Ein Datenmanagementplan (DMP) ist ein Dokument, das definiert, wie Daten während des gesamten Lebenszyklus eines Projekts gehandhabt werden – d. h. von der Erfassung bis zur Archivierung. Während diese Dokumente in der Regel für Forschungsprojekte verwendet werden, um die Anforderungen von Geldgebern zu erfüllen, können sie in einer Unternehmensumgebung genutzt werden, um eine Struktur und Abstimmung zwischen den Beteiligten zu schaffen. Da DMP die Arten von Daten hervorheben, die innerhalb des Projekts verwendet werden, und sich mit der Verwaltung dieser Daten während des gesamten  Datenlebenszyklus befassen, können Stakeholder, wie z. B. Governance-Teams, zu Beginn eines Projekts ein klares Feedback zur Speicherung und Verbreitung sensibler Daten, wie z. B. personenbezogener Daten (PII), geben. Diese Dokumente ermöglichen es Teams, Compliance- und regulatorische Fallstricke zu vermeiden, und können als Vorlagen für die Herangehensweise an Daten und deren Management für zukünftige Projekte dienen.

Ein Datenmanagementplan hat in der Regel fünf Bestandteile:

1. Eine Absichtserklärung 
2. Datendefinitionen  
3. Datenerfassung und -zugriff 
4. Häufig gestellte Fragen (FAQ)  
5. Einschränkungen bei Forschungsdaten 

Jeder dieser Schwerpunktbereiche ermöglicht es Einrichtungen und Geldgebern in der Forschung (oder vielleicht Ihrem Datenmanagementteam), die Höhe des mit einem bestimmten Projekt verbundenen Risikos einzuschätzen. Der Datenmanagementplan befasst sich auch mit dem Umgang mit diesem Risiko. Wenn beispielsweise vertrauliche Daten im Rahmen eines Projekts verwendet werden, ist es angemessen, diese Daten für zukünftige Projekte wiederzuverwenden? Abhängig von der Vertraulichkeit dieser Daten ist dies möglicherweise nicht angemessen oder erfordert gegebenenfalls eine zusätzliche Zustimmung des Benutzers.   

Jeder Bestandteil eines Datenmanagementplans konzentriert sich auf eine bestimmte Information. Wir werden uns mit jeder einzelnen im Detail befassen.

1. Absichtserklärung:  Diese erklärt, warum das Team im Laufe des Projekts bestimmte Arten von Daten erfassen muss. Die Frage, die das Team mit diesen Daten beantworten möchte, sollte klar umrissen sein.

2. Datendefinitionen:  Datenbeschreibungen helfen Endbenutzern und ihren Zielgruppen, Namenskonventionen und ihre Verbindung zu bestimmten Datenbeständen zu verstehen. Einige dieser Informationen können auch in den Metadaten enthalten sein, die Daten typischerweise nach ihren Datenquellen und Dateiformaten kennzeichnen. Die Erstellung und Einhaltung vordefinierter Metadatenstandards während des gesamten Datenerfassungsprozesses stellt zudem auch eine einheitlichere Erfassung und einen reibungsloseren Integrationsprozess sicher.

3. Datenerfassung und -zugriff:  Dieser Abschnitt eines DMP zeigt, wie Daten aus einem Datenrepository gesammelt, gespeichert und abgerufen werden. Darin wird wahrscheinlich die Datenquelle vorhandener Daten oder der Ansatz angesprochen, der zum Erstellen neuer Daten verwendet wird, z. B. ein Experiment. Ferner sollte er auch Informationen zur zeitlichen Planung der Daten enthalten, d. h. wie oft sie aktualisiert werden und über welchen Zeitraum. Art und zeitliche Planung der Daten bieten im Allgemeinen Informationen zu ihrer Speicherung und ihrem Zugriff für Dritte. Beispielsweise erfordern unstrukturierte Daten ein  nicht relationales System im Gegensatz zu einem relationalen System, und größere Datenbestände erfordern mehr Rechenleistung als kleinere. Aufgrund von Datenschutz- oder geistigen Eigentumsrechten kann es auch Einschränkungen beim Datenaustausch geben. Da Projektbeteiligte erwarten, dass sensible Daten wie personenbezogene Daten mit größter Sorgfalt und Sicherheit behandelt werden, ist es wichtig, dass Dateneigner sich über ihre Datenmanagementpraktiken im Klaren sind, insbesondere in diesem Bereich. Dazu gehören Antworten auf Fragen rund um die Langzeitspeicherung der Daten, wie Datenarchivierung oder Datenwiederverwendung. Bei Daten, die ihrer Natur nach nicht vertraulich sind, wird erwartet, dass Dritte einen Zugang zu Rohdaten und Forschungsergebnissen erhalten.

4. Häufig gestellte Fragen:  Dieser Abschnitt kann als Sammelpunkt für andere häufig gestellte Fragen in Datenmanagementprojekten betrachtet werden, wie z. B. Freigabepläne, Quellenvorgaben und Datensicherungsmethoden. Forscher oder Dateneigner können alle Digital Object Identifiers (DOI) für Eigentümer benachbarter oder verwandter Projekte hervorheben. Wenn Projekteigentümer Daten archivieren, müssen sie sich außerdem mit der Dauer der Existenz des Archivs befassen. Wird es ein Jahr, fünf Jahre oder vielleicht auf unbestimmte Zeit bestehen?

5. Einschränkungen bei Forschungsdaten:  Dieser Abschnitt befasst sich mit vorab bekannten Einschränkungen des Datenbestands, die eine umfassendere Verallgemeinerung für Populationen begrenzen. Beispielsweise können sich Daten auf eine bestimmte Demografie konzentrieren, wie z. B. eine Geografie, ein Geschlecht, eine Rasse, eine Altersgruppe usw.

Datenmanagementpläne werden überwiegend in eher wissenschaftlichen Umgebungen verwendet, insbesondere für von der Bundesregierung finanzierte Programme wie die National Institutes of Health (NIH) und die National Science Foundation (NSF), aber auch Unternehmen können sie in Forschung oder Datengovernance nutzen. Während Wissenschaftler und Forscher bei Förderanträgen die Anforderungen der Geldgeber erfüllen müssen, erstellen viele Forschungseinrichtungen ein DMP-Tool, um Teilnehmern die relevante Vorlage für ihr Forschungsprojekt zur Verfügung zu stellen. Datengovernance-Teams in Unternehmen können ähnliche Protokolle einrichten, um Datenanfragen von Beteiligten aufzunehmen, die sich für neue Dateninitiativen einsetzen.

Förderanträge

Forscher sowohl im privaten als auch im öffentlichen Sektor wenden sich an verschiedene Förderstellen, um Forschungs- und Innovationsinitiativen zu finanzieren. DMP mindern das Risiko für beide Parteien und stellen sicher, dass Dateneigner den Wert sowie ihre persönliche Verantwortung (d. h. Sicherheits- und Disaster-Recovery-Maßnahmen) für das Forschungsdatenmanagement bewertet haben.

Data Governance-Initiativen

Datenmanagementpläne sind auch für neue Dateninitiativen in Geschäftsumgebungen unglaublich hilfreich, da sie allen Beteiligten dabei helfen, die Bedeutung neuer Datenquellen und deren Einfluss auf Geschäftsergebnisse zu verstehen. Da Entwicklungen in den Bereichen  Hybrid Cloud,  künstliche Intelligenz, Internet der Dinge (IoT) und  Edge-Computing  die Zunahme von Big Data weiter fördern, müssen Unternehmen Wege finden, diese Komplexität in ihren Datensystemen zu verwalten.