Data Governance

Definition: Data Governance bezeichnet den organisatorischen und technischen Rahmen aus Richtlinien, Prozessen, Rollen und Verantwortlichkeiten, der die korrekte, sichere, konsistente und regelkonforme Verwaltung von Unternehmensdaten über ihren gesamten Lebenszyklus sicherstellt. Sie legt fest, wer Daten erzeugen, lesen, verändern, löschen und weitergeben darf, wie Qualität und Bedeutung von Datenelementen definiert sind, und wie Compliance-Anforderungen – insbesondere aus der DSGVO – erfüllt werden. Das Data Governance Institute (DGO) definiert Data Governance als "the exercise of authority, control, and shared decision-making over the management of data assets". Im Marketing ist Data Governance besonders relevant, weil Marketing-Teams große Mengen personenbezogener Kundendaten verarbeiten und gleichzeitig über Teams, Systeme und Kanäle hinweg konsistente KPI-Definitionen benötigen. Ohne strukturierte Governance entstehen in wachsenden Organisationen rasch Datensilos, widersprüchliche Metriken und Compliance-Risiken.

Erläuterung

Im Kern besteht Data Governance aus drei Säulen: Menschen, Prozesse und Technologie. Auf der Personenseite werden klare Verantwortlichkeiten definiert: Data Owner sind typischerweise Fachbereichsleiter, die die inhaltliche Verantwortung für bestimmte Datenbereiche tragen. Data Stewards kümmern sich operativ um Datenqualität, Metadaten und die Einhaltung von Richtlinien. Ein Data Governance Council oder Committee koordiniert übergreifende Entscheidungen. Diese Rollen werden im DAMA-DMBOK (Data Management Body of Knowledge) umfassend beschrieben, dem wichtigsten Referenzwerk für Datenmanagement-Praktiker (DAMA International, 2017).

Auf der Prozessseite umfasst Data Governance die Definition von Datenstandards (z. B. einheitliche Kundenschlüssel über CRM, Web-Analytics und E-Commerce), die Einführung von Freigabeprozessen für neue Datenpipelines, regelmäßige Datenqualitäts-Audits und Incident-Management-Prozesse für Datenpannen. Im Marketing-Kontext ist besonders die einheitliche Definition von KPIs zentral: Was ist ein "aktiver Nutzer"? Zählt ein Kauf als Conversion, wenn er innerhalb von 24 oder 30 Tagen nach dem letzten Klick stattfindet? Diese Definitionen müssen in einem Business-Glossar dokumentiert und von allen Teams verbindlich eingehalten werden.

Technologisch unterstützen Data-Catalog-Lösungen wie Alation, Collibra oder die im Open-Source-Bereich verfügbare Plattform Apache Atlas die Governance-Arbeit: Sie inventarisieren alle Datensätze, dokumentieren Metadaten, verfolgen Datenherkunft (Data Lineage) und ermöglichen es Analysten, zuverlässig die richtigen Datensätze zu finden. Laut einer IDC-Studie von 2022 verbringen Datenanalysten im Schnitt 30 % ihrer Arbeitszeit damit, geeignete und vertrauenswürdige Daten zu finden – ein Problem, das strukturierte Governance und Data-Catalog-Tools direkt adressieren.

Kernkomponenten von Data Governance

Datenkatalog & Business-Glossar: Zentrale Dokumentation aller Datensätze, ihrer Definitionen, Herkunft und Verantwortlichen. Verhindert unterschiedliche KPI-Definitionen in verschiedenen Teams.
Datenqualitätsmanagement: Regelwerke und automatisierte Tests, die Vollständigkeit, Genauigkeit, Konsistenz und Aktualität der Daten kontinuierlich prüfen und Abweichungen melden.
Data Lineage: Nachvollziehbarkeit, woher ein Datenpunkt stammt und welche Transformationen er durchlaufen hat – entscheidend für die Fehlersuche und regulatorische Berichtspflichten.
Zugriffsmanagement: Role-based Access Control (RBAC) stellt sicher, dass nur autorisierte Personen auf sensitive Daten wie Kundendaten oder Finanzkennzahlen zugreifen können.
Datenschutz & Compliance: Systematische Umsetzung der DSGVO-Anforderungen: Einwilligungsmanagement, Löschfristen, Verarbeitungsverzeichnis und Auftragsverarbeitungsverträge mit Dienstleistern.

Data Governance im Marketing-Alltag

UTM-Richtlinien: Einheitliche Konventionen für UTM-Parameter sichern konsistente Kanal- und Kampagnenzuordnung über alle Marketing-Tools hinweg.
Cookie-Consent-Management: Governance-Prozesse stellen sicher, dass nur Daten von Nutzern mit gültigem Consent in Analytics-Systeme fließen – besonders relevant nach EuGH-Urteilen zu Google Analytics.
Metriken-Freigabeprozess: Neue KPIs oder Dashboards werden erst nach Prüfung durch Data Steward und fachlichen Owner in den offiziellen Berichtsrahmen aufgenommen.
Datenlöschung & -archivierung: Automatisierte Prozesse stellen sicher, dass personenbezogene Daten nach definierten Fristen anonymisiert oder gelöscht werden.

Praxistipp: Starten Sie Data Governance nicht mit einem umfangreichen, monatelangen Projekt, sondern mit einem pragmatischen ersten Schritt: Erstellen Sie ein zentrales Business-Glossar mit den 20 wichtigsten Marketing-KPIs und deren verbindlicher Definition. Das löst sofort die häufigsten Diskussionen in Meetings, in denen verschiedene Teams mit unterschiedlichen Conversion- oder Umsatzdefinitionen arbeiten. Nutzen Sie für das Glossar ein kollaboratives Tool wie Notion, Confluence oder einen dedizierten Data Catalog, und verpflichten Sie alle Teams vertraglich, nur die dort definierten Kennzahlen in Management-Reports zu verwenden.