Das Management-Handbuch für Chief Data Officer: Aufbau und Betrieb der Daten-Supply Chain eines Unternehmens

Es lässt sich nicht leugnen, dass das 21. Jahrhundert datengesteuert ist, wobei viele digitale Branchen auf die sorgfältige Erfassung und Analyse großer Mengen von Informationen angewiesen sind. Ein Chief Data Officer (CDO) in einem Unternehmen ist der Leiter dieses Prozesses, was diese Position oft zu einer Herausforderung macht. Das Chief Data Officer Management Handbook soll hier Abhilfe schaffen. In diesem Buch gibt der Autor Martin Treder Ratschläge, wie CDOs besser auf ihren Verantwortungsbereich vorbereitet werden können, wie sie einen nachhaltigeren Ansatz entwickeln und wie sie die typischen Fallstricke vermeiden können. Basierend auf den positiven und negativen Erfahrungen aktueller CDOs hilft das Chief Data Officer Management Handbook dabei, die ideale Struktur eines Datenbüros zu entwerfen, sie zu implementieren und die richtigen Leute an Bord zu holen. Wichtige Themen wie die Datenversorgungskette, die Datenstrategie und die Data Governance werden von Treder sorgfältig behandelt. Als CDO ist es wichtig, dass Sie Ihre Position mit Ihrem gesamten Team effektiv nutzen. Das Chief Data Officer Management Handbook ermöglicht es allen Mitarbeitern, die Verantwortung für die Zusammenarbeit im Bereich Daten zu übernehmen. Daten sind die Grundlage heutiger und zukünftiger technologischer Innovationen, und Sie könnten die Führungspersönlichkeit sein, die die nächste große Veränderung bewirkt. Was Sie lernen werden: Wichtige Elemente eines effektiven Datenmanagements anwendenSie erhalten einen umfassenden Überblick über alle Datenbereiche (die oft unabhängig voneinander verwaltet werden) Arbeiten Sie mit der Datenversorgungskette, von der Datenerfassung bis zur Datennutzung, einer Überprüfung aller relevanten Interessengruppen, der Datenstrategie und der DatenverwaltungFür wen ist dieses Buch gedacht?CDOs, Datenverantwortliche, Datenberater und alle Fachleute, die verstehen wollen, wie ein Datenbüro in einer Organisation funktioniert. Inhaltsverzeichnis Danksagungen Geleitwort Vorwort Einleitung Warum ist das so? Teil I Entwurf eines wirksamen Data Office Kapitel 1: Verstehen Sie Ihre Organisation Fünf implizite Data Governance-Modelle Zentralisierte Daten-Governance Demokratische Daten-Governance Liberale Daten-Governance Technokratische Daten-Governance Anarchistische Daten Governance Verhaltensmuster in Datenangelegenheiten „Daten sind eine IT-Aufgabe“ „Wir können uns auf die Analyse konzentrieren“ „Es ist Digitalisierung“ Lähmung durch Hinterfragen mittels Daten: Paralysis by Analysis „Digital Natives wissen, wie man es macht“ „Unsere Geschäftsbereiche können Daten auf eigene Faust verwalten“ „Alles ist gut“ „Aufräumen und Häkchen setzen“ Kapitel 2: Aspekte eines effektiven Daten- managements Reifegradbewertung Die zwei Hauptlücken Subsidiarität Businessorientierung Kommerzielle Ausrichtung Zusammenarbeit Das Data Office Klare Datenverantwortung Ein Entscheidungs- und Eskalationsprozess Informationsaustausch Ein Netzwerk für Datenverantwortung Checkliste Motivation Querschnittsfunktionalität Konzentrieren Sie sich auf unternehmensweite Ziele, nicht auf Abteilungsziele Fördern Sie die Zusammenarbeit Machen Sie den Fokus zu einem Teil Ihrer Unternehmenskultur Change-Management Datenkompetenz - Data Literacy Helfen Sie den Mitarbeitern, Daten zu verstehen Wissen teilen Daten teilen Kapitel 3: Die Daten- Supply Chain A. Datenquellen verwalten B. Verifizieren Sie die Dateneingabe C. Daten klassifizieren D. Datenqualität verwalten E. Daten aufräumen F. Daten kuratieren Der Zweck der Datenpflege Aspekte einer guten Datenpflege Bereitstellung von Informationen an Benutzer G. Daten verwenden Zusammenfassung: Decken Sie die gesamte Daten-Supply Chain ab Kapitel 4: Datenvision, -mission und -strategie Datenstrategie – ernsthaft? Strategie vs. Umsetzung Strategie in Zeiten von Agile Frisst Kultur die Strategie zum Frühstück? Vision Was soll eine Vision erreichen? Auf was sollte sich eine Vision konzentrieren? Mission-Ihr Auftrag Definieren Sie zentral gesteuerte Standards zum Datenmanagement Einführung eines cross-funktionalen MDM auf der Grundlage einer einzigen Wahrheit Sicherstellung einer guten Datenqualität durch Mess- und Verbesserungsinitiativen Arbeiten Sie mit Fachabteilungen, um Daten in Informationen umzuwandeln Alles von einem richtigen Toolset unterstützt Ausreichende ethische Standards bei der Behandlung von Daten umsetzen Alle Entitäten in Datenfragen trainieren und verbinden Strategie Warum benötigen Sie eine Datenstrategie? Wie ist ihre Strategie im Vergleich zur Strategie der Organisation positioniert? Wie entwickeln und pflegen Sie Ihre Datenstrategie? Ihr individuelles Erfolgskriterium Kapitel 5: Masterdaten- Management Sind statische Daten nicht veraltet? Was umfassen Masterdaten? Masterdaten, Referenzdaten, Metadaten Beispiele für Masterdaten Beispiele für Referenzdaten Beispiele für Metadaten Verwaltung von Masterdaten Fachbereichsübergreifendes MDM Das Datenmodell Historische Versionen der Masterdaten MDM und Masterdaten-Software Masterdaten-Organisationsmodelle Verstehen Sie zunächst Ihre Anforderungen Ermittlung Ihrer Anforderungen Wasserfall oder Agile? Build oder buy? Kapitel 6: Daten- Governance Gestalten Sie einen Satz von Datenprinzipien Entwickeln Sie Datenrichtlinien Wozu dienen Datenrichtlinien? Wie individuell müssen Datenrichtlinien sein? Wie bestimmen Sie die Verantwortlichkeiten für Richtlinien? Wie bestimmen Sie die Einrichtung Ihrer Richtlinien? Wie entwickeln Sie einen Satz von Datenrichtlinien? Wie sieht eine Datenrichtlinie aus? Der Zielzustand verwalteter Daten Umfang der Daten-Governance Können Daten zu vertraulich sein, um sie zu regeln? Sollen wir Forschungsdaten ausnehmen? Brauchen wir für verschiedene Datentypen unterschiedliche Governance? Wie steht es um Daten, die wir noch nicht kennen? Entscheidungsfindung und Zusammenarbeit Vorstand Exekutiv-Datengremium Datenkoordinationsgruppe Datengemeinschaft Datenprüfung und Entscheidungsprozess Geschwindigkeit der Implementierung Kapitel 7: Die Datensprache Merkmale der Sprache Sprechen wir nicht alle eine Sprache? Die Dynamik der Sprache Das Datenglossar Was ist ein Glossar? Das Risiko, kein Glossar zu haben Was muss in einem Glossar enthalten sein? Wie führt man ein Glossar ein? Datenregeln und -standards Der Zweck von Regeln und Standards Datenstandards Datenregeln Arbeit an Datenregeln und Standards Dokumentation von Datenregeln und Standards Das Datenmodell Der Wert eines Datenmodells Der Wert eines EINZIGEN Datenmodells Beispieldaten eines Kunden Analytics und Datenmodellierung Schlussfolgerungen Die Wahl einer Softwarelösung Benötigen Sie ein Tool zur Verwaltung der Datensprache? Gibt es irgendwelche grundlegenden Anforderungen? Kapitel 8: Datenprozesse Warum Prozesse vorgeben? Aspekte der Prozessentwicklung Verantwortlichkeit Bestehende Datenprozesse Zusammenarbeit Allgemeine Überlegungen Zukünftige Altlasten durch Behelfslösungen Konfliktmanagement Benutzerfreundlichkeit Prozesstrigger Anforderung der Projektgenehmigung oder -finanzierung Fehlermeldung Änderungsanforderung Ablauf der technischen Schuld ( „technical debt“) Anfrage nach Klärung Eskalation Kontrollpunkte für die Datenüberprüfung Konkrete Prozessgruppen Datenanforderungsprozess Prüfungsprozess für den Umgang mit Daten in Projekten Wann ist ein Projekt für eine Datenüberprüfung relevant? Fälle, in denen Data Management nicht der erste Ansprechpartner ist Eine typische Datenüberprüfung in einem Projekt Unterstützungsprozesse Prozess zur Änderung von Dateninhalten Prozess zum Datenqualitätsmanagement Prozess zur Änderung von Datenlogik Prozess zum Glossar Prozess zur Anforderung von direktem Datenzugriff Daten in Geschäftsprozessen verwalten Kapitel 9: Rollen und Ver- antwortlichkeiten Einführung in Rollen und Verantwortlichkeiten Datenverantwortliche und Datenchampions Datenverantwortlicher Datenchampions Datenersteller und -nutzer Weitere Geschäftsrollen Rollen auf der Fachseite Mangel an organisierter Verantwortung Zentralisierte Rollen Daten Governance Datenqualität Datenanwendungen und -projekte Masterdatenverwaltung Datenarchitektur Datenschutz und Compliance Data Science Datenanalyse und BI Kapitel 10: Datenqualität Warum ist Datenqualität wichtig? Gefährliche Datenqualitätsstandpunkte 1) Die Annahme, dass Ihre DQ gut ist 2) Die Annahme, dass Ihre DQ gut genug ist 3) Die Annahme, dass Sie DQ nicht messen können 4) Die Annahme, dass schlechte DQ eine Angelegenheit des „Data Office“ ist 5) Die Annahme, dass jeder an guter DQ interessiert ist 6) DQ erst dann ansprechen, wenn Sie bereits in Schwierigkeiten sind 7) Arbeit an der DQ nur für Analysezwecke 8) Arbeit an der DQ dort, wo zuerst Probleme auftreten 9) Akzeptanz von schlechter DQ, weil bessere DQ unmöglich oder schwierig ist 10) Das Nichtveröffentlichen des DQ-Niveaus Wie geht man mit Datenqualität um? DQ muss ein Top-Management-Thema sein DQ erfordert die richtige Motivation Lassen Sie die Betroffenen selbst sich beschweren Fokus auf relevante Daten Sorgen Sie dafür, dass die Daten sauber werden und bleiben Jeder sollte verantwortlich sein DQ muss gemessen werden DQ muss zu Handlungen führen Verwaltung von Geschäftskennzahlen Messen Sie die Leistung von Teams Messen Sie die Konsistenz der Daten Ziehen Sie Heuristiken in Betracht Bestimmen Sie unerwünschtes Verhalten Gliedern Sie Ihre Qualitätsmessung auf Führen Sie ein Qualitätsmanagement für die Datenerfassung ein Kapitel 11: Der Aufbau von Data Office-Teams Der effektive Aufbau von Datenteams Datenarchitektur und Glossar Das „Datensprache“-Team Glossar-Management Wie organisiert man die Datenarchitektur? Wie kann man Datenarchitektur attraktiv gestalten? Analytics Analytics über Silos hinweg Data Science Berichtsverwaltung Dokumentenverwaltung Ein zentralisierter Ansatz kann Wert schaffen Dokumente in der Datenverwaltung? Wie formt man ein Dokumentenmanagement-Team? Datenqualitätsmanagement Das zentrale Datenqualitätsteam Datenqualität in der gesamten Organisation Organisieren von Masterdata Management Masterdata-Pflege Masterdata-Design Masterdata-Koordination Data Project Office Eine weitere Overhead-Funktion? Verantwortlichkeiten eines Datenprojektbüros Schwerpunkte Das Datenprojektbüro innerhalb der Organisation Einrichtung eines Datenprojektbüros Datenservicefunktion Business-Helpdesk Kontakt zur Datenorganisation Experten anlocken und halten 1) Vielfalt ist vorteilhaft – als Ergebnis 2) Jeder will bei Google einsteigen 3) Die süßere Herausforderung nebenan 4) Bitte keine Meetings 5) Wo ist die Infrastruktur? 6) Spielplatz vs. Strategie 7) Abgekoppelt von der Geschäftswelt 8) Kleine, dumme Jobs 9) Selbst Data Science kann langweilig sein 10) Anerkennung? 11) Data Scientist vs. DB Admin 12) Die Welt von Hunger befreien Six Sigma Six Sigma und Daten Einrichtung von Six Sigma im Data Office Ein typischer DMAIC-Datenprozess DEFINE: Definieren MEASURE: Messen ANALYSE: Analysieren IMPROVE: Verbessern CONTROL: Überprüfen Teil II Die Psychologie des Datenmanagements Kapitel 12: Typische Herausforderungen eines CDO Warum ist es so schwer, CDO zu sein? 1) Kampf um die Vorherrschaft 2) Unwissenheit WARUM sollten wir Daten gezielt managen? Warum sollten wir uns das Thema Daten gerade JETZT vornehmen? 3) Silo-Denken Variante 1: „Wir wissen am besten, was für uns gut ist.“ Variante 2: „Ich bin schneller, wenn ich mich nicht mit anderen abstimmen muss.“ 4) Keine Übernahme von Verantwortung 5) Opt-out-Haltung 6) Passives Beobachten 7) Skepsis 8) Fachliche Arroganz Zusammenfassung: Voraussetzungen für den Erfolg ( Aktive!) Unterstützung durch den Vorstand Eine angemessene Berichtslinie Klare Erwartungen Klare Rollenverteilung in Datenangelegenheiten Kapitel 13: Wie man sich (nicht) als CDO verhält Verlassen Sie sich nicht auf formelle Autorität Starten Sie klein und wählen Sie Ihre Themen sorgfältig Sein Sie bescheiden Präsentieren Sie sich als Moderator Vermeiden Sie eine unpassende Sprache Gehen Sie raus und sprechen Sie mit Menschen Kapitel 14: Stakeholder- Management Managen Sie Stakeholder auf allen Ebenen Dokumentieren Sie Ihre Erkenntnisse Klassifizieren Sie Ihre Stakeholder Bestimmen Sie Ihre Verbündeten unter den Entscheidern Kennen Sie die Motive Ihrer Verbündeten Konkrete Empfehlungen Passen Sie Ihre Geschichte an die Situation Ihrer Stakeholder an Stellen Sie die richtigen Fragen Wählen Sie die richtigen Schwächen aus Halten Sie Daten auf der Agenda Gestalten Sie Ihr Datennetzwerk Datenchampions in den Fachbereichen Fachliche Verantwortliche von Datendomänen Datenersteller: Datenpflegenetzwerk Als Beispiel für Datenverbraucher: Analytics-Netzwerk Doppelte Loyalität Orchestrieren Sie Ihre Datennetzwerke Planen Sie mit unterschiedlichen Zielgruppen Häufig genannte Bedenken 1) Welches Problem versuchen Sie zu lösen? 2) Was bringt es mir? 3) Ich habe keine Bandbreite für Datenkram 4) Wir schauen uns Ihre strategischen Ideen gerne später mal an 5) Die IT hat das bisher immer abgedeckt 6) Ideales Datenhandling gefährdet mein Projekt 7) Was, wenn Sie versagen? 8) Es hat ohne Data Office gut funktioniert 9) Ich will nichts ändern ... 10) Wird ein Algorithmus mich ersetzen? Kapitel 15: Psychologie der Governance Beanspruchen Sie keine bereits besetzten Themen Entwerfen Sie einen leicht zu akzeptierenden Startpunkt Berufen Sie sich auf anerkannte Autoritäten Suchen Sie das Gleichgewicht zwischen den Extremen (1) Zwischen Absolutismus und Demokratie (2) Zwischen zentralen und lokalen Lösungen (3) Zwischen standardisierten und individualisierten Lösungen (4) Zwischen schmutzigen und perfekten Lösungen Entwickeln Sie eine Marke für Ihr Data Office Elevator Pitch Teil III Praktische Aspekte des Datenmanagements Kapitel 16: Business Cases für Datenprojekte Business Cases für Daten – warum denn das? Business Cases in einer perfekten Welt Die grundlegende Idee hinter einem Business Case Kapitalkosten im Laufe der Zeit Berücksichtigung von „Risiko“ Projektauswahl Alles gut? Allgemeine Herausforderungen (1) Business Cases und Unternehmenskultur (2) Quantifizierung von Vorteilen (3) Widersprüchliche Ziele innerhalb der Organisation (4) Schwierige Verifizierung im Nachhinein (5) Schnelles Veralten von Business Cases Datenspezifische Herausforderungen (6) Daten sind nicht sexy (7) Bestimmung des Wertes geschaffener Grundlagen (8) Später Break-Even (9) Motivation von Führungskräften Acht Empfehlungen für den Umgang mit Daten-Business Cases I. Führen Sie ein aktives Stakeholder-Management durch II. Fördern Sie Datenkompetenz und Transparenz III. Erstellen und Aufrechterhalten einer Daten-Roadmap IV. Daten als Vermögenswert behandeln V. Arbeiten Sie im Tarn-Modus, falls erforderlich VI. Erklären Sie die Kosten dafür, es NICHT zu tun VII. Stellen Sie Regeln für den Umgang mit Business Cases auf – und befolgen Sie sie selbst VIII. Entwickeln Sie eine Unternehmenskultur der Daten Anwendungsfälle für Daten als Vermögenswert Was treibt Ihre Prognosen an? Daten – warum ausgerechnet JETZT Kundendaten Kapitel 17: Datenethik und -compliance Ethisches Verhalten und Daten? Was könnte schiefgehen? Wo stehen wir heute? Für jedes Unternehmen resultierende Fragen Was sind Ihre Optionen? Eine umfassendere Perspektive DSGVO – Alles erledigt? Sie sind nicht fertig, wenn Sie „das Projekt“ abschließen Privatsphäre muss zu einer Einstellung werden Geschäftsmöglichkeiten erkennen Empfehlungen Kapitel 18: Die Außenwelt Warum sollte ich über meine Organisation hinausblicken? Datenaustausch zwischen Organisationen Verschiedene Arten des Datenaustauschs Die Motivation für das Teilen von Daten Externe Daten Interne Daten reichen nicht aus Was Sie aus externen Daten lernen können Das CDM und externe Daten Herausforderungen bei externen Datenstrukturen Konsequenzen für Ihr Datenmodell Die Zuordnung von internen und externen Daten Datenqualität als Service? Globale Standards Ihre eigenen Standards – gut, aber nicht gut genug Standards über Organisationen hinweg Seien Sie vor Pseudo-Standards auf der Hut! Praktischer Ansatz Cloud-Strategien für Daten Outsourcing in die Cloud Software as a Service Intelligenz als Service Das Risiko von Datenmodellproblemen Das Risiko von Black-Box-Problemen Optionen für eine sinnvolle IaaS-Nutzung Blockchain Eindeutige Identifizierung und Blockchain Ein falsches Gefühl der Sicherheit Kapitel 19: Der Umgang mit Daten Die virtuelle Single Source of Truth Wie sieht eine VSSoT aus? Wie formt man eine VSSoT? Eine „Single Source of Truth“ auch für die Datenlogik Serviceorientierte Architektur (SOA) Verteilte Logik – das Octopus-Prinzip Konfiguration vs. Standardisierung Konzept des „Effective Date“ Daten international machen Der Babylon-Effekt Alias-Begriffe Transliteration Länderspezifische Sprachen „Technical Debt“ im Datenmanagement Agile und Daten Eine solide Grundlage – warum? Eine solide Grundlage – aber wie? Mit dem Happy Flow beginnen? Was macht eine Initiative erfolgreich? Die drei Dimensionen des Projekterfolgs Ein Priorisierungsansatz Kapitel 20: Data Analytics Voraussetzungen für eine sinnvolle Analyse Sind alle Vorbedingungen erfüllt? Kann der Data Scientist den Ausgang beeinflussen? Wie wäre es, beide Herausforderungen zu kombinieren? Allgemeine Grenzen der KI Datenquellen Künstliche Intelligenz-Algorithmen Menschliches Verhalten Künstliche Intelligenz – Quo Vadis? Empfehlungen für Analytics-Teams I. Bestimmen Sie den erforderlichen Grad an Präzision II. Verwenden Sie keine Formel, nur weil „sie funktioniert“ III. Überprüfen Sie alle Vorbedingungen IV. Kommunizieren Sie offen die Grenzen V. Erklären Sie Ihre Annahmen VI. Suggerieren Sie keine falsche Präzision VII. Aufbereitung der Daten sorgfältig automatisieren VIII. Verwenden Sie DataOps IX. Wägen Sie sorgfältig ab X. Emotionale Faktoren ausschließen XI. Berücksichtigen Sie Änderungen außerhalb des Modells XII. Erfolg umfassend definieren Erklärbare KI (XAI) Unbekannte Ursache und Wirkung Vertrauensfragen Ethische Fragen Gibt es einen Ausweg? Kapitel 21: Datenmanagement in Krisen- situationen Sich auf Krisen vorbereiten Denken Sie das Unvorstellbare Seien Sie bereit, Aktivitäten zu priorisieren Seien Sie Teil des Krisenplans der Organisation Meistern Sie die Krise Ausrichtung an den Unternehmensprioritäten Versuchen Sie nicht, ein Held zu werden Bereiten Sie Ihr Team vor Hören Sie auf Ihr Team Strukturieren Sie Ihre Aktionen Managen Sie den Ausnahmezustand aktiv Lernen Sie aus der Krise Wann endet eine Krise? Die Krise als Katalysator Gewonnene Erkenntnisse Vergessen Sie nicht, zum Schluss zu feiern Kapitel 22: Daten in Fusionen und Übernahmen Was läuft heutzutage schief? Integrationsplanung Der Datenansatz Wer sollte für die Datenintegration verantwortlich sein? Verstehen Sie die Motive Konzentrieren Sie sich auf Interoperabilität Erstellen Sie einen vorläufigen Plan Bestimmen Sie die „Best-of-Breed“-Lösungen Optimieren Sie nicht (zu viel) parallel Datenmapping Organisation Konkrete Mapping-Fälle Kapitel 23: Daten für Innovationen Wie können Daten Innovationen vorantreiben? Entzauberung der Innovation Was ist eigentlich „Data-driven Innovation“? Daten zur Innovation nutzen Unterstützung datengestützter Innovation 1) Bestimmen Sie wesentliche Hindernisse 2) Organisieren Sie Innovation 3) Gehen Sie klug mit Business Cases um 4) Machen Sie Daten zum Bestandteil Ihrer Innovationskultur Datenideen kommerzialisieren Die „100.000 Kunden“-Strategie Daten-Innovationsfabrik Anhang A: Liste der Daten-Theoreme Literatur There Is No Denying That The 21st Century Is Data Driven, With Many Digital Industries Relying On Careful Collection And Analysis Of Mass Volumes Of Information. A Chief Data Officer (cdo) At A Company Is The Leader Of This Process, Making The Position An Often Daunting One. The Chief Data Officer Management Handbook Is Here To Help. With This Book, Author Martin Treder Advises Cdos On How To Be Better Prepared For Their Swath Of Responsibilities, How To Develop A More Sustainable Approach, And How To Avoid The Typical Pitfalls. Based On Positive And Negative Experiences Shared By Current Cdos, The Chief Data Officer Management Handbook Guides You In Designing The Ideal Structure Of A Data Office, Implementing It, And Getting The Right People On Board. Important Topics Such As The Data Supply Chain, Data Strategy, And Data Governance Are Thoughtfully Covered By Treder. As A Cdo It Is Important To Use Your Position Effectively With Your Entire Team. The Chief Data Officer Management Handbook Allows All Employees To Take Ownership In Data Collaboration. Data Is The Foundation Of Present And Future Tech Innovations, And You Could Be The Leader That Makes The Next Big Impact. What You Will Learn Apply Important Elements Of Effective Data Management Gain A Comprehensive Overview Of All Areas Of Data (which Are Often Managed Independently Work With The Data Supply Chain, From Data Acquisition To Its Usage, A Review Of All Relevant Stakeholders, Data Strategy, And Data Governance Who This Book Is For Cdos, Data Executives, Data Advisors, And All Professionals Looking To Understand About How A Data Office Functions In An Organization. There is no denying that the 21st century is data driven, with many digital industries relying on careful collection and analysis of mass volumes of information. A Chief Data Officer (CDO) at a company is the leader of this process, making the position an often daunting one. The Chief Data Officer Management Handbook is here to help. With this book, author Martin Treder advises CDOs on how to be better prepared for their swath of responsibilities, how to develop a more sustainable approach, and how to avoid the typical pitfalls. Based on positive and negative experiences shared by current CDOs, The Chief Data Officer Management Handbook guides you in designing the ideal structure of a data office, implementing it, and getting the right people on board. Important topics such as the data supply chain, data strategy, and data governance are thoughtfully covered by Treder. As a CDO it is important to use your position effectively with your entire team. The Chief Data Officer Management Handbook allows all employees to take ownership in data collaboration. Data is the foundation of present and future tech innovations, and you could be the leader that makes the next big impact. -- Provided by publisher