Warum gute Datenqualität die Grundlage für Self-Service, Analytics und KI ist

mit Jürgen Fischer Opitz Consulting Links: https://data-changemaker.de/ https://www.linkedin.com/groups/18379010/ Data Governance klingt für viele Unternehmen nach Bürokratie, Regeln und zusätzlicher Arbeit. Genau deshalb wird das Thema häufig aufgeschoben – bis die ersten echten Probleme auftreten: falsche Kennzahlen, widersprüchliche Reports oder KI-Modelle, die auf fehlerhaften Daten basieren. In dieser Folge von AI or DIE sprechen Andreas Wiener und Janine mit Jürgen von OPITZ CONSULTING über ein Thema, das in der Datenwelt oft unterschätzt wird, aber über Erfolg oder Misserfolg vieler Analytics-Initiativen entscheidet: Data Governance. Dabei wird schnell klar: Governance bedeutet nicht Kontrolle um der Kontrolle willen. Es geht darum, Verantwortlichkeiten zu klären, Datenflüsse transparent zu machen und dafür zu sorgen, dass Fachbereiche sich auf ihre Daten verlassen können. Denn ohne Vertrauen in die Daten kann weder Self-Service-Analytics noch Data Culture wirklich funktionieren. Gemeinsam diskutieren wir unter anderem: • Warum Data Governance heute anders wahrgenommen wird als noch vor einigen Jahren • Welche Rolle Data Culture dabei spielt • Warum Data Stewards keine „Datenpolizei“ sein sollten • Wie Unternehmen Governance pragmatisch aufbauen können • Warum Visualisierung von Datenprozessen ein Schlüssel zum Erfolg ist • Wann externe Perspektiven helfen, Governance-Programme sinnvoll aufzusetzen • Und welche Rolle KI künftig bei der Verbesserung von Datenqualität spielen kann Die zentrale Botschaft dieser Episode: Wer seine Daten ernst nimmt, braucht klare Regeln – nicht als Selbstzweck, sondern als Grundlage für bessere Entscheidungen. Oder einfacher gesagt: Ohne Data Governance bleibt Data-Driven nur ein Buzzword.  ⸻ Timestamps 00:00 – Intro: Warum Data Governance oft unterschätzt wird 00:56 – Vorstellung des Gastes Jürgen 01:00 – Hat sich Data Governance in den letzten Jahren verändert? 02:26 – Zusammenhang zwischen Data Culture und Data Governance 03:06 – Warum Datenqualität bei der Dateneingabe beginnt 04:13 – Datenqualität und KI: Wenn schlechte Daten automatisiert werden 04:33 – Wie startet man ein Data-Governance-Projekt? 05:08 – Bewusstsein schaffen und Stakeholder einbinden 06:28 – Gibt es einen Standard-Leitfaden für Data Governance? 07:13 – Prozesse und Datenflüsse sichtbar machen 08:40 – Rollenmodelle und der Begriff Data Steward 09:48 – Data Steward: Diener der Datenqualität statt Datenpolizei 11:13 – Akzeptanz von Governance-Rollen im Unternehmen 12:58 – Self-Service Analytics vs. Governance 14:15 – Gemeinsame Ziele als Erfolgsfaktor 14:56 – Herausforderungen bei Self-Service-Datenmodellen 16:10 – Kommunikation und Zusammenarbeit im Datenprozess 17:01 – Externe Beratung bei Data-Governance-Projekten 18:29 – Warum eine externe Perspektive hilfreich sein kann 20:13 – Ganzheitliche Sicht auf Datenprozesse 20:57 – Visualisierung von Datenflüssen und Pain Points 22:04 – Zusammenhang zwischen Data Governance und KI 23:05 – Können KI-Agenten Datenqualität verbessern? 24:13 – Wie Governance-Prozesse visualisiert werden 25:51 – Data Governance in einem Satz erklärt 27:24 – Data Governance positiv framen 28:47 – Learnings aus der Folge 29:41 – Schlussgedanke: Bei Data Governance nicht weglaufen 29:56 – Outro