Glossar – Data Governance
Verantwortlich für die Pflege und Qualitätssicherung von Daten, die Überwachung von Richtlinien und die Verwaltung von Metadaten.
Verantwortlich für die strategische Verwaltung und Qualität innerhalb einer spezifischen Domäne (z. B. Kunden- oder Finanzdaten).
Trägt die Gesamtverantwortung für die Verwaltung, Qualität und regulatorische Compliance der Daten in der Organisation.
Entwirft und verwaltet die Dateninfrastruktur, die Modellierung von Datenbanken und die Systemintegration.
Endanwender, die Daten für analytische oder operative Zwecke sowie zur Entscheidungsfindung nutzen.
Verantwortlich für die Datensicherheit, Überwachung von Zugriffen auf sensible Daten und Implementierung von Schutzmaßnahmen.
Gremium aus Führungskräften, das die strategische Ausrichtung und die Standards der Data Governance festlegt.
Die organisatorische Haltung und Werte, die Daten als wertvolle, zu pflegende Ressource betrachten.
Die Fähigkeit, Daten zu lesen, zu verstehen, zu analysieren und fundierte Entscheidungen zu treffen.
Eine strukturierte, wiederverwendbare Bereitstellung von Daten oder Services zur Lösung spezifischer Geschäftsanforderungen.
„Daten über Daten“, welche die Struktur, Bedeutung und Herkunft anderer Daten beschreiben.
Eine organisatorische Struktur, die Verantwortlichkeiten für bestimmte Datenbereiche klar definiert.
Ein moderner Ansatz, der Governance nicht als Kontrolle, sondern als aktive Befähigung zur Datennutzung versteht.
Das agile Prinzip, nur so viel Governance wie nötig zu implementieren, um Compliance und Qualität ohne Tempoverlust zu sichern.
Ein zentrales, strukturiertes Repository zur Verwaltung von Metadaten und Schaffung von Transparenz.
Die lückenlose Dokumentation der Herkunft und des Weges von Daten durch verschiedene Systeme.
Personally Identifiable Information: Kennzeichnung für sensible personenbezogene Daten, die besonderen Schutz benötigen.
Der Prozess (oder automatisierte Job) zum Einlesen und Scannen von Metadaten aus Quellsystemen.
Das Problem der Mehrdeutigkeit, wenn derselbe Begriff in verschiedenen Kontexten unterschiedlich interpretiert wird.
Prozess zur Prüfung, ob Daten den festgelegten Standards entsprechen, um Fehler frühzeitig zu erkennen.
Eine formelle Vereinbarung zwischen Datenproduzenten und -konsumenten über Qualität, Format und SLAs.
Identity and Access Management: System zur Steuerung, wer wann auf welche Daten zugreifen darf.
Model Context Protocol: Schnittstelle, die es KI-Modellen ermöglicht (in diesem Kontext), mit Metadatenquellen zu kommunizieren.
Dezentraler Architekturansatz, bei dem Daten als eigenständige Produkte innerhalb von Fachdomänen verwaltet werden.