkeiten eröffnen.

Phase 3 (Woche 3-4)

Datenverwaltung

Datenqualität – Verwenden Sie eine Aktivitätsdomain, um Datenqualitätsdimensionen wie Einzigartigkeit und Aktualität zu bewerten, und experimentieren Sie mit gebrauchsfertigen und benutzerdefinierten Regeln, um die Datenprofilierungsfunktion zu unterstützen. Die Durchführung der Analysen ermöglicht es Ihnen, Warnmeldungen zu erstellen, um Datenprodukte zu bewerten und Feedback über die gesamte Erfahrung zu erhalten. Die Schritte 7 bis 10 der BI4ALL-Struktur sind so definiert, dass sie bei der Konfiguration und der Erstellung von Massnahmen helfen, die die Benutzerfreundlichkeit bestätigen.

Betrieb – Bewerten Sie Phase 1 neu, jetzt im Bereich der Anwendung von Datenqualitätsregeln. Bestimmen Sie, wer diese Aufgaben kontrollieren soll, und bewerten Sie, ob sie mit den Datenrichtlinien des Unternehmens übereinstimmen. Es wird eine Bewertung der Kultur vorgenommen, um Bereiche mit Verbesserungsbedarf zu ermitteln.

Phase 4 (Woche 4-5)

Integrität der Datenbestände

Berichterstattung – Das Data-Governance-Büro sollte nun die Domaininhaber bewerten und überprüfen und nach bestimmten Kontrollen, die angewendet werden müssen, handeln. Es sollte eine Reihe von Problemen und Lösungen diskutiert werden, die neue Ansätze für bestimmte OKRs vorschlagen.

Integritätsmassnahmen – Auch wenn es sich hierbei um einen laufenden Prozess handelt, sollten diese Massnahmen nun so definiert werden, dass sie Eigentümer, definierte Ziele und detaillierte Meilensteine haben, um die Einhaltung bestimmter Standards und Richtlinien zu gewährleisten.

Datenkompetenz-/Schulungsablauf (empfohlen, aber optional)

In Verbindung mit den beschriebenen Schritten kann BI4ALL einen Datenkompetenz-/Schulungsablauf integrieren, um Beteiligten auf allen Ebenen die nötige Kompetenz zu vermitteln, insbesondere dann, wenn die Kunden nicht über ein spezielles Personal für diesen Zweck verfügen. Diese Schulung sollte die Teilnehmer mit den grundlegenden Kenntnissen und Fähigkeiten ausstatten, die sie benötigen, um Daten zu verstehen, zu interpretieren und effektiv zu nutzen. Die Schulungsmodule können an die spezifischen Bedürfnisse des Kunden angepasst werden und Themen wie Datenkonzepte, Datenanalysetechniken, Datenvisualisierungswerkzeuge und verantwortungsvolle Datenpraktiken behandeln. Der Datenkompetenzplan von BI4ALL ermöglicht es den Beteiligten, ihren Beitrag in allen Schritten des 10-schrittigen BI4ALL-Data-Strategy-&-Governance-Ansatzes zu maximieren. Durch die Übernahme des gesamten Ansatzes profitiert der Kunde von einer kombinierten Datenkompetenz, die im Laufe des Projekts vermittelt wird.

Im Einzelnen:

• Schritt 1 (Datenstrategie und Governance- Ablauf: Synchronisierung): Einführung in die Datenkompetenz, die grundlegende Datenkonzepte (Arten, Quellen), Data-Governance-Grundsätze und die Bedeutung datengestützter Entscheidungsfindung umfasst. Dies bereitet die Führungskräfte darauf vor, das Wertversprechen der Datenstrategie zu verstehen und sich aktiv an den nachfolgenden Schritten zu beteiligen.
• Schritte 2, 3, 4 (Bewertung der Datenreife oder Audit): Vertiefende Schulungsmodule, die sich auf die Themen der Datenreifebewertung oder des Audits konzentrieren. Zu den Themen können Datenverwaltungspraktiken, Grundsätze der Datenqualität, eingehende Data Governance usw. gehören.
• Schritte 5 und 6 (Entwurf und Entwicklung der Datenstrategie und Governance): Interaktive Workshops mit praktischen Demonstrationen und Übungen zu Datenanalysetechniken, Datenvisualisierung, KI-Governance-Werkzeugen usw. Dies ermöglicht den Beteiligten, sich aktiv an der Gestaltung der Datenstrategie und des Governance-Rahmens zu beteiligen, was Eigentum und Akzeptanz fördert.
• Schritte 7, 8, 9 (Grundlagen der Data Governance): Rollenspezifische Schulungen zu Data-Governance-Richtlinien, Schlüsselprozessen, Datenlebenszyklusmanagement usw. Dadurch werden die Benutzer mit den notwendigen Fähigkeiten ausgestattet, um die ihnen zugewiesenen Rollen innerhalb der Data-Governance-Struktur zu erfüllen.
• Schritt 10 (Einführung von Microsoft Purview): Schulung zur Nutzung der Funktionen von Microsoft Purview, zu Datenintegrationstechniken und besten Praktiken für die Datensicherheit. Dadurch wird sichergestellt, dass die Mitarbeiter Purview effektiv nutzen können, um Data-Governance-Initiativen zu unterstützen.