Menü
Die Stadt Wien hat sich zum Ziel gesetzt, in Sachen Data „excellent“ zu werden – das bedeutet die zeitnahe Bereitstellung von verlässlichen Verwaltungsdaten in der benötigten Qualität. Dafür wurde ein Projekt zur Einführung einer Data Governance-Organisation mit Empfehlungen hinsichtlich Regeln, Organisation, Prozesse, Datenarchitektur und Technik gestartet. Weitere zentrale Aspekte sind ein Strategiekonzept zum Datenqualitätsmanagement, das die Datenerfassung, Datenverwaltung und Datenqualität magistratsweit nachhaltig optimieren soll, eine Reorganisation der Strukturen und Abläufe im Datenmanagement, die Bereitstellung einer übergreifenden Datenbasis (SPOT) und einem zentralen Referenz- und Stammdatenmanagement.
Es wurde eine Enterprise Data Warehouse (Vienna DX Center) mit einer magistratsweiten Reporting- Analyse- und Planungsfunktionalität aufgebaut. Im DX-Programm waren die Daten der fünf Datendomänen des Magistrats – Finanz, Personal, Adressen, Organisation und Förderungen – im Scope. Weitere Inhalte (Iterationen) werden über ein strategisches Bedarfsmanagement in den Umfang des Projektes integriert. Zur Sicherstellung der langfristigen Datenverwaltung und -nutzung im Magistrat enthält PEDES ebenso den erforderlichen Anteil zur Ausrollung von Data Governance im Magistrat.
„Verlässliche Daten für Verwaltung, Bürger:innen und Wirtschaft & Wissenschaft zur Verfügung zu stellen hat uns in diesem Vorhaben angetrieben. Mittlerweile haben wir über 35 Datendomänen unter Governance und entsprechende DX-Services dafür aufgebaut.“
„Der absolute Fokus auf die Schaffung von technischen und organisatorischen Grundlagen und der ausgiebige Know How Transfer von ExpertInnen der Firma dataspot. zu internen Ressourcen haben es ermöglicht, den Fachbereich Data Excellence in der MA01 in dieser kurzen Zeit und dieser Qualität aufzubauen.“
Die Data Excellence Organisation wird zusätzlich zur formalen Aufbauorganisation etabliert und definiert die Rollen zum erfolgreichen Betreiben von Data Excellence in den Fachbereichen und der IT samt Aufgaben und Berichtslinien sowie erforderlichen Gremien und Eskalationspfade. Die Data Excellence Organisation bildet somit die Struktur und eine der Voraussetzungen für die nachhaltige Absicherung des Data Excellence Programms.
Im Fachlichen Datenmodell wurde sichergestellt, dass im gesamten Unternehmen ein einheitliches Verständnis über die Daten und ihre Verwendung herrscht. Es wurden die fachlichen Datenbeschreibungen workshopmäßig erarbeitet und im
Metadatenmanagement-Tool erfasst. Das Fachliche Datenmodell dient als Vorgabe für die IT zur Entwicklung von Applikationen. Damit ist gewährleistet, dass die Daten von allen gleichartig verwendet werden. Das Fachliche Datenmodell wird in graphischer Form als UML Modell dargestellt und von der IT in den Data Architect importiert. Die Prozessdefinition für die Erstellung und Verwaltung des Fachlichen Datenmodells und den zugehörigen Beschreibungen unter Rücksichtnahme auf den fachlichen Daten-Lifecycle und die Implementierungs-Releases wurden ebenfalls definiert und in der Richtlinie festgehalten.
Im Modul Datennutzung wurde sichergestellt, dass bereits vorhandene Berichte (Reports/Datenauswertungen) und Datenbereitstellungen (Schnittstellen/Datasets) allen zur Verfügung gestellt bzw. das Wissen über diese zentral in der Software dataspot. katalogisiert und zur Verfügung gestellt werden können. Daten, die bereits ausgewertet oder zur Verfügung gestellt wurden, können somit von Anderen wiederverwendet und auf einfache und effiziente Art wiedergefunden werden. Darüber hinaus wurden Designprinzipien festgelegt, die für alle Berichtsersteller verbindlich sind.
Im DX-Bedarfsmanagement erfolgt die zentrale, unternehmensweite und strategische Steuerung aller datenbezogenen Bedarfe. Anforderungen zu datenbezogenen Themen, wie z. B. Daten zentral zur Verfügung zu stellen, Verbesserungen der Datenqualität, Beschreibung/Dokumentation von Daten, Erstellung von Datenauswertungen usw. werden gemeinsam betrachtet, bereichsübergreifend gesteuert, umgesetzt und getestet.
Die Umsetzung der Strategie zum professionellen Umgang mit Daten wird mit Key Performance Indicators (KPIs) untermauert. Die KPIs sind Top-Kennzahlen und messen, inwieweit die strategischen Vorgaben erreicht wurden. Die Entwicklung und Einführung von operativen Kennzahlen stellt die erfolgreiche Steuerung der Data Excellence Strategie des Magistrats auf Basis von fachlichen und technischen Metadaten sicher.
Im Rahmen des Skills Managements wurde erarbeitet, dass sich alle MitarbeiterInnen, die mit datenrelevanten Themen zu tun haben, im richtigen Umgang mit Daten auskennen. Für verschiedene datenbezogene Rollen ist spezielles Know-How erforderlich, beispielsweise wie Daten richtig verstanden werden, wie sie gepflegt werden und wie sie benutzt werden. Die für Data Excellence benötigten Skills wurden anhand der Data Excellence Rollen in einem Schulungsplan mit dazu passendem Schulungsangebot festgelegt.
Jedes Data Excellence Programm greift tief in die bestehenden Prozesse und Strukturen ein. Ein aktives Veränderungsmanagement ist Voraussetzung für die erfolgreiche Umsetzung von Data Excellence Maßnahmen. Das Change Management umfasste die Definition der Stakeholder/-gruppen und deren Kommunikationsbedürfnisse, die Festlegung der Kommunikationskanäle sowie das Erstellen und Umsetzen der Kommunikationsmaßnahmen.
Zur verbindlichen Einführung und Einhaltung von Data Excellence in der Stadt Wien wurde bei der Erstellung der IKT-Teilstrategie „Data Excellence“ unterstützt und in acht Themenbereichen Leitfäden erstellt, die alle definierten Data Excellence Prozesse umfassen. Hierbei wurden die Methoden und Frameworks unter Berücksichtigung der Data Excellence Organisation und ihrer Rollen beschrieben..
Richtige, verlässliche und akkurate Daten sind für die Steuerung von Organisationen unerlässlich. Dafür braucht es ein gesamtheitliches Datenqualitätsmanagement, das von Fachabteilungen geplant und umgesetzt werden muss, da in den Fachabteilungen die Vorgaben über die Beschaffenheit der Daten gemacht werden. Im Rahmen des Datenqualitätsmanagements wurden auch die Prozesse für die Definition der erforderlichen Datenqualität von Geschäftsobjekten und ihren Attributen, für die Auswertung und das Reporting der gemessenen Datenqualität und für die Definition und Abwicklung von Datenqualitätsverbesserungsmaßnahmen definiert und erstellt.
Innerhalb des Themenbereichs Modellierung und Architektur werden Richtlinien und Grundsätze zur Modellierung des Fachlichen Datenmodells (Geschäftsobjekte, Relationen, Attribute) inkl. Vorgaben/Templates zur Erfassung des Fachlichen Datenmodells, der Datenqualitätsspezifikationen und Referenzdaten definiert. Die fachlichen Vorgaben für die Enterprise Data Management Architektur wie zum Beispiel Definition der Golden Source, die Rahmenbedingungen für Kennzahlenberechnungen, die fachlichen Vorgaben für den semantischen Layer und die fachlichen Vorgaben für Historisierung und Datenverfügbarkeit wurden ebenfalls festgelegt.
Referenzdaten haben große Auswirkung auf die Verknüpfung und Darstellung der Daten und benötigen daher – so wie Stammdaten – eine zentrale, explizite Governance, um eine redundanzfreie, saubere Datenbasis sicherzustellen. Daten können nur dann ausgewertet werden und zu aussagekräftigen Informationen aufbereitet werden, wenn die Einzeldaten zu Kategorien mit vordefinierten Werten zugeordnet sind, wie z. B. einheitlicher Produktkatalog, Organisationsstruktur, etc. Referenzdaten legen somit die Ausprägungen der Stammdaten und die verfügbaren Dimensionen für Auswertungen/ Reporting/ etc. fest. Die benötigten Referenzobjekte der jeweiligen Datendomäne wurden modelliert und die Metadaten im Tool erfasst, wo ein komplettes Referenzdatenmanagement möglich ist. Aus dem dataspot. Metadatenmanagement-Tool heraus werden zentrale Referenzdatenservices für den gesamten Magistrat angeboten.
Datenrisiken sind operationelle Risiken und werden in der ganzheitlichen Governance der Stadt Wien adressiert. Das Datenrisikomanagement des Magistrats wurde mit dem unternehmensweiten Risikomanagement abgestimmt und umfasst die Identifikation und Einschätzung von Risiken nach Eintrittswahrscheinlichkeit und Gefährdungsgrad sowie die Definition von Maßnahmen, wie das Risiko minimiert bzw. vermieden werden kann. Die fachlichen Datenschutzanforderungen werden im Fachlichen Datenmodell definiert.
Im technischen Support-Team wurde ein allgemeiner Prozess zur Überprüfung der angeforderten Datenqualität aufgrund definierter und nachprüfbarerer technischer und fachlicher Datenqualitätsindikatoren (DQI) festgelegt, der Data Quality Report Templates beinhaltet. Bei der Pilot-Umsetzung wurde der konzipierte Gesamtprozess erprobt und verifiziert. Dazu wurde eine abgegrenzte Aufgabenstellung aus dem Personalbereich definiert. Überprüfte Ergebnisse waren u.a.: Modelle inkl. Mappings, ETL-Jobs, Reports und Cubes
Das fachliche Metadatenmanagement beinhaltet die Tool-Auswahl für die Verwaltung von Metadaten des Fachlichen Datenmodells sowie Befüllung des Tools mit den für die Iterationen erstellten Definitionen des Fachlichen Datenmodells, der Datenqualität und der Referenztabellen. Ebenfalls im Tool enthalten, sind die erforderlichen Angaben zur Data Excellence Organisation, die Detailinformationen zu den Anforderungen und fachlichen Detailinformationen zu Reports. Die Software dataspot. wurde eingeführt und steht seitdem allen MagistratsmitarbeiterInnen zur Verfügung
dataspot. ist ein innovatives Unternehmen mit Sitz in Wien, Linz, Basel, Zürich und Berlin, das sich zum Ziel gesetzt hat, seinen Kund:innen den Wert ihrer unternehmensweiten Daten aus einem fachlichen Blickwinkel erkennen zu lassen.