Data Governance - pierwsze kroki - część 1 z 4

1

XXI wiek to rewolucja informacyjna, gdzie wykorzystywanie danych na masową skalę jest codziennością. Każda działalność biznesowa wymaga dzisiaj, aby informacje wspierające podejmowanie decyzji były wysokiej jakości, dostarczane na czas, i co najważniejsze, były pewne i gwarantowały bezpieczeństwo prowadzonej działalności biznesowej. Rozwój ekosystemów analitycznych, oferowanych przez firmy innowacyjnych produktów i usług oparty został na możliwości pozyskiwania, przetwarzania i dostarczania informacji.

Jako koncepcja, idea Data Governance jest obecna od lat. Ze względu na rosnącą  rolę informacji w procesie zarządzania, dane stały się tak samo ważnym zasobem każdej firmy, jak finanse lub zasoby ludzkie. Wymagają rzetelnego podejścia do ich przetwarzania, przejrzystego sposobu zarządzania nimi i zdefiniowanych odpowiedzialności, określonych standardów i zasad nimi rządzących, bezpieczeństwa i ochrony oraz monitorowania i kontroli. Ten szeroki zakres zadań związanych z zarządzaniem danymi w organizacji nazwany został Data Governance.

Metodyki i wzorce

Skuteczne wypracowanie zasad współdziałania w organizacji, w celu właściwego zarządzania informacją i jej obiegiem, wymaga wykorzystania najlepszych praktyk i odpowiednich wzorców. Każda organizacja, w zależności od swojego poziomu dojrzałości i celów biznesowych, musi odnaleźć swoją drogę, jednak sięgnięcie po wzorce i ramy dla definicji procesów, ról i odpowiedzialności daje gwarancję kompletności tworzonej polityki Data Governance oraz ułatwia i skraca ten proces.

Podobnie jak w przypadku wyboru metodyk zarządzania projektami, tak i tutaj możemy wykorzystywać podejścia bardzo silnie uporządkowane i nastawione na działania w określonych z góry procesach (np. Data Management Body of Knowledge - DAMA-BOK - stworzony przez DAMA International). Możemy także sięgać po ramy Data Governance zbudowane tak, aby ułatwiać stopniowe budowane polityk i strategii zarządzania danymi w organizacji. SAS Data Governance Framework jest takim właśnie przewodnikiem wskazującym kluczowe obszary, które powinny zostać objęte politykami i procedurami. Identyfikuje także role bezpośrednio związane z realizowaniem przyjętych zasad Data Governance.

SAS Data Governance Framework

Przegląd obszarów metodyki SAS Data Governance Framework

Wśród nich należy zwrócić uwagę na nową, bardzo istotną, rolę jaką jest Data Stewardship - czyli określenie i zidentyfikowanie w organizacji osób odpowiedzialnych za dane, będących ich „właścicielami”. Skuteczne wykreowanie postaw i zadań dla Data Stewardów powinno pozwolić na realizowanie przez nich następujących zadań:

  • zarządzanie definicjami danych rozpoczynając od ich znaczenia biznesowego, aż po techniczne określenie struktur i atrybutów opisujących obiekty biznesowe i dopuszczalne zakresy przyjmowanych przez nie wartości
  • tworzenie i realizowanie polityk oraz procedur związanych z zarządzaniem i uzgadnianiem zmian w definicjach danych oraz zmian w systemach informatycznych przetwarzających dane
  • tworzenie zasad zarządzania jakością danych, których są właścicielami, monitorowanie jakości tych danych oraz realizowanie zadań związanych z podnoszeniem ich jakości (w tym uzgadnianiem konfliktów i czasem wręcz ręczną ich korektą)
  • wspieranie właściwego i skutecznego wykorzystania danych przez organizację oraz współpracy w kreowaniu strategii rozwijania środowisk przetwarzania i analizy danych

Odpowiednie funkcjonowanie środowiska Data Steward-ów to fundament skutecznego wdrożenia zasad Data Governance w organizacji. Na nich też spoczywa odpowiedzialność za operacyjne zrealizowanie stawianych przed programem Data Governance celów.

W cyfrowych czasach zadanie to musi zmierzyć się z dodatkowymi wyzwaniami, które wynikają z popularyzacji środowisk Big Data. Dążenie do uporządkowania i kontroli zderza się tutaj z wielką zmiennością danych, które organizacja przetwarza, ciągłym eksperymentowaniem z nowymi źródłami i zmianami w wykorzystaniu tak pozyskiwanych informacji. Te dwa światy nieustannie się ścierają i należy zachować racjonalne podejście w stosowaniu polityk Data Governance dla środowisk Big Data. Wskazówki dotyczące skutecznego przeprowadzenia tego procesu można odnaleźć na blogu SAS: Can Big Data be governed? oraz Is effective Data Governance possible in an era of Big Data?.

Krok „zero”: jak zacząć?

Pierwszym krokiem jest zidentyfikowanie celów biznesowych, które organizacja chce osiągnąć poprzez zrealizowanie zadań z obszaru Data Governance. Korzyści można poszukiwać w obszarach:

  • podniesienia jakości decyzji podejmowanych w oparciu o dane (pewność i zaufanie do danych i ich pochodzenia)
  • zrealizowania wymogów regulatora w zakresie zasad zarządzania danymi (np. rekomendacji „D” w przypadku instytucji finansowych)
  • wsparcia strategii marketingowych i sprzedażowych wysoką jakością przetwarzanych danych klienckich (wyższa skuteczność akcji marketingowych i możliwość budowania organizacji zorientowanej na klienta)
  • optymalizacji kosztów utrzymania i rozwoju środowisk przetwarzania danych dzięki rozumieniu ich przepływu i znaczenia dla organizacji

W odniesieniu do celów istotne jest właściwe zidentyfikowanie osób odpowiedzialnych za poszczególne zadania związane z programem Data Governance i podjęcie pierwszych inicjatyw w tak zdefiniowanym środowisku.

Krótkoterminowe korzyści można osiągnąć dzięki trzem prostym krokom opisanym poniżej. Każdy z nich, realizowany w odpowiedniej kolejności, stopniowo wprowadzi organizację w kulturę zarządzania informacją, równocześnie dając wymierne korzyści biznesowe.


Zapraszam do lektury kolejnych wpisów, gdzie omówione zostaną następne kroki pozwalające na rozpoczęcie inicjatywy Data Governance w organizacji.

  1. Data Governance - pierwsze kroki - część 2
  2. Data Governance - pierwsze kroki - część 3
  3. Data Governance - pierwsze kroki - część 4
Share

About Author

Patryk Choroś

Principal Business Solutions Manager, SAS Institute Poland

Strong believer, that every decision can be made better when based on data and analytics. Data governance and management expert. Business Intelligence specialist and experienced manager for teams and projects. Strong background in providing enterprise consultancy services from business value development throughout architecture design and solution implementation. At SAS working hard to translate new technology opportunities like Big Data, Data Monetization and Data Science into real business value aligned with corporate strategy. Certified Business Intelligence Professional, Certified Data Management Professional by TDWI. Join me on Twitter @Patryk_Choros or LinkedIn.

Back to Top