Data Ownership
Data Ownership (Datenverantwortung) ist die Zuweisung der Verantwortung für einen Datensatz an eine namentlich benannte Person oder ein Team, die bzw. das entscheidet, wie er definiert ist, wer darauf zugreifen darf, welche Qualität er erfüllen muss und wann er geändert oder gelöscht wird.
Was ist Data Ownership?
Ownership bedeutet hier Verantwortlichkeit, nicht rechtliches Eigentum: Der Owner ist die Person, die für einen Datensatz einsteht, wenn er falsch, verspätet oder missbräuchlich verwendet ist. Owner sind in der Regel Führungskräfte aus dem Fachbereich einer Domäne, etwa die Vertriebsleitung für Pipeline-Daten oder der CFO für den Umsatz.
Die Rolle ist Teil eines Drei-Rollen-Modells, das die meisten Governance-Programme verwenden:
Owner: verantwortlich; gibt Definitionen, Zugriff und Aufbewahrung frei.
Steward: zuständig für die tägliche Qualität und Dokumentation; siehe Data Stewardship.
Custodian: das Engineering- oder IT-Team, das die Daten speichert, sichert und bewegt.
Die rechtliche Frage, wem Daten gehören, ist davon getrennt; nach der DSGVO sind die maßgeblichen Begriffe Verantwortlicher und Auftragsverarbeiter (Artikel 4), und Menschen behalten Rechte an ihren personenbezogenen Daten, unabhängig davon, wer sie besitzt.
Wie weist man Data Ownership zu?
Weisen Sie Owner nach Geschäftsdomäne und Entscheidungsbefugnis zu, nicht danach, in welchem System die Daten zufällig liegen.
Listen Sie die relevanten Datendomänen auf: Kunden, Produkte, Bestellungen, Finanzen, Marketing, Personal.
Benennen Sie für jede die Führungskraft, deren Entscheidungen am stärksten davon abhängen und die Ja oder Nein sagen kann.
Erfassen Sie Owner, Steward, maßgebliche Quelle und Zugriffsregeln in einem Katalog oder einer einfachen gemeinsamen Tabelle.
Erstellen Sie eine RACI-Matrix für häufige Änderungen: neues Feld, neue Kennzahl, Zugriffsanfrage, Löschanfrage.
Überprüfen Sie die Liste zweimal im Jahr und immer dann, wenn jemand die Rolle wechselt.
Ein Owner pro Domäne ist die Regel; geteilte Verantwortung bedeutet meist, dass niemand eine Änderung freigeben kann. Owner können die Arbeit delegieren, nicht aber die Verantwortung, daher ist eine Stellvertretung in Ordnung, solange ein Name im Verzeichnis steht.
Wie sieht Data Ownership in der Praxis aus?
Ownership beendet wiederkehrende Zahlenstreitigkeiten, indem sie einer Person das letzte Wort über eine Definition gibt. Stellen Sie sich ein B2B-SaaS-Unternehmen mit 90 Mitarbeitenden vor, in dem die MRR-Zahl im Vorstandsbericht von der im Abrechnungstool abweicht. Angenommen, Stripe, HubSpot und eine Finanztabelle enthalten jeweils einen Teil der Wahrheit, und drei Personen bearbeiten die Formel.
Der CFO wird als Owner der Umsatzdaten benannt, ein RevOps-Analyst wird Steward, und der Data Engineer ist Custodian der Pipeline von Stripe nach Snowflake. Jede Änderung der MRR-Definition braucht nun die Freigabe des CFO, dokumentiert im Pull Request des dbt-Projekts.
In diesem Beispiel enthält der nächste Vorstandsbericht eine einzige MRR-Zahl mit einer Fußnote, die ihre Definition und ihren Owner nennt, und die Diskussionen darüber, welches Tool recht hat, hören auf. Dasselbe Muster wiederholt sich dann bei der nächsten umstrittenen Kennzahl, der Net Revenue Retention, mit dem VP of Customer Success als Owner, weil Verlängerungsentscheidungen bei diesem Team liegen.
Was läuft bei Data Ownership schief?
Ownership scheitert am häufigsten, wenn sie auf dem Papier zugewiesen wird, aber weder mit Zeit noch mit Befugnissen oder Konsequenzen verbunden ist.
Owner werden nach System benannt (der CRM-Admin verantwortet die CRM-Daten) statt nach Entscheidungsbefugnis.
Die IT wird Owner von Geschäftsdefinitionen, die sie nicht beurteilen kann.
Es gibt keinen Prozess für verwaiste Daten, wenn ein Owner das Unternehmen verlässt.
Owner genehmigen Zugriffe standardmäßig, was die Kontrollen der Datensicherheit aushebelt.
Kleine Unternehmen brauchen kein formelles Programm, aber eine namentlich benannte Person pro kritischer Kennzahl; das ist die minimal tragfähige Version.
Wie unterscheidet sich Data Ownership von Data Stewardship?
Der Owner ist rechenschaftspflichtig und trifft Entscheidungen; der Steward ist zuständig und erledigt die tägliche Arbeit. Ein Owner gibt eine neue Definition von „aktiver Kunde“ frei; der Steward trägt sie in den Katalog ein, ergänzt einen Qualitätstest und korrigiert die Datensätze, die ihn nicht bestehen.
Beide Rollen gehören zur Data Governance, und Kataloge wie Collibra, Atlan, Alation oder Microsoft Purview ermöglichen es, sie pro Datensatz zu erfassen. In einem Data Mesh geht die Verantwortung weiter: Jedes Domänenteam verantwortet seine Daten als Produkt, einschließlich der Pipelines.
Data Owner vs. Data Steward
Data Owner | Data Steward | |
|---|---|---|
Art der Rolle | Rechenschaftspflichtig (Accountable) | Durchführungsverantwortlich (Responsible) |
Typische Person | Führungskraft des Fachbereichs der Domäne | Analyst oder Ops-Spezialist |
Entscheidet über | Definitionen, Zugriff, Aufbewahrung | Wie Regeln im Alltag angewendet werden |
Zeitaufwand | Einige Stunden pro Monat | Ein Teil jeder Woche |
Eskaliert an | Data Council oder Executive Sponsor | Den Data Owner |
Wie geht VIZIO AI an Data Ownership heran?
VIZIO AI baut Plattformen so, dass das eigene Team des Kunden sie nach der Übergabe verantworten kann, wobei Enablement Teil des Projekts ist. Für einen regionalen US-Anbieter von Heizung, Klimatechnik und Sanitär vereinte das Growth Studio Google Ads, CRM und Offline-Lead-Daten in einer Power-BI-Plattform für Werbeanalysen und führte Enablement-Sessions durch, damit das Marketingteam die Dashboards selbstständig verwalten konnte; der manuelle Reporting-Aufwand sank um 60 %.
Für eine Rechtsboutique mit Sitz in Spanien halfen praxisnahe Workshops den Marketing- und Operations-Teams, die Verantwortung für ein Intelligence-Dashboard für HubSpot- und Finanzdaten zu übernehmen, das die Zeit für das Performance-Reporting um 70 % reduzierte. Wo Sie anfangen sollten: Schreiben Sie für jede kritische Kennzahl eine Zeile mit ihrem Owner und füllen Sie zuerst die Lücken.
Data Ownership in Fallstudien von VIZIO AI
- Advertising Performance Analytics ›Eine Power-BI-Plattform plus Enablement-Sessions ermöglichten es dem Marketingteam des Kunden, seine Dashboards selbst zu verantworten, und reduzierten den manuellen Reporting-Aufwand um 60 %.
- Legal Marketing Intelligence ›Workshops halfen Marketing- und Operations-Teams, die Verantwortung für ein HubSpot- und Finanz-Dashboard zu übernehmen, das die Reporting-Zeit um 70 % verkürzte.