Hvad er datastyring?
Datastyring omfatter de politikker og procedurer, der implementeres for at sikre, at en organisations data er nøjagtige til at begynde med – og derefter håndteres korrekt, mens de bliver indtastet, gemt, manipuleret, tilgået og slettet.
Oversigt over datastyring
Forvaltningen af virksomhedsdata omfatter pr. definition de politikker og procedurer, der implementeres for at sikre, at en organisations data er nøjagtige til at begynde med – og derefter håndteres korrekt, mens de indtastes, gemmes, manipuleres, tilgås og slettes. Ansvarsområder for datastyring omfatter etablering af infrastruktur og teknologi, etablering og vedligeholdelse af processer og politikker og identificering af de personer (eller positioner) i en organisation, der har både myndighed og ansvar for at håndtere og beskytte specifikke typer af data.
Datastyring er en vigtig del af overholdelsen. Systemer vil tage sig af mekanikken i opbevaring, håndtering og sikkerhed. Men det er folkets side – ledelsesorganisationen – der sikrer, at politikkerne defineres, procedurerne er sunde, teknologierne styres korrekt, og at data beskyttes. Data skal håndteres korrekt, før de indføres i systemet, mens de anvendes, og når de hentes fra systemet til brug eller lagring andetsteds.
Mens datastyring fastsætter politikker og procedurer for fastsættelse af datanøjagtighed, pålidelighed, integritet og sikkerhed, er dataforvaltning gennemførelsen af disse procedurer. Personer, der er tildelt ansvar for dataforvaltning, administrerer og overvåger de procedurer og værktøjer, der bruges til at håndtere, lagre og beskytte data.
Fordelene ved datastyring
I en tid, hvor organisationer i stigende grad er afhængige af data for alle aspekter af deres virksomhed, har du ikke råd til ikke at have en informationsspilplan. Data er kernen i alle computer- og teknologifunktioner, herunder regnskab og økonomi, planlægning og styring, ordrestyring, kundeservice, planlægning, processtyring, konstruktion og design – du kalder det. Nøjagtige, pålidelige data er afgørende for en effektiv drift af disse systemer og funktioner.
Da (gode, pålidelige) data er afgørende for virksomheden, skal organisationer sørge for oprettelse, kvalitet, håndtering og sikkerhed af disse data. Og når de gør det, kan deres systemer og databaser stole på til virkelig at afspejle virkeligheden og effektivt støtte beslutningstagning og forretningssucces.
Central datastyring giver en centraliseret, pålidelig visning af dine data.
Fordelene ved datastyring omfatter:
- Bedre, mere pålidelige data: Det er selvfølgelig hele pointen. Brugere og beslutningstagere vil have større tillid til dataene og dermed større tillid til de beslutninger, der er baseret på disse data. Og disse beslutninger vil faktisk være bedre, fordi de er baseret på nøjagtige oplysninger.
- En enkelt version af sandheden: Fordelen ved at have alle dele af organisationen og alle beslutningstagere, der arbejder ud fra den samme information, er uberegnelig. Ikke mere tid brugt på at skændes om, hvis regneark eller plan er "bedre" eller mere opdateret. Alle dele af organisationen koordineres.
- Overholdelse af lovgivningen, lovgivningen og branchen: Proceduren for håndtering af solide data er nøglen til overholdelse. Revisorer og tilsynsrepræsentanter vil nemlig ikke se på dataene så meget som at se på, hvordan disse data blev genereret, håndteret og beskyttet.
- Omkostningsreduktion: Revisioner bliver ikke blot hurtige og nemme, men den daglige drift bliver mere effektiv. Du kan reducere spild forårsaget af beslutninger, der er truffet på baggrund af fejlagtige eller forældede oplysninger. Og du kan forbedre kundeservice ved at kende den nøjagtige status for løbende aktivitet, lagerbeholdning og bemandingstilgængelighed.
Organisationer trives med nøjagtige, konsistente og pålidelige data, der pr. definition kun kan opnås med god datastyring.
Hvad er rammerne for datastyring?
En Data Governance-ramme refererer til den model, der danner grundlag for datastrategi og compliance. Fra datamodellen, der beskriver dataflows – input, output og lagringsparametre – overlapper governance-modellen derefter de regler, aktiviteter, ansvarsområder, procedurer og processer, der definerer, hvordan disse dataflows administreres og kontrolleres.
Tænk på modellen som en slags blueprint af, hvordan data governance fungerer i en bestemt organisation. Og bemærk, at denne governance-ramme vil være unik for hver organisation, der afspejler detaljerne i datasystemerne, organisatoriske opgaver og ansvarsområder, lovkrav og brancheprotokoller.
Din ramme bør omfatte følgende:
Dataomfang: Master, transaktionel, operativ, analytisk, Big Data osv.
Organisationsstruktur: roller og ansvarsområder mellem ansvarlig ejer, leder af data, IT, forretningsteam og executive sponsor.
Datastandarder og -politikker: vejledninger, der beskriver, hvad du administrerer og styrer, og til hvilket resultat.
Tilsyn og metrikker: parametre til måling af strategiens udførelse og succes.
Datastyringsprocesser
Datastyring skal integreres i organisationens dataoprettelses-, ledelses- og beskyttelsesprocesser. Følgende er nogle af de proceduremæssige elementer og retningslinjer:
Procedurer og dokumentation: Mere end blot et krav om at holde revisorerne tilfredse – dokumentation skal klart beskrive alle processer. Og procedurerne bør også styrkes gennem uddannelse og med motiverende incitamenter.
Dataintegritet: Overvejelser om dataintegritet skal indarbejdes i procedurer i henhold til datamanagementmodellen og -rammen. Forvent, at disse tilføjelser vil kræve lidt ekstra opmærksomhed og proceduremæssig disciplin fra medarbejdernes side og kan meget vel påvirke effektiviteten (tilføje et par sekunder til en proces, måske). Her kan lidt automatisering måske hjælpe. Relativt billige, gennemprøvede teknologier som stregkodescannere og berøringsskærme kan gøre dataindsamling hurtigere og mere præcis, især når det kombineres med IIoT (Industrial Internet of Things) sensorer og parret med eksisterende processtyringssystemer.
Revision og kvalitetskontrol: Opbyg periodiske kontroller af datavaliditeten i alle procedurer for at verificere processer og overholdelse af procedurer. En regelmæssig plan for kontrol af et kvalitetsteam fungerer bedst.
Hvad er nogle af de største udfordringer med datastyring?
Den største udfordring kan være organisatoriske og personalemæssige spørgsmål. Enhver forretningstransformation kræver ansvarlige roller og ansvarsområder med en mester til at lede forandringen. Det kræver også et kulturskifte fra at se datastyring som et kedeligt job på lavt niveau til et job af ekstrem betydning. Hvis medarbejderne rører data – især kritiske data – og hvis de skaber dem, ændrer dem, bruger dem eller flytter dem rundt på en eller anden måde, skal de forstå den rolle, de spiller i forbindelse med korrekt vedligeholdelse af disse data og tage ansvar.
En anden stor udfordring er den hurtige spredning af data, der først bliver mere udbredt med tiden. Meget af disse nye data er enten ustrukturerede eller anderledes end det, vi tidligere har set eller arbejdet med. Dette beskatter ikke kun eksisterende systemer og databaser, men skaber behov for nye procedurer og yderligere krav til styring.
Værktøjer og teknologi til datastyring
Oprettelse af rammerne for datastyring kræver ikke yderligere værktøjer. Men teknologier kan hjælpe med at indsamle, administrere og sikre dataene. Overvej disse:
Informationsansattes applikationer hjælper med at profilere og overvåge resultaterne af virksomhedens datastyringspolitik. Det letter udførelsen af initiativer til informationsstyring på tværs af forretningsenheder, håndhæver kvalitetsstandarder med datavalidering og måler forbedringen af datakvalitetsprocesser.
Metadata management løsninger, ofte kaldet EMM (Enterprise metadata management), kategorisere og konsekvent organisere en virksomheds informationsaktiver og er blevet stadig vigtigere i en tid med Big Data. Oplysninger om det dataaktiv, der vedligeholdes, omfatter type, tags, kilde og datoer.
Teknologier til informationslivscyklus og indholdsstyring styrer datamængder og styrer risici med automatiserede politikker for arkivering, opbevaring og destruktion af oplysninger. Content management-specifikke funktioner kan også strømline forretningsprocesser ved at digitalisere dokumenter og integrere relevant indhold med transaktioner og workflows.
Udvidet datastyring eller udvidet dataintegration forbedrer eksisterende virksomhedsdata med oplysninger, der er opnået ved hjælp af nye teknologier som AI (kunstig intelligens) og maskinindlæring. Målet er at forbedre beslutningstagningen og hjælpe nogle applikationer med at blive mere selvtunet.
5 bedste praksis for datastyring
Der er generel enighed blandt eksperter om, at de første fem "bedste praksis" for dataforvaltning er:
- Tænk med det store billede i tankerne, men start småt. Alle gode råd. Hvis du starter fra bunden (og aldrig har haft en datastyringsproces på plads), er du banebrydende. Det er altid klogt at starte i det små – afprøve dine ideer og forståelse på en begrænset måde for at lære, udvikle færdigheder og validere tilgangen, før du forpligter dig til hele indsatsen. Samtidig er det vigtigt at holde det store billede for øje. Det er for nemt at blive pakket ind i minutien og afvige fra det overordnede mål. Så dokumentér projektets overordnede mål (hvordan din datastyringsproces vil se ud), udskær et beskedent stykke, der kan være dit pilottestområde, og valider din tilgang gennem denne "pilottest".
- Udnævne en ledende sponsor. Som med alle andre virksomhedsovergribende projekter er det vigtigt at sikre en ledende virksomhedssponsor at være forkæmper for datastrategien. De vil aktivt arbejde for og formidle strategien til den bredere organisation. Sponsor vil også håndhæve ansvarlighed, modellere den ønskede datamanskelighed og hjælpe med at mægle dataproblemer mellem forretningsenheder.
- Opbyg en business case. Datastyringssystemer kommer ikke uden omkostninger. Selvom der ikke er noget specielt udstyr, der skal til for at udvikle rammerne og udfylde detaljerne, er der stadig arbejde, der skal gøres – og det vil forbruge ressourcer, især medarbejdertid. Det er en god idé at opbygge en business case til et sådant projekt. Business casen bør indeholde en beskrivelse på højt niveau af projektet, en redegørelse for mål og mål, forventede fordele og en tidsplan med milepæle og målinger (indikatorer) for fremskridt og succes. Disse indikatorer hjælper med at holde projektet på sporet, når projektteamet vurderer fremskridt i forhold til den forudbestemte tidslinje og milepæle. Business casen minder også teammedlemmerne om grundene til, at du laver dette projekt, og hvorfor det er vigtigt for organisationen at få det gjort rigtigt og til tiden.
- Udvikl de rigtige metrikker. Måling er afgørende, men mere er ikke altid bedre. Selv når automatiserede målinger tager tid og kræfter; nogen er nødt til at se på resultater, fortolke dem og måske foretage korrigerende handlinger. Alt for mange målinger – eller målinger, der ikke giver mening – kan virke mod hensigten. Brugerne, operatørerne og arbejdstagerne vil hurtigt finde ud af, hvornår foranstaltninger ikke er vigtige, og vil måske være mindre opmærksomme på de virkelig meningsfulde målinger som følge heraf. Ligesom med KPI’er (key performance indikatorer) er en håndfuld (typisk seks til 10) brugbare og meningsfulde målinger meget bedre end 50 eller 100, der ikke giver meget indsigt i, hvordan systemerne rent faktisk fungerer, og om målene opfyldes.
- Kommuniker. De fleste mennesker har en medfødt aversion til forandring baseret på frygt for det ukendte – men det bedste middel er information. Vær åben med dem, der vil blive berørt af de nye processer og procedurer, uanset om de vil være aktive deltagere i processen eller ej. Forklar, hvad du gør, og hvorfor. Fortæl dem, hvordan det vil ændre deres arbejdsliv (det kan være en subtil ændring), og hvorfor det er vigtigt at samarbejde og støtte ændringerne. Involvere dem, der vil blive mest berørt i planlægningen og gennemførelsen af de nye procedurer. De er bedst placeret til at se, hvordan ændringerne vil påvirke produktiviteten, hvordan de kan ændres til at være mindre påtrængende, og hvordan processen kan forbedres for at give bedre data.
En håndfuld (typisk seks til 10) brugbare og meningsfulde målinger er meget bedre end 50 eller 100, der ikke giver meget indsigt i, hvordan systemerne rent faktisk fungerer, og om målene opfyldes.
Husk på, at datastyring er en løbende proces, ikke et engangsprojekt. Ja, der er arbejde forrest i opbygningen af systemet – men disse processer bliver en del af hverdagen i din organisation. Og selve processerne skal løbende overvåges og revurderes i lyset af den ændrede volumen, typer og karakter af data, som din organisation håndterer.
Ofte stillede spørgsmål om datastyring
Udforsk masterdata governance-løsninger
Styr din data livscyklus og øge kvaliteten af dine forretningsdata.
Ideer, du ikke finder andre steder
Tilmeld dig en dosis business intelligence leveret direkte i din indbakke.