Seminar DataGalaxy Intensivseminar – Catalog, Governance und Data Quality

Das 5-tägige Seminar vermittelt den vollständigen Aufbau und Betrieb eines vertrauenswürdigen Datenkatalogs mit Business Glossary, Governance-Rollen, Policies, Lineage, Datenqualität, Campaigns und Kennzahlen. Im Mittelpunkt stehen nachvollziehbare Arbeitsschritte, praktische Übungen und ein übertragbares Vorgehensmodell für den produktiven Einsatz von DataGalaxy.

Inhaltsverzeichnis

1. Seminarprofil
2. Zielgruppe und Voraussetzungen
3. Lernziele
4. Lernmodule
5. Praxiswerkstatt

Seminarprofil

Den vollständigen Aufbau und Betrieb eines vertrauenswürdigen Datenkatalogs mit Business Glossary, Governance-Rollen, Policies, Lineage, Datenqualität, Campaigns und Kennzahlen. Die Inhalte werden von der fachlichen Einordnung über die Modellierung und Konfiguration bis zur Qualitätssicherung und Betriebsdokumentation aufgebaut.

Begründung der Seminardauer: Fünf Tage sind erforderlich, weil alle fachlichen Kernseminare zu Discovery, Katalog, Glossar, Rollen, Policies, Lineage, Qualität, Campaigns und Reporting in einer integrierten Lernstrecke zusammengeführt werden.

Zielgruppe und Voraussetzungen

Zielgruppe: Data Catalog Leads, Data Governance Teams, Data Stewards, Data Owner, Data Quality Management, Data Architecture und Programmverantwortung.

Voraussetzungen: Grundverständnis der eigenen Datenlandschaft und Governance-Ziele; konkrete Beispiele für Begriffe, Datenobjekte und Qualitätsprobleme sind empfehlenswert.

Lernziele

• Fachliche Ziele, Rollen, Datenobjekte und Erfolgskriterien strukturiert bestimmen.
• Passende Metadaten, Beziehungen, Kontrollen und Arbeitsabläufe in DataGalaxy modellieren.
• Plattformfunktionen anhand realistischer Anwendungsfälle sicher konfigurieren oder anwenden.
• Ergebnisse auf Qualität, Berechtigungen, Ownership und Nachvollziehbarkeit prüfen.
• Wiederverwendbare Standards, Review-Zyklen und Betriebsartefakte dokumentieren.

Lernmodule

Modul 1: Plattformorientierung und Discovery

Der Themenblock ordnet Plattformorientierung und Discovery in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Nutzerrolle, Informationsbedarf und erwartete Entscheidung für „Plattformorientierung und Discovery“ formulieren.
2. Schritt 2: Geeignete Suchbegriffe, Filter, Begriffe, Beziehungen und Vertrauenssignale auswählen.
3. Schritt 3: Den Arbeitsablauf in DataGalaxy durchführen und relevante Objekte sowie Kontextinformationen vergleichen.
4. Schritt 4: Suchergebnis und AI-gestützte Hinweise auf Eindeutigkeit, Aktualität, Berechtigung und Nachvollziehbarkeit prüfen.
5. Schritt 5: Verbesserungsvorschläge, Rückfragen, Lernhilfen und messbare Adoptionsmaßnahmen dokumentieren.

Modul 2: Katalogstrategie und Scope

Der Themenblock ordnet Katalogstrategie und Scope in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Ausgangslage, Beteiligte und prüfbare Zielkriterien für „Katalogstrategie und Scope“ erfassen.
2. Schritt 2: Benötigte DataGalaxy-Objekte, Metadaten, Beziehungen, Verantwortlichkeiten und Kontrollen modellieren.
3. Schritt 3: Die zugehörigen Plattformfunktionen an einem realistischen Beispielszenario konfigurieren oder anwenden.
4. Schritt 4: Das Arbeitsergebnis auf Vollständigkeit, Konsistenz, Berechtigungen, Ownership und Nachvollziehbarkeit prüfen.
5. Schritt 5: Entscheidungen, offene Punkte und einen wiederverwendbaren Arbeitsstandard dokumentieren.

Modul 3: Metamodell und technische Metadaten

Der Themenblock ordnet Metamodell und technische Metadaten in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Ausgangslage, Beteiligte und prüfbare Zielkriterien für „Metamodell und technische Metadaten“ erfassen.
2. Schritt 2: Benötigte DataGalaxy-Objekte, Metadaten, Beziehungen, Verantwortlichkeiten und Kontrollen modellieren.
3. Schritt 3: Die zugehörigen Plattformfunktionen an einem realistischen Beispielszenario konfigurieren oder anwenden.
4. Schritt 4: Das Arbeitsergebnis auf Vollständigkeit, Konsistenz, Berechtigungen, Ownership und Nachvollziehbarkeit prüfen.
5. Schritt 5: Entscheidungen, offene Punkte und einen wiederverwendbaren Arbeitsstandard dokumentieren.

Modul 4: Fachliche Anreicherung und Ownership

Der Themenblock ordnet Fachliche Anreicherung und Ownership in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Geltungsbereich, Beteiligte und Risikoszenarien für „Fachliche Anreicherung und Ownership“ bestimmen.
2. Schritt 2: Rollen, Entscheidungsrechte, Schutzanforderungen und prüfbare Kontrollen in einer Matrix modellieren.
3. Schritt 3: Die Vorgaben an ausgewählten DataGalaxy-Objekten, Gruppen oder Arbeitsabläufen konfigurieren beziehungsweise zuordnen.
4. Schritt 4: Positive und negative Prüffälle durchführen und Abweichungen nachvollziehbar protokollieren.
5. Schritt 5: Review-, Freigabe-, Eskalations- und Rezertifizierungsregeln für den Regelbetrieb dokumentieren.

Modul 5: Business Glossary und Taxonomie

Der Themenblock ordnet Business Glossary und Taxonomie in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Relevante Begriffe, Synonyme, Kategorien und Nutzungskontexte für „Business Glossary und Taxonomie“ sammeln und abgrenzen.
2. Schritt 2: Definitionen, Benennungsregeln, Beziehungen, Verantwortlichkeiten und Qualitätskriterien modellieren.
3. Schritt 3: Die Inhalte strukturiert in DataGalaxy anlegen und mit geeigneten Datenobjekten, Berichten oder Richtlinien verknüpfen.
4. Schritt 4: Mehrdeutigkeiten, Dubletten, fehlende Beziehungen und fachliche Widersprüche im Review bereinigen.
5. Schritt 5: Freigabe, Versionierung, Pflegeintervall und Kommunikation als verbindlichen Arbeitsablauf festlegen.

Modul 6: Glossar-Asset-Verknüpfung und semantischer Kontext

Der Themenblock ordnet Glossar-Asset-Verknüpfung und semantischer Kontext in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Relevante Begriffe, Synonyme, Kategorien und Nutzungskontexte für „Glossar-Asset-Verknüpfung und semantischer Kontext“ sammeln und abgrenzen.
2. Schritt 2: Definitionen, Benennungsregeln, Beziehungen, Verantwortlichkeiten und Qualitätskriterien modellieren.
3. Schritt 3: Die Inhalte strukturiert in DataGalaxy anlegen und mit geeigneten Datenobjekten, Berichten oder Richtlinien verknüpfen.
4. Schritt 4: Mehrdeutigkeiten, Dubletten, fehlende Beziehungen und fachliche Widersprüche im Review bereinigen.
5. Schritt 5: Freigabe, Versionierung, Pflegeintervall und Kommunikation als verbindlichen Arbeitsablauf festlegen.

Modul 7: Governance Operating Model und Rollen

Der Themenblock ordnet Governance Operating Model und Rollen in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Geltungsbereich, Beteiligte und Risikoszenarien für „Governance Operating Model und Rollen“ bestimmen.
2. Schritt 2: Rollen, Entscheidungsrechte, Schutzanforderungen und prüfbare Kontrollen in einer Matrix modellieren.
3. Schritt 3: Die Vorgaben an ausgewählten DataGalaxy-Objekten, Gruppen oder Arbeitsabläufen konfigurieren beziehungsweise zuordnen.
4. Schritt 4: Positive und negative Prüffälle durchführen und Abweichungen nachvollziehbar protokollieren.
5. Schritt 5: Review-, Freigabe-, Eskalations- und Rezertifizierungsregeln für den Regelbetrieb dokumentieren.

Modul 8: Policies, Klassifikationen und Kontrollen

Der Themenblock ordnet Policies, Klassifikationen und Kontrollen in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Geltungsbereich, Beteiligte und Risikoszenarien für „Policies, Klassifikationen und Kontrollen“ bestimmen.
2. Schritt 2: Rollen, Entscheidungsrechte, Schutzanforderungen und prüfbare Kontrollen in einer Matrix modellieren.
3. Schritt 3: Die Vorgaben an ausgewählten DataGalaxy-Objekten, Gruppen oder Arbeitsabläufen konfigurieren beziehungsweise zuordnen.
4. Schritt 4: Positive und negative Prüffälle durchführen und Abweichungen nachvollziehbar protokollieren.
5. Schritt 5: Review-, Freigabe-, Eskalations- und Rezertifizierungsregeln für den Regelbetrieb dokumentieren.

Modul 9: Data Lineage und Herkunftsanalyse

Der Themenblock ordnet Data Lineage und Herkunftsanalyse in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Ein geeignetes Ausgangsobjekt und die erwartete Abhängigkeitskette für „Data Lineage und Herkunftsanalyse“ auswählen.
2. Schritt 2: Technische, manuelle und fachliche Beziehungen mit Quelle, Ziel, Richtung und Granularität erfassen.
3. Schritt 3: Die Kette in DataGalaxy navigieren und relevante Filter, Ebenen und Kontextinformationen anwenden.
4. Schritt 4: Vollständigkeit und Plausibilität anhand eines Änderungs-, Fehler- oder Nachweisszenarios validieren.
5. Schritt 5: Festgestellte Lücken, Owner, Korrekturmaßnahmen und künftige Prüfintervalle dokumentieren.

Modul 10: Impact und Root Cause Analysis

Der Themenblock ordnet Impact und Root Cause Analysis in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Ein geeignetes Ausgangsobjekt und die erwartete Abhängigkeitskette für „Impact und Root Cause Analysis“ auswählen.
2. Schritt 2: Technische, manuelle und fachliche Beziehungen mit Quelle, Ziel, Richtung und Granularität erfassen.
3. Schritt 3: Die Kette in DataGalaxy navigieren und relevante Filter, Ebenen und Kontextinformationen anwenden.
4. Schritt 4: Vollständigkeit und Plausibilität anhand eines Änderungs-, Fehler- oder Nachweisszenarios validieren.
5. Schritt 5: Festgestellte Lücken, Owner, Korrekturmaßnahmen und künftige Prüfintervalle dokumentieren.

Modul 11: Data Quality Monitoring

Der Themenblock ordnet Data Quality Monitoring in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Technische und fachliche Anforderungen für „Data Quality Monitoring“ erfassen und die Systemgrenzen festlegen.
2. Schritt 2: Benötigte Zugänge, Sicherheitsvorgaben, Objektzuordnungen und Fehlerfälle in einer Prüfliste dokumentieren.
3. Schritt 3: Die Konfiguration oder Automatisierung in einer kontrollierten Teststrecke aufbauen und mit repräsentativen Daten ausführen.
4. Schritt 4: Ergebnisse, Protokolle, Objektidentitäten und Wiederanlaufverhalten gegen die Abnahmekriterien prüfen.
5. Schritt 5: Betriebsparameter, Verantwortlichkeiten, Monitoring und Übergabeschritte als wiederverwendbaren Standard festhalten.

Modul 12: Issue-Bearbeitung und Vertrauensindikatoren

Der Themenblock ordnet Issue-Bearbeitung und Vertrauensindikatoren in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Steuerungsfrage, kritische Objekte und erwartete Entscheidung für „Issue-Bearbeitung und Vertrauensindikatoren“ präzisieren.
2. Schritt 2: Messgröße, Definition, Datenquelle, Baseline, Zielwert, Schwellenwert und Verantwortlichkeit festlegen.
3. Schritt 3: Mess- oder Qualitätssignale mit den betroffenen DataGalaxy-Objekten und dem jeweiligen Nutzungskontext verbinden.
4. Schritt 4: Bewertung, Ampellogik und Eskalation anhand realistischer Messwerte oder Abweichungen testen.
5. Schritt 5: Review-Rhythmus, Maßnahmenverfolgung und Regeln zur kontinuierlichen Kalibrierung dokumentieren.

Modul 13: Campaigns und Governance-Workflows

Der Themenblock ordnet Campaigns und Governance-Workflows in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Ziel, Scope, betroffene Objekte und Abschlusskriterien für „Campaigns und Governance-Workflows“ festlegen.
2. Schritt 2: Phasen, Statusübergänge, Rollen, Aufgaben, Fristen und Eskalationen modellieren.
3. Schritt 3: Den Ablauf in DataGalaxy konfigurieren und mit repräsentativen Zuweisungen starten.
4. Schritt 4: Fortschritt, Benachrichtigungen, Ausnahmen und fachliche Abnahmen während eines Testlaufs prüfen.
5. Schritt 5: Abschluss, Nachweisführung, Wiederverwendung und Optimierung des Ablaufs dokumentieren.

Modul 14: Governance-Kennzahlen und Regelbetrieb

Der Themenblock ordnet Governance-Kennzahlen und Regelbetrieb in den Gesamtprozess ein, verbindet fachliche Anforderungen mit den relevanten Metadaten und Plattformfunktionen und führt zu einem prüfbaren Arbeitsergebnis.

1. Schritt 1: Steuerungsfrage, kritische Objekte und erwartete Entscheidung für „Governance-Kennzahlen und Regelbetrieb“ präzisieren.
2. Schritt 2: Messgröße, Definition, Datenquelle, Baseline, Zielwert, Schwellenwert und Verantwortlichkeit festlegen.
3. Schritt 3: Mess- oder Qualitätssignale mit den betroffenen DataGalaxy-Objekten und dem jeweiligen Nutzungskontext verbinden.
4. Schritt 4: Bewertung, Ampellogik und Eskalation anhand realistischer Messwerte oder Abweichungen testen.
5. Schritt 5: Review-Rhythmus, Maßnahmenverfolgung und Regeln zur kontinuierlichen Kalibrierung dokumentieren.

Praxiswerkstatt

Die Praxiswerkstatt bündelt die zuvor aufgebauten Arbeitsschritte in einem durchgängigen Szenario. Jedes Arbeitspaket wird mit Ziel, Eingaben, Rollen, Prüfkriterien und Dokumentation abgeschlossen.

1. Durchgängigen Katalogbereich von Quelle bis Geschäftsbegriff modellieren.
2. Governance-, Lineage- und Qualitätskontrollen für kritische Daten umsetzen.
3. Regelbetrieb mit Campaigns, Kennzahlen, Reviews und Verbesserungsbacklog ausarbeiten.

Abnahmekriterien

• Objekte, Metadaten und Beziehungen sind vollständig und konsistent dokumentiert.
• Rollen, Berechtigungen, Freigaben und Eskalationen sind nachvollziehbar zugeordnet.
• Qualitäts-, Sicherheits- und Governance-Prüfungen sind mit konkreten Nachweisen belegt.
• Der erarbeitete Ablauf ist reproduzierbar und für den Regelbetrieb beschrieben.