Pomagam korporacjom i grupom kapitałowym ustalić, kto odpowiada za dane, gdzie jakość kosztuje najwięcej i co trzeba uporządkować, zanim budżet pójdzie na hurtownię albo AI.
Tak wyglądały pierwsze dni w każdej organizacji, do której trafiłam.
Nikt nie wie, kto jest właścicielem danych klienta ani danych produktu.
Każdy dział ma własną definicję klienta.
Raport dla zarządu powstaje z kilku źródeł, które się nie zgadzają.
Za jakość danych formalnie nie odpowiada nikt, więc nikt jej nie mierzy.
Firma chce inwestować w AI.
Pierwsze pytanie padnie o dane.
Prawie nikt nie szuka Data Governance. Szuka się czegoś innego:
Każda z tych inwestycji liczy zwrot na danych, których nikt wcześniej nie sprawdził. Skutki przychodzą później: zarząd decyduje na sprzecznych liczbach, projekt hurtowni staje na jakości danych, a model bierze tę definicję klienta, która akurat leży w tabeli.
Od 28 października 2026 w Polsce wchodzą w życie przepisy o kontrolach i karach za naruszenia AI Act. Obowiązki prawne wyjaśni prawnik. Pytanie, kto odpowiada za dane, na których działa AI, zostaje w firmie.
Kto jest właścicielem kluczowych danych, na przykład klienta i produktu. Przy każdym zbiorze stoi nazwisko, a nie nazwa departamentu.
Gdzie zła jakość danych kosztuje najwięcej.
Co trzeba uporządkować przed hurtownią albo AI, a co może poczekać.
Plan na 90 dni z właścicielami i szacunkiem nakładu.
Diagnoza nie zastępuje wdrożenia. Daje zarządowi podstawę do decyzji, czy i jak je zacząć.
Za jakość danych odpowiadałam przed regulatorem, nie przed slajdem.
Od specjalisty procesowego w obszarze ryzyka, przez dyrektora biura zarządzania zabezpieczeniami, po menedżera danych w programie transformacji danych. Tam nauczyłam się, że zarządzanie danymi to nie projekt IT, tylko dyscyplina operacyjna: właściciel danych, definicja, próg akceptacji, rejestr wyjątków, ścieżka audytu.
Od kwietnia 2026 działam niezależnie. Prowadziłam program Data Governance w grupie kapitałowej z rynku nieruchomości jako lead programu, Menedżer Danych i sekretarz komitetu zarządzania danymi. Dla firmy produkcyjnej z branży chemicznej poprowadziłam warsztat diagnostyczny z planem działań na 90 dni.
Diagnoza pokazuje, gdzie jesteście. Uzgodnienie ustala, kto za co odpowiada. Uruchomienie zmiany to robota. A utrzymanie decyduje, czy po roku cokolwiek z tego zostanie - i to tam programy Data Governance najczęściej się rozsypują.
Ankieta dojrzałości, profil organizacji, trzy do pięciu obszarów bólu. Koniec zgadywania, gdzie leży problem.
Właściciele danych, stewardzi, definicje, priorytety. Organizacja przestaje się spierać o to, kto ma rację, i zaczyna się umawiać.
Polityki, role, pomiar jakości, zmiany procesowe. Zmianę uruchamiam razem z Waszym zespołem metodą ADKAR, a nie rozesłanym dokumentem.
Progi jakości, rejestry, rytm komitetu, ścieżka eskalacji. To, co sprawia, że governance działa również wtedy, gdy mnie już nie ma.
Zaczynam od fundamentu, a nie od narzędzia. Nie wymyślam własnej metody. Diagnozę opieram na DAMA-DMBOK2, a zmianę organizacyjną prowadzę metodą ADKAR (Prosci), bo diagnoza bez planu wdrożenia zostaje na papierze. Różnica jest w tym, że te 11 obszarów przerabiałam w sektorze, w którym z jakości danych rozlicza nadzór. Obie ramy opisuję w załączniku.
W realnej organizacji Data Governance zaczyna działać dopiero wtedy, gdy biznes rozumie swoją odpowiedzialność za dane, powstają role Data Ownerów i Stewardów, organizacja uzgadnia definicje, uruchamia katalog danych, mierzy jakość i zaczyna podejmować decyzje na podstawie wspólnego modelu danych.
Przy każdym istotnym zbiorze stoi nazwisko, nie nazwa departamentu.
Definicja ma jedno brzmienie i widać, kto ją zatwierdził oraz kiedy.
Jakość ma próg, a przekroczenie progu ma adresata i termin.
Wyjątek jest zapisany w rejestrze, a nie uzgodniony na korytarzu.
Spór o dane kończy się decyzją z właścicielem i datą, a nie kolejnym mailem.
Dlatego nie kończę na dokumencie. Pomagam uruchomić zmianę sposobu zarządzania danymi.
„(...) odegrała kluczową rolę w zarządzaniu danymi, tworzeniu polityk oraz optymalizacji procesów dot. zabezpieczeń. Jej strategiczne podejście do zarządzania danymi pozwoliło na wdrożenie spójnych zasad zarządzania danymi, rozwój narzędzi technologicznych zwiększających jakość i transparentność danych, minimalizację ryzyka oraz zgodność z regulacjami, np. GDPR, Basel III."
„(...) setup of data governance arrangements for the risk area, support of quality improvement for collaterals data, as well as leading the communication role for strategic »Data Driven Bank« program. (...) Her experience and competences are valuable for collaboration both on operational expert level and on executive management level."
„Ewa z dużą samodzielnością i determinacją zbudowała obszar komunikacji programu, znacząco zwiększając transparentność informacji oraz wspierając interesariuszy w orientacji w prowadzonych inicjatywach. (...) Z przekonaniem polecam Ewę do inicjatyw transformacyjnych wymagających współpracy między zespołami, skutecznej komunikacji i realnego wpływu na organizację."
„Ewa wyróżnia się odpowiedzialnością za prowadzone inicjatywy, umiejętnością budowania relacji oraz skutecznym prowadzeniem działań w środowisku wielu interesariuszy. (...) Z przekonaniem polecam Ewę do projektów wymagających współpracy między zespołami, koordynacji inicjatyw oraz realnego wpływu na rozwój organizacji."
Zakres i wycenę ustalamy po rozmowie, bo zależą od wielkości organizacji i od tego, co już macie.
Ustrukturyzowany przegląd dojrzałości wg DAMA-DMBOK2, wypełniany anonimowo na starcie sesji, agregowany i interpretowany przeze mnie na żywo. Kończy się dokumentem decyzyjnym: mapa luk, priorytety i plan na 90 dni z właścicielami i szacunkiem nakładu.
Biorę 2-3 kluczowe procesy, na przykład obsługę klienta albo sprzedaż produktu, i opisuję je na podstawie wywiadów z ludźmi, którzy je prowadzą: kroki, systemy, dane, pojęcia do zdefiniowania, miary. Przy każdym procesie pytam o koszt: ile czasu i pieniędzy idzie na poprawianie danych. Wynik to karty procesów, lista danych do uporządkowania przed AI i business case dla zarządu.
Kilka dni w miesiącu przy programie, który już ruszył: komitet danych, właściciele danych, polityki, pomiar jakości.