Interviewfragen für Data Governance Manager, mit ausgearbeiteten Antworten

So nutzt du diese Fragen

Interviewer beschreiben oft eine verfahrene Lage und fragen, wo du anfangen würdest. Fang klein und sichtbar an: eine Domäne, ein paar kritische Felder, Verantwortliche, denen es wichtig ist. Zeig dann, wie es sich ausbreitet. Nenne eine echte Domäne, die du gesteuert hast, was sich in der Arbeit der Menschen geändert hat und was die Zahlen gezeigt haben.

Was ein Data Governance Manager können muss

• Die Praxis: Data GovernanceFestlegen, wem welche Daten gehören, welche Regeln für sie gelten und wie über sie entschieden wird., von Rollen und Richtlinien bis zum Gremium.
• Die Qualität: Regeln für DatenqualitätDie Qualität der Daten, auf die sich das Geschäft verlässt, Regel für Regel festlegen, messen und verbessern., Scores und Korrekturen an der Quelle.
• Das Wissen: Metadaten und LineageDefinitionen, Herkunft (Lineage) und Verantwortliche der Daten festhalten, damit man sie findet und ihnen vertraut., das Glossar und StammdatenKunden-, Produkt- und Lieferantenstammdaten so steuern, dass es jeden Datensatz einmal gibt und er überall stimmt..
• Die Regeln: DatenschutzWissen, was das Datenschutzrecht (DSGVO) vom Umgang mit Daten verlangt, und mit dem Datenschutzbeauftragten arbeiten, wo es gilt. gemeinsam mit dem Datenschutzbeauftragten und in Banken BCBS 239Die Grundsätze des Basler Ausschusses für Risikodaten kennen und wissen, was sie von den Daten der Banken verlangen., die internationalen Grundsätze des Basler Ausschusses für Risikodaten.

Die Katalogwerkzeuge stehen in Anzeigen gleichrangig nebeneinander, und keines ist Pflicht: Collibra, Alation, Microsoft Purview, Informatica und Atlan bieten jeweils ein Glossar, einen Katalog und Lineage. Interviewern ist wichtiger, ob die Menschen den Katalog nutzen, als welches Produkt es ist; manche fragen nach Begriffen aus DAMA-DMBOKDie Bereiche kennen, die DAMA-DMBOK beschreibt, und sein Vokabular mit anderen Datenprofis nutzen., das dasselbe Feld beschreibt.

Verantwortliche, Data Stewards und Qualität

Was ist ein Data Owner, und wie bringst du den Fachbereich dazu, die Rolle zu übernehmen?

Worauf sie achten: das Entscheidungsrecht, das im Kern der Governance steht.

Kurze Antwort: „Ein Data Owner, der Verantwortliche, ist die Führungskraft im Fachbereich, die für einen Bestand an Daten einsteht, etwa die Kundendaten. Diese Person entscheidet über die Definitionen, wer die Daten nutzen darf und welche Qualität sie brauchen. Ich gehe zu der Führungskraft, deren Ergebnisse am meisten unter schlechten Daten leiden, zeige ihr die Kosten und halte die Rolle klein: ein paar Entscheidungen im Quartal, die tägliche Arbeit machen die Data Stewards.“

Die ausführliche Antwort: Verantwortliche in der IT funktionieren nicht; entscheiden sollte, wer Geld verliert, wenn die Daten falsch sind.

Schwache Antwort: „Die Daten gehören der IT.“ Nachfrage: „Zwei Bereichsleiter beanspruchen beide die Kundendaten.“ Sag, wie du das klärst.

Was macht ein Data Steward im Alltag?

Worauf sie achten: die Menschen, die Governance wirklich machen.

Kurze Antwort: „Ein Data Steward ist die Person im Fachbereich, die sich jeden Tag um eine Datendomäne kümmert: Er schreibt und prüft Definitionen, beobachtet die Qualitätsscores, behebt Probleme oder leitet sie weiter und beantwortet Fragen dazu, was die Daten bedeuten. Die meisten Data Stewards machen das neben einem anderen Job, deshalb halte ich ihre Aufgaben klar und stimme ihre Zeit mit ihren Vorgesetzten ab.“

Die ausführliche Antwort: Data Stewards brauchen ein paar Stunden pro Woche, die in ihren Zielen stehen, sonst verschwindet die Rolle im ersten vollen Monat.

Schwache Antwort: „Die Data Stewards sind das Datenteam.“ Nachfrage: „Dein bester Data Steward wechselt in ein anderes Projekt.“ Sag, was du tust.

Wie schreibst du eine Regel für Datenqualität, und wie misst du sie?

Worauf sie achten: dass du aus „guten Daten“ Prüfungen machst.

Kurze Antwort: „Eine Qualitätsregel sagt, wie korrekte Daten für ein Feld oder einen Datensatz aussehen, etwa: Jeder aktive Kunde hat eine gültige Postleitzahl, und der Verantwortliche stimmt dem Zielwert zu. Ich lasse die Regel regelmäßig über die Daten laufen, zeige den Score pro Domäne und pro Quellsystem und schicke die Fehler an die Data Stewards, damit sie an der Quelle behoben werden, nicht im Bericht.“

Die ausführliche Antwort: Wähl die Regeln nach ihrer Wirkung auf das Geschäft; hundert Regeln, nach denen niemand handelt, kosten mehr als fünf, die einen Prozess ändern.

Schwache Antwort: „Wir bereinigen die Daten im Data Warehouse.“ Nachfrage: „Der Score sinkt nach jedem Release des Vertriebssystems.“ Sag, wo du ansetzt.

Was ist Data Lineage, und wann lohnt sich der Aufwand?

Worauf sie achten: dass du weißt, woher Zahlen kommen.

Kurze Antwort: „Data Lineage zeigt die Herkunft eines Datums und jeden Schritt, den es durchläuft, bis es in einem Bericht oder einem Modell ankommt. Der Aufwand lohnt sich für die Zahlen, die am meisten zählen, etwa Berichte an den Vorstand und an die Aufsicht, wo eine falsche Zahl Folgen hat. Dort fange ich an, zum Teil mit Werkzeugen, die die Pipelines auslesen, zum Teil, indem ich die Menschen frage, die sie gebaut haben.“

Die ausführliche Antwort: Lineage für alles wird nie fertig; Lineage für die kritischen Zahlen wird fertig und genutzt.

Schwache Antwort: „Das Werkzeug zeichnet die ganze Lineage automatisch.“ Nachfrage: „Eine wichtige Kennzahl läuft durch eine Tabellenkalkulation.“ Sag, wie du das erfasst.

Wie baust du ein Glossar, das die Menschen wirklich nutzen?

Worauf sie achten: gemeinsame Begriffe, der günstigste Erfolg in der Governance.

Kurze Antwort: „Ein Glossar, das Business Glossary, listet die Begriffe des Geschäfts, etwa aktiver Kunde oder Nettoumsatz, jeden mit einer abgestimmten Definition, einem Verantwortlichen und den Daten, auf die er sich bezieht. Ich beginne mit den Begriffen, über die in Meetings gestritten wird, stimme sie mit den Verantwortlichen ab und verlinke das Glossar aus den Berichten, damit die Menschen es dort finden, wo sie arbeiten.“

Die ausführliche Antwort: Ein kurzes Glossar, das Streit beendet, schlägt ein langes, das ein Wörterbuch abschreibt.

Schwache Antwort: „Wir haben eine Standardliste von Begriffen importiert.“ Nachfrage: „Finanzen und Vertrieb definieren Umsatz verschieden, und beide haben recht.“ Sag, was ins Glossar kommt.

Wie würdest du einen Datenkatalog auswählen und einführen?

Worauf sie achten: KatalogwerkzeugeEinen Datenkatalog betreiben, in dem Menschen jeden Tag suchen, keine Liste, die nach dem Start veraltet., die die Menschen annehmen.

Kurze Antwort: „Ich gehe davon aus, wer darin sucht und wonach: Analysten, die Daten finden wollen, Verantwortliche, die Zugriffe freigeben. Dann vergleiche ich Werkzeuge wie Collibra, Alation, Microsoft Purview, Informatica oder Atlan an diesen Zwecken, an den Systemen, die sie anbinden, und an den Kosten. Ich starte mit einer Domäne, die vollständig und korrekt ist, nicht mit allen Systemen, jedes halb beschrieben.“

Die ausführliche Antwort: Über einen Katalog entscheiden seine ersten Wochen; wer dort falsche Einträge findet, kommt nicht wieder.

Schwache Antwort: „Wir laden alle Metadaten und lassen die Leute stöbern.“ Nachfrage: „Ein halbes Jahr nach dem Start sucht niemand darin.“ Sag, was du änderst.

Wie steuerst du Stammdaten wie Kunden und Produkte?

Worauf sie achten: StammdatenKunden-, Produkt- und Lieferantenstammdaten so steuern, dass es jeden Datensatz einmal gibt und er überall stimmt., in denen sich Fehler am weitesten ausbreiten.

Kurze Antwort: „Stammdaten sind die Kerndatensätze, die viele Prozesse teilen, etwa Kunden, Produkte und Lieferanten. Ich lege fest, welches System jeden Datensatz anlegt, wer ihn ändern darf, die Regeln für Dubletten und die Felder, die vollständig sein müssen, und ich messe das, denn eine falsche Adresse oder ein doppelter Kunde wandert in jedes nachgelagerte System.“

Die ausführliche Antwort: Repariere zuerst, wie Datensätze angelegt werden; Bereinigen ohne das verschafft nur Zeit.

Schwache Antwort: „Wir führen Dubletten einmal im Jahr zusammen.“ Nachfrage: „Drei Systeme legen Kunden an.“ Sag, welches es tun sollte.

Richtlinien, das Gremium und kritische Daten

Welche Richtlinien würdest du zuerst schreiben, und wie kurz wären sie?

Worauf sie achten: Regeln, denen die Menschen folgen können.

Kurze Antwort: „Eine Richtlinie für Data Governance von wenigen Seiten, die die Rollen und die Entscheidungsrechte festlegt, dann kurze Standards für Qualität, Definitionen und Zugriff. Jeder sagt, wer was tut und wie es geprüft wird; die Details stehen im Katalog und in den Arbeitsanweisungen, die sich öfter ändern.“

Die ausführliche Antwort: Eine Richtlinie, die niemand gelesen hat, schützt niemanden; prüf sie, indem du einen Data Steward fragst, was sie von ihm verlangt.

Schwache Antwort: „Zuerst ein vollständiges Rahmenwerk an Richtlinien.“ Nachfrage: „Der Vorstand will die Richtlinie in einem Monat.“ Sag, was drinsteht.

Entwirf ein Betriebsmodell für Data Governance in einer Firma mit mehreren Geschäftsbereichen.

Worauf sie achten: die Struktur, die dafür sorgt, dass es hält.

Kurze Antwort: „Ein kleines zentrales Team, das Methode, Werkzeuge und Berichte festlegt; Verantwortliche und Data Stewards in jedem Bereich für ihre Domänen; ein Gremium, ein Data Council, in dem die Verantwortlichen entscheiden, was über Bereiche hinausgeht. Zentral, wo Einheitlichkeit zählt, etwa bei Definitionen, die alle teilen, und dezentral, wo die Bereiche es am besten wissen.“

Die ausführliche Antwort: Schreib auf, wer was entscheidet; ein Betriebsmodell ist vor allem eine Liste von Entscheidungsrechten.

Schwache Antwort: „Das zentrale Team macht die ganze Governance.“ Nachfrage: „Ein Bereich weigert sich, Verantwortliche zu benennen.“ Sag, was du tust.

Wie leitest du ein Gremium für Daten, das wirklich entscheidet?

Worauf sie achten: Governance, die Streit beendet.

Kurze Antwort: „Im Gremium sitzen die Verantwortlichen der wichtigsten Domänen. Es tagt monatlich mit einer kurzen Tagesordnung von Entscheidungen, die vorab vorbereitet sind: eine Definition, ein Qualitätsziel, eine Frage zum Zugriff, ein Problem, das Bereiche übergreift. Jede Entscheidung wird aufgeschrieben und veröffentlicht; was ein einzelner Verantwortlicher entscheiden kann, bleibt draußen.“

Die ausführliche Antwort: Bekommt das Gremium nur Statusberichte, hört es auf, sich zu treffen; gib ihm Entscheidungen.

Schwache Antwort: „Wir stellen dem Gremium unseren Fortschritt vor.“ Nachfrage: „Die Hälfte der Verantwortlichen schickt Vertreter.“ Sag, was du änderst.

Was ist ein kritisches Datenelement, und wie wählst du sie aus?

Worauf sie achten: dass du die Arbeit dorthin lenkst, wo sie zählt.

Kurze Antwort: „Ein kritisches Datenelement, ein Critical Data Element, ist ein Feld, dessen Fehler ernste Folgen haben, etwa eine Zahl im Vorstandsbericht, ein Feld, das die Aufsicht prüft, oder eines, das Zahlungen auslöst. Ich wähle sie mit den Verantwortlichen aus den wichtigsten Berichten und Prozessen aus und gebe jedem zuerst eine Definition, einen Verantwortlichen, Qualitätsregeln und Lineage.“

Die ausführliche Antwort: Halte die Liste so kurz, dass du sie gut steuern kannst; sie kann wachsen, wenn die erste Gruppe im Griff ist.

Schwache Antwort: „Alle Daten sind kritisch.“ Nachfrage: „Jeder Bereich will seine Felder auf der Liste.“ Sag, wie du entscheidest.

Ein Bericht zeigt dem Vorstand eine falsche Zahl. Wie gehst du mit dem Datenproblem um?

Worauf sie achten: den Umgang mit Datenproblemen unter Druck.

Kurze Antwort: „Ich erfasse es als Datenproblem mit einem Verantwortlichen, finde die Ursache über die Lineage, stimme die Korrektur mit den Verantwortlichen für den Bericht und für die Daten ab, sage dem Vorstand, was falsch war und was sich geändert hat, und füge eine Qualitätsregel hinzu, damit derselbe Fehler vor dem nächsten Bericht auffällt.“

Die ausführliche Antwort: Der Vorstand verzeiht einen Fehler, der gut erklärt ist; denselben Fehler zweimal verzeiht er nicht.

Schwache Antwort: „Der Analyst korrigiert den Bericht.“ Nachfrage: „Die Ursache liegt in einem System, das kein Team ändern will.“ Sag, wer entscheidet.

Wie passen Aufbewahrung und Löschung in die Data Governance, und wo kommt der Datenschutzbeauftragte ins Spiel?

Worauf sie achten: die Grenze zum Datenschutz.

Kurze Antwort: „Die Aufbewahrung legt fest, wie lange jede Art von Daten aufbewahrt und wann sie gelöscht wird. Governance sorgt dafür, dass jeder Datenbestand eine Aufbewahrungsfrist hat, einen Verantwortlichen, der sie anwendet, und einen Eintrag im Katalog. Bei personenbezogenen Daten berät der Datenschutzbeauftragte, was das Recht erlaubt, nach Regeln wie der DSGVO in der EU oder dem DSG in der Schweiz; Governance sorgt dafür, dass die Entscheidung in den Systemen funktioniert.“

Die ausführliche Antwort: Daten für immer aufzubewahren kostet Geld und birgt Risiken; sie rechtzeitig zu löschen gehört zu guter Governance.

Schwache Antwort: „Wir behalten alles, falls wir es brauchen.“ Nachfrage: „Die Rechtsabteilung und die Analysten wollen entgegengesetzte Aufbewahrungsfristen.“ Sag, wer entscheidet.

Akzeptanz und KI

Wie schaffst du Akzeptanz, und wie misst du die Reife der Data Governance?

Worauf sie achten: Ergebnisse, keine Dokumente.

Kurze Antwort: „Akzeptanz entsteht, wenn du Probleme löst, die die Menschen spüren: Fang mit der Domäne an, in der schlechte Daten am meisten kosten, zeig die Lösung und lass diese Verantwortlichen den anderen davon erzählen. Ich messe sie an der Nutzung des Katalogs, den Qualitätsscores der kritischen Daten, geschlossenen Datenproblemen und getroffenen Entscheidungen, und einmal im Jahr nutze ich ein Reifegradmodell, etwa eines auf Basis von DAMA-DMBOK oder DCAM, um zu zeigen, wohin es als Nächstes geht.“

Die ausführliche Antwort: Ein Reifegrad beeindruckt einmal; Qualitätszahlen, die immer besser werden, sichern das Budget.

Schwache Antwort: „Wir haben die veröffentlichten Richtlinien gezählt.“ Nachfrage: „Nach einem Jahr hat sich der Reifegrad nicht bewegt.“ Sag, worauf du schaust.

Was muss Data Governance abdecken, wenn die Firma KI nutzt?

Worauf sie achten: die neuen Anforderungen an Daten von heute.

Kurze Antwort: „KI braucht dieselben Grundlagen, nur steht mehr auf dem Spiel: bekannte Quellen, Verantwortliche, die die Nutzung erlauben, Prüfungen von Qualität und Verzerrung in den Trainingsdaten, Lineage von den Daten bis zum Modell und Aufzeichnungen darüber, womit jedes Modell trainiert wurde. In der EU verlangt der AI Act Data Governance für die Daten, die Hochrisiko-KI-Systeme nutzen.“

Die ausführliche Antwort: Viele KI-Projekte bleiben an Daten hängen, die niemand verantwortet; eine Governance, die schon funktioniert, wird zum Vorsprung.

Schwache Antwort: „KI ist Sache der Data Scientists.“ Nachfrage: „Ein Modell wurde mit Kundendaten trainiert, ohne dass der Verantwortliche davon wusste.“ Sag, was du änderst.

Runden für Senior-Rollen

Wie würdest du als Senior Data Governance Manager einen Data Steward zu einer Rolle in der Governance entwickeln?

Worauf sie achten: dass du das Netz der Menschen ausbaust, auf das Governance angewiesen ist.

Kurze Antwort: „Ich gebe einem starken Data Steward ein Problem, das Bereiche übergreift, etwa eine Definition, über die sich zwei Bereiche uneins sind, und begleite ihn als Coach; dann eine eigene Domäne und einen Platz bei der Vorbereitung des Gremiums. Ich bringe ihm bei, was neu ist: Meetings mit Verantwortlichen aus der Führungsebene leiten, kurze Richtlinien schreiben und über Ergebnisse berichten.“

Die ausführliche Antwort: Einen Senior Data Governance Manager oder Head of Data Governance misst man an dem Netz aus Verantwortlichen und Data Stewards, das er hinterlässt.

Schwache Antwort: „Data Stewards lernen das allein.“ Nachfrage: „Ein Bereich hat keinen Data Steward und kein Budget für einen.“ Sag, was du tust.

Dein Lebenslauf für diese Fragen

Jede Stelle in deinem Lebenslauf lädt zu den Fragen oben ein: welche Domäne, welche Verantwortlichen, welche Regeln und was sich geändert hat. Gib jeder dieser Geschichten eine Zeile, so geschrieben, dass eine Leitung Daten mehr hören will:

Leg deinen Lebenslauf mit der kostenlosen Bewertung neben einen Job als Data Governance Manager, den du willst; den Bereich, den sie als dünn erkennt, übst du zuerst, mit einer Domäne, die du von den Verantwortlichen bis zu den Qualitätsscores beschreiben kannst.