Hvad er datastyring?
Datastyring er praksis med at indsamle, organisere, administrere og få adgang til data for at understøtte produktivitet, effektivitet og beslutningstagning.
Datastyringsoversigt
Data er afgørende for, hvordan en virksomhed fungerer og fungerer. Virksomhederne skal forstå data og finde relevans i den støj, der skabes af forskellige systemer og teknologier, der understøtter nutidens stærkt forbundne globale digitale økonomier. I denne henseende indtager data en central rolle. I sig selv er data nytteløse – virksomheder har brug for en effektiv strategi, styring og datastyringsmodel for at udnytte alle former for data til praktisk og effektiv brug på tværs af forsyningskæder, medarbejdernetværk, kunde- og partnerøkosystemer … og meget mere.
Definition og proces for datastyring
Datastyring er praksis med at indsamle, organisere, administrere og få adgang til data for at understøtte produktivitet, effektivitet og beslutningstagning. I betragtning af den centrale rolle, som data spiller i erhvervslivet i dag, er en effektiv virksomhedsstrategi og en moderne datastyringsplatform afgørende for enhver virksomhed – uanset størrelse eller branche. Datastyring er vigtig for en række datadrevne anvendelseseksempler, herunder ende-til-ende-forretningsprocesudførelse, overholdelse af lovkrav, præcise analyser og AI, datamigrering og digital transformation.
Datastyringsprocessen omfatter en bred vifte af opgaver og procedurer, såsom:
Indsamling, behandling og validering af data
Integration af forskellige typer data fra forskellige kilder, herunder strukturerede og ustrukturerede data
Håndtering af kvaliteten af de data, der skal overholde forretningsstandarder
Selvbetjening, samarbejde og adgang til data
Beskyttelse og sikring af data og sikring af privatlivets fred
Administration af livscyklussen for data, fra oprettelse til sletning
Sikring af høj datatilgængelighed og katastrofeberedskab
De vigtigste elementer i dataforvaltning
Hvorfor er datastyring vigtig?
Hver applikation, analyseløsning og algoritme, der anvendes i en virksomhed (de regler og tilknyttede processer, der tillader teknologi til at løse problemer og fuldføre opgaver) afhænger af problemfri adgang til data af høj kvalitet. Et datastyringssystem hjælper med at sikre, at data er sikre, tilgængelige og nøjagtige. Men fordelene ved datahåndtering slutter ikke der.
Omdannelse af data til et værdifuldt forretningsaktiv
For mange data kan være overvældende – og ubrugelige – hvis de ikke håndteres korrekt. Føj til dette stadigt voksende niveau af datadiversitet, -distribution og -krav, og det er nemt at se, hvordan organisationer kan kæmpe med at udnytte data som et aktiv for at opfylde deres digitale forretningsbehov. Men med de rigtige værktøjer kan data udnyttes til at give virksomheder mere indsigt end nogensinde før, mere præcise forudsigelser og innovative forretningsprocesser. Det kan give virksomhederne en bedre forståelse af, hvad kunderne ønsker, og hjælpe virksomheder med at levere exceptionelle kundeoplevelser baseret på de læringsdata, de leverer. Det kan også hjælpe med at drive nye datadrevne forretningsmodeller – såsom servicetilbud baseret på generativ AI – der ikke ville være nøjagtige uden et fundament af data af høj kvalitet til at basere træningsmodeller på.
"At være datadrevet betyder at bruge data, uanset hvad der skal håndtere kompleksiteten af tilstand, lagring, adgang, kvalitet og kontekst for at sætte organisationer i stand til at realisere deres datadrevne ambitioner, centralt for digital forretningssucces.&Quot;
Gartner "Data Management Solutions Primer for 2023." Adam Ronthal, Ehtisham Zaidi, 14. februar 2023
Det er ingen hemmelighed, at datadrevne organisationer har en stor konkurrencefordel. Med avancerede værktøjer kan virksomheder administrere og få adgang til flere data fra flere kilder end nogensinde før. De kan også udnytte mange forskellige typer data, struktureret og ustruktureret, i realtid – herunder Internet of Things (IoT) enhedsdata, video- og lydfiler, Internet clickstream-data og kommentarer fra sociale medier – hvilket giver flere muligheder for at tjene penge på data og bruge dem som et aktiv.
Udarbejdelse af datagrundlaget for digital transformation
Det siges ofte, at data er livsnerven i digital transformation – og det er sandt. Ledere af data og analyser (D&A) skal være i stand til at opfylde kravene fra digital forretning og den stigende kompleksitet af datamandskabet (herunder virkningen af skyen). AI, machine learning, Industry 4.0, avancerede analyser, IoT og intelligent automatisering kræver alle store mængder af rettidige, nøjagtige og sikre data for at gøre, hvad de gør.
Maskinindlæring og generativ AI har f.eks. brug for meget store og forskelligartede datasæt for at "lære", identificere komplekse mønstre, løse problemer og holde modeller og algoritmer ajour og køre effektivt. Avancerede analyser (som ofte udnytter maskinindlæring og AI) afhænger også af store mængder data af høj kvalitet for at skabe relevante og handlingsrettede indsigter, der kan handles på med tillid. Og IoT og industrielle IoT-scenarier afhænger af en stabil strøm af maskin- og sensordata, der leveres med ekstremt høje hastigheder.
Fællesnævneren i ethvert digitalt transformationsprojekt er data. Før virksomheder kan transformere processer, drage fordel af nye teknologier og blive intelligente virksomheder, har de brug for et solidt datagrundlag. Kort sagt har de brug for et moderne datastyringssystem.
"Den fortsatte overlevelse af enhver virksomhed vil afhænge af en agil, datacentrisk arkitektur, der reagerer på den konstante hastighed af ændringer.&Quot;
Donald Feinberg, næstformand i Gartner
Sikring af overholdelse af databeskyttelseslovgivningen
God datahåndtering er også afgørende for at sikre overholdelse af nationale og internationale love om databeskyttelse – såsom den generelle databeskyttelsesforordning (GDPR) og California Consumer Privacy Act i USA – samt branchespecifikke krav til beskyttelse af privatlivets fred og sikkerhed. Og når denne beskyttelse skal bevises eller revideres, er det vigtigt at have velfunderede dataforvaltningspolitikker og -procedurer på plads.
Metoder til datastyring
Data stof og data mesh er begge blevet populære stykker af datahåndtering terminologi i de seneste år, hvor mange organisationer vedtager dem til deres data management arkitektur. Formålet med arkitekturens datastofstil er at oprette et forbindelseslag for forskellige datakilder, hvilket letter selvbetjening, dataadgang og datalevering på tværs af virksomheden. En arkitektur af datamateriale har til formål at abstrahere de forskellige steder, hvor du gemmer dine data fra et slutbrugerperspektiv, og præsentere en enkelt, samlet visning, der kan bruges som sådan, selv når den underliggende arkitektur er meget distribueret.
Datamasse
Datamasse er en tilgang til datastyring, der anvender en distribueret arkitektonisk ramme. Med andre ord spreder det ejerskab og ansvar for specifikke datasæt på tværs af virksomheden til de brugere, der har den specialiserede ekspertise til at forstå, hvad disse data betyder, og hvordan man udnytter dem bedst muligt. Data mesh arkitektur forbinder og trækker data fra forskellige kilder som data søer og lagre og distribuerer de relevante datasæt til de relevante menneskelige eksperter og domæneteam på tværs af virksomheden. I bund og grund sorteres og distribueres en voluminøs maengde data i en central datasø i håndterbare bidder til dem, der er bedst egnet til at forstå og udnytte den.
Datastof
Et datastof er en kombination af dataarkitektur og dedikerede softwareløsninger, der centraliserer, forbinder, administrerer og styrer data på tværs af forskellige systemer og applikationer. Datastofløsninger giver dig mulighed for at forbinde og administrere data i realtid på tværs af forskellige systemer og applikationer. Dette gør det muligt at skabe en enkelt kilde til sandhed og at bruge og få adgang til disse data, når og hvor du har brug for det – demokratisere og automatisere datastyringsprocesser. Et datamateriale strømliner også data, især i komplekse distribuerede arkitekturer, hvilket gør det klar til brug i analyser, AI og maskinindlæringsapplikationer ved at forene, rense, berige og sikre det. Datamaterialets arkitektur og løsninger gør det muligt for virksomheder at udnytte deres data og skalere deres systemer, samtidig med at de tilpasser sig hurtigt skiftende markeder.
Stamdatastyring (MDM)
Stamdatastyring er den disciplin, der består i at oprette en betroet stamdatareference (en enkelt version af sandheden) for alle vigtige forretningsdata, såsom produktdata, kundedata, aktivdata, finansdata og meget mere. MDM hjælper med at sikre, at virksomheder ikke bruger flere potentielt inkonsistente versioner af data i forskellige dele af forretningen, herunder processer, operationer, analyser, AI og rapportering. De tre centrale søjler for effektiv MDM omfatter: datakonsolidering, datastyring og datakvalitetsstyring.
"En teknologiaktiveret disciplin, hvor erhvervslivet og it-organisationen arbejder sammen for at sikre ensartethed, nøjagtighed, ledelse, semantisk konsistens og ansvarlighed af virksomhedens officielle, delte stamdataaktiver.&Quot;
Gartner-definition af MDM
Dataintegration
Dataintegration er praksis med at indtage, transformere, kombinere og provisionere data, hvor og når det er nødvendigt. Denne integration finder sted i og uden for virksomheden – på tværs af partnere samt tredjepartsdatakilder og anvendelseseksempler – for at opfylde kravene til dataforbrug i alle applikationer og forretningsprocesser. Teknikker omfatter masse-/batchdatabevægelse, udtræk, transformation, indlæsning (ETL), registrering af ændringsdata, datareplikering, datavirtualisering, integration af streamingdata, dataorkestrering og meget mere.
Datafangst og katalogisering
Dataregistrering og datakatalogning giver dig mulighed for at finde ud af, hvilke data du har, og bestemme, hvordan de er relateret. Opdagelse leveres ofte som en del af dataprofilering (som i sig selv eksisterer for at generere en fugleperspektiv af dine data med hensyn til struktur, indhold osv.) og angiver, hvor og hvilke relationer der findes mellem forskellige datasæt i og på tværs af flere (heterogene) datakilder. Mere bredt er det et grundlæggende værktøj til at forstå dit datalandskab. Opdagelse af følsomme data er en bemærkelsesværdig underkategori, der især beskæftiger sig med at finde og klassificere personlige eller på anden måde følsomme data i din organisation, så de kan beskyttes på passende vis af hensyn til databeskyttelse, sikkerhed og overholdelse af lovkrav.
Dataopdagelse bruges også til at opbygge datakataloger sammen med andre mere avancerede automatiseringsteknikker som AI og maskinindlæring. Datakataloger giver et lager af oplysninger (kendt som metadata) om dine dataaktiver: Hvilke data opbevares, hvor de er placeret, hvilket format det er i, og inden for hvilke domæner det er relevant. Så mange af disse oplysninger som muligt bør indsamles automatisk, og de kan klassificeres yderligere efter geografi, tid, adgangskontrol osv. Kataloger er indekserede og søgbare og understøtter selvbetjening og samarbejde. Mere omfattende kataloger vil indtage metadata fra forskellige afledte kilder, såsom analyserapporter og dashboards, ud over de fysiske kilder til dine data. Kataloger anvendes ofte sammen med dataforberedelsesværktøjer og er vigtige for at understøtte datastyring og samarbejdsbaseret, selvbetjeningsbaseret dataadgang.
Datastyring, sikkerhed og overholdelse
Data governance er en samling af regler og ansvarsområder for at sikre datatilgængelighed, kvalitet, compliance og sikkerhed på tværs af organisationen. Data governance etablerer infrastrukturen og navngiver de personer (eller stillinger) i en organisation, der har både myndighed og ansvar for håndtering og beskyttelse af specifikke typer af data. Datastyring er en vigtig del af overholdelsen. Systemerne vil tage sig af mekanikken i sikkerhed, opbevaring og adgang samt korrekt sletning og opbevaring. Datastyring er også med til at sikre, at data er nøjagtige til at begynde med, og at de opfylder forretningsstandarder, før de indtastes i systemet, mens de anvendes, og når de hentes fra systemet til brug eller lagring andetsteds. Organisatorisk styring specificerer, hvordan ansvarlige personer bruger processer og teknologier til at administrere og beskytte data.
Datasikkerhed er et stort problem i nutidens verden af hackere, virus, cyberangreb og brud på datasikkerheden. Selv om sikkerheden er indbygget i systemer og applikationer, er datastyring der for at sikre, at disse systemer oprettes og administreres korrekt for at beskytte dataene, og at procedurer og ansvarsområder håndhæves for at beskytte data uden for systemerne og databasen.
Hvad er en virksomhedsdatastrategi, og hvorfor skal du have en?
I dag afhænger forretningsstrategier af data til automatisering af processer, tilpasning af kunde- og medarbejderoplevelser, vækst gennem nye markeder eller opkøb og innovation. Virksomhedens succes afhænger således i stigende grad af, at din datastrategi tilpasses din forretningsstrategi. En datastrategi bør give genlyd på alle niveauer i organisationen. Det skal have mening og kontekst for virksomheden.
En virksomhed har brug for en datastrategi for at prioritere sit arbejde. Vi ved alle, at mængden af data, en virksomhed genererer og bruger, vokser betydeligt. Der vil altid vaere flere dataproblemer og krav end ressourcer. Virksomheder har brug for en måde at prioritere dataaktiviteter baseret på, hvad der vil realisere mest værdi gennem datastrategien. Strategien skal være "levende og åndende" og fuldt ud afstemt med forretningsprioriteterne, men alligevel fleksibel nok til at ændre sig, efterhånden som virksomheden forandres og modnes. Det kan ikke bare være ord i et dokument, men skal tage “liv” i organisationen.
En datastrategi beskriver alle de datakapaciteter, der skal opbygges for at opnå forretningsresultatet. Det omfatter ikke kun datastyringsfunktioner og -værktøjer, men også forretningsmuligheder som organisationsstruktur, dataindsamling og datanetværksstrategi, konformitet og etiske funktioner. Den opstiller en køreplan for udvikling af kapaciteter over flere år, der opstiller forventninger til, hvad der kan leveres, inden for hvilken tidsramme, for hvilke omkostninger og ledelsesstøtte, der er behov for.
Udviklingen i dataforvaltning
Effektiv datastyring har været afgørende for virksomhedens succes i langt over 50 år – fra at hjælpe virksomheder med at forbedre nøjagtigheden af informationsrapportering, spotte tendenser og træffe bedre beslutninger til at understøtte digital transformation og styrke nye teknologier og forretningsmodeller i dag. Data er blevet en ny form for kapital, og fremadtænkende organisationer er altid på udkig efter nye og bedre måder at bruge data på til deres fordel. Her er de nyeste tendenser inden for moderne datastyring, som er vigtige at holde øje med og udforske deres relevans for din virksomhed og branche:
Datamateriale: De fleste organisationer har i dag en række forskellige typer data implementeret på stedet og i skyen – og de bruger flere databasestyringssystemer, behandlingsteknologier og værktøjer. Et datastof, som er en brugerdefineret kombination af arkitektur og teknologi, bruger metadata, dynamisk dataintegration og orkestrering til at muliggøre gnidningsløs adgang til og deling af data på tværs af et distribueret miljø.
Datastyring i skyen: Mange virksomheder flytter nogle eller alle deres datastyringsplatforme til skyen. Cloud Data Management udnytter alle de fordele, som cloud har at tilbyde – herunder skalerbarhed, avanceret datasikkerhed, forbedret dataadgang, automatiserede sikkerhedskopier og katastrofeberedskab, omkostningsbesparelser og meget mere. Cloud-databaser og database-as-a-service-løsninger (DBaaS), cloud-datalagre og cloud-dataløsninger vokser alle i popularitet.
Data som et produkt: Data som et produkt henviser til praksis med at behandle dine interne data som et førsteordensprodukt, med jobbet for dit datateam (dine data team) – og i forlængelse heraf din Chief Data Officer eller tilsvarende leder – der er at give resten af din organisation de rigtige data, som den har brug for på det rigtige tidspunkt og på det rette kvalitetsniveau. Målet er at gøre det muligt at udnytte dine data mere generelt - f.eks. mere rettidig og mere præcis analytisk indsigt.
Udvidet datastyring: En af de nyere tendenser kaldes “augmented data management”. Augmented Data Management bruger AI og maskinindlæring til at gøre datastyringsprocesser selvkonfigurerende og selvtunende. Udvidet datastyring automatiserer alt fra datakvalitet og stamdatastyring til dataintegration – og frigør kvalificeret teknisk personale til at fokusere på aktiviteter med højere værdi.
Augmented analytics: Augmented analytics bruger kunstig intelligens (AI) teknologier, maskinindlæring og naturlig sprogbehandling (NLP) til ikke kun at finde de vigtigste indsigter automatisk, men til at demokratisere adgangen til avancerede analyser, så alle, ikke kun dataforskere, kan stille spørgsmål om deres data og få svar på en naturlig, konversationel måde.
Sammenfatning
Vi ved, at oplysninger stammer fra data. Og hvis information er magt, så effektivt at styre og udnytte dine data kan meget vel være din virksomheds supermagt. Som sådan udvikler ansvaret for datastyring og rollen som Chief Data (og Analytics) Officer sig til at blive centrale forandringsagenter i organisationen – i at fremme cloud-implementering, udnytte nye tendenser og teknologier og levere strategisk værdi til virksomheden.
Database- og datastyringsløsninger
SAP kan hjælpe dig med at administrere, styre og integrere dine virksomhedsdata.
Ideer, du ikke finder andre steder
Tilmeld dig en dosis business intelligence leveret direkte i din indbakke.