mk_maturingdg_102020.jpg

Ouder worden van gegevensbeheer en gegevensgeletterdheid om organisaties beter van dienst te zijn

Het volwassen worden van Data Governance betekent dat de opvatting en het beheer van een organisatie over haar gegevensactiva groeit, van een beperkt IT-projectconcept tot de bredere business. Organisaties kunnen deze aanpak niet langer negeren terwijl ze verder rijden digitaal transformeren, de bedrijfsefficiëntie en -effectiviteit verbeteren door middel van digitalisering en human resources. Al-Ruithe, et al. hamer dit punt naar huis door te stellen dat onderzoekers en praktijkmensen vaak de IT-governance die rond hardware en applicaties draait, verwarren met Gegevensbeheer.

Deze warboel van IT en Data Governance kan worden begrepen naarmate de technologie zichtbaarder lijkt binnen een digitaal transformatieproject. Denk aan Amazon en stel je een website voor waar klanten dingen kopen. Kopen een sneaker via de Nike-app op je telefoon en beschouw het als de digitale transformatie. Vervolgens wordt Data Governance toegewezen aan een bepaald IT-project of box op het enterprise Data Architecture-model.

Helaas stemmen veel organisaties Data Governance niet goed af op de zakelijke behoeften. Volgens The DATAVERSITY® Trends in Data Management 2020-rapportzei ongeveer 83% van de deelnemers aan de enquête dat hun organisatie ofwel een Data Governance had of er plannen voor had. Maar slechts 7,34% had Data Governance op een hoog niveau van volwassenheid. Zoals Jenny Schultz van Freddie Mac: “we hebben meer dan een paar keer geprobeerd het ‘data-ding’ te doen, gedreven door IT, maar het bleef nooit hangen omdat het bedrijf de waarde van het beheer ervan niet inzag.”

Dus, hoe kan een bedrijf zijn Data Governance volwassener maken om het bedrijf beter van dienst te zijn? Uit onderzoek komen ten minste vier gemeenschappelijke thema’s naar voren:

Verbind gegevensstrategie en gegevensbeheer

Volwassen organisaties aansluiten een zakelijke datastrategie met datagovernance. Ze bereiken dit doel door verder te kijken dan data-assets voor individuele projecten om te dienen en mee te evolueren met het bedrijf. Jeff Fuller schrijft in het North Carolina Medical Journal dat organisaties moeten weten welke gegevensbeheerstatistieken van belang zijn door zich opnieuw af te stemmen op de prioriteiten van de gegevensstrategie. Wanneer bedrijven kortzichtig worden door zich alleen te concentreren op datasets die het gemakkelijkst beschikbaar zijn, lijdt het vermogen om de zakelijke context van morgen te voorspellen of ermee om te gaan. Aan de andere kant, wanneer organisaties een goed afstemmen Gegevensstrategie met Data Governance richten ze zich op de kritieke gegevensactiva die de onderneming dienen.

Naast het beter aanpassen van informatie aan toekomstige bedrijfsbehoeften, vergroot de koppeling van de datastrategie met datagovernance het begrip van hoe goed het deze ondersteunt. Donna Burbank van Global Data Strategy, Ltd., creëerde een visual die een top-down en bottom-up zakelijk perspectief van datastrategie, technologie en datagovernance beschrijft.

Afbeelding tegoed: Wereldwijde datastrategie

Bijvoorbeeld, CEMEX ontwikkelde een datagedreven strategie met de hulp van Burbank. Het draaide om de klantervaring, vanaf het eerste contact tot de verkoop. CEMEX evalueerde zijn bestaande governance op zijn datastrategie en herbestemde het met behulp van “… kleine en flexibele digitale teams om prioriteit te geven aan projecten en verschillende interne klanten af ​​te stemmen op een gemeenschappelijk doel.” Door dit initiatief heeft CEMEX zijn datagovernance volwassen gemaakt in symmetrie met de CEMEX-datastrategie, door het beheer opnieuw af te stemmen op de bedrijfsdoelen.

Gebruik een Data Governance Maturity Model

Om te weten hoe Data Governance volwassen kan worden in de richting van een zakelijke mentaliteit, moet naast de Data Strategy, de uitvoering van Data Governance worden vergeleken met wat het voorheen was en met algemeen bekende best practices. Het betekent periodiek en objectief Data Governance beoordelen aan de hand van een volwassenheidsmodel.

Er bestaan ​​verschillende modellen met een duidelijke nadruk op verschillende doelen. Gartner, IBM, het Capability Maturity Model of Integration (CMMI), en het Data Management Maturity (DMM) -model vertegenwoordigen enkele veelvoorkomende voorbeelden. Het kiezen van een goed model hangt af van zakelijke uitdagingen, structuur en cultuur.

Bijvoorbeeld, moest de staat Arizona, een gedecentraliseerde regering die werkt op basis van consensus tussen instanties, een manier vinden om gegevens beter te delen. Jeff Wolkove en zijn team werkten aan een oplossing voor het probleem van Arizona. Ze gebruikten uiteindelijk een algemeen aanvaarde en gestandaardiseerde standaard voor gegevensbeheer, de Volwassenheid gegevensbeheer (DMM) model van CMMI (zie onderstaand diagram).

Afbeelding tegoed: Blauwdruk voor gegevens

Jeff en zijn team kozen voor het DMM CMMI-model om technologieneutrale feedback te geven aan de staat met handige tools om hun aanpak aan te passen. Tijdens de implementatie van het CMMI-model is een State-wide Executive Governance Council ontwikkeld, samen met een Data Stewardship-cursus.

De training leverde nuttige inhoud op voor het IT- en bedrijfspersoneel. Specifieke vaardigheden zorgden voor gegevensbeheer en een werkrelatie tussen IT en het bedrijfsleven, en zorgden ook voor een grotere datavolwassenheid van de staat Arizona.

Het belangrijkste is dat de staat Arizona een datavolwassenheidsmodel heeft gevonden dat voor zijn bedrijf werkte. In sommige gevallen moeten organisaties er een helemaal opnieuw opzetten. Bijvoorbeeld de regering van Zuid-Afrika had Data Governance nodig ter ondersteuning van de integratie van complexe datastromen en diverse behoeften van belanghebbenden. In de tussentijd hebben de overheidsdiensten weinig of geen Data Governance geïmplementeerd. Om grip te krijgen op zijn gegevensactiva en te zorgen voor een gedegen besluitvorming, ontwikkelden onderzoekers een Data Governance-volwassenheidsmodel, de DGMEM, en adviseerden dit. De DGMEM identificeerde hiaten en creëerde “bewustzijn van gegevensbeheerprocessen en de negatieve implicaties van niet-beheerde gegevens …” in de provincie Oost-Kaap in Zuid-Afrika. Organisaties moeten dus bedenken hoe een volwassenheidsmodel past bij de zakelijke behoeften.

Bouw geloofwaardige gegevensbeheer van bovenaf

Hoewel het gebruik van een volwassenheidsmodel kan helpen, vereist Data Governance geloofwaardigheid in de hele onderneming, vooral bij het bedrijf. Michele Goetz van Forester uitgelegd:

“Het doel van Data Governance is om geïnteresseerde partijen te katalyseren om een ​​cultuur van participatie, ondersteuning en duurzaamheid voor dataconformiteit en waarde op te bouwen.”

Dat vertrouwen krijgen kan moeilijk zijn, zoals onderzoekers aantonen. Een DATAVERSITY®-respondent zei bijvoorbeeld:

“We zien dat data governance noodzakelijk is om te slagen als een wereldwijd bedrijf. Maar sommige groepen in het bedrijf verzetten zich tegen de veranderingen die ermee gepaard gaan. ”

Gebouw Gegevensbeheer geloofwaardigheid komt ook voort uit de acties van het uitvoerende leiderschap om dit te ondersteunen. Het afgelopen jaar hebben organisaties de betrokkenheid van het senior management bij datamanagement vergroot. De Trends in Data Management 2020 rapporteren een stijging van de Chief Data Officer (CDO), 8,62%, als drijfveer voor Data Management voor de onderneming. Terwijl veel datamanagementinitiatieven nog steeds worden aangestuurd door IT; het onderzoek heeft geleid tot meer betrokkenheid van het bedrijfsleven, waaronder een Chief Financial Officer (CFO), Chief Accounting Officer (CAO) en Chief Operating Officer (COO). Deze verschuiving naar bedrijfsmanagers belooft meer vertrouwen in Data Governance.

Freddie Mac, een hypotheekfinancieringsbedrijf, ontdekte hoe het ondersteunen van bedrijven een Data Governance-merk maakte dat zou blijven en betrouwbaar zou zijn. Jenny Schultz en Stephanie Grimes van Freddie Mac zagen de geloofwaardigheid van Data Governance niet als een technologisch probleem, maar als een ‘communicatieprobleem tussen mensen en cultuur’. Ze haalden de juiste mensen erbij en communiceerden een datagovernanceprogramma op basis van de behoeften van het bedrijf. Freddie Mac’s hoofd van de door zaken gesteunde Schultz en Grimes is van plan verder te gaan. Terwijl Schultz en Grimes de feedback van andere werknemers in dienst namen en integreerden, werd degenen die niet wilden veranderen van het bedrijf ten goede, door het hoofd van het bedrijf verteld om mee te doen. Door de aanpak van Schultz en Grimes groeide het vertrouwen in Freddie Mac’s Data Governance en evolueerde dit naar een breder perspectief van zakelijke oplossingen.

Toon de waarde van datagovernance door middel van collectieve datageletterdheid

De geloofwaardigheid van gegevensbeheer bij het bedrijf moet worden voortgezet, en collectieve datageletterdheid maakt dit mogelijk. De Data Governance-structuur die tijdens het ene project werkte, moet worden toegepast en aangepast aan andere en moet omgaan met toekomstige hoge datakwaliteit en toegankelijkheid behoeften

collectieve datageletterdheid zorgt voor een gedeeld begrip en een gedeelde taal over het lezen, interpreteren, gebruiken en discussiëren met bedrijfsgegevens. Door de collectieve datageletterdheid te vergroten, blijft datagovernance levend en betrouwbaar, waardoor IT en het bedrijfsleven kunnen samenwerken.

Vanessa Lam, Optoro’s Business Intelligence Manager, herbeoordeeld en verbeterde gegevensbeheer. Ze identificeerde drie problemen onder bedrijfsanalisten: “angst voor gegevens, inconsistent gebruik van vocabulaire en statistieken, en wantrouwen ten opzichte van gegevens.” Ze werkte achteruit van deze problemen naar herstel, ook op lange termijn Gegevensbeheer processen. Optoro maakte van collectieve datageletterdheid een prioriteit voor nieuwe medewerkers, bestaande analisten en anderen binnen het bedrijf. Het educatieve programma versterkte de communicatie, het begrip van metrics en een ticketsysteem om feedback te geven. Deze aanpak demonstreerde de continue waarde en flexibiliteit van Data Governance.

Zoals bovenstaande voorbeelden laten zien, kunnen organisaties vastlopen in het naderen Gegevensbeheer vanuit een informatietechnologie kortetermijnprojectperspectief. Om volwassen te worden, hebben organisaties een bredere zakelijke benadering van Data Governance nodig. Het afstemmen van datagovernance op een goede datastrategie, het kiezen van een datavolwassenheidsmodel, het opbouwen van geloofwaardigheid en het tonen van waarde door middel van collectieve datageletterdheid helpt organisaties om af te stappen van een IT-projectperspectief naar het voordeel van de onderneming en het digitaal transformeren ervan.

Afbeelding gebruikt onder licentie van Shutterstock.com

mk_dataliteracy_2019.jpg

Wat is datageletterdheid? – DATAVERSITEIT

Datageletterdheid beschrijft het vermogen om gegevens te lezen, ermee te werken, te analyseren en te argumenteren, volgens Raul Bhargava en Catherine D’ignazio van MIT en Emerson College.

Gemakkelijke toegang tot datasets is essentieel om deze te oefenen vaardigheden. Alle werknemers in een organisatie die betrokken zijn bij datagestuurde beslissingen, moeten leren kritisch na te denken over de gegevens die ze gebruiken voor analyses en hoe ze de resultaten van hun werk beoordelen en interpreteren. Een zakelijk team zou bijvoorbeeld kunnen ontdekken waar gegevens verduidelijking nodig hebben voor een project. Augmented analytics Het is belangrijk voor datageletterdheid om snel kritische data aan te bieden en rapporten begrijpelijker te maken. Bedrijven moeten stappen ondernemen om onderwijzen hun medewerkers om datageletterd te worden.

Andere definities van datageletterdheid zijn onder meer:

  • “Mensen betrekken, zodat hun acties en beslissingen leiden tot betere besluitvorming voor de organisatie.” (Met Amber Lee Dennis)
  • “De mogelijkheid hebben om gegevens in context te lezen, schrijven en communiceren, inclusief inzicht in gegevensbronnen en constructies, toegepaste analytische methoden en technieken, en de mogelijkheid om de use case, toepassing en resulterende waarde te beschrijven.” (Gartner)
  • “Gegevens effectief gebruiken voor zakelijke acties en resultaten.” (Forbes)
  • “Zinvolle informatie afleiden uit gegevens, net zoals geletterdheid in het algemeen, het vermogen is om informatie af te leiden uit het geschreven woord.” (Techtarget)
  • Begrijpen wat gegevens betekenen: inclusief het lezen van grafieken, het trekken van de juiste conclusies en het herkennen wanneer gegevens worden gebruikt op een misleidende of ongepaste manier ”. (Eastern Michigan University)

Voorbeelden van datageletterdheid zijn:

  • De … gebruiken Adoptief kader om een ​​datageletterdheidsprogramma te maken.
  • Een medewerker die met spreadsheets werkt, leert waarom een ​​set gegevens tot een beslissing heeft geleid, krijgt een beter begrip van het bedrijfsdomein of pleit voor een andere handelwijze.
  • Een werkteam ziet waar gegevens verduidelijking nodig hebben voor een project.

Bedrijven hebben medewerkers met gegevenskennis nodig om:

  • Communiceer in een gemeenschappelijke taal van gegevens om gesprekken erover beter te begrijpen
  • Spoor onverwachte operationele problemen op en identificeer de hoofdoorzaken
  • Voorkom het nemen van slechte beslissingen door verkeerde interpretatie van gegevens

Afbeelding gebruikt onder licentie van Shutterstock.com