Indgyder liv i Data Centricity (Sanjeev Nargotra)

Ingen bestyrelseslokale dagsorden i dag er komplet uden en omtale af Data centricity, men ingen har endnu været i stand til at sætte en finger på, hvad data centricity præcis handler om. De fleste af organisationerne, selv dem der har været i branchen i de sidste 100 år,
bliver pludselig vækket til tanken om datacentrering. Fokus på data har ikke været et nyere fænomen, de sociale og maskinelle data har ført til dataeksplosionen. Organisationer var dygtige til at udvinde data selv før dataeksplosionen, og hvad bedre eksempel end
en årlig rapport kunne vi citere af Data centricity?

På trods af al buzz omkring datacentrering, bortset fra e-handelsindustrien, har ingen anden industri endnu været i stand til at udnytte sociale data effektivt. Spørgsmålet er, hvor meget data der bliver udvundet og er endda nyttigt til analyse. Uden reelle use cases,
Forretningsbegrundelse, ethvert program omkring Data vil forblive en drøm. Mens alle taler om Data Centricity, er der dog ikke gjort noget reelt forsøg på at sætte en logisk rækkefølge for at opnå det. Spørg enhver organisation, der påbegyndte en datamoderniseringsrejse
i det seneste årti eller deromkring, vil indrømme bag lukkede døre, at intet virkelig har ændret sig på jorden. I datacentrerets navn, mens den tekniske gæld er steget ved at implementere dataplatforme, søer, marts og hvælvinger, ser erhvervslivet dem som de skinnende
nyt teknologisk legetøj. Organisationer kæmper for at udnytte dataplatforme, da ingen tænkte på at etablere en forretningskontekst og tage forretninger med, som et resultat af, at netop de brugere, der var de tilsigtede modtagere, dumpede den.

Datacentricitet kræver ikke en teknologisk løsning, snarere skriger efter virksomhedsejerskab, indflydelse og resultater. Det er ofte smertefuldt at komme ind i de småting, og det er det, der definerer succesen og fiaskoen for en vision om datacentrering.

Lad os se på pyramiden af ​​datacentricitet nedenfor og forstå, hvordan forskellige lag skal sættes omhyggeligt sammen for at indgyde liv i det hackede koncept for datacentricitet. I denne blog vil jeg komme ind på de to første lag, nemlig søjler og kardinal
Principper som organisationer ofte kæmper for at sætte første fod rigtigt.

*Vil dykke dybere ned i grundlæggende muligheder og datakontroller i min næste blog sammen med søjler og kardinalprincipper.

Søjler for datacentricitet:

• Omkostninger og værdi: Hvad er et aktiv uden nogen iboende værdi og betydning? Da data anerkendes som et aktiv, er det vigtigt for organisationer at nå frem til værdien af ​​data og sætte de nødvendige kontroller på plads. Det er hverken praktisk
  heller ikke tilrådeligt at fokusere på alle dataaktiverne, identifikation og prioritering af de mest kritiske dataaktiver anbefales stærkt.
• Læsefærdighed: Viden om dataens forretningsmæssige kontekst udover dens type, størrelse og brug er vigtig for at definere og måle nøglemetrics og KPI'er som kundecentricitet, compliance, omsætning.
• Demokratisering: Medmindre data er frit tilgængelige i hænderne på folk, der er forpligtet til at udvinde dem for at generere indsigt, forbliver et aktiv fiktivt uden reel værdi. Tilgængeligheden af ​​pålidelige data til tiden er nøglen til selvbetjenings succes
  aktivering.
• Bopæl: Hvordan data bliver indsamlet, delt og forbrugt er styret af landets lov. Organisationer opererer i et multigeografisk landskab og er bundet af lovene i de respektive lande for databeskyttelse og privatliv. Data
  Deling og adgang er derfor afgørende for at opnå visionen om datacentricitet.
• Kultur: Intet niveau af strategi- eller teknologiinvesteringer kan bringe datacentrering ind, medmindre folk på græsrodsniveau begynder at forstå vigtigheden og konsekvenserne af datahåndtering.

Kardinalprincipper for datacentricitet

• Ejendomsret: Ejerskab er nøglen til at etablere ansvarlighed og sikre, at datadomæner er korrekt defineret, og dataprodukter leveres i henhold til virksomhedens efterspørgsel. Ejerskab skal ses med dataens kritikalitet. En generisk
  ejerskabsmatrix kan ikke tage højde for kompleksiteten og realiteterne i en organisation. Hver Op-model har brug for kontekstualisering for at afspejle den forretningsmæssige virkelighed.
• Harmonisering: Fjern flere definitioner, etablering af fælles standarder, definitioner og politikker går langt i dataharmonisering. Marketing-, Compliance-, Serviceteams kan ikke have forskellige definitioner af kunde. 
• Sporbarhed: Reguleringer har sat øget fokus på auditabilitet og sporbarhed. Det er vigtigt at forstå e2e-processerne og kortlægge datastrømmene til understregningsprocesserne. Forståelse af data livscyklus vil give nødvendig
  indsigt.
• Passer til formålet: Hvad brugsdata er, hvis ikke kan bruges uden tillid. Quality of Insights er lige så god som kvaliteten af ​​inputdata. Derfor er streng datastyring og datastyring i det væsentlige for at sikre datakvalitet. Datakvalitet
  har brug for en holistisk tilgang, der dækker både forretnings- og teknologikoncepter. Der kan ikke være noget længere fra sandheden, at ved at sætte DQ-værktøjer, er datakvalitet blevet opnået, og alt, der skal udforskes nu, er AI/ML.  
• Sikret: Datasikkerhed er ikke længere en tvang, men afgørende for selve virksomhedens eksistens. Sikkerhed kan ikke opnås ved blot at definere en sikkerhedspolitik og anskaffe sofistikerede værktøjer. Datasikkerhedsbehov opstår ved enhver berøring
  punkter fra indsamling, behandling, brug, Adgang, opbevaring til deling internt og eksternt. At tilpasse datasikkerhed med privatliv og styring vil hjælpe med at lukke sløjfen.

Når organisationen har fundet ud af søjler og principper, bliver det meget lettere at sætte kapaciteter og kontroller. Lad os diskutere det i næste blog.