Leven inbrengen in Data Centricity (Sanjeev Nargotra)

Geen enkele agenda van een bestuurskamer is tegenwoordig compleet zonder een vermelding van datacentriciteit, maar niemand heeft tot nu toe de vinger kunnen leggen op wat datacentriciteit precies inhoudt. De meeste organisaties, zelfs degenen die al 100 jaar actief zijn,
worden plotseling gewekt door het idee van datacentriciteit. Focus op data is geen recent fenomeen geweest, de sociale en machinedata hebben geleid tot de data-explosie. Organisaties waren bedreven in het ontginnen van gegevens, zelfs vóór de data-explosie en welk beter voorbeeld dan
kunnen we een jaarverslag citeren over datacentrisme?

Ondanks al het geroezemoes rond datacentriciteit, behalve de e-commerce-industrie, is er nog geen enkele andere industrie die sociale gegevens effectief kan benutten. De vraag is hoeveel gegevens er worden gewonnen en zelfs nuttig zijn voor analyse. Zonder echte use cases,
Zakelijke rechtvaardiging, elk programma rond Data zal een utopie blijven. Hoewel iedereen het heeft over Data Centricity, is er geen echte poging gedaan om een ​​logische volgorde aan te brengen om dit te bereiken. Vraag het aan een willekeurige organisatie die is begonnen met datamodernisering
in de afgelopen tien jaar achter gesloten deuren toegeven dat er in de praktijk niets echt is veranderd. In naam van datacentriciteit, terwijl de technische schuld is toegenomen door de implementatie van dataplatforms, meren, marts en kluizen, zien bedrijven ze als de glimmende
nieuw speelgoed van technologie. Organisaties worstelen met het benutten van dataplatforms omdat niemand eraan dacht om een ​​zakelijke context te creëren en zaken mee te nemen, met als resultaat dat juist de gebruikers die de beoogde begunstigden waren, het hebben gedumpt.

Datacentriciteit vereist geen technologische oplossing, maar schreeuwt om bedrijfseigendom, impact en resultaten. In de details komen is vaak pijnlijk en dat is wat het succes en falen van een datacentrische visie definieert.

Laten we eens kijken naar de piramide van datacentriteit hieronder en begrijpen hoe verschillende lagen zorgvuldig moeten worden samengevoegd om het afgezaagde concept van datacentriciteit leven in te blazen. In deze blog zal ik ingaan op de eerste twee lagen, namelijk Pillars en Cardinal
Principes omdat organisaties vaak moeite hebben om de eerste stap op de juiste plaats te zetten.

*Zal in mijn volgende blog dieper ingaan op fundamentele mogelijkheden en gegevenscontroles, samen met pijlers en kardinale principes.

Pijlers van datacentriciteit:

• Kosten en waarde: Wat is een bezit zonder enige intrinsieke waarde en belangrijkheid? Aangezien gegevens worden erkend als een asset, is het belangrijk voor organisaties om de waarde van gegevens te begrijpen en de vereiste controles in te voeren. Het is ook niet praktisch
  Het is ook niet raadzaam om je te concentreren op alle data-assets, maar identificatie en prioritering van de meest kritieke data-assets wordt ten zeerste aanbevolen.
• Geletterdheid: Kennis over de zakelijke context van de gegevens, naast het type, de omvang en het gebruik, is belangrijk voor het definiëren en meten van belangrijke statistieken en KPI's zoals klantgerichtheid, naleving en inkomsten.
• Democratisering: Tenzij gegevens vrijelijk beschikbaar zijn in de handen van mensen die deze moeten ontginnen om inzichten te genereren, blijft een actief fictief zonder enige echte waarde. Het tijdig beschikbaar hebben van vertrouwde data is de sleutel tot het succes van Selfservice
  inschakelen.
• Residentie: Hoe gegevens worden verzameld, gedeeld en geconsumeerd wordt gedreven door de wet van het land. Organisaties opereren in een multigeografielandschap en zijn gebonden aan de wetten van de respectieve landen voor gegevensbescherming en privacy. Gegevens
  Delen en toegang zijn daarom van cruciaal belang voor het bereiken van de visie van datacentriciteit.
• Cultuur: Geen enkel niveau van strategie of technologie-investering kan datacentriciteit opleveren, tenzij de mensen op basisniveau het belang en de gevolgen van gegevensverwerking beginnen te waarderen.

Kardinale principes van datacentriciteit

• Eigendom: Eigendom is de sleutel om verantwoording af te leggen en ervoor te zorgen dat gegevensdomeinen correct zijn gedefinieerd en dat gegevensproducten worden geleverd volgens de zakelijke vraag. Eigendom moet worden gezien met de kritiekheid van de gegevens. Een generiek
  eigendomsmatrix kan geen rekening houden met de complexiteit en realiteit van een organisatie. Elk Op-model heeft contextualisering nodig om de zakelijke realiteit weer te geven.
• Harmonisatie: Schrap meerdere definities, het vaststellen van gemeenschappelijke standaarden, definities en beleidslijnen zijn een grote stap in de harmonisatie van gegevens. Marketing-, Compliance- en Servicing-teams kunnen geen verschillende definities van klant hebben. 
• traceerbaarheid: Regelgeving heeft meer nadruk gelegd op controleerbaarheid en traceerbaarheid. Het is belangrijk om de e2e-processen te begrijpen en de gegevensstromen toe te wijzen aan de onderstreepte processen. Inzicht in de levenscyclus van gegevens zal noodzakelijk zijn
  inzichten.
• Geschikt voor het doel: Wat gebruiksgegevens zijn als ze niet zonder vertrouwen kunnen worden gebruikt. De kwaliteit van de inzichten is zo goed als de kwaliteit van de invoergegevens. Vandaar dat rigoureuze gegevensbeheer en gegevensbeheer in wezen zijn om de gegevenskwaliteit te waarborgen. Data kwaliteit
  heeft een holistische benadering nodig die zowel zakelijke als technologische concepten omvat. Niets is minder waar dat door het plaatsen van DQ-tools de gegevenskwaliteit is bereikt en het enige dat nu moet worden onderzocht, is AI / ML.  
• Beveiligd: Gegevensbeveiliging is niet langer een dwang maar essentieel voor het voortbestaan ​​van het bedrijf. Beveiliging kan niet worden bereikt door alleen een beveiligingsbeleid te definiëren en geavanceerde tools aan te schaffen. Gegevensbeveiligingsbehoeften ontstaan ​​overal
  punten van verzameling, verwerking, gebruik, toegang, opslag tot intern en extern delen. Door gegevensbeveiliging af te stemmen op privacy en governance, kan de kringloop worden gesloten.

Zodra de organisatie de pijlers en principes doorheeft, wordt het plaatsen van capaciteiten en controles een stuk eenvoudiger. Laten we dat bespreken in onze volgende blog.