Ingjuter liv i Data Centricity (Sanjeev Nargotra)

Ingen agenda för styrelserum idag är komplett utan ett omnämnande av Datacentricitet, men ingen har ännu kunnat sätta fingret på vad exakt datacentricitet handlar om. De flesta organisationer, även de som har funnits i branschen de senaste 100 åren,
väcks plötsligt till idén om datacentricitet. Fokus på data har inte varit ett nytt fenomen, sociala och maskinella data har lett till dataexplosionen. Organisationer var skickliga på att bryta data redan innan dataexplosionen och vilket bättre exempel än
en årsrapport kan vi citera om Datacentricity?

Trots allt surr kring datacentricitet, förutom e-handelsbranschen, har ingen annan bransch ännu kunnat utnyttja social data effektivt. Frågan är hur mycket data som mineras och är till och med användbar för analys. Utan verkliga användningsfall,
Affärsmotivering, alla program kring Data kommer att förbli en dröm. Medan alla pratar om Data Centricity, har dock inget verkligt försök gjorts att sätta en logisk sekvens för att uppnå det. Fråga vilken organisation som helst som påbörjat en datamoderniseringsresa
under det senaste decenniet eller så, kommer att erkänna bakom stängda dörrar att ingenting verkligen har förändrats på marken. I namnet av datacentricitet, medan tekniska skulder har ökat genom att implementera dataplattformar, sjöar, marts och valv, ser företag dem som de glänsande
nya teknikleksaker. Organisationer kämpar för att utnyttja dataplattformar eftersom ingen tänkte på att etablera affärssammanhang och ta med sig affärer som ett resultat av att just de användare som var de avsedda förmånstagarna dumpade det.

Datacentricitet kräver inte en teknisk lösning snarare skriker efter företagsägande, inverkan och resultat. Att komma in i det lilla är ofta smärtsamt och det är det som definierar framgången och misslyckandet för en datacentrerad vision.

Låt oss titta på pyramiden av datacentricitet nedan och förstå hur olika lager måste sättas ihop noggrant för att ingjuta liv i det hackade konceptet för datacentricitet. I den här bloggen kommer jag att beröra de två första lagren, dvs Pillars och Cardinal
Principer som organisationer ofta kämpar för att sätta första foten rätt.

*Kommer att fördjupa mig i grundläggande funktioner och datakontroller i min nästa blogg tillsammans med pelare och kardinalprinciper.

Pillars of Data Centricity:

• Kostnad och värde: Vad är en tillgång utan något egenvärde och betydelse? Eftersom data erkänns som en tillgång är det viktigt för organisationer att komma fram till värdet av data och införa nödvändiga kontroller. Det är inte heller praktiskt
  Det är inte heller tillrådligt att fokusera på alla datatillgångar, identifiering och prioritering av de mest kritiska datatillgångarna rekommenderas starkt.
• Läskunnighet: Kunskap om affärssammanhanget för data förutom dess typ, storlek och användning är viktig för att definiera och mäta nyckeltal och nyckeltal som kundcentricitet, efterlevnad, intäkter.
• Demokratisering: Om inte data är fritt tillgänglig i händerna på människor som måste bryta den för att generera insikter, förblir en tillgång teoretisk utan något verkligt värde. Tillgång till pålitlig data i tid är nyckeln till framgången för självbetjäning
  aktivering.
• Residens: Hur data samlas in, delas och konsumeras drivs av landets lag. Organisationer verkar i ett multigeografiskt landskap och är bundna av lagarna i respektive land för dataskydd och integritet. Data
  Delning och åtkomst är därför avgörande för att uppnå visionen om datacentricitet.
• Kultur: Ingen strategi- eller teknikinvestering kan tillföra datacentricitet om inte människor på gräsrotsnivå börjar inse vikten och konsekvenserna av datahantering.

Kardinalprinciper för datacentricitet

• Äganderätt: Ägarskap är nyckeln för att upprätta ansvarsskyldighet och se till att datadomäner är korrekt definierade och att dataprodukter levereras enligt affärsbehovet. Ägarskap måste ses med datas kriticitet. En generisk
  ägarmatrisen kan inte ta hänsyn till komplexiteten och verkligheten i en organisation. Varje Op-modell behöver kontextualiseras för att spegla affärsverkligheten.
• Harmonisering: Ta bort flera definitioner, upprättande av gemensamma standarder, definitioner och policyer går långt i dataharmonisering. Marknadsföring, efterlevnad, serviceteam kan inte ha olika definitioner av kund. 
• spårbarhet: Regelverk har satt ökat fokus på revisionsbarhet och spårbarhet. Det är viktigt att förstå e2e-processerna och kartlägga dataflödena till de understrukna processerna. Förståelse av data livscykel kommer att ge nödvändig
  insikter.
• Ändamålsenlig: Vad användningsdata är om inte kan användas utan förtroende. Kvaliteten på insikter är lika bra som kvaliteten på indata. Därför är rigorös datastyrning och datahantering i huvudsak för att säkerställa datakvalitet. Datakvalitet
  behöver ett holistiskt synsätt som täcker både affärs- och teknikkoncept. Det kan inte finnas något längre från sanningen att genom att sätta DQ-verktyg har datakvalitet uppnåtts och allt som behöver utforskas nu är AI/ML.  
• Säkrad: Datasäkerhet är inte längre ett tvång utan avgörande för själva existensen av företag. Säkerhet kan inte uppnås genom att bara definiera en säkerhetspolicy och skaffa sofistikerade verktyg. Datasäkerhetsbehov uppstår vid varje beröring
  poäng från insamling, bearbetning, användning, åtkomst, lagring till delning internt och externt. Att anpassa datasäkerhet med sekretess och styrning kommer att hjälpa till att sluta kretsen.

När organisationen väl har tagit reda på pelare och principer blir det mycket lättare att sätta kapacitet och kontroller. Låt oss diskutera det i nästa blogg.