Enterprise Data Management: utility and necessity

introduksjon

vår digitale verden er avhengig av informasjon. Data er overalt. Hvorfor er så mange selskaper, organisasjoner, analytikere og konsulenter så bekymret for dette?

Data er representasjoner av fakta. Ved å plassere data i kontekst, opprettes informasjon. Fraværet av god datahåndtering betyr ofte automatisk at styrings-og kontrollinformasjon er ineffektiv. I det lange løp vil dette lamme en organisasjon i en slik grad at den ikke lenger kan fungere ordentlig. Årsaken til dette er at viktige beslutninger blir gjort for sent fordi ledelsesinformasjon ikke lenger er klarert. Videre vil håndteringen av forretningsprosesser på avdelingsnivå kreve mer og mer tid og krefter, fordi divisjonens aktiviteter ikke er godt koordinert. I denne situasjonen oppretter og administrerer alle bare dataene som trengs for å utføre sitt eget arbeid, og bruker derfor sitt eget sett med datadefinisjoner. Fordi avdelinger klandrer hverandre for uforsiktighet, er kontrolltiltak stablet oppå hverandre og forretningsprosessen er enda mer stoked, noe som resulterer i en nedadgående spiral. Dermed er det en overbevisende forretningsgrunn til å gi datastyring et uavhengig og profesjonelt sted innen organisasjoner.

i tillegg tvinger lover og forskrifter også strukturert datahåndtering. Her er en oversikt over hvilke sektorer Basel og Solvens som er verdt å vurdere når det gjelder datakvalitet og herlegering i rapporter som er relevante for organisasjonen. Basel II stelt i dit verband: ‘banken må ha på plass en prosess for vetting data innganger til en statistisk standard eller tap prediksjon modell som inkluderer en vurdering av nøyaktighet, fullstendighet og hensiktsmessigheten av data som er spesifikke for tildeling av en godkjent rating’. Datamanagement er basert på kunnskap om voldoen og deze eisen. Korrekt registrering av data i systemene er en av de mest tidkrevende delene av et slikt program. I en slik situasjon er det vanskelig å overholde eksterne krav som følger av lover og forskrifter og avtaler med leverandører og kunder.

Enterprise Data Management er settet av aktiviteter innen organisasjoner som fokuserer på å identifisere, klassifisere, registrere, modellere, låse opp, sikre, arkivere og ødelegge data på en strukturert måte. Begrepet ‘enterprise’ gjenspeiler organisasjonsomfattende karakter av datahåndtering.

det faktum at datastyring spiller en så viktig rolle i forretningsvirksomheten, understrekes av uttalelser fra noen organisatoriske ledere. Aloys Kregting, CIO OF DSM og valgt CIO of the year i 2011, sier: “CIO bør være spesielt opptatt av verdien av informasjon. Du må vite veldig godt hvilke folk trenger hvilken informasjon når, og også legge til rette for det. Dette understreker igjen betydningen av rapporten og Master Data Management.’

als tweede DE CEO van een olie-exploratie-en productiebedrijf die zich realiseert dat goed datamanagement voor zijn bedrijf een volgende stap naar business excellence er en hem in staat stelt zich te onderscheiden van zijn samtidige: ‘Kontinuerlig forbedring innsats vil nå fokusere på å utnytte disse endringene og avdekke den skjulte verdien de tilbyr. Dette betyr å drive forenklede prosesser og styrket datahåndtering for å gi raskere og bedre informert beslutningstaking, større respons på kundenes behov og mindre avfall-alt dette resulterer i større konkurransedyktig ytelse.’

Data som en ressurs

Data er, som angitt, representasjoner av fakta. Projisert på et forretningsmiljø er ‘fakta om forretningsdrift’. Uten kontekst eller struktur har disse dataene ingen merverdi for et selskap. De mangler innhold og mening å virkelig tilføre verdi til selskapet. Vi skiller mellom strukturerte data (lagret og bestilt i en database) og ustrukturerte data (i form av dokumenter, fil, bilde, tekstmelding, skjema, video eller lydopptak som ikke kan finnes i rader, kolonner eller poster).

uten ytterligere informasjon er det vanskelig om ikke umulig å klassifisere, registrere og få tilgang til disse dataene. I det øyeblikket vi legger kontekst til disse dataene, blir dataene meningsfulle. Vi legger deretter til en referanse, en dato og et klokkeslett, betydningen av meldingen, et format. Dette gir datastrukturen og blir informasjon. Hvis vi relaterer ulike kilder til informasjon til hverandre, ved å lage relasjoner og identifisere mønstre, blir informasjon kunnskap. Dette er også merverdien av business intelligence (BI): koble ulike informasjonsenheter i en organisasjon med det formål å ta beslutninger av selskapets ledelse. Se Også Figur 1.

Figur 1. Sett verdien av data i kontekst.

organisasjoner som er best i stand til å strukturere sine data til meningsfull informasjon og gjøre denne informasjonen logisk tilgjengelig for kunnskapsarbeiderne i selskapet, vil bedre kunne dominere sine konkurrenter. Å utnytte den iboende kommersielle kraften i disse dataene vil gi bedrifter og organisasjoner en strategisk fordel over sine konkurrenter. Eric Schmidt, DAVÆRENDE ADMINISTRERENDE DIREKTØR I Google, sa i 2010: Jeg tror ikke samfunnet forstår hva som skjer når alt er tilgjengelig, knowable og registrert av alle hele tiden. I privat sektor anslår Vi for eksempel at en forhandler som bruker big data fullt ut, har potensial til å øke driftsmarginen med mer enn 60%.'()

Må ha noe å gjøre med strukturen og utformingen. Det var en stor jaren som var ansvarlig FOR dette arbeidet med å administrere informasjon om oplossen. Alle de store selskapene og institusjonene i verden har kjørt kostbare BI-programmer og implementert dyre applikasjoner. Likevel er selskapets ledelse ikke fornøyd. BI låser ikke opp alle forretningsdata, i praksis fokuserer DET hovedsakelig på strukturerte data, med utilstrekkelig oppmerksomhet til verdien av ustrukturerte data. I tillegg kan rapporter ikke lett tilpasses, så de er ofte ikke tilstrekkelig fokusert på selskapets behov på et gitt tidspunkt. KPMG, basert på forskning: – Store investeringer i IT garanterer ikke nødvendigvis bedre informasjon. Det som er viktigere er å fundamentalt endre måten data samles inn, behandles og presenteres på.'()

Strukturerte data dør av en datawarehouse words onsloten, zijn waardeloos als de kwaliteit van die data niet goed is. Ongestructureerde gegevens (ca. 85% av alle bedrifter vet om datawarehouse på nettet. De vraag er og hvordan du vurderer data ‘goed’ krijgt og hvilken goed datamanagement for ongestructureerde gegevens er. I denne sammenheng betyr gode midler i samsvar med kvalitetskravene fastsatt av organisasjonen. Det er klart at gode data ikke er noe som kommer naturlig. Det er behov for et styringsrammeverk. Styringsrammen omfatter aktiviteter som et selskap må logisk og nøye organisere og investere i organisasjonen. Dette er datahåndtering og inkluderer alle aktiviteter innenfor organisasjoner rettet mot forretningsvirksomhet for å identifisere, klassifisere, registrere, Modellere, få tilgang til, sikre, arkivere og ødelegge data på en strukturert måte. Vi bruker Begrepet Enterprise Data Management (Edm) for Dette, fordi det gjelder aktiviteter som utføres i hele selskapet på tvers av organisasjoner.

realiseringen av at styring av data godt kan gi verdi til forretningsdrift og bunnlinje ledet analytikere og konsulenter til å likestille data med andre forretningsmessige eiendeler, som land, bygninger og maskiner. I denne sammenheng er data også beskrevet som en forretningsressurs. Eiendeler må forvaltes godt: godt vedlikeholdt, godt sikret, det må være en eier som overvåker og en eiendel må også erstattes i tide. Som andre eiendeler kan data også selges. Verdien kan utledes fra den. Bare tenk på adressefiler som representerer en viss verdi for både bona fide og rogue selskaper.

ledere av ledende selskaper i verden er godt klar over dette. Datarelaterte programmer har en fremtredende plass på Deres Handlingsliste. Hackett Group sier: – Det selskapene erkjenner er at de har kastet mye penger på applikasjonene, men uten å standardisere og rense dataene sine, får de fortsatt informasjon som ikke gir mening. De har bedrifter som bruker forskjellige definisjoner, som beregner beregninger annerledes, som bruker forskjellige hierarkier. Hele dette konseptet med masterdatahåndtering er helt avgjørende for at bedrifter skal kunne komme til det punktet der de har prediktiv analyse.’. De business case om master data management (MDM) programma er å starte lijkt tydelig: INNEN 2013 vil MDM redusere organisasjoners dataredundans, noe som kan spare 80% av kostnadene forbundet med å administrere redundante data. ()

Modeller For Enterprise Data Management

over dataene som brukes til å administrere dataene, er de samme som modellene og metodene som brukes til å administrere Enterprise Data Management på internett. Den Internasjonale Organisasjonen For Standardisering, bedre kjent SOM ISO, er standardisert som en del av et bredt spekter av databehandlinger. ISO 27001 tar for EKSEMPEL for seg informasjonssikkerhet. ISO 15489 er standarden som brukes for håndtering av informasjon fra et arkivperspektiv. ISO 23081 er standard for metadata. VIDERE KAN ISO 19005 brukes som en retningslinje for utseendet av data. Standarder florerer. Andre rammer som COSO og rammer som Cobit og ISF snakker om betydningen av data i bredere forstand, men bare fra et risikoperspektiv.

Data Management Body Of Knowledge

EN mer komplett modell synes Å være DAMA-DMBOK. Det inkluderer en samling av ‘beste praksis’ innen datahåndtering, som har blitt supplert over flere år med ny innsikt fra praksis. DEN DAMA-DMBOK Guide (Full: Data Management Body Of Knowledge) er en publikasjon Av Data Management Association, en internasjonal organisasjon som fokuserer på data ledere og data fagfolk for å spre kunnskap om data management.

DMBOK skiller ti forskjellige datafunksjoner. Disse funksjonene er vist I Figur 2. Datastyring er funksjonen som forbinder de andre domenene. For hvert av domenene må det tas hensyn til miljøfaktorer, for eksempel dagens arbeidsmetoder og prosedyrer, teknologien som brukes og organisasjonskulturen.

Figur 2. Data domener i henhold TIL DAMA ().MEN

DAMA kjenner også sine svakheter. For eksempel: det faktum at de navngitte funksjonene bare refererer til hverandre i brede termer, slik at en bruker ikke alltid ser forholdet mellom funksjonene og dermed den bredere betydningen. VIDERE SYNES DAMA å fokusere på tradisjonelle, strukturerte data for tiden. For eksempel er det fortsatt lite snakk om betydningen av sosiale medier innhold. Datasikkerhet I DAMA er hovedsakelig fokusert på teknisk beskyttelse av data. I tillegg er forskjellen i hvordan generasjoner håndterer data ennå ikke eksplisitt tatt med som en relevant faktor (miljøfaktor). Til slutt, og det er kanskje den største innvendingen, er det fremfor alt et konseptuelt rammeverk. Det mangler praktiske eksempler for å gjøre begreper og vilkår tilstrekkelig klare for leseren. Det er fare for inkonsekvent tolkning. Hvordan rammeverket skal implementeres er heller ikke klart. Dette er i strid med det primære målet for en kropp av kunnskap. Dette bør ta sikte på å sikre at deres bruk fremmer konsistens i anvendelsen av datahåndtering.

Kpmg Enterprise Data Management model

modellene ovenfor inneholder viktige elementer som må tas i betraktning når man realiserer en profesjonell datahåndteringsorganisasjon. For operasjonalisering av datahåndtering er imidlertid en rekke andre aspekter viktige, som ikke dekkes av disse modellene.

for det første handler dette om at data utveksles mellom systemer både i organisasjonen og mellom organisasjonen og tredjeparter. Datahåndtering skal da sikre gode avtaler om formatet der dataene leveres, validering av kvaliteten på dataene som leveres, mulige anrikningstrinn før dataene behandles videre og eventuelle prosedyrer hvis det oppstår feil i prosessen. Vi Grupperer disse aktivitetene under vilkårene ‘oppkjøp og redigering ‘og’distribusjon’.

VIDERE MÅ EDM også sørge for AT EDM-strukturen som helhet kan opprettholdes. Organisasjonen bør ha prosesser for opptak av dokumentasjon og problemer identifisert under operativ gjennomføring AV EDM-aktiviteter. At disse diskuteres I EDM governance consultation bodies, og at de fører til tilpasning av eksisterende prosedyrer og teknikker. Dette kan betraktes som en situasjon der datakvalitetsdashbordet som brukes i en organisasjon, må tilpasses fordi organisasjonen ønsker å overvåke et nytt dataobjekt. Det bør da være en endringsprosess som forbereder beslutningsprosesser på denne endringen og implementerer endringen i dashbordet etter avgjørelsen.

til slutt bør ALLE EDM-aktiviteter utført av en organisasjon vurderes for effektivitet og effektivitet. AKKURAT som de primære prosessene i en organisasjon, BØR EDM ha en ‘plan, do, check, act’ mekanisme som kan brukes til å sjekke om implementeringen AV EDM-aktivitetene er i samsvar med avtalene som er gjort om det. ‘Prosessovervåking’ gjør DETTE mulig og gjør DET mulig FOR EDM-organisasjonen å selvstendig identifisere eventuelle avvik og ta korrigerende tiltak.

dette oversetter TIL KPMG EDM-modellen vist i Figur 3.

Figur 3. KPMG Enterprise Data Management model.

nedenfor er en kort beskrivelse av nøkkelelementene i modellen.

• Datastyring fokuserer på (regi)data management aktiviteter. Saker som strategi, politikk, roller, oppgaver og ansvar er dekket.
• Dataarkitektur handler om å etablere og registrere dataobjekter og datastrukturer i en organisasjon i datamodeller. Disse danner grunnlaget for informasjonsanalyse og prosess-og systemkonstruksjon.
• Master Data Management handler om å sikre kvaliteten på master-og referansedata. Det endelige målet er å skape unike (‘gylne’) poster.
• Datavarehus er aktiviteten som sørger for å definere arkitekturen for lagring av data i relasjonsdatabaser.
• Business Intelligence er ansvarlig for å låse opp data som finnes i datalager på en slik måte at den gir informasjon til organisasjonens ledelse, på grunnlag av hvilken den kan ta beslutninger.
• Datakvalitetsstyring innebærer strukturert definisjon av kvalitetskriterier, analyse av den faktiske datakvaliteten og rapportering av disse.
• Content Management fokuserer på å klassifisere data, strukturere dokumentflyter og gjøre dem tilgjengelige.
• arkivering fokuserer på å flytte inaktive data til andre miljøer.
• Styringsoperasjoner er metadata om datamanagementelementer, tekniske og funksjonelle funksjoner for dataobjektet og datamodellen. Databaseadministrasjon brukes til å administrere databaser. Datasikkerhet er rettet mot data som brukes til å samle inn data. Identitetsadministrasjon for slot regelt de toegang til data.

for en mer detaljert beskrivelse av noen AV DISSE elementene I EDM, se de enkelte bidragene TIL EDM-elementene som inngår i Denne Kompakte.

EDM fra et organisatorisk perspektiv

i denne artikkelen har vi fortsatt svaret på spørsmålet om hvordan EDM-modellen kan implementeres praktisk.

hvis du går gjennom DE ulike delene AV EDM som vist i Figur 3 og lar dem handle på seg selv, vil inntrykket raskt oppstå at det er lite logisk bestilling i disse delene. Figur 3 viser at det ikke er foreslått prioritering eller innfasing av konstruksjon og gjennomføring av elementene. Det er klart at datastyring forbinder alle andre elementer. Med dette vil vi indikere at det ikke er noen bestilling mellom domenene, og at rekkefølgen der DELENE AV EDM behandles, er vilkårlig i naturen. Et unntak er datastyring. Koblingen som datastyring er mellom alle andre deler av EDM, gjenspeiler godt at faktisk ingen datahåndteringsaktivitet kan utvikles og implementeres hvis det ikke er datastyring i organisasjoner.

datastyring legger grunnlaget for all datahåndteringsvirksomhet. Uten fundamentet er de løse byggeklosser som henger mer eller mindre i tomrummet uten struktur og tilkobling. DET kan føre TIL AT BI-løsninger blir kjøpt og implementert mens det ikke er tilstrekkelige datastandarder eller datadefinisjoner, eller at datakvaliteten som trengs for å komme frem til pålitelig styringsinformasjon, gir mye å være ønsket. Det kan bidra til design og kjøp av systemer som ikke kobles til andre systemer, fordi det ikke er noen overordnet bedriftsdatamodell som tjener som grunnlag for all systemutvikling. Endelig kan det føre til at en organisasjon aktivt bruker sporene som er igjen av internett-brukere på nettsteder, uten hensyn til personvernregler, noe som fører til skade på bildet og ansvaret.

datastyring sikrer at det er en selskapsdekkende visjon og strategi for Datahåndtering, som støttes av ledelsen av selskapet. Visjonen forteller oss hva vi ønsker å oppnå. Strategien for hvordan man skal oppnå dette. De reflekterer, som det var, organisasjonens ambisjon. Alle datarelaterte aktiviteter må passe inn i denne visjonen og strategien sikrer konsistens i disse aktivitetene. Strategien dikterer også omfanget av datahåndtering i en organisasjon. Til tross FOR DEN overordnede DAMA modellen, organisasjoner kan velge å forlate visse saker av hensyn, fordi de kan allerede være fylt ut desentralisert. ET vanlig fenomen er FOR EKSEMPEL AT HR skaper sin egen datahåndteringsorganisasjon og gjør begrenset bruk av de retningslinjer og standarder som den sentrale datahåndteringsorganisasjonen har utviklet.

datastyring sikrer også oppmerksomhet til utarbeidelse av politiske regler. Dette inkluderer en informasjonssikkerhetspolicy, retningslinjer for dataarkitektur, arkivering og datakvalitet. Videre sikrer datastyring organisatorisk integrering av datastyring: hvem er i siste instans ansvarlig, hvor og hvordan blir beslutninger om strategi, politikk, standarder, roller, eierskap. For eksempel: hvordan og når rapporteres datahåndteringsaktiviteter i organisasjonen? Hvordan organiserer vi utførelsen av vedlikeholdsaktiviteter for masterdata?

det kan være klart fra denne utarbeidelsen at datastyring er grunnlaget for god datahåndtering. Uansett hvilket stadium av modenhet organisasjoner er i, lønner det seg alltid å holde øye med kvaliteten på datastyring og for å sjekke om implementeringen er tilfredsstillende.

anta at en organisasjon har datastyring i orden. Er det noen retningslinjer eller beste praksis som gjør det klart hvilke av de andre datastyringskomponentene som er kvalifisert for optimalisering når det gjelder prioritering? Faktisk er det ikke tilfelle. Det vil si at vår erfaring sier at dette avhenger av prioriteringene som følger av organisasjonens agenda.

anta at en organisasjon bestemmer seg for å erstatte et eldre informasjonssystem med et NYTT ERP-system. Man kan da spørre seg selv hvilken innvirkning dette har på datahåndtering. Så hva er høyeste prioritet? Dette kan føre Til At’ Datakvalitetsstyring ‘ blir prioritert som følge av nødvendig datamigrering. At forurensede data blir renset, metadatadokumentasjonen er adressert og masterdatahåndteringen er forbedret. For eksempel kan implementering av et dataintegrasjonsprogram føre til oppdatering av dataarkitekturmodellen og valg og implementering av et datakvalitetsprogram for å rense og berike data før det utveksles med andre plattformer.

Figur 4. Forholdet mellom FORRETNINGSMODELL OG EDM.

avslutningsvis mener vi at fra datahåndteringsgrunnlaget, avhengig av organisasjonens forretningsagenda, bør disse datahåndteringsaktivitetene tas opp som gir mest merverdi på den tiden for å realisere den agendaen. Dette er vist I Figur 4. Fra visjon og strategi er forretningsmodellen realisert som er nødvendig for å realisere målene som er fastsatt i visjonen og strategien. Denne forretningsmodellen stiller krav til de primære og støttende prosessene. For at disse prosessene skal fungere, er det behov for ressurser. Disse kan videre deles inn i menneskelige ressurser, data og IT-ressurser. Hva og hvor mye som trengs på datasiden i et bestemt tilfelle, bestemmes av forretningsagendaen. EDM gir verktøy for hvordan dette skal organiseres. Dette er skreddersydd og tillater ikke å bli fanget i et fast mønster av datahåndteringsaktiviteter.

konklusjon

i dette bidraget har VI skissert EDM som en tilnærming til å administrere alle dataene som en organisasjon genererer. En god tolkning av dette sikrer at disse dataene oppfyller kvalitetskravene som organisasjoner setter for det. Det sikrer at data som trengs for å utføre prosesser og gjør det mulig for ledelsen å ta informerte beslutninger, er nøyaktige, komplette og tilgjengelige i tide. Dette gjør data til en ‘ressurs’ som må forvaltes akkurat som alle andre forretningsmessige eiendeler. Vi har videre utdypet de bestanddelene AV EDM. Dette har skapt et rammeverk for ledelsesaktiviteter som danner grunnlaget for å sikre datakvalitet. Til slutt har vi hevdet at implementeringen av disse komponentene ikke kan skje i henhold til et fast rammeverk. Det er forretningsstrategi og prioritering som bestemmer hvilke av DELENE AV EDM som hentes og optimaliseres i operasjonaliseringen. En avgjørende rolle i dette spilles av datastyring, som sikrer en bedriftsomfattende og ledelsesstøttet visjon og strategi for EDM.