Vom Metadatenmanagement zum Datenkatalog: Data Driven Culture – Data Catalogue – Transparenz über den Datenbestand

Metadaten – Definition und Nutzung in der Digitalisierung

• Daten und ihre Metadaten.
• Kategorien von Metadaten.
• Metadaten als Fundament jeder Data Governance Initiative.
• Shopping for Data: Welche Daten sind im Angebot (praktische Übung)?
• Data Driven Culture: Das Wissen über Daten ist der Schlüssel zu ihrer Nutzung.
• DSGVO: Welche Metadaten verwendet ein Verfahrensverzeichnis?

Der Datenkatalog: Überblick

• Aufbau und Funktionalitäten einer Datenkataloglösung.
• Praxisbeispiel: Umsetzung der vorgestellten Nutzungsszenarien in einer Datenkataloglösung.

Metadaten strukturieren und modellieren

• Metadaten als Daten behandeln: Benötigen Metadaten ein Data Warehouse?
• Metadaten identifizieren und zueinander in Beziehung setzen (praktische Übung).
• Ein Schichtenmodell für Metadaten entwerfen (praktische Übung).
• Praxisbeispiel: Ein einfaches Datenmodell für Metadaten.
• Elemente eines Metadatenmodells kennen und verwenden (praktische Übung).

Quellen für Metadaten identifizieren

• Metadaten generierende Systeme identifizieren (praktische Übung).
• Alles automatisch? Der Stellenwert manueller Erfassung.

Metadaten managen

• Data Governance für Metadaten: Verantwortlichkeiten.
• Metadaten Qualität.
• Datenmanagement Prozesse.

Datenkataloglösungen: Funktionalitäten und Strukturen

• Das eigene Unternehmen abbilden: Metadatenmodellierung.
• ELT für Metadaten: Schnittstellen und Datenbeladung.
• Data Governance managen: Organisation, Rollen und Verantwortlichkeiten (praktische Übung).
• Datenbewegungen visualisieren: Data Lineage.
• Shopping for Data: Datennutzer informieren und leiten.
• Metadaten managen: Workflows für Freigabe und Wartung von Metadaten.
• Strukturen und Begriffe: Business Glossary, Data Dictionary oder Data Catalogue?

Marktüberblick zu Datenkataloglösungen

• Kategorien von Datenkataloglösungen.
• Lösungen über ihre Entwicklungsgeschichte besser einordnen können.

Der Weg zur Datenkataloglösung: Projektstrategie

• Unterstützung sichern: Sponsor:innen und Stakeholder:innen.
• Praxisbeispiel: Projektplan.
• Möglichkeiten der Modularisierung.
• Kritische Erfolgsfaktoren und Klippen bei der Projektdurchführung.

Arbeiten im Datenkatalog (praktische Übung)

• Als Analyst:in eine Kennzahl verstehen: Recherche von Definition, Verantwortlichkeiten und Entstehung einer Kennzahl.
• Eine neue Kennzahl erfassen.
• Ein Data Steward verlässt das Unternehmen: Verantwortung neu regeln.
• Impact Analyse: Auswirkungen einer Änderung im Quellsystem einschätzen.
• Ein Audit bestehen: Definition, Verantwortung, Herkunft und Qualitätssicherung einer Kennzahl nachweisen.
• Metadaten pflegen: Lücken erkennen und Aktualisierungen vornehmen.

• Sie erkennen in Metadaten und ihrer Bereitstellung in einem Datenkatalog einen unverzichtbaren Funktionsbaustein der Digitalisierung und den Schlüssel zu einer Data Driven Culture mit dem Sie Transparenz über Ihren Datenbestand gewinnen.
• Sie erfahren den Vorteil und Business Nutzen einer Datenkataloglösung für zentrale Einsatzszenarien wie z. B. das Heben von Umsatzpotenzialen mit Kundendaten auch in praktischen Übungen.
• Sie lernen die Funktionalitäten einer Datenkataloglösung kennen und können damit einen Software-Auswahlprozess steuern.
• Sie können Metadaten nach Kategorien, Herkunft und Nutzung einordnen und damit eine geeignete Modularisierung Ihres Projektes zur Einführung eines Datenkatalogs unterstützen.
• Sie diskutieren Projektstrategien und kritische Erfolgsfaktoren für die Einführung einer Datenkataloglösung.
• Sie lernen die Grundlagen zur Modellierung der Metadaten im Datenkatalog.

Data Governance Manager:innen, Fach- und Führungskräfte aus Business Intelligence, Controlling, Finanzen, Marketing mit Verantwortung für Datenmanagement wie Data Governance, Datenqualitätsmanagement, Metadatenmanagement und Stammdatenmanagement sowie alle Personen, die sich mit Digitalisierung und – oder Data Driven Culture beschäftigen.