Elu lisamine andmekesksusse (Sanjeev Nargotra)

Ükski koosolekuruumi päevakord ei ole täna täielik ilma andmekesksust mainimata, kuid keegi pole veel suutnud näpuga näidata, mida andmekesksus endast kujutab. Enamik organisatsioone, isegi need, mis on tegutsenud viimase 100 aasta jooksul,
Äkki äratatakse andmekesksuse idee. Andmetele keskendumine pole olnud hiljutine nähtus, sotsiaalsed ja masinandmed on viinud andmete plahvatusliku kasvuni. Organisatsioonid olid andmete kaevandamises vilunud juba enne andmete plahvatust ja mis oleks parem näide kui
aastaaruannet, kas võiksime tsiteerida andmekesksuse kohta?

Hoolimata andmekesksusega seotud kõmudest, välja arvatud e-kaubandus, pole ükski teine ​​tööstusharu suutnud sotsiaalandmeid tõhusalt ära kasutada. Küsimus on selles, kui palju andmeid kaevandatakse ja kui see on isegi analüüsimiseks kasulik. Ilma tegelike kasutusjuhtudeta,
Äriline põhjendus, kõik Data ümber käivad programmid jäävad unistusteks. Kuigi kõik räägivad andmekesksusest, ei ole selle saavutamiseks tehtud loogilist järjestust. Küsige igalt organisatsioonilt, kes alustas andmete moderniseerimise teekonda
viimase kümnendi jooksul tunnistavad suletud uste taga, et tegelikult pole kohapeal midagi muutunud. Andmekesksuse nimel, kuigi tehniline võlg on andmeplatvormide, järvede, martide ja varahoidlate rakendamise tõttu suurenenud, näevad ettevõtted neid säravatena.
uued tehnika mänguasjad. Organisatsioonidel on raskusi andmeplatvormide võimendamisega, kuna keegi ei mõelnud ärikonteksti loomisele ja äritegevuse kaasavõtmisele, mistõttu just kasutajad, kes olid kavandatud kasusaajad, loobusid sellest.

Andmekesksus ei nõua tehnoloogilist lahendust, pigem karjub ettevõtte omandiõiguse, mõju ja tulemuste pärast. Jamadesse sattumine on sageli valus ja see määrab andmekesksuse visiooni edu ja ebaõnnestumise.

Vaatame allolevat andmekesksuse püramiidi ja mõistame, kuidas erinevaid kihte tuleb hoolikalt kokku panna, et andmekesksuse häkkinud kontseptsiooni elu sisse puhuda. Selles blogis puudutan kahte esimest kihti ehk sambaid ja kardinali
Põhimõtted, kuna organisatsioonid näevad sageli vaeva, et seada esimene jalg õigele poole.

*Süvenen oma järgmises ajaveebis põhjalikumalt põhivõimaluste ja andmekontrolli ning sammaste ja kardinaalsete põhimõtetega.

Andmekesksuse tugisambad:

• Kulud ja väärtus: Mis on vara ilma sisemise väärtuse ja tähtsuseta? Kuna andmeid tunnustatakse varana, on organisatsioonidel oluline jõuda andmete väärtuseni ja kehtestada vajalikud juhtelemendid. See pole ka praktiline
  Samuti ei ole soovitatav keskenduda kõigile andmevaradele, kõige kriitilisemate andmevarade tuvastamine ja tähtsuse järjekorda seadmine on väga soovitatav.
• Kirjaoskus: Lisaks nende tüübile, suurusele ja kasutamisele on teadmised andmete ärikonteksti kohta olulised ka peamiste mõõdikute ja KPI-de (nt kliendikesksus, vastavus, tulu) määratlemiseks ja mõõtmiseks.
• Demokratiseerimine: Välja arvatud juhul, kui andmed on vabalt kättesaadavad inimestele, kes peavad neid ülevaate saamiseks kaevandama, jääb vara mõtteliseks tegelikuks väärtuseks. Usaldusväärsete andmete õigeaegne kättesaadavus on iseteeninduse edu võti
  lubamine.
• residents Kuidas andmeid kogutakse, jagatakse ja tarbitakse juhib maa seadus. Organisatsioonid tegutsevad mitmel geograafilisel maastikul ning on seotud vastavate riikide andmekaitse ja privaatsuse seadustega. Andmed
  Seetõttu on jagamine ja juurdepääs andmekesksuse visiooni saavutamiseks üliolulised.
• Kultuur: Ükski strateegia või tehnoloogia investeeringute tase ei saa andmekesksust tuua, kui rohujuuretasandi inimesed ei hakka mõistma andmetöötluse tähtsust ja tagajärgi.

Andmekesksuse põhiprintsiibid

• Omandiline kuuluvus: Omandiline kuuluvus on võtmetähtsusega aruandekohustuse kehtestamisel ja andmedomeenide õigesti määratlemisel ning andmetoodete tarnimisel vastavalt ärivajadustele. Omandiõigust tuleb vaadelda andmete kriitilisusega. Üldine
  omandimaatriks ei saa arvesse võtta organisatsiooni keerukust ja tegelikkust. Iga Op-mudel vajab kontekstualiseerimist, et kajastada ärireaalsust.
• Ühtlustamine: Eemaldage mitu määratlust, ühiste standardite, määratluste ja põhimõtete kehtestamine aitab andmete ühtlustamisel palju kaasa. Turundus-, vastavus- ja teenindusmeeskondadel ei saa olla erinevaid kliendi määratlusi. 
• Jälgitavus: Määrused on pööranud suuremat tähelepanu auditeeritavusele ja jälgitavusele. Oluline on mõista e2e protsesse ja kaardistada andmevood allajoonitud protsessidega. Vajalik on andmete elutsükli mõistmine
  arusaamu.
• Sobib eesmärgile: Mis kasu on andmetest, kui neid ei saa ilma kindluseta kasutada. Insightsi kvaliteet on sama hea kui sisendandmete kvaliteet. Seega on range andmehaldus ja andmehaldus peamiselt andmete kvaliteedi tagamine. Andmete kvaliteet
  vajab terviklikku lähenemist, mis hõlmab nii äri- kui ka tehnoloogiakontseptsioone. Miski ei saa olla tõest kaugemal, et DQ tööriistade kasutuselevõtuga on saavutatud andmete kvaliteet ja praegu on vaja uurida ainult AI/ML-i.  
• Turvatud: Andmete turvalisus ei ole enam sund, vaid kriitilise tähtsusega ettevõtte olemasoluks. Turvalisust ei saa saavutada pelgalt turvapoliitika määratlemise ja keerukate tööriistade hankimisega. Andmeturbe vajadused tekivad igal puudutusel
  punktid kogumisest, töötlemisest, kasutamisest, juurdepääsust, salvestusest kuni sisemise ja välise jagamiseni. Andmeturbe ühtlustamine privaatsuse ja haldamisega aitab ahela sulgeda.

Kui organisatsioon on sambad ja põhimõtted välja selgitanud, muutub võimaluste ja juhtelementide seadistamine palju lihtsamaks. Arutame seda järgmises blogis.