Hva er dataadministrasjon?
Denne websiden er maskinoversatt for å hjelpe deg. SAP kan ikke garantere at maskinoversettelsen er riktig eller fullstendig oversatt. Den opprinnelige engelske nettsiden finner du ved å bruke verdenskartet i øvre høyre hjørne av denne siden.
Data er avgjørende for hvordan et foretak driver virksomhet og funksjoner. Bedrifter må sørge for data og finne relevans i støy som skapes av ulike systemer og teknologier som støtter dagens svært tilknyttede globale økonomier. I denne forbindelse bruker data midtnivå. På egen hånd er data ubrukelige – selskaper trenger en effektiv strategi-, styrings- og datastyringsmodell for å utnytte alle former for data for praktisk og effektiv bruk på tvers av forsyningskjeder, medarbeidernettverk, kunde- og partnerøkosystemer … og mye mer.
Hva er dataadministrasjon? Dataadministrasjon er praksisen med å samle inn, organisere og få tilgang til data for å støtte produktivitet, effektivitet og beslutningstaking. Gitt de sentrale rolledataene spiller i bedrifter i dag, er det viktig med en solid datahåndteringsstrategi og et moderne datahåndteringssystem for hvert foretak – uavhengig av størrelse eller bransje.
Nøkkelelementene for dataadministrasjon
Datahåndteringsprosessen omfatter en lang rekke oppgaver og prosedyrer, for eksempel:
- Innsamling, behandling, validering og lagring av data
- Integrere forskjellige typer data fra ulike kilder, herunder strukturerte og ustrukturerte data
- Sikring av høy datatilgjengelighet og gjenoppretting etter havari
- Styrer hvordan data brukes og åpnes av personer og apper
- Beskyttelse og sikring av data og sikring av personvern
Hvorfor er dataadministrasjon viktig?
Hver applikasjon, analyseløsning og algoritme som brukes i et foretak (reglene og den tilknyttede prosessen som gjør det mulig for datamaskiner å løse problemer og fullføre oppgaver) avhenger av sømløs tilgang til data. I kjernen bidrar et dataadministrasjonssystem med å sikre at data er sikre, tilgjengelige og nøyaktige. Men fordelene med dataadministrasjon slutter ikke der.
64.2
zettabyte
av digitale data opprettet i 2020
80
%
av verdensomspennende data blir ustrukturert innen 2025
Gjør store data om til et forretningsanleggsmiddel med høy verdi
For mye data kan være overveldende og ubrukelige, hvis de ikke håndteres riktig. Men med de riktige verktøyene kan Big Data bli utnyttet til å gi selskaper en god innsikt og mer nøyaktige forutsigelser. Det kan gi bedrifter en bedre forståelse av hva kunder ønsker og hjelper bedrifter med å levere eksepsjonelle kundeopplevelser basert på læringsdataene. Det kan også bidra til å kjøre nye datastyrte forretningsmodeller, for eksempel servicetilbud basert på sanntidsdata om Tingenes Internett (IoT) og sensordata – som ikke ville vært tydelige eller åpenbare uten å kunne analysere og tolke store data.
Store data er ekstremt store datasett som ofte karakteriseres av de fem V'ene: det innsamlede datavolumet, mangfoldet av datatyper, hastigheten dataene genereres i, datasikkerheten og verdien av dataene.
Det er ingen hemmelighet at datastyrte organisasjoner har en stor konkurransefordel. Med avanserte verktøy kan firmaer administrere flere data fra flere kilder enn noen gang tidligere. De kan også bruke mange ulike typer data, strukturerte og ustrukturerte i sanntid, inkludert IoT-enhetsdata, video- og lydfiler, klikkestrømdata på Internett og kommentarer i sosiale medier – noe som gir flere muligheter til å monetisere data og bruke dem som ressurs.
Lagrer datagrunnlaget for digital transformasjon
Det er ofte sagt at data er livblodet til digital transformasjon – og at det er sant. Kunstig intelligens (AI), maskinlæring, bransje 4.0, avanserte analyser, Tingenes Internett og intelligent automatisering krever alle partier og partier av aktuelle, nøyaktige og sikre data for å gjøre det de gjør.
Viktigheten av data og datastyrte teknologier har bare økt siden utbruddet av COVID-19. Mange bedrifter føler seg intenst presset for å utnytte dataene bedre nå – og bruker dem til å forutsi fremtidige hendelser, dreie seg raskt og bygge seg opp i planer og forretningsmodeller.
Maskinlæring trenger for eksempel svært store og mangfoldige datasett for å "lære," identifisere komplekse mønstre, løse problemer og holde modellene og algoritmene oppdatert og kjører effektivt. Avanserte analyser (som ofte utnytter maskinlæring) avhenger også av enorme kvanta av høykvalitetsdata for å gi relevant og handlekraftig innsikt som kan håndteres med sikkerhet. Og IoT og Industrial IoT kjører på en jevn strøm av data fra maskiner og sensorer, og strømmer til en million miles i minuttet.
Den felles nevneren i ethvert digitalt transformasjonsprosjekt er data. Før bedrifter kan transformere prosesser, dra nytte av nye teknologier og bli intelligente foretak, trenger de et solid datagrunnlag. Kort sagt trenger de et moderne databehandlingssystem.
Den fortsatte overlevelsen av enhver virksomhet vil avhenge av en smidig, datasentrisk arkitektur som svarer til den konstante endringsraten.
Donald Feinberg, visepresident i Gartner
Sikre overholdelse av databeskyttelseslover
God dataadministrasjon er også viktig for å sikre samsvar med nasjonale og internasjonale lover om personvern – som GDPR (General Data Protection Regulation) og California Consumer Protection Act i USA – i tillegg til bransjespesifikke personvern- og sikkerhetskrav. Og når disse beskyttelsen skal dokumenteres eller revideres, er det viktig at det finnes solide retningslinjer og framgangsmåter for datahåndtering.
Datahåndteringssystemer og -komponenter
Dataadministrasjonssystemer er bygd på dataadministrasjonsplattformer og inkluderer en rekke komponenter og prosesser som fungerer sammen slik at du kan ekstrahere verdier fra dataene. Disse kan omfatte databasestyringssystemer, datavarehus og innsjøer, dataintegrasjonsverktøy, analyser og mer.
Databasestyringssystemer (DBMS)
Det finnes mange forskjellige typer databasestyringssystemer. De vanligste er relasjonsdatabasestyringssystemer (RDBMS), objektorienterte databasestyringssystemer (OODMBS), in-memory-databaser og columnar-databaser.
Forskjellige dataadministrasjonssystemer
- Relasjonelt databasestyringssystem (RDBMS): Et RDBMS er et databasestyringssystem som inneholder datadefinisjoner slik at programmer og innhentingssystemer kan referere til dataelementer etter navn, i stedet for å beskrive strukturen og plasseringen av dataene hver gang. Basert på relasjonsmodellen opprettholder RDBMS-systemer også relasjoner mellom dataelementer som øker tilgangen og unngår duplisering. En vares grunnleggende definisjon og kjennetegn lagres for eksempel én gang og kobles til detaljlinjer for kundeordrer og prisfastsettingstabeller.
- Objektorientert databasestyringssystem (OODBMS): En OODBMS er en annen tilnærming til datadefinisjon og lagring, utviklet og brukt av objektorienterte programmeringssystemer (OOPS)-utviklere. Data lagres som objekter, uavhengige og selvbeskrevne enheter, i stedet for i tabeller som i et RDBMS.
- In-memory-database: En in-memory-database (IMDB) lagrer data i datamaskinens hovedminne (RAM), i stedet for på en diskettstasjon. Henting fra minne er mye raskere enn henting fra et diskbasert system, så in-memory-databaser brukes vanligvis av applikasjoner som krever rask responstid. For eksempel kan det du nå få tilgang til og analysere i løpet av noen minutter, hvis det ikke er sekunder å kompilere til en rapport.
- Columnar database: En kolonnar database lagrer grupper av relaterte data (en kolonne med informasjon) sammen for rask tilgang. Den brukes i moderne in-memory-forretningsapplikasjoner og for mange frittstående datavarehusapplikasjoner der innhentingshastighet (av et begrenset utvalg data) er viktig.
Datalagre og innsjøer
- Datavarehus: Et datavarehus er et sentralt datalager som er akkumulert fra mange forskjellige kilder for rapporterings- og analyseformål.
- Datasjøen: En datasjø er en stor samling data som er lagret i sitt rå eller naturlige format. Datasjøer brukes vanligvis til å lagre store datamengder, inkludert strukturerte, ustrukturerte og halvstrukturerte data.
Stamdataadministrasjon (MDM)
Stamdataadministrasjon er disiplinen for å opprette én pålitelig stamdatareferanse (en enkelt versjon av sannheten) for alle viktige forretningsdata, for eksempel produktdata, kundedata, anleggsdata, finansdata og mer. MDM bidrar til å sikre at virksomheter ikke bruker flere, potensielt inkonsistente versjoner av data i ulike deler av forretningsvirksomheten, inkludert prosesser, operasjoner og analyser og rapportering. De tre nøkkelpilarene til effektiv MDM inkluderer: datakonsolidering, datagovernance og datakvalitetsstyring.
En teknologiaktivert disiplin der virksomheten og IT-organisasjonen samarbeider for å sikre ensartethet, nøyaktighet, styring, semantisk konsistens og ansvarlighet for foretakets offisielle, delte stamdataeiendeler.
Gartner-definisjon av MDM
Styring av store datamengder
Nye typer databaser og verktøy er utviklet for å administrere store datamengder – massive volumer av strukturerte, ustrukturerte og halvstrukturerte datainundateringsbedrifter i dag. I tillegg til svært effektive bearbeidingsteknikker og skybaserte fasiliteter for å håndtere volumet og hastigheten, har det blitt skapt nye tilnærminger til tolkning og styring av datavarianten. For at dataadministrasjonsverktøyene skal kunne forstå og arbeide med ulike typer ustrukturerte data, brukes for eksempel nye forbehandlingsprosesser til å identifisere og klassifisere dataelementer for å gjøre det enklere å lagre og hente data.
Dataintegrasjon
Dataintegrasjon er praksisen med å overføre, transformere, kombinere og klargjøre data, der og når det er behov for det. Denne integrasjonen finner sted i foretaket og utenfor – både på tvers av partnere og i tredjepartsdatakilder og brukstilfeller – for å oppfylle kravene til dataforbruk for alle applikasjoner og forretningsprosesser. Teknikker omfatter masse-/batch-databevegelse, ekstrakt, transformasjon, lasting (ETL), registrering av endringsdata, datareplikering, datavirtualisering, strømming av dataintegrasjon, dataorkestrering og mer.
Styring, sikkerhet og overholdelse av opplysninger
Datastyring er en samling av regler og ansvarsområder for å sikre datatilgjengelighet, kvalitet, konformitet og sikkerhet i hele organisasjonen. Datastyring fastsetter infrastrukturen og navngir personene (eller posisjonene) i en organisasjon som har både myndigheten og ansvaret for håndtering og sikring av bestemte typer og typer data. Datagovernance er en viktig del av konformiteten. Systemet vil ta seg av mekanikerne lagring, håndtering og sikkerhet – det er folkets side, styringssiden, som sikrer at dataene er nøyaktige til å begynne med og blir håndtert og beskyttet korrekt før de tas inn i systemet, mens de brukes, og når de hentes fra systemet for bruk eller lagring andre steder. Styring spesifiserer hvordan ansvarlige personer bruker prosesser og teknologier til å administrere og beskytte data.
Datasikkerhet er en betydelig bekymring i dagens verden av hackere, virus, cyberanfall og brudd på data. Selv om sikkerheten er innebygd i systemer og applikasjoner, er det styring av data for å sikre at disse systemene er riktig konfigurert og administrert for å beskytte dataene, og at prosedyrer og ansvarsområder håndheves for å beskytte dataene utenfor systemene og databasen.
Forretningsanalyse og -analyse
De fleste, hvis ikke alle, dataadministrasjonssystemer inkluderer grunnleggende verktøy for datainnsamling og rapportering, og mange inkorporerer eller er samlet med kraftige gjenfinnings-, analyse- og rapporteringsapplikasjoner. Rapporterings- og analyseapplikasjoner er også tilgjengelige fra tredjepartsutviklere, og de blir nesten sikkert inkludert i applikasjonspakken som en standardfunksjon eller som en valgfri tilleggsmodul for mer avansert funksjonalitet.
Makten til dagens databehandlingssystemer ligger i stor grad i adhochentingsverktøy som gjør det mulig for brukere med et minimum av opplæring å skape sine egne datainnsamling på skjermen og skrive ut rapporter med overraskende fleksibilitet i formatering, beregninger, sorteringer og sammendrag. I tillegg kan fagfolk bruke de samme verktøyene eller mer avanserte analyseverktøysett til å gjøre enda mer når det gjelder beregninger, sammenligninger, høyere matte og formatering. Nye analyseapplikasjoner kan bygge bro over tradisjonelle databaser, datavarehus og datasjjøer for å gjøre det mulig å innlemme store datamengder med forretningsapplikasjonsdata for bedre prognostisering, analyse og planlegging.
Hva er en datastrategi for foretaket, og hvorfor bør du ha en?
Mange selskaper har vært passive i ferd med å nå datastrategien: akseptere hva som helst av leverandøren av forretningsprogrammer som har innebygd sine systemer. Men nå er det ikke bra nok. Med dagens eksplosjon av data, og dets betydning for driften av hvert enkelt foretak, er det stadig mer nødvendig å ta en mer proaktiv og omfattende tilnærming til datahåndtering. Det betyr at det fra et praktisk synspunkt utarbeides en datastrategi som
- Identifiserer de spesifikke datatypene firmaet ditt trenger og bruker,
- Tilordner ansvarsområde for hver datatype, og
- Fastsetter framgangsmåter for å styre innhenting, innsamling og behandling av disse dataene.
En av de viktigste fordelene ved en strategi og infrastruktur for styring av bedriftsdata er at den samler organisasjonen – samordne alle aktiviteter og beslutninger til støtte for foretakets formål, som er å levere kvalitetsprodukter og -tjenester til kunder på en effektiv og effektiv måte. Hvis datastrategien er fullstendig omfattet, og en sømløs dataintegrasjon elimineres informasjonssiloer. Dette gjør at hver avdeling, leder og medarbeider kan se og forstå deres individuelle bidrag til selskapets suksess – og holde beslutningene og handlingene sine samkjørt med disse målene.
Utvikle datastrategi for virksomheten
Se moduler fra vår outcom-drevne stamdatastrategihovedklasse – gratis online.
Utviklingen av dataadministrasjon
Effektiv dataadministrasjon har vært kritisk til forretningsmessig suksess i godt over 50 år – fra å hjelpe foretak med å forbedre nøyaktigheten av informasjonsrapportering, spottrender og ta bedre beslutninger for å utnytte digital transformasjon og drive nye teknologier og forretningsmodeller i dag. Data har blitt en ny type kapital, og fremovertenkende organisasjoner er alltid på utkikk etter nye og bedre måter å bruke data på til deres fordel. Her er de nyeste trendene i moderne dataadministrasjon som er viktige for å holde øye med og utforske relevansen for din virksomhet og bransje:
- Datamedium: De fleste organisasjoner har i dag en rekke typer data distribuert på premise og i skyen – og de bruker flere databasestyringssystemer, behandlingsteknologier og verktøy. Et datastoff, som er en tilpasset kombinasjon av arkitektur og teknologi, bruker dynamisk dataintegrasjon og orkestrering for å muliggjøre friksjonsfri tilgang til og deling av data på tvers av et distribuert miljø.
- Dataadministrasjon i skyen: Mange bedrifter flytter noen av eller alle sine dataadministrasjonsplattformer til skyen. Skybasert dataadministrasjon drar nytte av alle fordelene nettskyen kan tilby – inkludert skalerbarhet, avansert datasikkerhet, forbedret datatilgang, automatisert sikkerhetskopiering og gjenoppretting etter havari, kostnadsbesparelser med mer. Skydatabaser og database-as-a-tjenesteløsninger (DBaaS), skybaserte datavarehus og skydatasjjøer vokser alle i popularitet.
- Utvidet databehandling: En av de nyere trendene kalles "utvidet databehandling." Identifisert av Gartner som har betydelig forstyrrende potensial innen 2022, bruker datastyring AI og maskinlæring for å gjøre databehandlingsprosesser selvkonfigurerende og selvtenkende. Utvidet dataadministrasjon automatiserer alt fra datakvalitet og stamdatastyring til dataintegrasjon – frigjøre kvalifiserte tekniske medarbeidere for å fokusere på høyere verdi.
Frem til 2022 reduseres dataadministrasjonens manuelle oppgaver med 45 % gjennom tillegg av maskinlæring og automatisk servicenivåadministrasjon.
- Utvidet analyse: Forsterket analyse – en annen toppteknologitrend identifisert av Gartner – er allerede her. Utvidede analyser bruker kunstig intelligens, maskinlæring og naturlig språkbehandling (NLP) for ikke bare å finne den viktigste innsikten automatisk, men til å demokratisere tilgangen til avanserte analyser slik at alle, ikke bare dataforskere, kan stille spørsmål om sine data og få svar på en naturlig, samtalemessig måte.
Sammendrag
Vi vet at informasjon er avledet fra data. Og hvis informasjonen er makt, kan effektiv styring og utnyttelse av dataene være selskapets supermakt. Dermed utvikler dataadministrasjonens ansvar og rollen som databaseanalytikere (DBAs) seg til å bli endringsagenter – når det gjelder å føre skyoverføring, utnytte nye trender og teknologier og levere strategisk verdi til virksomheten.
Løsninger
for database- og datahåndtering
SAP kan hjelpe deg med å administrere, styre og integrere foretaksdataene.
Mer i denne serien
Nyhetsbrev for SAP Insights