Datakwaliteit toen en nu: wat is het verschil?

Klik voor meer informatie over auteur Emily Washington.

Elk jaar ondergaan we een aanzienlijke transformatie in de informatietechnologie (IT) -industrie. 2020 is echter een jaar voor de geschiedenisboeken.

Evolutie in IT gebeurt meestal organisch. Als prioriteiten veranderen, dat geldt ook voor technologieën, processen, mensen en technieken. Toen de term ‘big data’ het afgelopen decennium mainstream werd, pakten IT-afdelingen dataprojecten op een beperkte schaal aan.

Als een verkoopteam bijvoorbeeld informatie nodig had over potentiële prospects, zou IT een eenmalig project opzetten binnen de verkoop, de informatie verzamelen en een basisproject gebruiken. Data kwaliteit tool om snel de nauwkeurigheid, consistentie, conformiteit, etc. van gegevens te meten

Een paar jaar vooruitspoelen. De zorgen over de gegevenskwaliteit namen toe naarmate de hoeveelheden gegevens toenamen. Toch gaven organisaties alleen prioriteit aan datakwaliteit wanneer inkomsten, reputatie of bedrijfskritische data in gevaar waren. De afgelopen jaren hebben complexe, wereldwijde regelgeving en de toegenomen snelheid en schaal van gegevens organisaties ertoe aangezet om hun inspanningen op het gebied van datakwaliteit te heroverwegen.

Het aanpakken van datakwaliteitsproblemen op grotere schaal begon een prioriteit te worden. Toonaangevende bedrijven realiseerden zich dat het samenvoegen van datakwaliteitsinspanningen met enterprise data governance-initiatieven de samenwerking tussen afdelingen stimuleerde om proactief datakwaliteitsproblemen op te lossen en de datawaarde van de onderneming te vergroten.

Het duurde echter tot 2020 voordat bedrijven werden gedwongen om technologieën, processen en procedures op het gebied van gegevenskwaliteit in een oogwenk opnieuw uit te vinden. En toen deze organisaties de relatie tussen datakwaliteit en datagovernance begonnen te begrijpen, hebben velen hun manier van werken veranderd.

De onvoorziene evolutie van datakwaliteit in 2020

Begin 2020 hebben veel organisaties zich dat volledig gerealiseerd met Gegevensbeheer het op elkaar afstemmen van mensen, processen en technologie is de sleutel tot het vestigen van gegevensvertrouwen – en dat wat essentieel is voor gegevensvertrouwen, is datakwaliteit.

Terwijl gegevens door een onderneming bewegen en zichzelf blootstellen aan nieuwe processen, toepassingen en veranderingen, transformeren ze, en dat geldt ook voor de kwaliteitsscore. Door samen te werken om de datakwaliteit direct binnen een governance-raamwerk te bewaken en te beoordelen, kunnen organisaties nu datakwaliteitscontroles implementeren en end-to-end datakwaliteit bieden, van het creëren van gegevens tot en met de opname.

Wanneer organisaties Data Governance gebruiken om meerdere business units te betrekken bij Data Quality-inspanningen, bouwen ze vertrouwen op bij gebruikers die data gebruiken om hun bedrijfsstrategie te versnellen. Dankzij COVID-19 bereikten gezamenlijke initiatieven voor gegevensbeheer in maart 2020 echter een verkeersdrempel.

Niemand had de omvang kunnen voorzien van een bijna 100 procent overschakeling naar werken op afstand of de noodzaak van snelle acceptatie van Data Governance-initiatieven. Eenmaal verwijderd van fysieke nabijheid, leed de communicatie tussen IT en divergerende bedrijfseenheden vaak, waardoor het bewustzijn van de datakwaliteit afnam.

Wanneer zakelijke gebruikers de informatie over de kwaliteit van hun gegevens niet kunnen vinden, nemen ze contact op met de IT-afdeling. Hoewel IT-resources geavanceerder zijn dan vijf jaar geleden, hebben ze niet altijd toegang tot dezelfde set tools en informatie die ze nodig hebben om problemen met de gegevenskwaliteit thuis te begrijpen en op te lossen.

Nu 2021 nadert, moeten organisaties op zoek gaan naar selfservice datakwaliteitstechnologieën die het voor datagebruikers gemakkelijker maken om hun dataproblemen te vinden, te begrijpen, te vertrouwen en samen te werken.

Datakwaliteit beheren in 2021

In 2021 zullen organisaties Data Management bundelen om data-uitdagingen te stroomlijnen. Ze combineren bijvoorbeeld Data Governance en Data Quality en data-lineage- en datacatalogustaken.

Door Data Governance te gebruiken om een ​​gecentraliseerde datacatalogus te maken, worden grote hoeveelheden gegevens beschikbaar voor het personeel van een bedrijf in een externe werkomgeving.

De datacatalogus stelt IT-teams in staat om eenvoudig beleid te beheren, methoden voor gegevenstoegang te communiceren en gebruiksrestrictierechten over te dragen vanaf elke locatie. Het resultaat is dat zakelijke gebruikers eenvoudig de datacatalogus raadplegen om de informatie te vinden die ze nodig hebben.

Het belangrijkste is dat de gegevenscatalogus basislijnen voor gegevenskwaliteit bevat. Door de visualisatie van datalijn in een catalogus bij te houden en te documenteren, kunnen organisaties datakwaliteitsscores volgen en meten, van het maken van data tot meerdere transformatie en eindverbruik. Socialisatie- en samenwerkingsfuncties bieden vervolgens transparantie in scores voor gegevenskwaliteit en stellen gebruikers in staat om te bespreken welke gegevens het meest geschikt zijn voor hun doeleinden.

Door een ondernemingsbreed Data Governance-raamwerk te creëren dat datakwaliteit en data-lineage-mogelijkheden samenvoegt tot een robuuste datacatalogus, kunnen datagebruikers snel gedetailleerde data-informatie vinden, inclusief datastromen en afhankelijkheden, zakelijke betekenis, gebruik en kwaliteitsscores. Als gevolg hiervan zullen bedrijven beschikken over gegevens van hoge kwaliteit om inzichten te genereren, waardoor zakelijk succes nu en in de toekomst wordt gegarandeerd, terwijl de manier waarop we werken blijven evolueren.

follow:
Jernst van Veen

Jernst van Veen

Related Posts