Keep, Archive oder Retire scoren

Begriffe vor dem Lesen

• Datenhygiene — Regelmaessige Pflege von Datenassets, damit ungenutzte, veraltete oder ungeownte Artefakte nicht weiterwirken.
• Orphan — Asset ohne fachlich benannten verantwortliche Person.
• Zombie — Asset ohne aktive Nutzung, das technisch weiterlebt.
• Shadow-Kopie — Inoffizielle Kopie neben der freigegebenen Quelle oder Kennzahl.
• Disposition — Entscheidung: behalten, archivieren, stilllegen oder loeschen.

Qualität, Quellkorrektur und AI-Nutzung

Datenqualität muss sichtbar machen, wo ein Problem behoben wurde. Wenn der Fehler im Quellsystem entsteht, ist die beste Behebung eine Korrektur an der Quelle oder mindestens ein dokumentierter Quellbefund mit Owner. Wenn ETL oder ELT Werte nachgelagert bereinigt, schätzt, mappt oder filtert, braucht diese Änderung Evidence: Regel, Grund, betroffene Felder, Version und erlaubte Nutzung.

Das ist besonders wichtig für AI. Retrieval, Training, Features und Agenten sehen oft nur das nachgelagerte Ergebnis. Ohne Kennzeichnung wissen sie nicht, ob ein Wert beobachtet, korrigiert, geschätzt, defaulted oder ausgeschlossen wurde. Governance muss Unsicherheit und Herkunft erhalten, statt sie hinter einem sauber wirkenden Datensatz zu verstecken.

Die Hygiene-Liste ist voll — und trotzdem behalten Teams „für alle Fälle“ oder löschen im Panik-Sprint. Ohne nachvollziehbare Kriterien für Behalten, Archiv, Abschalten oder Löschen bleibt Inventar Beschäftigung, keine Entscheidung. Ein Disposition Score Sheet macht Keep, Archive, Retire und Delete prüfbar.

Problem

Teams mit einer gefüllten Hygiene Inventory Matrix stehen oft vor drei schlechten Defaults:

• alles behalten „für den Fall der Fälle“ — Debt wächst weiter;
• alles löschen nach einem Nutzungs-Cutoff — Shadow-Kopien und Misstrauen explodieren;
• Archive als Mülleimer ohne Retention-Regel — Archive wird das neue Produktion.

Ohne Score fehlen Kriterien: Wann reicht Archive statt Delete? Wann ist Keep trotz niedriger Nutzung richtig (Compliance, seltenes Audit, saisonaler Peak)? Wann ist Retire der Pfad, der Consumer-Notify und Cutover braucht?

Ein häufiges Anti-Pattern ist Nutzung als alleinige Dimension. Ein Quartals-Compliance-Report ohne Views in 80 Tagen ist kein Zombie zum Löschen; ein täglich geladener Mart ohne Downstream und ohne Owner schon. Ebenso falsch: Archive als emotionale Entschuldigung („wir löschen nicht, wir archivieren“), während niemand Retention-Klasse, Abrufpfad oder Enddatum kennt. Scoring macht diese Trade-offs explizit und reviewfähig.

Abgrenzung: Diese Scorecard entscheidet über Assets ohne Purpose/Consumer/Owner-Klarheit. Ob zwei Tools dieselbe Metrik doppelt kodieren, bleibt Redundanz Deep Dive. Retention-Horizonte kommen aus Data Lifecycle & Retention; Retirement-Lücken aus Missing Pieces….

Entscheidung

Nutzen Sie ein Disposition Score Sheet mit vier Outcomes:

Scoring-Dimensionen (gewichtet je Domain kalibrieren):

1. Purpose clarity — documented vs. unknown;
2. Consumer signal — im Fenster / saisonal / null;
3. Owner health — aktiv / Orphan / nur Backup;
4. Blast radius — finanziell, regulatorisch, kundenbezogen;
5. Retention / legal hold — aus Lifecycle-Policy;
6. Shadow risk — erzeugt das Asset parallele Wahrheit?
7. Replaceability — gibt es ein Data Product / autoritative Alternative?

Regeln:

• Delete nie vor Retire-Checkliste, wenn jemals Nutzer existierten — siehe Teil 4 und Missing Pieces…;
• Keep mit Ausnahme braucht Reopen-Datum (wie keep-local in der Redundanz-Serie, aber für Asset-Zweck);
• Archive ohne Retention-Klasse ist verboten — Richtlinie aus Data Lifecycle & Retention;
• Redundanz-Zeilen nicht hier „wegscoren“ — Meaning-Forks bleiben in der Redundanz-Matrix.

Kalibrieren Sie Gewichte mit Stewardship in einem Pilot: finanzkritische Domains gewichten Blast Radius und Retention höher; explorative Sandboxes gewichten Purpose und Sunset. Dokumentieren Sie die Kalibrierung neben dem Sheet — sonst driftet jedes Team in eigene Cutoffs und die Hotlist wird politisch statt evidenzbasiert. Serie und Artefakt-Pfad: Datenhygiene.

Checkliste

Score Sheet füllen:

• Matrix-Zeilen der Hotlist übernehmen;
• Dimensionen und Schwellwerte mit Stewardship vereinbaren;
• Legal/Retention für Archive/Delete bestätigen;
• bei Keep-Ausnahmen: verantwortliche Person, Begründung, Reopen-Datum;
• bei Retire/Delete: vorgesehener Nutzer-Notify und Zielprodukt notieren;
• Shadow-Parent und Downstream aus Lineage prüfen;
• Cross-Check: Product-Lifecycle-Status in Data Product Lifecycle Governance;
• Entscheidungen im Register und in der Matrix zurückschreiben;
• Review-Forum (nicht einmaliger Chat-Thread) terminieren;
• stoppen, wenn jede Hotlist-Zeile ein Outcome + verantwortliche Person + nächstes Datum hat.

Artefakt

Erstellen Sie ein Disposition Score Sheet (eine Zeile pro Matrix-Asset) mit:

• Asset-ID und Hygiene-Klasse(n);
• Scores je Dimension und Gesamt-/Band (grün/amber/rot oder numerisch);
• gewähltes Outcome: keep, archive, retire, delete;
• Begründung und Evidenz-Links;
• Ausnahme-Flag und Reopen-Datum bei Keep;
• Retention-Klasse und Hold-Status;
• geplanter Retire-/Delete-Wave und Checklist-Link (Teil 4);
• Entscheider, Datum, Widerspruchsfenster;
• Sync-Status zurück zu Register und Matrix.

Ergebnisse: priorisierte Retire-Queue, Archive-Batch, Keep-Ausnahmen mit Haltbarkeitsdatum.

Widerspruchsfenster sind Teil der Entscheidung, nicht optionaler Chat: dokumentieren Sie Dauer und Kanal. Stille Dispositions ohne Fenster erzeugen später dieselben Shadow-Kopien wie stilles Löschen — nur mit Steward-Unterschrift.

Tools

Gesteuertes Sheet oder leichtes Scoring in BI, gespeist aus Matrix und Register. Katalog-Workflows für Statusänderungen. Ticketsystem für Widersprüche. Kein automatisches Massenlöschen aus dem Score allein.

Ressourcen

Hygiene Inventory Matrix, Retention-Policy, Legal-Hold-Listen, Product-Lifecycle-Status, Nutzungsfenster aus Measuring Dashboard Governance, Lessons aus Missing Pieces: Lifecycle & Retirement.