Data Governance vs. Data Science: Die ungleichen Zwillinge

„Daten sind der Rohstoff des 21. Jahrhunderts“, diesen Ausspruch prägte die deutsche Bundeskanzlerin Angela Merkel im Jahr 2016. Und sie sollte Recht behalten. Die Frage ist nur: Um diesen Rohstoff bestmöglich für das eigene Unternehmen nutzen zu können, muss die Vielzahl an Daten in einer Qualität vorhanden sein (Data Governance), damit anschließend Expert*innen diese Daten analysieren und interpretieren können, um daraus strategisch wertvolle Entscheidungen zu treffen (Data Science). Soweit die Theorie. Warum Unternehmen in Zukunft unbedingt beides, Data Governance und Data Science, brauchen und wo genau der Unterschied zwischen diesen „ungleichen Zwillingen“ in der Praxis liegt, analysiert Prof. Verena Dorner, akademische Leiterin des Executive MBA Digital Transformation & Data Science der WU Executive Academy.

Ein neues Schlagwort ist seit kurzem in aller Munde, wenn es um Digitalisierung, Nutzung von Daten und Informationsmanagement im Unternehmen geht: Data Governance. Das Thema wurde kürzlich sogar zu einem der wichtigsten Business-Intelligence-Trends des Jahres 2020 gekürt.

Doch was ist Data Governance überhaupt? Sie bildet einen Rahmen für strategisches Informationsmanagement im Unternehmen und gibt die Regeln vor, wie mit den Daten umgegangen wird. Damit trägt sie wesentlich zur Steigerung der Datenqualität bei, hilft bei der Erfüllung gesetzlicher Vorgaben sowie Compliance-Richtlinien und ist die Voraussetzung für gutes Risikomanagement. Data Governance ist somit unverzichtbar, wenn ein Unternehmen sicherstellen will, dass die Daten quer über alle Abteilungen richtig und zielführend gesammelt, ausgewertet und verwendet werden. Das erleichtert die tägliche Arbeit, vermeidet Risiken und senkt die Kosten. Anders gesagt: Data Governance ist der Routenplaner für den Weg durch den Datendschungel. Sie sorgt konkret für eine Definition von Rollen, Verantwortlichkeiten, Prozessen, Standards und Regeln für den Umgang mit Daten im Unternehmen.

©CC0 Licence

^{Der Daten-Dschungel wird immer dichter. Umso wichtiger werden Regeln und Standards, wie mit diesen Daten umzugehen ist. Foto © CC0 Licence}

Und damit ist auch die Abgrenzung zu Data Science sichtbar: Mit diesem Begriff wird ja jene interdisziplinäre Wissenschaft bezeichnet, die sich mit der Gewinnung von neuen Erkenntnissen aus Daten beschäftigt – zum Einsatz kommen unter anderem Informationstechnologie, Mathematik und Statistik. Die beiden ergänzen sich sinnvollerweise. Prof. Verena Dorner, Akademische Leiterin des Executive MBA Digital Transformation & Data Science und Leiterin des Instituts für Digital Ecosystems an der WU Wien, sieht die Zeit gekommen, wo es ohne Data Governance im unternehmerischen Umfeld nicht mehr funktionieren wird: „Data-Science-Vorhaben scheitern vielfach, weil die Unternehmen dafür einfach nicht bereit sind. Daten sind nicht in ausreichender Qualität vorhanden oder man weiß gar nicht, wo sie liegen.“ Diese Hürden könnten auch die besten Data Scientists nicht überwinden, es brauche dazu auch Data Governance.

Während eine Ausbildung in Data Science also eher die Fähigkeiten und Fertigkeiten für eine Analyse und Interpretation von Daten und darauf aufbauende Entscheidungen umfasst, geht es bei den Data Governance-Inhalten um das Aufsetzen der vorgelagerten Steuerung und des entsprechenden Rahmens für den Umgang mit Daten im Unternehmen. „Oft geht es schon um das reine Erfassen der Datenlandschaften und welche Aspekte damit abgedeckt werden“, so Dorner.

Data Governance kann gleich in mehrfacher Hinsicht für mehr Qualität und Sicherheit sorgen. So wird damit beispielsweise garantiert, dass Daten tatsächlich als Grundlage für unternehmerische Entscheidungen dienen können und nicht einfach nur das bestätigen, was ohnehin beschlossen worden wäre – durch ständiges Hinterfragen und Kontrollieren wird erreicht, dass Daten stets objektiv beurteilt und in der richtigen Weise verwendet werden. Wie also ergänzen sich Data Science und Data Governance im unternehmerischen Alltag? „Gute Data Governance ist eine Grundvoraussetzung für Data Science – in vielen Fällen wird damit erst die Grundlage geschaffen, um aus Daten verifizierbare Erkenntnisse gewinnen zu können“, sagt Dorner.

Wichtig sei Data Governance in allen Sektoren, aber speziell in Branchen mit einem erhöhten regulatorischen Aufwand wie etwa der Finanzsektor mache es Sinn. Stichwort Datenschutz: Beim Umgang mit personenbezogenen Daten heißt es besonders aufpassen, daher sind verbindliche Regeln in diesem Bereich ausgesprochen wichtig. Zudem gilt in der Datenschutzgrundverordnung (DSGVO) der Grundsatz der Datenminimierung, es dürfen Daten also nur gesammelt und verarbeitet werden, wenn sie für den jeweiligen Verwendungszweck benötigt werden, danach müssen entsprechende Daten auch wieder gelöscht werden. „Auch dafür braucht es entsprechende Prozesse, die aufgesetzt werden müssen“, sagt Verena Dorner.

Bleibt die Frage, wie Expert*innen für Data Governance in Zukunft bezeichnet werden können? „Da gibt es noch keinen genauen Begriff, manche nennen es Data Steward“, schmunzelt Dorner. Wichtig sei, dass die Bedeutung des Themas in der Unternehmensorganisation erkannt werde. „Es muss auch nicht nur eine Person sein, die sich darum kümmert.“ Jetzt gehe es darum, das Bewusstsein dafür zu schaffen.

Hier finden Sie mehr Informationen zum Executive MBA Digital Transformation & Data Science und zum Kompakt Programm Data Governance.

Schließen Sie sich 15.000+ Abonnent*innen an und erhalten Sie regelmäßige Updates zu Führungs- und Managementthemen. Lernen Sie jedes Mal etwas Neues.