Gegevensarchitectuur met gegevensbeheer: een proactieve aanpak

Gegevensarchitectuur met gegevensbeheer: een proactieve aanpak

Meer weten over :

Gegevensarchitectuur met gegevensbeheer: een proactieve aanpak

Gegevensarchitectuur met gegevensbeheer: een proactieve aanpak

“Data-architectuur is de fysieke implementatie van de bedrijfsstrategie”, zegt Nigel Turner, Principal Consultant in EMEA bij Global Data Strategy, Ltd., spreken op de DATAVERSITY® Online conferentie over Enterprise Data Governance. “Het is een belangrijk onderdeel van het hele continuüm dat je binnen een organisatie moet opbouwen om gegevens effectief te beheren”, en Data Governance vormt een belangrijke brug tussen die strategieën en de daadwerkelijke implementatie ervan in het bedrijf.

Data-architectuur: wat is het?

De DAMA DMBoK2 zegt dat Data Architecture “de blauwdruk definieert voor het beheren van gegevensactiva door af te stemmen op de organisatiestrategie om strategische gegevensvereisten en ontwerpen vast te stellen om aan deze vereisten te voldoen.” Turner wees op drie belangrijke onderdelen van deze definitie, waarvan de eerste het woord ‘blauwdruk’ is. “Wat dat inhoudt, is dat elke data-architectuur die geen implementatieplan heeft, waarschijnlijk op de plank zal blijven tot de mist van de eeuwigheid is opgetrokken.”

Het tweede sleutelonderdeel is ‘afstemmen op de organisatiestrategie’. Data-architectuur moet rechtstreeks verband houden met de doelen van het bedrijf en hoe gegevens die doelen ondersteunen, zei hij. Het derde deel gaat over het vaststellen van strategische gegevensvereisten. Omdat “elke effectieve data-architectuur toekomstgericht moet zijn.”

Onder verwijzing naar een DATAVERSITY-onderzoeksrapport getiteld Trends in data-architectuur, door Donna Burbank en Charles Roe, noteerde hij de reeks antwoorden op de vraag: “Wat is data-architectuur?”

“Een van de problemen die we hebben bij gegevensbeheer is dat als je een concept, term of discipline op het gebied van gegevensbeheer neemt, verschillende mensen het op verschillende manieren definiëren.”

Ongeacht hoe het is gedefinieerd, Data-architectuur moet een aantal concrete resultaten hebben, zoals specificaties, hoofdontwerpdocumenten op verschillende abstractieniveaus en beschrijvingen van alle containers en paden die gegevens door het systeem afleggen. Zonder deze resultaten zei hij: “Dan levert u duidelijk niets van waarde aan het bedrijf op.”

Typische resultaten van gegevensarchitectuur

Standaardresultaten zijn onder meer:

  • Beleid over datagebruik, leidende principes, intentieverklaringen over gebruik en mechanismen voor verantwoording
  • Datamodellen inclusief conceptuele bedrijfsmodellen, logische datamodellen, fysieke datamodellen en applicatiespecifieke logische datamodellen
  • Gegevenscatalogi
  • Inventarissen van databronnen
  • Master Data of Reference Data, en welke data breed wordt gedeeld
  • Gedefinieerde kerngegevens, met woordenlijsten, woordenboeken, definities en toegepaste normen
  • Metadata en hoe deze moeten worden beheerd
  • Data Lineage en stroom door systemen
  • Een routekaart voor implementatie

“Als je al die dingen hebt geregeld, heb je een grote kans om een ​​data-architectuur te krijgen die werkt.”

Gegevensarchitectuur: hoe te mislukken

  • Proberen een architectuur te bedenken die het beheren, verwerken, verzamelen en opslaan van alles omvat: “Voorkom dat de oceaan kookt. Richt uw architectuur op de dingen die essentieel zijn om uw bedrijf te laten werken en functioneren. “
  • EEN Data-architectuur volledig beheerd, aangestuurd en ontworpen door een IT-afdeling kan uiteindelijk een boodschappenlijstje voor nieuwe technologie worden, in plaats van een plan om de bedrijfsstrategie te ondersteunen. “Met alle respect voor mensen op IT-afdelingen, ze zijn niet altijd de beste mensen om te begrijpen hoe data de bedrijfsstrategie ondersteunen en daarom hoe de architectuur moet evolueren om dat mogelijk te maken.”
  • Zonder actieve ondersteuning van het senior management, zowel aan de zakelijke als aan de IT-kant, is succes onwaarschijnlijk. “Het mag niet uitsluitend worden geleid en ontwikkeld voor mensen in het midden van uw organisatie.”
  • Als uw architecture is te ingewikkeld, is het onwaarschijnlijk dat het actueel blijft. Turner deelde een verhaal over een bedrijf waarmee hij als consultant werkte. Het bedrijf had een zeer gedetailleerd datamodel dat de hele wand van een kamer besloeg. Ze waren erg trots op het model, maar in de loop van een aantal jaren merkte Turner dat hetzelfde model onveranderd op dezelfde muur hing, met de implicatie dat het niet voor iets anders dan als wanddecoratie werd gebruikt.
  • Planning op lange termijn is belangrijk, maar laat concrete voordelen op korte termijn niet achterwege. Data-architectuur, zei hij, “blijft een droom als je er geen harde deliverables aan hebt.” Bouw enkele snelle overwinningen in.

Het goed doen

De belangrijkste kenmerken van een effectieve data-architectuur zijn onder meer een Gegevensstrategie dat is afgestemd op de zakelijke drijfveren, richt zich op essentiële gegevens, schetst duidelijke activiteiten en mijlpalen en is flexibel genoeg om mee te evolueren met de zakelijke behoeften en de beschikbare technologie. Het belangrijkste is dat architectuur beheersbaar moet zijn. “Je kunt nooit overal al je gegevens uitzoeken. Je moet je concentreren op de dingen die echt een verschil maken. “

Een datastrategie ontwikkelen

Turner schetste een eenvoudig pad naar een Gegevensstrategie. Begin met de bedrijfsstrategie en bepaal welke gegevens essentieel zijn om die strategie te ondersteunen. Evalueer de gegevens die u hebt en beslis of het aan de taak is, en als dat niet het geval is, besluit dan wat er nodig is om deze te verbeteren. Turner wees erop dat verbeteringen wellicht van de zakelijke kant moeten komen, en niet uitsluitend van IT. Als elke afdeling bijvoorbeeld een andere code of term gebruikt om ‘klant’ aan te duiden, ‘dan zou dat uiteraard van invloed zijn op de bedrijfsstrategie, die mogelijk moet worden gewijzigd om die barrière op te vangen.’

De huidige gegevens: bereik, schaal en complexiteit

De hoeveelheden gegevens die bedrijven en organisaties verwerken, zijn de afgelopen tien jaar enorm toegenomen. Negentig procent van alle gegevens die momenteel worden opgeslagen, zijn pas in de afgelopen twee jaar gemaakt. In andere woorden:

“Er zijn 2,5 triljoen zandkorrels op aarde. Een triljoen is trouwens een één gevolgd door achttien nullen. Elke dag wordt driemaal zoveel bytes aan gegevens aangemaakt. Dus de reikwijdte en schaal hiervan is absoluut fenomenaal. “

Maar het gaat niet alleen om de reikwijdte en schaal, zei hij. Complexiteit speelt evenzeer een rol. Omdat zoveel bedrijven nog geen grip hebben op de basisprincipes – datamanagement, datakwaliteit en ervoor zorgen dat de gebruikte data passen bij het beoogde doel – “vergeet alle nieuwe technologieën in de toekomst. Dit is de realiteit vandaag. “

Zakelijke drijfveren voor data-architectuur

Business Intelligence en Data Science zijn drijfveren voor Data Architecture, want dat zijn ze ook sterke groeigebieden in het. Tegelijkertijd zorgen kostenreducties, verhoogde efficiëntie en naleving van de regelgeving ook voor druk om het gegevensbeheer te verbeteren. Een andere reden, zei hij, is dat “de huidige status quo met het beheer van gegevens in de meeste organisaties, naar ik vermoed, nog steeds vrij slecht is.”

Hij haalde een studie aan die vorig jaar in Harvard Business Review werd gepubliceerd. Onderzoekers onderzochten 75 bedrijven en vroegen senior executives van die bedrijven om de juistheid te controleren van een reeks records van belangrijke systemen die als essentieel werden beschouwd voor het efficiënt runnen van een bedrijf. “Het resultaat was echt schokkend”, zei hij, want slechts drie van de honderd records waren foutloos. “Zevenennegentig procent van alle onderzochte records van die 75 bedrijven bevatte enkele kritieke fouten die de bedrijfsprestaties kunnen beïnvloeden.”

Turner zei dat het grootste probleem met Data Lakes is een gebrek aan effectief gegevensbeheer. Er is een gebrek aan consistente gegevensdefinities en metadata, dus als mensen toegang krijgen tot de gegevens in die Data Lakes, “hebben ze geen flauw idee wat het betekent.”

Datawetenschappers die hoge salarissen ontvangen om inzichten uit gegevens te vinden, besteden in plaats daarvan het grootste deel van hun tijd aan taken op een lager niveau om gegevens in bruikbare staat te krijgen, zei hij.

“Alle grote beloften die Big Data en Analytics met zich meebrengen, met al deze gegevens die bedrijven nu verzamelen – minder dan een procent ervan wordt daadwerkelijk gebruikt.”

Hij vergelijkt de huidige situatie met het proces van brandbestrijding in plaats van een proactieve manier te creëren om deze te voorkomen. Wat nodig is, is een coherente en effectieve gegevensarchitectuur en een focus op het identificeren van problemen, het creëren van oplossingen en het inbouwen van preventieve, proactieve governance. “Met andere woorden, je zorgt ervoor dat de branden niet uitbreken in plaats van te wachten tot ze dat doen en ze vervolgens reactief te bestrijden.”

Gegevensbeheer: overgaan van reactief naar proactief

Turner deelde de definitie van Data Governance van Global Data Strategy: een door het bedrijf geleid continu proces voor het verbeteren van gegevens ten behoeve van alle belanghebbenden op het gebied van gegevens. Hoewel de eerste implementatie kan beginnen als een project: “Uiteindelijk zit je hierin om ervoor te zorgen dat het op de achtergrond wordt uitgevoerd als een bedrijfsproces, in feite naast al je andere bedrijfsprocessen.”

Zeven kernprincipes van gegevensbeheer

  • Gegevens moeten actief worden beheerd
  • Het bedrijf moet verantwoordelijk zijn voor het leiden van bestuursinspanningen
  • Het bedrijf moet de prioriteiten stellen voor het verbeteren van gegevens, op welke gegevens moet worden gefocust en welke impact dit zou moeten hebben
  • Gegevenseigenaren moeten verantwoordelijk zijn voor kritieke gegevens
  • Datastewards zijn verantwoordelijk voor het verbeteren van data
  • IT levert de technologie om Data Governance echt te maken in de fysieke wereld
  • Iedereen in een organisatie moet deel uitmaken van elke Data Governance-activiteit

“Elke organisatie heeft Data Architecture nodig, maar hoeveel en waar het moet worden toegepast, verschilt van organisatie tot organisatie, en niemand is beter geplaatst dan governance-professionals om de architect te helpen bij het nemen van die beslissingen.”

Data Governance en Data Architecture ondersteunen en versterken elkaar, zei hij. Een dia delen waarin de synergieën tussen Gegevensbeheer en gegevensarchitectuurTurner benadrukte de belangrijkste voordelen voor beide.

Datastewards zijn in staat om kritieke data te identificeren en te bepalen hoe de staat van die data het bedrijf beïnvloedt, wat kan helpen bij het stellen van prioriteiten en het ontwikkelen van de architectuur. Gegevenseigenaren moeten bedrijfsregels informeren over gegevens die vervolgens binnen de architectuur worden geïmplementeerd. Eigenaren en stewards bevinden zich in een goede positie om als kampioen te dienen en architecten te helpen een pleidooi te houden voor meer investeringen in data-architectuur, omdat “ze de huidige implicaties van tekortkomingen in data en het belang van het beheren van data op meer gestructureerde manieren begrijpen” zei.

Data Architecture kan Data Governance ondersteunen door bestuursstrategieën op fysiek niveau te maken, zodat ze in de echte wereld kunnen worden geïmplementeerd en niet alleen als abstracte ideeën dienen. Datamodellen kunnen illustreren voor welke data governance nodig is en kunnen referentie- en masterdatasets benadrukken, wat Turner zegt: “Moet het meest worden beheerd en eigendom zijn binnen een organisatie.” Data Architecture helpt bij het opbouwen van zakelijke en IT-consensus rond kritieke gegevens, waardoor het bedrijf samenwerkt met IT om vastgestelde prioriteiten uit te voeren.

Gegevensbeheer afstemmen op gegevensarchitectuur

Turner zei dat het niet uitmaakt waar je begint. Het belangrijkste is dat de disciplines Data Architecture en Data Governance samenkomen om een ​​continue verbetercyclus te vormen, zodat “uw data beter wordt en evolueert in lijn met de zakelijke vereisten.”

Turner sloot zijn presentatie af met een foto van de Akropolis om het belang van duurzame architectuur te illustreren. Om een ​​tempel te bouwen die meer dan 2500 jaar zou duren, hebben de Grieken veel tijd besteed aan het nivelleren en voorbereiden van de fundering van de heuvel waarop hij staat.

“Elke organisatie die hetzelfde wil doen met data, met andere woorden – om een ​​duurzaam en duurzaam datagedreven bedrijf te creëren – moet erkennen dat je data-architectuur en datagovernance nodig hebt, en dat ze moeten samenwerken om de basis te leggen voor de toekomst.”

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

Gegevensarchitectuur met gegevensbeheer: een proactieve aanpak

Hier is de video van de online presentatie van Enterprise Data Governance:

Gegevensarchitectuur met gegevensbeheer: een proactieve aanpak

Afbeelding gebruikt onder licentie van Shutterstock.com