Data Governance & AI Readiness Advisory

Zanim firma uruchomi AI,
ktoś musi odpowiadać
za dane.

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.

Diagnoza → Uzgodnienie → Uruchomienie zmiany → Utrzymanie
23
lata w bankowości
5
banków pod nadzorem KNF
5
lat Data Governance w Pekao
11
obszarów zarządzania danymi (DAMA-DMBOK2)
Problem

Dane mają wielu użytkowników i żadnego właściciela.

Tak wyglądały pierwsze dni w każdej organizacji, do której trafiłam.

01

Nikt nie wie, kto jest właścicielem danych klienta ani danych produktu.

02

Każdy dział ma własną definicję klienta.

03

Raport dla zarządu powstaje z kilku źródeł, które się nie zgadzają.

04

Za jakość danych formalnie nie odpowiada nikt, więc nikt jej nie mierzy.

Dlaczego teraz

Firma chce inwestować w AI.
Pierwsze pytanie padnie o dane.

Prawie nikt nie szuka Data Governance. Szuka się czegoś innego:

AI · Hurtownia danych · Lepszy CRM · Automatyzacja

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.

Po diagnozie

Zarząd wie, od czego zacząć i kto za to odpowiada.

01

Kto jest właścicielem kluczowych danych, na przykład klienta i produktu. Przy każdym zbiorze stoi nazwisko, a nie nazwa departamentu.

02

Gdzie zła jakość danych kosztuje najwięcej.

03

Co trzeba uporządkować przed hurtownią albo AI, a co może poczekać.

04

Plan na 90 dni z właścicielami i szacunkiem nakładu.

Diagnoza nie zastępuje wdrożenia. Daje zarządowi podstawę do decyzji, czy i jak je zacząć.

O mnie

Ewa
Przetakiewicz

Ewa Przetakiewicz, doradczyni Data Governance

Za jakość danych odpowiadałam przed regulatorem, nie przed slajdem.

Od zera
Biuro ds. Zarządzania Zabezpieczeniami, Credit Agricole, prawie 9 lat
Data Driven Bank
Data Governance dla obszaru ryzyka, Pekao, 5 lat
Uchwała zarządu
polityka zarządzania danymi przyjęta w grupie kapitałowej, 2026

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.

Ramy pracy
DAMA-DMBOK2 · ADKAR (Prosci)
Tryb pracy
Działam sama, bez zespołu sprzedaży i bez juniorów. Rozmawiasz z osobą, która wykona pracę. Przy wdrożeniach technicznych współpracuję z firmami wdrożeniowymi.
Jak pracuję

Cztery etapy.
Ostatni decyduje.

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.

01
Diagnoza

Ankieta dojrzałości, profil organizacji, trzy do pięciu obszarów bólu. Koniec zgadywania, gdzie leży problem.

02
Uzgodnienie

Właściciele danych, stewardzi, definicje, priorytety. Organizacja przestaje się spierać o to, kto ma rację, i zaczyna się umawiać.

03
Uruchomienie zmiany

Polityki, role, pomiar jakości, zmiany procesowe. Zmianę uruchamiam razem z Waszym zespołem metodą ADKAR, a nie rozesłanym dokumentem.

04
Utrzymanie

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.

Z praktyki

Polityka to
dopiero początek.

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.

Po czym poznaję, że zaczęło działać
01

Przy każdym istotnym zbiorze stoi nazwisko, nie nazwa departamentu.

02

Definicja ma jedno brzmienie i widać, kto ją zatwierdził oraz kiedy.

03

Jakość ma próg, a przekroczenie progu ma adresata i termin.

04

Wyjątek jest zapisany w rejestrze, a nie uzgodniony na korytarzu.

05

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.

Rekomendacje

Cztery.
Wszystkie od
przełożonych.

„(...) 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."
Członek zarządu banku odpowiedzialny za obszar ryzyka, bezpośredni przełożony.
„(...) 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."
Lider programu inicjatyw danych w banku, bezpośredni przełożony.
„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."
Lider zespołu w programie transformacyjnym danych, przełożony wyższego szczebla.
„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."
Menedżerka obszaru zarządzania danymi, bezpośrednia przełożona.
Wszystkie rekomendacje pod nazwiskami, w pełnym brzmieniu, na LinkedIn.
Załącznik: oferta

Trzy kroki. Każdy kończy się materiałem do decyzji zarządu.

Zakres i wycenę ustalamy po rozmowie, bo zależą od wielkości organizacji i od tego, co już macie.

Pierwszy krok 01

Warsztat diagnostyczny dla zarządu

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.

  • -Dokument możesz wykorzystać również bez mojego dalszego udziału
  • -Sesja dla 6-12 osób decyzyjnych: sponsor, właściciele danych, ryzyko i compliance, IT
  • -Sesja zamknięta dla jednej organizacji - profil, luki i plan powstają na odpowiedziach Twojego zespołu, nie na przykładowym przypadku ze szkolenia
  • -3,5 godziny czasu Twojego zespołu zarządczego, bez przygotowań po Waszej stronie
  • -Prowadzona językiem wymogów nadzorczych: BCBS 239, wytyczne EBA, AI Act
WYCENA PO ROZMOWIE
Potrzebna decyzja 02

Diagnoza gotowości danych pod AI

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.

  • -5-8 wywiadów po 60-90 minut
  • -Wnioski na danych z Waszej organizacji, nie na założeniach
  • -Po Waszej stronie: czas na rozmowy, bez przygotowywania dokumentów
WYCENA PO ROZMOWIE
Program już ruszył 03

Stałe doradztwo przy programie Data Governance

Kilka dni w miesiącu przy programie, który już ruszył: komitet danych, właściciele danych, polityki, pomiar jakości.

  • -Zakres i rytm pracy ustalone na piśmie
  • -Bez pełnienia funkcji w Waszej strukturze
  • -Warunek: sponsor po stronie zarządu
WYCENA PO ROZMOWIE
Warsztat diagnostyczny - szczegóły
Co dostajesz
  • -Dokument decyzyjny: mapa luk, priorytety i plan na 90 dni z właścicielami i szacunkiem nakładu (5 dni roboczych po sesji)
  • -Anonimowy przegląd dojrzałości wg DAMA-DMBOK2 na starcie sesji: 11 obszarów, 30 pytań, bez przygotowań po Waszej stronie
  • -Agregacja i wizualizacja wyników na żywo, z moją interpretacją na sali
  • -Materiały dla uczestników
ORGANIZACJA Stacjonarnie (rekomendowane) lub online. Sesja dla 6-12 osób decyzyjnych, limit 20 uczestników. Lead time 2-3 tygodnie.
Czego nie obejmuje
  • -Wdrożenia rekomendacji - to osobny etap, wyceniany po diagnozie
  • -Audytu technicznego systemów i migracji danych
  • -Konfiguracji narzędzi i katalogu danych
  • -Opinii prawnych - diagnoza mówi językiem wymogów, nie zastępuje prawnika
Załącznik: metodyka
DAMA-DMBOK2 - 11 obszarów
Strategia i zarządzanie danymi01
Architektura danych02
Modelowanie i projektowanie danych03
Przechowywanie i operacje04
Bezpieczeństwo danych05
Integracja i interoperacyjność06
Dokumenty i treści07
Referencje i dane podstawowe08
Hurtownie danych i business intelligence09
Metadane10
Jakość danych11
ADKAR - dlaczego governance pada
A
Awareness
świadomość potrzeby zmiany
D
Desire
chęć uczestniczenia i wsparcia
K
Knowledge
wiedza jak się zmieniać
A
Ability
umiejętność wdrożenia zmiany
R
Reinforcement
utrwalenie zmiany