Enterprise Architecture
Data governance: hvem ejer data og hvem beslutter
Data governance er ikke et værktøj. Det er aftalen om, hvem der må sige ja til nye data, adgang og kvalitet.
Enterprise Architecture
Data governance er ikke et værktøj. Det er aftalen om, hvem der må sige ja til nye data, adgang og kvalitet.
Kort fortalt
Data governance er de roller, regler og beslutninger, der afgør, hvordan en virksomhed ejer, bruger og beskytter sine data. Hvem ejer kundedata? Hvem må give adgang til dem? Hvem beslutter, hvad en kunde er, når tre systemer har hver sin definition?
De fleste virksomheder har data governance, også selvom de ikke kalder det sådan. Spørgsmålet er, om beslutningerne bliver truffet af en navngiven ejer eller af den, der tilfældigvis har adgang til databasen. Et data governance framework gør det første til standarden.
Gratis skabelon · PowerPoint
15 slides til en dataplatform: referencearkitektur, AI-arkitektur, roller, RACI, driftsmodel og governance med råd og gates. Med en tom løsningsskabelon, hvor hvert element har en hjælpetekst.
Gratis og uden tilmelding.
Flere gratis skabeloner finder I under skabeloner og værktøjer.
Ejer et dataområde, fx kunder eller produkter. Beslutter adgang, kvalitetskrav og brug. Sidder i forretningen, ikke i IT.
Følger op på begreber og kvalitet i sit dataområde i det daglige. Er Data Owners forlængede arm.
Driver de fælles værktøjer: datakatalog, lineage, kvalitetsmålinger og master data. Forbereder datasager til arkitekturrådet.
Fastlægger datamodeller og datastandarder, så de samme begreber betyder det samme på tværs af systemer.
Rollerne er ikke nødvendigvis fire personer. I en mellemstor virksomhed kan Data Manager og Data Architect være den samme. En Data Owner kan også dække flere områder. Det vigtige er, at hvert dataområde har én ejer med mandat.
Matrixen viser de typiske dataopgaver på en dataplatform. Data Owner står til ansvar for data. Platform Owner står til ansvar for platformen, som data ligger på. Den skillelinje er den, der oftest mangler.
| Opgave | Sponsor / CDO | Enterprise Architect | Platform Owner | Data Owner | Data Steward / Manager | Data Engineer | Security & Compliance |
|---|---|---|---|---|---|---|---|
| Tilslutte ny datakilde | – | I | I | A | C | R | C |
| Give adgang til data | – | – | I | A | R | – | C |
| Datakvalitet, katalog og master data | – | – | I | A | R | C | – |
| Bygge og drive datapipelines | – | – | A | I | I | R | – |
| Persondata og sikkerhedskontroller | I | – | A | C | – | C | R |
Data governance bliver konkret, når de tilbagevendende sager har en fast vej. Tre processer dækker det meste af hverdagen. Hver proces har en driver, der sørger for, at sagen bliver færdig.
Driver: Data Owner
Driver: Data Owner
Driver: Data Manager og DevOps
Data Owners beslutning
Fra vores egne projekter
En reguleret virksomhed havde data i overflod, spredt over mange kilder, systemer og formater. Men ingen kunne med sikkerhed sige, hvor et tal kom fra, hvordan det var blevet transformeret undervejs eller om det matchede tallet i rapporten ved siden af. Der var ingen data governance, ingen lineage og ingen fælles master data. For en reguleret virksomhed er det ikke kun et praktisk problem. Det er en risiko.
Vi styrede et dataplatformsprojekt, der byggede arkitekturen op fra bunden. Data governance blev implementeret parallelt med platformen, så ejerskab, kvalitet og lineage blev en del af strukturen og ikke noget, man håbede på. Resultatet var entydige datakilder med klar master data og fuld lineage. For første gang kunne virksomheden dokumentere, hvor et tal kom fra og hvilken vej det havde taget.
Opret ikke et selvstændigt datastyringsforum ved siden af arkitekturrådet. Så skal projekterne godkendes to steder. Ingen ved, hvem der har det sidste ord. Dataråd tager det daglige. Arkitekturrådet tager det, der påvirker flere områder.
Modellen er beskrevet med roller, RACI og gates i vores gratis skabelon til dataplatforme.
Data Owners og Data Stewards mødes månedligt. Beslutter begreber, kvalitetskrav og adgang inden for de fælles standarder. Sager på tværs går videre til arkitekturrådet.
Data er et fast punkt på dagsordenen, forberedt af Data Manager. Beslutter fælles datastandarder, nye datakilder og sager fra Dataråd, der går på tværs.
Data governance, der kun findes i en politik, bliver ikke brugt. Det virker, når data-tjekket ligger i de samme gates, som projekterne alligevel skal igennem.
Det sværeste spørgsmål kommer først: hvem er Data Owner? Kan ingen svare i idéfasen, er det et tegn på, at projektet bygger på data, som ingen tager ansvar for.
Data-tjek fra idé til drift
En AI-løsning er aldrig bedre end de data, den er trænet på eller henter svar fra. Uden kvalitetsregler ved ingen, hvor god den er.
En AI-assistent, der kan søge i alt, viser også det, brugeren ikke måtte se. Adgang efter formål skal være på plads, før AI kobles på.
Når en AI-løsning giver et forkert svar, skal I kunne spore, hvilke data svaret byggede på. Det kræver et opdateret katalog og lineage.
EU AI Act stiller i artikel 10 krav til data og data governance for højrisiko-AI. Kravene handler om kvalitet, relevans og dokumentation af træningsdata. Virksomheder med fungerende data governance har det meste af svaret i forvejen.
Erfaring fra vores projekter
Byg data governance samtidig med dataplatformen, ikke bagefter. Når ejerskab, kvalitet og lineage er en del af strukturen fra start, bliver de brugt. Lægges de oven på en færdig platform, bliver de en oprydning, som ingen har tid til.
Målet er ikke en politik. Målet er, at I kan svare på, hvor et tal kommer fra. Kan ledelsen ikke stole på tallene, bliver beslutningerne truffet på mavefornemmelse, uanset hvor god platformen er.
Mere om Enterprise Architecture
Vi hjælper med arkitektur, der hænger sammen med forretningen. Tag en uforpligtende samtale om jeres situation.