Data Transparency is a basic need of every data worker. It is crucial to find the right data in a limited amount of time to keep the time-to-market of data and analytical products short. However, documenting and classifying data manually can be cumbersome due to the vast amount of data. In this session, we present the approach MediaMarktSaturn has taken to use LLMs and other AI models in combination with a data catalog to establish a high level of data transparency in a semi-automated way.

Target Audience: Chief Data Officers, Data Governance Managers, Data Strategists, Data Engineers, Data Scientists, Subject Matter Experts
Prerequisites: Basic knowledge of Data Catalogs and LLMs
Level: Basic

Extended Abstract:
Data Transparency is a basic need of every data worker. It is crucial to find the right data in a limited amount of time to keep the time-to-market of data and analytical products short. But with the ever-growing amount of data, it gets more and more difficult to keep up a suitable level of data transparency. In this session, we present the approach MediaMarktSaturn has taken to use LLMs and Open Source Data Catalogs to establish a high level of data transparency in a semi-automated way. With this approach, it is possible to keep the manual work at a suitable level and manage data transparency in an efficient way. Moreover, we will outline how this approach is integrated into the overall Data Governance and Data Architecture.

Supporting analytics and data science in an enterprise involves more than installing open source or using cloud services. Too often the focus is on technology when it should be on data. The goal is to build multi-purpose infrastructure that can support both past uses and new requirements. This session discusses architecture principles, design assumptions, and the data architecture and data governance needed to build good infrastructure.

Target Audience: BI and analytics leaders and managers; data architects; architects, designers, and implementers; anyone with data management responsibilities who is challenged by recent changes in the data landscape
Prerequisites: A basic understanding of how data is used in organizations, applications and platforms in the data ecosystem, data management concepts
Level: Advanced

Extended Abstract:
The focus in our market has been on acquiring technology, and that ignores the more important part: the landscape within which this technology exists and the data architecture that lies at its core. If one expects longevity from a platform then it should be a designed rather than accidental architecture. 

Architecture is more than just software. It starts with uses, and includes the data, technology, methods of building and maintaining, governance, and organization of people. What are design principles that lead to good design and data architecture? What assumptions limit older approaches? How can one modernize an existing data environment? How will this affect data management? This session will help you answer these questions.

Outline - Topics covered:    

• A brief history of data infrastructure and past design assumptions
• Categories of data and data use in organizations
• Differences between BI, analysis, and data science workloads
• Data architecture
• Data management and governance processes
• Tradeoffs and antipatterns

Der DKV setzt seit über drei Jahren eine ambitionierte Datenstrategie mit umfassendem Data-Governance-Ansatz um. 
Dieser Wandel zeigt beachtliche Fortschritte in der Data-Governance-Organisation, jedoch bleibt der Change in den Köpfen der Belegschaft in Teilen aus.
Um den Wandel zu beschleunigen, implementiert der DKV ein auf Kommunikation ausgerichtetes Change Management. In diesem Vortrag werden der bisherige Change-Management-Prozess sowie die gesammelten Erkenntnisse im Kontext des Data-Governance-Programms beleuchtet.

Zielpublikum: Data Governance Practitioners, Data Governance Managers, Data Strategists, Project Leaders, Change Manager
Voraussetzungen: Grundkenntnisse von Data Governance
Schwierigkeitsgrad: Advanced

Extended Abstract:
Mit seiner ambitionierten Datenstrategie verfolgt der DKV seit über drei Jahren einen umfassenden Data-Governance-Ansatz: Von Beginn an wurde eine Data-Governance-Organisation über alle Datendomänen hinweg aufgesetzt. Dies umfasst die Einführung und die Rollen Data Owner, Domain Owner und Data Steward. Zudem müssen die Mitarbeitenden in den Aufgaben, die mit diesen Rollen einhergehen, intensiv geschult und trainiert werden. Zuletzt gilt es, den Datenkatalog zu implementieren und zu pflegen sowie ein effizientes Datenqualitätsmanagement zu etablieren. 
Blickt man heute auf den Stand der Umsetzung, stellt man fest, dass die DG-Organisation, das Datenqualitätsmanagement und der Datenkatalog einen bemerkenswerten Umfang angenommen haben - jedoch fehlt es zum Teil am notwendigen Data-Governance-Mindset innerhalb der Belegschaft. So ist das DG-Programm noch nicht vollständig in den Arbeitsalltag integriert und Data Stewards nehmen ihre Aufgaben nicht immer mit dem notwendigen Nachdruck wahr. Darüber hinaus laufen einige datengetriebene Projekte an der DG-Organisation vorbei. Somit steht der DKV vor der Herausforderung, das Verständnis für und den Mehrwert von Data Governance weiter zu schärfen und zu fördern.
Dem begegnet der DKV damit, ein auf Kommunikation ausgerichtetes Change Management durchzuführen. So vollzog die DG-Organisation zunächst eine Reihe von Workshops, um eine geeignete Kommunikationsstrategie zu erarbeiten. Diese wurden in einem Kommunikationsplan in Form von zielgruppenspezifischen Formaten ausgearbeitet.
Der Vortrag bilanziert zum einen die Erfahrungen der letzten Jahre bis zur Diagnose des verbesserungswürdigen Data-Governance-Mindsets und die Entscheidung hin zum Change Management. 
Der Vortrag bilanziert zunächst die Erfahrungen der ersten drei Jahres bis zur Diagnose des verbesserungswürdigen Data-Governance-Mindsets. Im Hauptteil wird die Entscheidung zum Change Management diskutiert und der folgende Change-Prozess, dessen Ergebnisse sowie Anwendung von Change-Management-Tools im Kontext des Data-Governance-Programms vorgestellt. 

The successful establishment of low-code and self-service platforms in enterprises is not a guaranteed. Seamless collaboration among departments, management, IT, and security is crucial. The Müller Service Group has effectively tackled this challenge through the implementation of a governance framework. In this session, we will share best practices and insights from our journey towards successful governance. We will use the Microsoft Power Platform as a case study within the presentation as an example of a low-code platform at Müller.

Target Audience: Decision Makers, project leaders, IT-managers, IT-architects, data analysts, Chief Data Officers (CDOs), Chief Information Officers (CIOs), responsible individuals in Data & Analytics
Prerequisites: Basic Knowledge
Level: Basic

Extended Abstract:
In this session, we will first introduce the foundational framework crucial for the successful operation of a low-code platform, particularly within the context of the Microsoft Power Platform. Subsequently, we will delve into a detailed examination of opportunities and risks associated with operating such a platform, emphasizing the strategic significance of governance.

An additional emphasis during the presentation highlights the central role of IT in operating low-code and self-service platforms. Managers and domain experts will gain valuable insights with practical tips on successfully convincing and engaging their IT in the benefits of the low-code concept. This session provides a comprehensive overview of the potentials and challenges of low-code and self-service platforms. 

Join us as we explore the transformative potential of this governance approach for Low-Code & Self-Service-Platforms.

Daten Exzellenz bei EWE wurde über ein Vorprojekt motiviert, um die Datenverfügbarkeit und – Qualität im Konzern zu erhöhen. Im Vortrag wird das Vorgehen und die detaillierte Vorgehensweise des sich anschließenden Daten Exzellenz-Projekts, die Bedeutung des Rollenmodell in einer virtuellen Datenorganisation zur effektiven Umsetzung, sowie die notwendigen Ergebnisartefakte präsentiert. Er richtet sich an Fachleute, Entscheidungsträger und Interessierte, die Einblicke in Strategien, Maßnahmen zur Steigerung im Umgang mit Daten gewinnen möchten.

Zielpublikum: Fachleute, Entscheidungsträger und Interessierte
Voraussetzungen: keine
Schwierigkeitsgrad: Basic

Extended Abstract:
Der Vortrag beleuchtet das Konzernprojekt "Daten Exzellenz" des Energieversorgers EWE, das auf die ganzheitliche Optimierung dreier wesentlicher Dimensionen abzielt: Geschäftsprozesse & Use Cases, Datenmanagement und Technische Systeme. Die Präsentation hebt die dringende Notwendigkeit dieser Maßnahmen im Energieversorgungssektor hervor, um die Herausforderungen der modernen datengetriebenen Landschaft zu bewältigen.
Im Fokus stehen die detaillierte Vorgehensweise des Projekts, das Rollenmodell der virtuellen Datenorganisation zur effektiven Umsetzung, sowie die erzeugten Ergebnisartefakte. Durch die Betrachtung eines exemplarischen Use Cases werden die konkreten Auswirkungen und Mehrwerte des Projektes aufgezeigt. Die Zuhörer erhalten Einblicke in die strategischen Entscheidungen, methodischen Ansätze und technologischen Lösungen, die EWE auf dem Weg zur Datenexzellenz umsetzt.
Der Vortrag vermittelt somit nicht nur einen Überblick über den Projektaufbau, sondern auch konkrete Einblicke in die Umsetzung auf operativer Ebene. Er richtet sich an Fachleute, Entscheidungsträger und Interessierte, die Einblicke in erfolgreiche Strategien und Maßnahmen zur Steigerung im Umgang mit Daten gewinnen möchten.

How can Data Cataloguing, Modelling, DQ and other streams join forces to create business value? The speaker shares experience from a data vendor and a manufacturing business.

Target Audience: Data Professionals and decision makers with stakes in the value chain big picture
Prerequisites: Familiarity with Data Governance concepts (Catalogue, Quality, Integration etc.)
Level: Advanced

Extended Abstract:
Data Governance can contribute local optimizations to a company's value chain, such as better data discovery via a Data Catalogue, or quality-monitored and cleansed data sets. From a 30,000 ft Data Strategy view, it is even more desirable to connect the dots for business objects frequently reused among business processes and make them available as governed, quality-controlled, easily accessible Data Products.

The speaker successfully launched a Data Governance program in a company traditionally ranking metal higher than data and will share experiences on the ongoing Data Product journey:

• Identifying scope
• Cataloging technical metadata
• Modeling a logical layer
• Managing sensitive data in a hybrid architecture
• Simplifying cross-system access

Die Auswirkungen der Künstlichen Intelligenz durchdringen sämtliche Bereiche unserer Gesellschaft, von der Prozessautomatisierung bis zur personalisierten Datenanalyse. Die EU reagiert darauf mit dem AI-Act, einem umfassenden rechtlichen Rahmen, der einheitliche Qualitätsstandards für KI-Systeme etabliert. Die Umsetzung stellt für viele Unternehmen eine bedeutende Herausforderung dar. Das 'AI-Excellence-Framework' präsentiert Handlungsfelder für eine effektive KI-Governance im Sinne des AI-Acts.

Zielpublikum: Data Governance Manager, Compliance Officer, CDO, Data Scientists
Voraussetzungen: Grundlegende Datenkenntnisse
Schwierigkeitsgrad: Basic