Casestudy: geloofwaardigheid brengen in het Data Stewardship-model van Freddie Mac

Casestudy: geloofwaardigheid brengen in het Data Stewardship-model van Freddie Mac

Meer weten over :

Casestudy: geloofwaardigheid brengen in het Data Stewardship-model van Freddie Mac

Casestudy: geloofwaardigheid brengen in het Data Stewardship-model van Freddie Mac

Jenny Schultz is bij geweest Freddie Mac sinds 1998. “We hebben meer dan een paar keer geprobeerd het ‘data-ding’ te doen, aangestuurd door IT, maar het bleef nooit hangen omdat het bedrijf de waarde niet inzag van het benutten van hun gegevens en het beheren en besturen ervan,” zei ze tijdens haar DATAVERSITY® Enterprise Data Wereldconferentie presentatie getiteld “Freddie Mac eengezinsbedrijf: een casestudy over het exploiteren van een model voor gegevensbeheer.”Ze presenteerde samen met Van Lin en Stephanie Grimes.

Na vier of vijf pogingen kreeg een recent initiatief eindelijk grip omdat volgens Schultz het bedrijf het programma aanstuurde. Het verschil met het succesvolle Gegevensbeheer Model, zei ze, trok de juiste mensen erbij.

Schultz en co-presentator Van Lin spraken uitvoerig over hoe ze een nieuw Data Stewardship Model bij Freddie Mac hebben geoperationaliseerd. Beiden dienen als directeur Data Governance voor de eengezinsbranche, samen met Stephanie Grimes, Manager Data Governance. De presentatie was georganiseerd in drie fasen: (1) Klaar, de basis leggen en het programma opstellen; (2) Set, het identificeren van en samenwerken met stewards en belanghebbenden; en (3) Gaan, de uitvoering van het programma. Hoewel de presentatie het operationalisatieproces van concept tot uitvoering overspande, concentreert deze inleiding zich op de Klaar fase: de stappen van conceptie tot planning.

Wat Freddie Mac doet

De eengezinsafdeling van Freddie Mac verstrekt financiering aan banken om hypotheken voor eengezinswoningen te financieren. Sinds 1970 heeft Freddie Mac 62 miljoen leningen gefinancierd. “Elke keer dat we een lening financieren, verzamelen we 75 gegevenselementen over elk van die leningen. We hebben lenersinformatie voor 114 miljoen leners en 94 miljoen eigendommen ”, alleen al in de eengezinsbranche, zei Schultz. Dienstverlening, hun kapitaalmarktactiviteiten en hun meergezinsactiviteiten zijn niet in die cijfers opgenomen. “Het korte verhaal is dat we met veel data te maken hebben. Dat is alles wat we doen. ”

Freddie Mac en soortgelijke organisatie Fannie Mae zijn beide door de overheid gesponsorde programma’s die banken ondersteunen bij het verstrekken van hypotheekleningen. “We zijn in Virginia, en ze zijn in DC, dus we noemen ze onze vrienden aan de overkant van de rivier,” zei Schultz. “We moeten met hen kunnen concurreren en kunnen reageren op nieuwe programma’s en producten die ze op de markt brengen.” De op mainframes gebaseerde infrastructuur van Freddie Mac is complex, waardoor het moeilijk is om snel te reageren op zakelijke uitdagingen. Ze concludeerden: “We moeten onze architectuur vereenvoudigen en een poolster hebben: waar we heen willen.”

Programmaontwikkeling – Pijnpunten identificeren

Het hoofd van het eengezinsbedrijf droeg de CPA op een manier te vinden om hun gegevens te gebruiken en de bedrijfswaarde te vergroten, zodat ze beter konden concurreren. Omdat de CPA geen ‘datapersoon’ was, besloot hij om sleutelfiguren in de hele organisatie te raadplegen om de noodzaak van een oplossing te beoordelen. “We gingen op wat we ‘de luistertour’ noemen,” zei Schultz. Ze raadpleegden belanghebbenden, collega’s, de interne auditafdeling, compliance en het privacykantoor om te bepalen voor welke uitdagingen ze stonden en bij welke zakelijke problemen ze hulp nodig hadden. Ze ziet dit als een van de belangrijkste componenten van het uiteindelijke succes van het programma. “Praat met de belanghebbenden van uw bedrijf wanneer u een programma start of een wijziging aanbrengt. We kunnen er niet zomaar van uitgaan dat we weten wat het bedrijf nodig heeft. “

Als resultaat van de luistertour besloten ze samen te werken met de Enterprise Data Management Council (EDMCouncil) met behulp van hun Data Management Capability Assessment Model (DCAM) om een ​​model te maken op basis van input van belanghebbenden. Dankzij de DCAM konden ze een roadmap maken waarmee ze van het punt waar ze waren naar het uiteindelijke doel konden leiden: een robuuste data-organisatie.

Ze identificeerden tien belangrijke gebieden voor verbetering:

  • Eengezinsgegevensbeheer
  • Gegevensbeheer
  • Technologiebetrokkenheid
  • Data kwaliteit
  • Metadata
  • Beheer van gegevensactiva
  • Master Data Management
  • Rapportageanalyses en modellering
  • Innovatie
  • Beheer van leveranciers

De geloofwaardigheid van het programma kwam doordat het plan niet in een vacuüm werd ontwikkeld “maar met onze belanghebbenden, met onze collega’s en met opinieleiders in de branche. We hebben dit niet zomaar verzonnen, ”zei Schultz.

Bedrijfswaarde door middel van branding

Schultz zei dat een andere manier waarop ze in het begin geloofwaardigheid aan het programma brachten bij leidinggevenden en zakenpartners, was door een merk te creëren dat de waarde van het dataprogramma communiceerde op basis van de behoeften van het bedrijf en door successen gaandeweg bekend te maken. “‘We hebben tools geselecteerd.’ ‘We helpen bij het rationaliseren van datamarts.’ ‘We gaan oude systemen met pensioen.’ Elk klein ding dat we doen, maken we bekend ”, zei ze.

Ze gebruikten drie overkoepelende concepten in hun branding:

  • Machtigen: Geef gebruikers de kwaliteitsgegevens die ze nodig hebben, wanneer ze die nodig hebben, en de onafhankelijkheid om deze te gebruiken via selfservice. Bied catalogi als de bron van de waarheid, robuuste toolsets en ondersteuning voor innovatie.
  • Vereenvoudigen / hergebruiken:
    Verlaag harde kosten, verhoog de snelheid naar de markt, deel en hergebruik gegevens voor maximale waarde. “We kopen veel data, we creëren veel data – laten we het een keer doen, maar je moet het delen,” zei ze. Dit creëert ook capaciteit.
  • Controle:
    Zorg voor regels die een veilig en beveiligd gebruik mogelijk maken, stem risicobeheer af op risicoblootstelling en verminder de wildgroei aan gegevens en testkosten.

Gegevensstandaarden instellen

In plaats van met haar team in een kamer te zitten en datastandaarden te schrijven – een proces dat in een paar weken had kunnen gebeuren – zei Schultz dat ze besloten hadden werkgroepen op te richten om voor betrokkenheid op alle niveaus te zorgen. Ze wilden normen die de realiteit weerspiegelden waarmee mensen werkten. “Wat zit hen dwars, welke uitdagingen hebben ze, welke oplossingen kunnen we bieden?” Het eerste ontwerp kostte minstens 90 dagen om samen te stellen en ze werken momenteel aan versie vijf: “Maar mensen zijn nog steeds betrokken omdat we ze horen en we wijzigingen aanbrengen op basis van wat ze nodig hebben.”

Verschillende soorten gegevens vereisen verschillende behandeling, dus de groepen hebben de Gegevensbeheer normen voor het doel van de gegevens. Financiële gegevens, bedrijfskritische gegevens en gegevens voor R&D hebben allemaal verschillende risiconiveaus en hoeven niet op dezelfde manier te worden beheerd, zei ze.

Standaarden definieerden ook rollen en verantwoordelijkheden, waaronder een uitvoerend comité om toe te zien op prioriteiten op hoog niveau en om te zorgen voor overeengekomen routekaarten. De supervisor van Schultz zorgde voor extra toezicht om ervoor te zorgen dat de planning verder ging: ze behield zich het recht voor om het proces te negeren en indien nodig een definitieve beslissing te nemen.

“Dus ik wil van mijn stakeholders horen wat er gebeurt, ik wil weten wat er aan de hand is, ik wil een debat, maar als het aan het einde van de dag komt, als we niet verhuizen, ga ik de beslissing en we gaan akkoord met wat ik denk dat juist is. “

Wiens taak is gegevensbeheer?

“Er is niemand in onze datacentrische organisatie die geen rol heeft” in Data Governance, zei Schultz. Gegevenseigenaren moeten metadata verstrekken. Gebruikers moeten met eigenaren en beheerders delen waarvoor ze gegevens gebruiken en wat hun kwaliteitsdrempels zijn, zodat datastewards en eigenaren weten wie ze moeten raadplegen als ze wijzigingen in de gegevens willen aanbrengen. Schultz zei dat dit een grote verschuiving in de bedrijfscultuur noodzakelijk maakte, waardoor ze concludeerde dat data geen technologisch probleem is, maar eerder een ‘communicatieprobleem tussen mensen en cultuur’. “We maken grapjes en zeggen: ‘We zouden nu klaar zijn met gegevens als we niet met alle mensen te maken hadden.’ ”

Daarom beschouwt Schulz de helft van haar baan als directeur Data Governance als wat ze ‘datatherapie’ noemt. “Ik luister de hele tijd naar mensen, en soms is alles wat ze nodig hebben, om het van hun borst te halen.” Soms zijn er concrete dingen die uit die sessies moeten komen, maar vaak gaat het erom dat je je gehoord voelt. ‘Het gaat niet om gegevens. Het gaat om de mensen, relaties en connecties – dat is wat het grootste verschil maakt. “

Begroting

Hoewel ze geen onbeperkt budget hebben, heeft Freddie Mac het geluk een kampioen aan het hoofd van het eengezinsbedrijf te hebben die bereid is geweest om in alle benodigde middelen te voorzien. Met behulp van de roadmaps die ze hadden opgesteld, konden ze financiering benaderen vanuit het standpunt van de bedrijfswaarde, praten over wie er in het bedrijf mee aan boord was en stap voor stap om financiering vragen.

‘Hij zou zeggen:’ Oké. Ik financier je een en twee. Misschien moeten drie wat langer duren ”, vanwege andere huidige prioriteiten. “Elk jaar moeten we onze zaak verdedigen”, zei ze.

Uitdagingen

Een deelnemer vroeg of er uitdagingen waren om de data-eigenaren en stewards te laten adopteren, en Schultz zei dat die er waren, en er zijn nog steeds enkele uitdagingen. Tijdens de luistertour en vorig jaar, toen ze een stakeholderanalyse deden, identificeerden ze tegenstanders en supporters, zodat ze konden leren met wie ze meer tijd moesten doorbrengen. “Nogmaals, dat is iets voor mensen”, meer tijd doorbrengen met degenen die meer datatherapie nodig hebben en minder met degenen die dat niet doen.

Een ander belangrijk onderdeel van het overwinnen van uitdagingen was de ondersteuning van bovenaf. “Het hoofd van ons bedrijf zei: ‘We doen dit data-ding en je kunt maar beter aan boord gaan’, ‘zei ze,’ dus je stapt in de bus of blijft achter. ‘ Ze voegde eraan toe dat hoe hard dat ook klinkt, de realiteit is dat het proces om mensen aan boord te krijgen meer gaat over tijd met hen doorbrengen, hen helpen aan het programma te komen.

Lopend planningsproces

Schultz en het team hebben nu weer een luistertour voltooid, maar hebben hun nog niet opgefrist Gegevensstrategie. Omdat het bedrijf blijft veranderen en moet blijven veranderen, “We zullen op schema zijn om dat vrijwel elke drie jaar te doen”, zei ze. “We moeten steeds naar buiten komen, dus we hebben een vernieuwde versie van [our Data Capability Model] dat ziet er een beetje anders uit ”, maar heeft nog steeds alle capaciteiten die het bedrijf ondersteunt.

Het belangrijkste verschil tussen hun eerdere Data Governance-pogingen en deze was de mate van buy-in die ze hadden. Door ervoor te zorgen dat het aanmaakproces van het Data Capability Model input van mensen op alle niveaus omvatte, “worden ze meteen ingekocht en betrokken als ze in dat document zien wat ze nodig hebben.”

Wilt u meer weten over de aankomende evenementen van DATAVERSITY? Bekijk onze huidige line-up van online en persoonlijke conferenties hier.

Casestudy: geloofwaardigheid brengen in het Data Stewardship-model van Freddie Mac

Hier is de video van de Enterprise Data World-presentatie:

Casestudy: geloofwaardigheid brengen in het Data Stewardship-model van Freddie Mac

Afbeelding gebruikt onder licentie van Shutterstock.com