Что такое управление данными?

Определение управления данными

Управление данными — это практика сбора, организации, хранения, защиты и использования данных на протяжении всего их жизненного цикла — от создания и приема до архивации или удаления. В большинстве организаций это означает одновременное управление данными во многих группах, системах и сценариях использования. С момента создания или сбора данных они должны обрабатываться таким образом, чтобы они были точными, доступными и защищенными, при этом они оставались полезными с течением времени.

Например, розничный продавец может собирать данные о клиентах из онлайн-заказов, организовывать их по одному идентификатору клиента, хранить их в нескольких системах, защищать их для обеспечения конфиденциальности и использовать для отчетности, персонализации и прогнозирования. Управление данными — это то, что делает возможным этот сквозной поток.

На практическом уровне эффективное управление данными помогает организациям превращать необработанные данные в достоверную информацию, на которой они могут действовать. Это особенно важно по мере роста объемов данных, когда все больше групп полагаются на совместно используемые данные. Вместо того, чтобы фокусироваться на отдельных инструментах или технологиях, он обеспечивает структурированный подход к управлению данными, чтобы поддерживать повседневные операции, аналитику и инициативы ИИ.

Этот ракурс на основе жизненного цикла помогает объяснить, как управление данными работает в реальных организациях: данные управляются не один раз, а постоянно ведутся по мере их перемещения между командами, системами и сценариями использования.

Процесс управления данными

Большинство организаций используют похожий процесс управления данными, несмотря на то, что используемые ими системы и платформы могут отличаться. Подробные сведения могут различаться, но базовый поток хорошо знаком большинству руководителей ИТ и данных. Этот процесс отражает, как данные естественным образом перемещаются по всей организации, от создания до вывода из эксплуатации, и помогает группам последовательно управлять данными в нужном масштабе.

Этот процесс часто невидим для бизнес-пользователей, но обеспечивает непротиворечивую отчетность, надежную аналитику и обмен ответственными данными в масштабе всей организации.

Как правило, жизненный цикл данных включает следующие этапы:

1. Сбор и прием данных: данные собираются из бизнес-приложений, устройств, систем и внешних источников.
2. Интеграция и организация: данные из разных источников объединены, стандартизированы и структурированы.
3. Хранение: данные хранятся в системах, предназначенных для производительности, экономической эффективности и доступа.
4. Управление качеством, управление и безопасность: данные проверяются, защищаются и управляются в соответствии с политиками.
5. Использование и аналитика: данные поддерживают отчетность, операционные процессы и искусственный интеллект.
6. Хранение и удаление: данные архивируются или удаляются в соответствии с бизнес-требованиями и нормативными требованиями.

Например, финансовые отделы могут полагаться на управляемые данные на этапе использования для отчетности, в то время как группы по соответствию фокусируются на хранении и удалении в соответствии с нормативными требованиями.

Управление данными на этих этапах позволяет сократить разрозненность, повысить уровень доверия и обеспечить возможность использования данных по мере развития бизнеса. Это также упрощает масштабирование аналитики и инициатив ИИ без постоянной доработки основ данных.

Примеры и сценарии использования управления данными

Типичные примеры управления данными:

• Управление непротиворечивыми данными о клиентах в отделах продаж, обслуживания и маркетинга.
• Поддержка финансовой отчетности с помощью управляемых и проверяемых данных.
• Повышение прозрачности логистической цепочки за счет интеграции операционных данных.
• Подготовка высококачественных наборов данных для аналитики и ИИ.

Во многих организациях эти сценарии использования пересекаются. Единый набор данных может одновременно поддерживать операционные процессы, управленческую отчетность и модели ИИ, поэтому необходимы непротиворечивые практики управления данными.

Ключевые элементы управления данными

В то время как жизненный цикл данных описывает перемещение данных, ключевые элементы управления данными описывают, что должно быть на месте для эффективного управления этими данными. Эти элементы помогают превратить теорию в повторяемую, повседневную практику.

Вместе эти элементы описывают основные функции программы управления данными — то, что необходимо, чтобы данные были надежными, управляемыми и повторно используемыми в масштабе.

Успешные программы управления данными опираются на небольшой набор базовых функций, которые взаимодействуют между командами и системами:

• Управление данными: определяет владение, стандарты и правила использования данных.
• Управление качеством данных: обеспечение точности, непротиворечивости и полноты данных.
• Интеграция данных: соединение данных между приложениями и средами.
• Управление метаданными и каталоги данных: помогают людям находить и понимать доступные данные.
• Безопасность данных и соблюдение нормативных требований: защита конфиденциальных данных и соблюдение требований к конфиденциальности.

Например, каталог данных помогает аналитикам находить утвержденные наборы данных, в то время как политики управления определяют способы использования и совместного использования данных. После этого средства контроля безопасности гарантируют, что доступ к конфиденциальной информации имеют только авторизованные пользователи.

Эти элементы не являются изолированными операциями. Вместе они формируют основу для надежного и масштабируемого использования данных в масштабе всей организации. Если один элемент слаб, его влияние часто ощущается во всем ландшафте данных.

Почему управление данными играет такую важную роль?

Управление данными важно, поскольку оно определяет, становятся ли данные ценным бизнес-активом или постоянным источником риска. Во многих организациях разница быстро проявляется в точности отчетности, подверженности соответствию требованиям и скорости принятия решений. Без четких практик управления данными организации часто сталкиваются с проблемой несогласованности отчетности, ограниченной прозрачности и растущих проблем с соблюдением нормативных требований.

На практике плохое управление данными часто отображается в виде конфликтующих отчетов, дубликатов записей или неопределенности в отношении того, какие данные можно доверять.

Организации с надежным управлением данными получают следующие преимущества:

• Более эффективное принятие решений за счет точных и непротиворечивых данных.
• Более быстрая отчетность и аналитика за счет сокращения разрозненности данных и ручной работы.
• Повышение операционной эффективности за счет уменьшения числа доработок и ошибок.
• Усиление контроля соблюдения нормативных требований и управления рисками в соответствии с нормативными требованиями к конфиденциальности данных.
• Готовность к ИИ и аналитике благодаря управляемым высококачественным данным.

В результате управление данными играет прямую роль в том, как организации могут быстро реагировать на изменения, масштабировать аналитику и уверенно внедрять искусственный интеллект.

Благодаря упрощению поиска, доверия и повторного использования данных управление данными помогает организациям быстрее реагировать на изменения и эффективнее использовать информацию. Со временем данные смещаются из затрат на ведение бизнеса в источник конкурентного преимущества. Хорошее управление данными превращает данные в надежный бизнес-актив, а не пассив.

Превращение данных в ценный бизнес-актив

Данные становятся ценными, если их можно последовательно использовать в разных группах и процессах. Управление данными позволяет сократить дублирование, повысить точность и создать общие определения.

В результате организации могут полагаться на данные для принятия решений, операционной эффективности и инноваций, а не тратить время на выверку противоречивой информации.

Создание фундамента данных для цифровой трансформации

Современные аналитика и искусственный интеллект зависят от данных, управление которыми осуществляется с самого начала. Без этой основы даже продвинутым инструментам трудно получить отдачу. Низкое качество данных, нечеткое владение данными или ограниченная видимость могут замедлить или сорвать эти инициативы.

Управление данными предоставляет структуру, необходимую для подготовки данных к аналитике и искусственному интеллекту, обеспечивая их управление, обнаружение и пригодность для использования. Эта основа позволяет организациям более уверенно масштабировать расширенную аналитику и сценарии использования ИИ.

Обеспечение соблюдения законов о конфиденциальности данных

Управление данными играет важную роль в соблюдении требований к конфиденциальности и защите данных. По мере развития нормативных требований эта роль становится еще более критичной. Определив способ доступа к данным, их хранения и удаления, организации могут снизить риски, связанные с соблюдением нормативных требований, при сохранении доверия.

Эффективное управление данными поддерживает контроль доступа, готовность к аудиту, политики хранения и безопасное удаление данных. Внедрение этих практик в повседневные операции с данными помогает организациям соблюдать нормативные требования, не ограничивая ответственное использование данных.

Подходы и архитектуры к управлению данными

Организации структурируют управление данными по-разному в зависимости от их размера, сложности и бизнес-целей. Единого "правильного" подхода не существует. Общие подходы фокусируются на том, как организуется ответственность за данные и как данные соединяются между системами.

Эти подходы описывают, как организовано управление данными (кто владеет данными, как они совместно используются и как ведется согласованность), а не конкретные продукты или инструменты.

Сетка данных

Подход к сетке данных распределяет ответственность за данные по бизнес-доменам, рассматривая данные как продукт, принадлежащий ближайшим к ним группам. Когда домены имеют четкое владение, они могут ускорить доставку. Эта модель предусматривает децентрализацию, опираясь при этом на общие стандарты управления.

Например, отдел маркетинга может владеть данными кампаний и выполнять их ведение, в то время как финансы владеют данными о доходах — с общими стандартами, гарантирующими возможность совместного использования этих данных.

Сетка данных часто подходит для крупных организаций с несколькими областями, которым требуется гибкость, хотя для обеспечения непротиворечивости требуется тесная координация.

Фабрика данных

Фабрика данных использует централизованную технологию и метаданные для соединения данных между системами и средами. Цель состоит в том, чтобы упростить доступ, не вынуждая данные работать на единой платформе. Вместо того, чтобы перемещать все данные в одно место, она ориентирована на обеспечение унифицированного доступа и автоматизации.

На практике ткань данных может предоставлять пользователям доступ к данным в облачных и локальных системах через общий интерфейс без необходимости знать, где физически хранятся данные.

Этот подход хорошо работает в гибридных и мультиоблачных средах с высоким уровнем распределения данных, хотя и требует зрелой архитектуры данных.

Управление основными данными (MDM)

Управление основными данными ориентировано на ведение непротиворечивых определений для основных бизнес-данных, таких как клиенты, продукты и поставщики. Создавая единое достоверное представление этих данных, MDM сокращает дублирование и противоречивость между системами.

Например, MDM может обеспечить непротиворечивость имени и идентификатора клиента в системах фактурирования, CRM и поддержки.

Основные возможности программы управления данными

Независимо от архитектуры, большинство программ управления данными опираются на общий набор возможностей, поддерживающих непротиворечивость и масштабируемость. Эти возможности, как правило, со временем созревают, а не внедряются все сразу. Рассматривая их как основополагающие возможности, а не как отдельные инструменты, организации могут более эффективно управлять данными с течением времени.

Эти возможности отражают, как управление данными, как правило, реализуется на практике — как набор непрерывных, взаимосвязанных операций, а не разового проекта.

Эти возможности, как правило, включают:

• Интеграция данных, объединяющая данные из разных систем, чтобы их можно было последовательно использовать в масштабе всей организации.
• Управление данными, устанавливающее правила, роли и процессы, обеспечивающие ответственное и непротиворечивое управление данными.
• Безопасность и конфиденциальность данных, которые защищают данные от несанкционированного доступа и обеспечивают их обработку в соответствии с нормативными требованиями.
• Управление метаданными и их обнаружение помогают понять, какие данные существуют, что это значит, как их найти и использовать.
• Мониторинг и контроль качества, которые отслеживают состояние системы и точность данных, что позволяет быстро выявлять и устранять проблемы.

Что такое корпоративная стратегия управления данными и зачем она вам нужна?

Стратегия управления данными предприятия определяет, как организация управляет и использует данные для достижения бизнес-целей. Оно помогает согласовывать повседневные решения по данным с долгосрочными приоритетами и обеспечивает направление, чтобы инициативы по данным могли расширяться за пределами отдельных проектов.

Стратегия очистки данных, как правило, касается:

• Роли и владение в организации.
• Общие процессы и стандарты.
• Технологии и архитектурный выбор.
• Управление и подотчетность.
• Маршрутная карта для выполнения.

Без такого согласования усилия по управлению данными зачастую остаются фрагментированными и трудными для поддержания, что является общей проблемой в растущих или сильно децентрализованных организациях.

Тенденции в управлении данными

Управление данными продолжает развиваться и поддерживать гибридные среды, данные в реальном времени и сценарии использования на основе ИИ. Большая часть этой эволюции обусловлена необходимостью в скорости, гибкости и доверии. Сегодня основное внимание уделяется не просто хранению данных, а обеспечению их постоянной доступности, особенно через сервисы самообслуживания, и их готовности к аналитике.

По мере того как аналитика с самообслуживанием и искусственный интеллект становятся все более распространенными, организации уделяют больше внимания качеству данных, управлению ими и возможности обнаружения на ранних этапах жизненного цикла данных.

Организации все чаще рассматривают управление данными как общую бизнес-возможность, а не чисто техническую функцию.

Заключение

Управление данными является основой для надежной аналитики, искусственного интеллекта и цифровых операций. Как для бизнес-, так и для ИТ-руководителей это определяет, как быстро данные могут быть преобразованы в действия. Управляя данными на протяжении всего их жизненного цикла и согласовывая сотрудников, процессы и управление, организации могут использовать данные более эффективно, безопасно и в нужном масштабе.

Часто задаваемые вопросы