Vad är datastyrning?
Datastyrning omfattar de policyer och procedurer som implementeras för att säkerställa att en organisations data är korrekta till att börja med – och sedan hanteras korrekt samtidigt som de lagras, manipuleras, nås och raderas.
Översikt över datastyrning
Styrning av företagsdata omfattar per definition de policyer och procedurer som implementeras för att säkerställa att en organisations data är korrekta till att börja med – och sedan hanteras korrekt samtidigt som de lagras, manipuleras, nås och raderas. Datastyrningsansvar omfattar upprättande av infrastruktur och teknik, upprättande och underhåll av processer och policyer samt identifiering av individer (eller befattningar) inom en organisation som har både behörighet och ansvar för att hantera och skydda specifika typer av data.
Datastyrning är en viktig del av efterlevnaden. Systemen kommer att ta hand om mekaniken för lagring, hantering och säkerhet. Men det är folksidan – styrningsorganisationen – som ser till att policyer definieras, att procedurer är sunda, att teknologier hanteras på lämpligt sätt och att data skyddas. Data måste hanteras korrekt innan de förs in i systemet medan de används och när de hämtas från systemet för användning eller lagring någon annanstans.
Även om datastyrning fastställer riktlinjer och förfaranden för att fastställa uppgifternas exakthet, tillförlitlighet, integritet och säkerhet, är dataförvaltning genomförandet av dessa förfaranden. Enskilda med dataansvarsområden hanterar och övervakar de procedurer och verktyg som används för att hantera, lagra och skydda data.
Fördelar med datastyrning
I en tid då organisationer i allt högre grad är beroende av data för varje aspekt av sin verksamhet, har du inte råd att inte ha en informationsspelplan. Data är kärnan i alla data- och teknikfunktioner, inklusive redovisning och ekonomi, planering och kontroll, orderhantering, kundservice, schemaläggning, processtyrning, konstruktion och design – du namnger det. Korrekta och tillförlitliga data är avgörande för att dessa system och funktioner ska fungera effektivt.
Med tanke på att (bra, tillförlitlig) data är avgörande för verksamheten, måste organisationer ta hänsyn till skapandet, kvaliteten, hanteringen och säkerheten av dessa data. Och när de gör det kan deras system och databaser förlita sig på att verkligen återspegla verkligheten och effektivt stödja beslutsfattande och affärsframgång.
Central datastyrning ger en centraliserad, tillförlitlig vy över dina data.
Fördelarna med datastyrning är bland annat följande:
- Bättre, mer tillförlitliga data: Naturligtvis är det hela poängen. Användare och beslutsfattare kommer att ha större förtroende för uppgifterna och därmed större förtroende för de beslut som baseras på dessa uppgifter. Och dessa beslut kommer verkligen att bli bättre eftersom de bygger på korrekt information.
- En enda version av sanningen: Fördelen med att ha alla delar av organisationen och alla beslutsfattare som arbetar utifrån samma information är oöverskådlig. Ingen mer tid ägnas åt att argumentera om vems kalkylblad eller plan som är ”bättre” eller mer aktuell. Alla delar av organisationen samordnas.
- Regelefterlevnad, lagstiftning och branschefterlevnad: Fasta datahanteringsförfaranden är nyckeln till efterlevnad. Revisorer och tillsynsrepresentanter kommer i själva verket inte att titta så mycket på uppgifterna som hur dessa data genererades, hanterades och skyddades.
- Kostnadsminskning: Revisionerna blir inte bara snabba och enkla, utan den dagliga verksamheten kommer att bli mer effektiv och ändamålsenlig. Du kan minska avfall som orsakas av beslut som fattas baserat på felaktig eller inaktuell information. Och du kan förbättra kundservicen genom att känna till den exakta statusen för pågående aktivitet, lager och personaltillgänglighet.
Organisationer trivs med korrekta, konsekventa och tillförlitliga data som per definition endast kan uppnås med god datastyrning.
Vad är ramen för datastyrning?
Ett ramverk för datastyrning hänvisar till den modell som lägger grunden för datastrategi och regelefterlevnad. Från och med datamodellen som beskriver dataflöden – indata, utdata och lagringsparametrar – överlappar styrningsmodellen de regler, aktiviteter, ansvarsområden, procedurer och processer som definierar hur dessa dataflöden hanteras och kontrolleras.
Tänk på modellen som ett slags skiss över hur datastyrning fungerar i en viss organisation. Observera att detta styrramverk kommer att vara unikt för varje organisation och återspegla detaljerna i datasystem, organisatoriska uppgifter och ansvarsområden, lagstadgade krav och branschprotokoll.
Ditt ramverk bör omfatta följande:
Dataomfattning: basdata, transaktioner, operativa, analytiska, stordata och så vidare.
Organisationsstruktur: roller och ansvarsområden mellan ansvarig ägare, dataansvarig, IT, affärsteam och verkställande sponsor.
Datastandarder och policyer: vägledningar som beskriver vad du hanterar och styr och till vilket resultat.
Översikt och mätetal: parametrar för att mäta strategins genomförande och framgång.
Datastyrningsprocesser
Datastyrning måste vara integrerad i organisationens processer för att skapa, hantera och skydda data. Följande är några av de förfarandemässiga inslagen och riktlinjerna:
Procedurer och dokumentation: Mer än bara ett krav på att hålla revisorerna nöjda – dokumentationen måste tydligt beskriva alla processer. Och förfarandena bör också förstärkas genom utbildning och med motiverande incitament.
Dataintegritet: Hänsyn till dataintegritet måste byggas in i förfaranden enligt datastyrningsmodellen och ramverket. Förvänta dig att dessa tillägg kommer att kräva lite extra uppmärksamhet och procedurdisciplin från de anställdas sida och kan mycket väl påverka effektiviteten (lägga till några sekunder till en process, kanske). Här kan lite automatisering vara till hjälp. Relativt billig, beprövad teknik som streckkodsläsare och pekskärmar kan göra datainsamlingen snabbare och mer exakt, särskilt i kombination med IIoT (Industrial Internet of Things)-sensorer och i kombination med befintliga processtyrningssystem.
Revisioner och kvalitetskontroll: Skapa periodiska kontroller av datavärde i alla procedurer för att verifiera processer och procedurefterlevnad. Ett regelbundet schema med kontroller av ett kvalitetsteam fungerar bäst.
Vilka är de största utmaningarna inom datastyrning?
Den största utmaningen kan vara organisations- och personalfrågor. Varje verksamhetsomvandling kräver ansvarsfulla roller och ansvarsområden med en mästare för att leda förändringen. Det kräver också ett kulturskifte från att se datahantering som ett tråkigt lågnivåjobb till ett arbete av yttersta vikt. Om medarbetarna rör data – särskilt kritisk data – och om de skapar den, ändrar den, använder den eller flyttar runt den på något sätt, måste de förstå vilken roll de spelar för att korrekt underhålla dessa data och ta ansvar.
En annan stor utmaning är den snabba spridningen av data som bara blir allt vanligare med tiden. En stor del av dessa nya data är antingen ostrukturerade eller annorlunda än vad vi sett eller arbetat med tidigare. Detta beskattar inte bara befintliga system och databaser, utan medför också behov av nya förfaranden och ytterligare krav på styrning.
Verktyg och teknik för datastyrning
Upprättandet av en ram för datastyrning kräver inga ytterligare verktyg. Tekniker kan dock hjälpa till att samla in, hantera och säkra data. Tänk på följande:
Information steward applikationer hjälper till med dataprofilering och övervakning av utförandet av företagets datastyrningspolicy. Det underlättar genomförandet av initiativ för informationsstyrning i alla affärsenheter, upprätthåller kvalitetsstandarder med datavalidering och mäter förbättringen av datakvalitetsprocesser.
Metadatahanteringslösningar, ofta kallade EMM (Enterprise metadata management), kategoriserar och organiserar konsekvent ett företags informationstillgångar och har blivit allt viktigare i stordatas tidevarv. Information om datatillgång som underhålls inkluderar typ, taggar, källa och datum.
Informationslivscykel- och innehållshanteringstekniker styr datavolymer och hanterar risker med automatiserade policyer för arkivering, lagring och förstöring av information. Innehållshanteringsspecifika funktioner kan också effektivisera affärsprocesser genom att digitalisera dokument och integrera relevant innehåll med transaktioner och arbetsflöden.
Förbättrad datahantering, eller förstärkt dataintegration, förbättrar befintliga företagsdata med information som uppnås med hjälp av ny teknik som AI (artificiell intelligens) och maskininlärning. Målet är att förbättra beslutsfattandet och hjälpa vissa applikationer att bli mer självstämda.
5 bästa praxis för datastyrning
Det råder allmän enighet bland experterna om att de fem första ”bästa metoderna” för datastyrning är följande:
- Tänk med den stora bilden i åtanke, men börja smått. Alla goda råd. Om du börjar från början (och aldrig har haft en datastyrningsprocess på plats) bryter du ny mark. Det är alltid klokt att börja småskaligt – testa dina idéer och förståelse på ett begränsat sätt för att lära, utveckla färdigheter och validera tillvägagångssättet innan du engagerar dig i hela insatsen. Samtidigt är det viktigt att ha helheten i åtanke. Det är för lätt att bli insvept i minutian och fjärran från det övergripande målet. Så dokumentera de höga målen för ditt projekt (hur din datastyrningsprocess kommer att se ut), skära ut en blygsam bit som kan vara ditt pilottestområde och validera din metod genom detta ”pilot” test.
- Utse en verkställande sponsor. Som med alla företagsövergripande projekt är det viktigt att säkra en verkställande företagssponsor för att vara mästare för datastrategin. De kommer aktivt att förespråka och kommunicera strategin till den bredare organisationen. Sponsorn kommer också att genomdriva ansvarsskyldighet, modellera önskade data tankesätt och hjälpa till att medla dataproblem mellan affärsenheter.
- Bygg ett business case. Datastyrningssystem kommer inte utan kostnad. Även om det inte krävs någon särskild utrustning för att utveckla ramverket och fylla i detaljerna finns det fortfarande arbete kvar att göra – och det kommer att förbruka resurser, särskilt personaltid. Det är en bra idé att bygga en business case för ett sådant projekt. Affärshändelsen bör innehålla en beskrivning på hög nivå av projektet, en redogörelse för mål och mål, förväntade fördelar och en tidsplan med milstolpar och mätningar (indikatorer) för framsteg och framgång. Dessa indikatorer hjälper till att hålla projektet på rätt spår när projektteamet bedömer framsteg mot den förbestämda tidslinjen och milstolparna. Affärsfallet påminner också teammedlemmarna om orsakerna till att du gör det här projektet och varför det är viktigt för organisationen att få det gjort rätt och i tid.
- Utveckla rätt mätetal. Mätning är nödvändig men mer är inte alltid bättre. Även vid automatiserade mätningar tar det tid och kraft; någon måste titta på resultat, tolka dem och kanske vidta korrigerande åtgärder. Alltför många mätningar – eller mätningar som inte är meningsfulla – kan vara kontraproduktiva. Användarna, operatörerna och arbetstagarna kommer snabbt att räkna ut när åtgärder inte är viktiga och kan ägna mindre uppmärksamhet åt de verkligt meningsfulla mätningarna som ett resultat. Precis som med nyckeltal (nyckeltal) är en hanterbar handfull (vanligtvis sex till 10) användbara och meningsfulla mätningar mycket bättre än 50 eller 100 som inte ger mycket insikt i hur system faktiskt fungerar och om målen uppfylls.
- Kommunicera. De flesta har en medfödd aversion att förändra baserat på rädsla för det okända – men det bästa botemedlet är information. Var öppen med dem som kommer att påverkas av de nya processerna och förfarandena, oavsett om de kommer att vara aktiva deltagare i processen eller inte. Förklara vad du gör och varför. Berätta för dem hur det kommer att förändra deras arbetsliv (det kan vara en subtil förändring) och varför det är viktigt att samarbeta och stödja förändringarna. Engagera dem som kommer att påverkas mest i planeringen och genomförandet av de nya förfarandena. De är bäst positionerade för att se hur förändringarna kommer att påverka produktiviteten, hur de kan modifieras för att vara mindre påträngande och hur processen kan förbättras för att ge bättre data.
En hanterbar handfull (vanligtvis sex till 10) användbara och meningsfulla mätningar är mycket bättre än 50 eller 100 som inte ger mycket insikt i hur system faktiskt fungerar och om målen uppfylls.
Tänk på att datastyrning är en pågående process, inte ett engångsprojekt. Ja, det finns arbete på plats för att installera systemet – men dessa processer kommer att bli en del av det dagliga livet i din organisation. Och själva processerna måste kontinuerligt övervakas och omvärderas mot bakgrund av den föränderliga volym, typ och karaktär av data som din organisation hanterar.
Vanliga frågor om datastyrning
Utforska lösningar för basdatastyrning
Styr din datalivscykel och öka kvaliteten på dina affärsdata.
Idéer som du inte hittar någon annanstans
Registrera dig för en dos business intelligence som levereras direkt till din inkorg.