Enterprise Data Management: nytte og nødvendighed

introduktion

vores digitale verden afhænger af information. Data er overalt. Hvorfor er så mange virksomheder, organisationer, analytikere og konsulenter så bekymrede over dette?

Data er repræsentationer af fakta. Ved at placere data i kontekst oprettes information. Fraværet af god datastyring betyder ofte automatisk, at ledelses-og kontrolinformation er ineffektiv. I det lange løb vil dette lamme en organisation i en sådan grad, at den ikke længere kan fungere korrekt. Årsagen til dette er, at vigtige beslutninger træffes for sent, fordi ledelsesinformation ikke længere er tillid til. Desuden vil håndteringen af forretningsprocesser på afdelingsniveau kræve mere og mere tid og kræfter, fordi divisionernes aktiviteter ikke er godt koordinerede. I denne situation opretter og administrerer alle kun de data, der er nødvendige for at udføre deres eget arbejde, og bruger derfor deres eget sæt datadefinitioner. Fordi afdelinger bebrejder hinanden for uforsigtighed, stables kontrolforanstaltninger oven på hinanden, og forretningsprocessen er endnu mere stoked, hvilket resulterer i en nedadgående spiral. Der er således en overbevisende forretningsmæssig grund til at give datastyring et uafhængigt og professionelt sted i organisationer.

derudover tvinger love og regler også struktureret datastyring. Den finansielle sektor er baseret på solvens og en mekanisme til datavurdering og en rapport om brugen af oplysninger om organisationen. Basel II stelt in dit verband: ‘banken skal have indført en proces til kontrol af datainput i en statistisk standard-eller tabsprognosemodel, der inkluderer en vurdering af nøjagtigheden, fuldstændigheden og hensigtsmæssigheden af de data, der er specifikke for tildelingen af en godkendt rating’. Der er ingen tvivl om, at datamanagement kun er tilgængelig for alle. Den korrekte registrering af data i systemerne er en af de mest tidskrævende dele af et sådant program. I en sådan situation er det vanskeligt at overholde eksterne krav, der følger af love og regler og aftaler indgået med leverandører og kunder.

Enterprise Data Management er det sæt aktiviteter inden for organisationer, der fokuserer på at identificere, klassificere, registrere, modellere, låse op, sikre, arkivere og ødelægge data på en struktureret måde. Udtrykket ‘virksomhed’ afspejler den organisationsdækkende karakter af datastyring.

det faktum, at datastyring spiller en så afgørende rolle i forretningsdrift, understreges af udsagn fra nogle organisatoriske ledere. Aloys Kregting, CIO for DSM og valgt Årets CIO i 2011, siger: “CIO bør være særlig bekymret over værdien af information. Du skal vide meget godt, hvilke mennesker der har brug for hvilke oplysninger, hvornår, og også lette det. Dette understreger endnu en gang betydningen af rapporten og Master Data Management.’

den løbende forbedringsindsats vil nu fokusere på at drage fordel af disse ændringer og afdække den skjulte værdi, de tilbyder. Det betyder, at vi skal køre forenklede processer og styrket datastyring for at give hurtigere og bedre informeret beslutningstagning, større lydhørhed over for kundernes behov og mindre spild-alt sammen med større konkurrenceevne.’

Data som aktiv

Data er som angivet repræsentationer af fakta. Projiceret på et forretningsmiljø er ‘fakta om forretningsdrift’. Uden kontekst eller struktur har disse data ingen merværdi for en virksomhed. De mangler indhold og mening for virkelig at tilføje værdi til virksomheden. Vi skelner mellem strukturerede data (gemt og bestilt i en database) og ustrukturerede data (i form af dokumenter, fil, billede, tekstbesked, form, video-eller lydoptagelse, der ikke kan indeholdes i rækker, kolonner eller poster).

uden yderligere oplysninger er det vanskeligt, hvis ikke umuligt, at klassificere, registrere og få adgang til disse data. I det øjeblik vi tilføjer kontekst til disse data, bliver dataene meningsfulde. Vi tilføjer derefter en reference, en dato og et klokkeslæt, betydningen af meddelelsen, et format. Dette giver datastrukturen og bliver information. Hvis vi relaterer forskellige informationskilder til hinanden ved at skabe relationer og identificere mønstre, bliver information viden. Dette er også merværdien af business intelligence (BI): tilslutning af forskellige informationsenheder i en organisation med henblik på beslutningstagning fra virksomhedens ledelse. Se også Figur 1.

Figur 1. Sæt værdien af data i sammenhæng.

organisationer, der bedst kan strukturere deres data til meningsfuld information og gøre disse oplysninger logisk tilgængelige for vidensarbejderne i virksomheden, vil være bedre i stand til at dominere deres konkurrenter. Udnyttelse af den iboende kommercielle magt af disse data vil give virksomheder og organisationer en strategisk fordel i forhold til deres konkurrenter. Eric Schmidt, daværende administrerende direktør for Google, sagde i 2010: Jeg tror ikke, at samfundet forstår, hvad der sker, når alt er tilgængeligt, kendt og registreret af alle hele tiden.’En Gartner stelt:’ i den private sektor vurderer vi for eksempel, at en detailhandler, der bruger big data fuldt ud, har potentialet til at øge sin driftsmargin med mere end 60%.'()

Maar het gaat niet alleen about het goed structureren en ontsluiten. En aantal jaren var de heersende gedachte dat to het probleem van goede ledelseinformatievoorering af oplossen. Alle de store virksomheder og institutioner i verden har kørt dyre BI-programmer og implementeret dyre applikationer. Ikke desto mindre er virksomhedsledelsen ikke tilfreds. BI låser ikke op for alle forretningsdata, i praksis fokuserer det hovedsageligt på strukturerede data, hvor der ikke er tilstrækkelig opmærksomhed på værdien af ustrukturerede data. Derudover kan Rapporter ikke let tilpasses, så de er ofte ikke tilstrækkeligt fokuseret på virksomhedens behov på et givet tidspunkt. KPMG, baseret på forskning: ‘Store investeringer i IT garanterer ikke nødvendigvis bedre information. Hvad der er vigtigere er grundlæggende at ændre den måde, hvorpå data indsamles, behandles og præsenteres.'()

Gestructureerde data dør et datavarehus ord ontsloten, der er ikke noget at gøre med data, der ikke er gået. Ongestructureerde gegevens (ca. 85% af alle bedrijfsgegevens) kunnen ikke via et datavarehus ord ontsloten. De vraag er og hoe je disse data’ goed ‘ krijgt og hvad goed datamanagement for ongestructureerde gegevens er. I denne sammenhæng betyder gode midler i overensstemmelse med de kvalitetskrav, der er fastsat af organisationen. Det er klart, at gode data ikke er noget, der kommer naturligt. Der er brug for en ledelsesramme. Ledelsesrammen inkluderer aktiviteter, som en virksomhed logisk og omhyggeligt skal organisere og investere i organisationen. Dette er datastyring og inkluderer alle aktiviteter inden for organisationer rettet mod forretningsdrift for at identificere, klassificere, registrere, modellere, få adgang til, sikre, arkivere og ødelægge data på en struktureret måde. Vi bruger udtrykket Enterprise Data Management (EDM) til dette, fordi det vedrører aktiviteter, der udføres over hele virksomheden på tværs af organisationer.

erkendelsen af, at styring af data godt kan tilføre værdi til forretningsdrift og bundlinje, fik analytikere og konsulenter til at sidestille data med andre forretningsaktiver, såsom jord, bygninger og maskiner. I denne sammenhæng beskrives data også som et forretningsaktiv. Aktiver skal forvaltes godt: godt vedligeholdt, godt sikret, der skal være en ejer, der fører tilsyn, og et aktiv skal også udskiftes rettidigt. Ligesom andre aktiver kan data også sælges. Værdi kan udledes af det. Tænk bare på adressefiler, der repræsenterer en vis værdi for både bona fide og rogue virksomheder.

ledere af førende virksomheder i verden er velbevidste om dette. Datarelaterede programmer er fremtrædende på deres handlingsliste. Hackett Group udtaler: Hvad virksomheder anerkender er, at de har kastet masser af penge på applikationerne, men uden at standardisere og rense deres data får de stadig information, der ikke giver mening. De har virksomheder, der bruger forskellige definitioner, der beregner metrics forskelligt, der bruger forskellige hierarkier. Hele dette koncept med masterdatastyring er helt afgørende for, at virksomheder i sidste ende kan komme til det punkt, hvor de har forudsigelig analyse.’. De businesscase om master data management (MDM) programma ‘ s te starten lijkt evident: ‘I 2013 vil MDM reducere organisationernes dataredundans, hvilket kan spare 80% af omkostningerne forbundet med styring af overflødige data’. ()

Modellen for Virksomhedsdatastyring

over det, der er behov for data, der er nødvendige for at finde ud af, hvad modellen er, og hvordan den bedst kan bruges til at forbedre virksomhedens datastyring. Den Internationale Standardiseringsorganisation, bedre kendt som ISO, er den eneste mulighed for at se på spektret af databehandlingen. For eksempel adresserer ISO 27001 informationssikkerheden. ISO 15489 er den standard, der bruges til styring af information fra et arkiveringsperspektiv. ISO 23081 er standarden for metadata. Desuden kan ISO 19005 bruges som en retningslinje for udseendet af data. Standarder bugner. Andre rammer som COSO og rammer som Cobit og ISF taler om vigtigheden af data i bredere forstand, men kun ud fra et risikoperspektiv.

Data Management krop af viden

en mere komplet model synes at være, at DAMA-DMBOK. Det inkluderer en samling af ‘bedste praksis’ inden for datastyring, som over flere år er blevet suppleret med ny indsigt fra praksis. Den DAMA-DMBOK Guide (Fuld: Data Management krop af viden) er en publikation af Data Management Association, en international organisation, der fokuserer på data ledere og data fagfolk til at formidle viden om data management.

DMBOK skelner mellem ti forskellige datafunktioner. Disse funktioner er vist i figur 2. Data governance er den funktion, der forbinder de andre domæner. For hvert af domænerne skal der tages hensyn til miljøfaktorer, såsom de nuværende arbejdsmetoder og procedurer, den anvendte teknologi og organisationskulturen.

figur 2. Data domæner ifølge DAMA ().Dog

DAMA kender også sine svagheder. For eksempel: det faktum, at de navngivne funktioner kun henviser til hinanden i brede vendinger, så en bruger ikke altid ser forholdet mellem funktionerne og dermed den bredere betydning. Desuden synes DAMA at fokusere på traditionelle, strukturerede data for tiden. For eksempel er der stadig lidt snak om vigtigheden af indhold på sociale medier. Datasikkerhed i DAMA er primært fokuseret på den tekniske beskyttelse af data. Derudover er forskellen i, hvordan generationer håndterer data, endnu ikke eksplicit medtaget som en relevant faktor (miljøfaktor). Endelig, og det er måske den største indvending, er det frem for alt en konceptuel ramme. Det mangler praktiske eksempler for at gøre begreber og udtryk tilstrækkeligt klare for læseren. Der er risiko for inkonsekvent fortolkning. Hvordan rammerne skal implementeres er heller ikke klart. Dette er i strid med det primære mål for en krop af viden. Dette bør sigte mod at sikre, at deres anvendelse fremmer konsistens i anvendelsen af datastyring.

KPMG Enterprise Data Management model

ovenstående modeller indeholder vigtige elementer, der skal tages i betragtning, når man realiserer en professionel datastyringsorganisation. Til operationalisering af datastyring er imidlertid en række andre aspekter vigtige, som ikke er dækket af disse modeller.

for det første vedrører dette det faktum, at data udveksles mellem systemer både inden for organisationen og mellem organisationen og tredjeparter. Datastyring bør derefter sikre gode aftaler om det format, hvori data leveres, validering af kvaliteten af de leverede data, mulige berigelsestrin, før dataene behandles yderligere, og eventuelle procedurer, hvis der opstår fejl i processen. Vi grupperer disse aktiviteter under udtrykkene ‘erhvervelse og authoring’ og ‘distribution’.

desuden skal EDM også sikre, at EDM-strukturen som helhed kan opretholdes. Organisationen skal have processer til registrering af dokumentation og problemer identificeret under den operationelle implementering af EDM-aktiviteter. At disse drøftes i EDM governance høring organer, og at de fører til tilpasning af eksisterende procedurer og teknikker. Dette kan betragtes som en situation, hvor datakvalitetsdashboardet, der bruges i en organisation, skal tilpasses, fordi organisationen ønsker at overvåge et nyt dataobjekt. Der skal derefter være en ‘ændringsproces’, der forbereder beslutningstagning om denne ændring og implementerer ændringen i instrumentbrættet efter beslutningen.

endelig skal alle EDM-aktiviteter, der udføres af en organisation, vurderes for effektivitet og effektivitet. Ligesom de primære processer i en organisation skal EDM have en ‘plan, Do, check, act’ mekanisme, der kan bruges til at kontrollere, om implementeringen af EDM-aktiviteterne er i overensstemmelse med de aftaler, der er indgået om det. ‘Procesovervågning’ gør dette muligt og gør det muligt for EDM-organisationen uafhængigt at identificere eventuelle afvigelser og træffe korrigerende foranstaltninger.

dette oversættes til KPMG EDM-modellen vist i figur 3.

figur 3. KPMG Enterprise Data Management model.

nedenfor er en kort beskrivelse af nøgleelementerne i modellen.

• Data Governance fokuserer på (lede)data management aktiviteter. Spørgsmål som strategi, politik, roller, opgaver og ansvar er dækket.
• Dataarkitektur handler om at etablere og registrere dataobjekter og datastrukturer i en organisation i datamodeller. Disse danner grundlag for informationsanalyse og proces-og systemkonstruktion.
• Master Data Management handler om at sikre kvaliteten af master-og referencedata. Det ultimative mål er at skabe unikke (‘gyldne’) poster.
• datalagring er den aktivitet, der giver mulighed for at definere arkitekturen til lagring af data i relationsdatabaser.
• Business Intelligence er ansvarlig for at låse data indeholdt i datalagre op på en sådan måde, at den giver information til organisationens ledelse, på grundlag af hvilken den kan træffe beslutninger.
• Datakvalitetsstyring involverer den strukturerede definition af kvalitetskriterier, analysen af den faktiske datakvalitet og rapporteringen heraf.
• Content Management fokuserer på at klassificere data, strukturere dokumentstrømme og gøre dem tilgængelige.
• arkivering fokuserer på at flytte inaktive data til andre miljøer.
• Onder de Governance Operations er metadata de informatie løbet datamanagementelementet, der er tekniske og funktionelle beschrijvingen af dataobjecten en datamodellen. Databasehåndtering giver mulighed for drift af tekniske databaser. Datasikkerhed er en vigtig del af datasikkerheden. Identitetsstyring tot slot regelt de toegang tot data.

for en mere detaljeret beskrivelse af nogle af disse elementer i EDM, se de individuelle bidrag til EDM-elementer, der er inkluderet i denne kompakt.

EDM fra et organisatorisk perspektiv

i denne artikel har vi stadig svaret på spørgsmålet om, hvordan EDM-modellen kan implementeres praktisk.

hvis du gennemgår de forskellige dele af EDM som vist i figur 3 og lader dem handle på sig selv, vil indtrykket hurtigt opstå, at der er lidt logisk rækkefølge i disse dele. Figur 3 viser, at der ikke er nogen foreslået prioritering eller fasning af konstruktionen og implementeringen af elementerne. Det er klart, at datastyring forbinder alle andre elementer. Med dette ønsker vi at indikere, at der ikke er nogen ordre mellem domænerne, og at rækkefølgen, i hvilken delene af EDM behandles, er vilkårlig. En undtagelse er datastyring. Forbindelsen om, at datastyring er mellem alle andre dele af EDM, afspejler godt, at faktisk ingen datastyringsaktivitet kan udvikles og implementeres med succes, hvis der ikke er nogen datastyring i organisationer.

datastyring lægger grundlaget for alle datastyringsaktiviteter. Uden fundamentet er de løse byggesten, der hænger mere eller mindre i tomrummet uden struktur og forbindelse. Det kan føre til, at BI-løsninger købes og implementeres, mens der ikke er tilstrækkelige datastandarder eller datadefinitioner, eller at den datakvalitet, der er nødvendig for at nå frem til pålidelig ledelsesinformation, lader meget tilbage at ønske. Det kan bidrage til design og køb af systemer, der ikke forbinder til andre systemer, fordi der ikke er nogen overordnet virksomhedsdatamodel, der tjener som grundlag for al systemudvikling. Endelig kan det føre til, at en organisation aktivt bruger de spor, som internetbrugere har efterladt på hjemmesider, uden hensyntagen til privatlivets regler, hvilket fører til skade på billedet og ansvaret.

datastyring sikrer, at der er en virksomhedsdækkende vision og strategi for datastyring, som understøttes af virksomhedens ledelse. Visionen fortæller os, hvad vi ønsker at opnå. Strategien for, hvordan man opnår dette. De afspejler som sådan organisationens ambition. Alle data-relaterede aktiviteter skal passe ind i denne vision og strategi sikrer sammenhæng i disse aktiviteter. Strategien dikterer også omfanget af datastyring i en organisation. På trods af den overordnede DAMA-model kan organisationer vælge at lade visse forhold være ude af betragtning, fordi de muligvis allerede er udfyldt decentralt. Et almindeligt fænomen er for eksempel, at HR opretter sin egen datastyringsorganisation og gør begrænset brug af de retningslinjer og standarder, som den centrale datastyringsorganisation har udviklet.

datastyring sikrer også opmærksomhed på udarbejdelsen af politiske regler. Dette omfatter en informationssikkerhedspolitik, politikker vedrørende dataarkitektur, arkivering og datakvalitet. Desuden sikrer datastyring den organisatoriske indlejring af datastyring: hvem er i sidste ende ansvarlig, hvor og hvordan træffes beslutninger om strategi, politik, standarder, roller, ejerskab. For eksempel: hvordan og hvornår rapporteres datastyringsaktiviteter i organisationen? Hvordan tilrettelægger vi udførelsen af vedligeholdelsesaktiviteter vedrørende stamdata?

det kan være klart af denne uddybning, at datastyring er grundlaget for god datastyring. Uanset hvilket stadium af modenhedsorganisationer der er i, lønner det sig altid at holde øje med kvaliteten af datastyring og kontrollere, om implementeringen er tilfredsstillende.

Antag, at en organisation har datastyring i orden. Er der nogen retningslinjer eller bedste praksis, der gør det klart, hvilke af de andre datastyringskomponenter der er berettigede til optimering med hensyn til prioritering? Det er faktisk ikke tilfældet. Det vil sige, vores erfaring siger, at dette afhænger af de prioriteter, der følger af selve organisationens dagsorden.

Antag, at en organisation beslutter at erstatte et ældre informationssystem med et nyt ERP-system. Man kan derefter spørge sig selv, hvilken indflydelse dette har på datastyring. Så hvad er den højeste prioritet? Dette kan føre til, at’ Datakvalitetsstyring ‘ prioriteres som et resultat af den nødvendige Datamigrering. At forurenede data renses, metadatadokumentationen adresseres, og stamdatastyringen forbedres. For eksempel kan implementeringen af en dataintegrationsapplikation resultere i opdatering af dataarkitekturmodellen og valg og implementering af en datakvalitetsapplikation for at rense og berige data, før den udveksles med andre platforme.

figur 4. Forholdet mellem forretningsmodel og EDM.

afslutningsvis mener vi, at ud fra datastyringsgrundlaget, afhængigt af organisationens forretningsdagsorden, skal disse datastyringsaktiviteter tages op, der giver den mest merværdi på det tidspunkt ved at realisere denne dagsorden. Dette er vist i figur 4. Fra perspektivet om vision og strategi realiseres forretningsmodellen, der er nødvendig for at realisere de mål, der er fastlagt i visionen og strategien. Denne forretningsmodel stiller krav til de primære og understøttende processer. For at disse processer skal fungere, er der behov for ressourcer. Disse kan yderligere opdeles i menneskelige ressourcer, data og IT-ressourcer. Hvad og hvor meget der er behov for på datasiden i en bestemt sag bestemmes af forretningsdagsordenen. EDM giver værktøjer til, hvordan dette skal organiseres. Dette er skræddersyet og tillader sig ikke at blive fanget i et fast mønster af datastyringsaktiviteter.

konklusion

i dette bidrag har vi skitseret EDM som en tilgang til styring af alle de data, som en organisation genererer. En god fortolkning af dette sikrer, at disse data opfylder de kvalitetskrav, som organisationer stiller til det. Det sikrer, at data, der er nødvendige for at udføre processer og gøre det muligt for ledelsen at træffe informerede beslutninger, er nøjagtige, komplette og tilgængelige rettidigt. Dette gør data til et ‘aktiv’, der skal styres ligesom alle andre forretningsaktiver. Vi har yderligere uddybet de bestanddele af EDM. Dette har skabt en ramme for ledelsesaktiviteter, der danner grundlaget for at sikre datakvalitet. Endelig har vi hævdet, at implementeringen af disse komponenter ikke kan finde sted i henhold til en fast ramme. Det er forretningsstrategien og prioriteringen, der bestemmer, hvilke af de dele af EDM, der hentes og optimeres i operationaliseringen. En afgørende rolle i dette spilles af data governance, som sikrer en virksomhedsdækkende og ledelsesunderstøttet vision og strategi for EDM.