Wstęp do Data Governance — od czego zacząć?

Kiedy zaczynałem swoją drogę w Data Governance, największym zaskoczeniem było to, jak mało ten temat dotyczy technologii, a jak bardzo — ludzi i procesów. Zarządzanie danymi to nie kolejne narzędzie IT — to zmiana sposobu myślenia o danych w całej organizacji.

Ten post jest początkiem serii, w której chcę pokazać Data Governance z perspektywy praktyka — nie podręcznikowej teorii, a realnych doświadczeń.

Co tak naprawdę oznacza Data Governance?

Według DAMA International, Data Governance to „sprawowanie władzy, kontroli i wspólnego podejmowania decyzji dotyczących zarządzania zasobami danych”. Brzmi akademicko, ale w praktyce sprowadza się do prostego pytania: kto jest odpowiedzialny za dane i jak zapewniamy, że są wiarygodne?

Wiele organizacji traktuje dane jako „rzecz IT”. Dział IT odpowiada za serwery i bazy danych, więc chyba odpowiada też za „dane”? To fundamentalny błąd. Dane to zasób biznesowy — analogicznie jak finanse (których nie zarządza dział IT, tylko CFO).

„Data Governance is about behavior — creating the organizational behaviors around how data is managed.”
— John Ladley, „Data Governance: How to Design, Deploy, and Sustain an Effective Data Governance Program”

Trzy filary, od których zaczyna się każdy program DG

Na podstawie frameworku DMBOK2 (Data Management Body of Knowledge) oraz Data Governance Institute, program Data Governance opiera się na trzech filarach:

1. Ludzie — role i odpowiedzialności

Bez jasnego przypisania odpowiedzialności, nikt nie czuje się „właścicielem” danych. Kluczowe role to:

Data Owner — osoba biznesowa odpowiedzialna za dany obszar danych (np. dyrektor sprzedaży jest ownerem danych sprzedażowych)
Data Steward — operacyjny opiekun jakości danych w danym obszarze. To ta osoba, która na co dzień pilnuje, że dane są poprawne i spójne
Data Governance Council — komitet decyzyjny, który ustala priorytety i rozstrzyga konflikty

W mojej praktyce widzę, że organizacje najczęściej potykają się na tym etapie — nikt nie chce być „tym od danych”, bo to dodatkowa odpowiedzialność bez jasnych korzyści. Zmiana tego nastawienia wymaga wsparcia zarządu.

2. Procesy — polityki i standardy

Polityki to nie dokumenty leżące na półce — to żywe zasady, które muszą być egzekwowane. Kluczowe obszary to:

Klasyfikacja danych — które dane są publiczne, a które poufne?
Kontrola dostępu — kto i do jakich danych ma dostęp?
Zarządzanie zmianą — jak wprowadzamy zmiany w definicjach i strukturach danych?
Jakość danych — jakie metryki DQ mierzymy i kto reaguje na problemy?

ISO/IEC 38505-1:2017 dostarcza ram dla zarządzania danymi jako elementu governance IT. Warto się z nim zapoznać, bo mówi wprost o odpowiedzialności zarządu za dane — a każdy Data Owner lubi się dowiedzieć, że to nie „dodatkowe zadanie”, a odpowiedzialność wynikająca z międzynarodowego standardu.

3. Technologia — narzędzia wspierające

Technologia jest ostatnia, nie pierwsza. To częsty błąd: kupujemy narzędzie, a potem szukamy do niego procesu. Narzędzia wspierające DG to m.in.:

Data Catalog — centralna baza wiedzy o danych (np. Ataccama, Collibra, Alation)
Data Quality engines — narzędzia do profilowania, czyszczenia i monitorowania jakości
Data Lineage — śledzenie przepływu danych przez systemy
Business Glossary — słownik terminów biznesowych zapewniający spójne rozumienie danych

Wyzwania, które spotkasz na starcie

Każdy program DG napotyka te same bariery. Gartner raportuje, że do 2025 roku 80% organizacji próbujących skalować biznes oparty na danych poniesie porażkę z powodu braku nowoczesnego podejścia do Data Governance.

Opór zmian

Ludzie przyzwyczajeni do „swoich Exceli” nie chcą, żeby ktoś wchodził im w dane. Kluczem jest komunikacja korzyści: „Data Governance nie zabiera Ci danych — sprawia, że możesz im ufać.”

Brak szybkich wyników

DG to maraton, nie sprint. Efekty widać po miesiącach, a zarząd chce ROI po kwartale. Warto więc zacząć od quick wins — np. oczyszczenie duplikatów klientów, które od razu da mierzalny efekt.

Zbyt szeroki zakres na start

Próba objęcia programem DG wszystkich systemów i danych naraz to recepta na porażkę. Lepiej zacząć od jednego domeny danych (np. dane klientów) i rozszerzać.

Od czego zacząć? Moja rekomendacja

Na podstawie frameworku DGI (Data Governance Institute) i własnych doświadczeń, proponuję taki start:

Zidentyfikuj sponsora — bez wsparcia na poziomie C-level program DG nie przetrwa
Wybierz jedną domenę danych — np. dane klientów lub dane produktowe
Zmapuj obecny stan — kto jest właścicielem? Jakie systemy przechowują te dane? Jak wygląda jakość?
Zdefiniuj 5-10 kluczowych reguł — zaczynaj od mała, ale od rzeczy mierzalnych
Mierz i raportuj — pokaż postęp na dashboardzie, nie w raporcie na 50 stron

Podsumowanie

Data Governance to nie projekt z datą zakończenia — to ciągły proces. Rozpoczynając, warto pamiętać, że:

Ludzie > procesy > technologia — w tej kolejności
Quick wins budują momentum — pokaż wartość wcześnie
Komunikacja jest kluczem — DG musi mieć sens dla biznesu, nie tylko dla IT

W następnych postach w tej serii zajmę się konkretnymi frameworkami i standardami ISO, które pomagają nadać programowi DG strukturę.

Źródła i dalsze lektury

DAMA International, DMBOK2: Data Management Body of Knowledge, 2017
John Ladley, Data Governance: How to Design, Deploy, and Sustain an Effective Data Governance Program, 2nd Edition, 2019
Data Governance Institute, The DGI Data Governance Framework
ISO/IEC 38505-1:2017, Information technology — Governance of IT — Governance of data
Gartner, Data Governance Definition