谈谈制定数据治理战略路线图的方法

本文涉及的产品
数据管理 DMS,安全协同 3个实例 3个月
推荐场景:
学生管理系统数据库
简介: 对于商业世界最具前瞻性思维能力的发展来说,如数据分析、机器学习和人工智能,高质量的数据是一个关键的成功因素。因此,当涉及到数字化转型时,数据发挥着至关重要的作用。

对于商业世界最具前瞻性思维能力的发展来说,如数据分析、机器学习和人工智能,高质量的数据是一个关键的成功因素。因此,当涉及到数字化转型时,数据发挥着至关重要的作用。

然而,如果没有适当的数据治理,组织最终可能会构建腐败的模型,做出低效的决策,甚至违反法律。商业思想领袖约翰•拉德利(John Ladley)曾说过:“一些非常艰难和危险的教训正在发生,因为糟糕的数据驱动着糟糕的模型,后者驱动着糟糕的行为,而这一切都是欺骗性或有偏见的人工智能模型的结果。”不幸的是,现在比以往任何时候都更难建立数据治理能力。如今收集的数据量呈指数级增长,传感器和数据源越来越多。此外,越来越多的组织将他们的数据转移到云平台,这引起了对隐私、主权、安全和法规遵从性的担忧(例如,数据安全法、个人信息保护法等)。

这意味着组织需要开始更多地关注数据管理,而且越快越好。制定数据管理和数据治理战略路线图是帮助您理解为什么需要管理数据、需要更改什么以及可视化如何实现更改的重要一步。

首先让我们回顾一下基本定义,然后看看如何为组织的数据管理和数据治理方法开发一个战略路线图。

一 数据管理和数据治理定义

根据DAMA DMBOK®,数据管理是“规划、控制和交付数据和信息资产的业务功能”。您会注意到这个定义非常强调一个关键原则:将信息和数据视为资产。数据管理的一个关键子功能是数据治理,DAMA DMBOK®将其定义为“对数据资产管理行使权力和控制(规划、监视和实施)”。换句话说,需要数据治理来确保组织的信息资产得到适当的评估和管理。

二 数据管理和数据治理能力

多年来,我们已经认识到有效的数据治理不仅仅是实现一组流程或购买一个工具的问题。不要误解我的意思,拥有一套好的过程/实践和工具肯定会有帮助,但我们也需要考虑角色、责任、文化和心态。

这就是业务能力的概念有用之处。基于能力的方法着眼于组织的能力构建块,它描述您做什么或可以做什么,而不是您如何组织。因此,数据治理不应被“绑在部门或组织的设计上”,而应被视为一种“跨职能的活动”。

我们已经使用构建块结构,例如组织图,来描述组织中的人员、角色或职责。类似地,我们使用函数或过程图来描述组织的过程构建块;我们使用资产图或基础架构图来描述组织的物理构建块。能力图只是组织的能力构建块的可视化,其中每个能力从人员、过程和物理角度描述它所做的事情。

采用这种方法,我们将数据管理能力图的示例放在一起,如下所示。在本例中,我们还定义了数据治理功能。

2101164980c8c6807c94c82a315a282b.png

d95f6da72494f09f87f48496f79e9981.png

105f2f50c9bdb3a5ba8cbd6339061e0f.png

如果对组织来说这是一件新鲜事情的话,使用数据管理和数据治理能力映射可以很好地识别需要更改或需要创建的特定能力。

三 数据管理和数据治理战略路线图示例

假设您想要创建一个数据管理和数据治理战略路线图。它会是什么样子的,你怎么去建造它?我们将通过一个非常简单的基于能力的方法来构建一个战略路线图,我们称之为Jibility 步骤。

要构建任何路线图,我们需要从理解我们为什么要做试图做的事情开始。然后,我们分析需要改变的是什么,以可视化我们最终将如何实现我们的战略目标。

Jibility有六个步骤:首先是挑战和目标来理解为什么; 然后是分析能力和行动纲领;最后是计划和路线图来可视化。

对于本例,我们将探讨一个名为RedYabber的示例组织的数据管理和数据治理路线图。RedYabber是一家传统木制玩具制造和销售公司,已经做出了进行数字化转型的战略决定。这一转变的一些关键目标包括:

•从传统的店面销售到网上销售

•从劳动密集型制造业到自动化制造业

•从经验和直觉决策到数据驱动决策

出于本示例的目的,我们将关注第三个支柱。

1理解原因:挑战和目标

对于RedYabber来说,一个主要的挑战是他们无法基于数据来推动决策,因为人们对他们的数据的准确性和质量存在根本的不信任。这反映在下面列出的挑战和目标中。

f35924735e2f674c643c374c9e99e265.png

2进行分析:能力和行动纲领

采用基于能力的方法,我们将能力与我们的目标列表联系起来(如下面的能力图中相应的数字所示)。这样做将使我们能够确定哪些能力将帮助我们实现哪些目标。

我们还可以对功能应用颜色代码,以识别哪些是新的(紫色),哪些需要一定程度的变化(红色表示高,橙色表示中,黄色表示低)。蓝色的功能不需要任何更改。

7f0cb757bfde4c96c74b37bc589fa253.png

一旦我们确定了需要改变的能力,我们就可以以行动方针的形式描述这些改变。

3可视化:计划和路线图

在我们开发可视化的路线图之前,我们需要制定计划。计划是通过收集相关的行动过程而形成的工作包。以下显示了实现与数据治理能力相关的更改所需的计划的示例:粉色的块是活动的过程,打包到计划的橙色框中。

0720baa1e78940566f0f13d20215738f.png

然后将我们优先考虑的计划列表绘制在路线图上,路线图是基于称为主题的行和称为阶段的列组成的。下面的例子展示了两年时间范围内的八个阶段。这两年的时间范围仅仅是RedYabber为他们的数据管理和数据治理所选择的时间范围——你的时间可能更短,也可能更长。

fe13fe5defd5994e810c96043fa4896c.png

最后,我们需要注意,路线图不应该是一个静态的工件,因为事情是变化的。您需要有一种支持敏捷方法的方法和工具,这样就可以动态地调整路线图并使其保持活力!

相关实践学习
MySQL基础-学生管理系统数据库设计
本场景介绍如何使用DMS工具连接RDS,并使用DMS图形化工具创建数据库表。
相关文章
|
1月前
|
人工智能 安全 搜索推荐
2024年度云治理企业成熟度发展报告解读(四)支柱结构关系及案例分享
从组织、成本、稳定、安全到性能、效率这样一个路径,我们一定要有策略地完成各个支柱之间的互相配合。云治理不仅仅是技术问题,而是需要多团队合作和管理策略的制定。
2024年度云治理企业成熟度发展报告解读(四)支柱结构关系及案例分享
|
3月前
|
机器学习/深度学习 数据采集 人工智能
下一个数据战略的6个战略要点
下一个数据战略的6个战略要点
|
3月前
|
人工智能 供应链 测试技术
CIO们在运营、创新、IT和业务的关系及如何利用GenAI方面的九大经验教训
CIO们在运营、创新、IT和业务的关系及如何利用GenAI方面的九大经验教训
|
数据采集 监控 安全
数据治理工作的8种推进套路(下)
数据治理工作的8种推进套路(下)
数据治理工作的8种推进套路(下)
|
传感器 人工智能 边缘计算
谈谈制造企业如何制定敏捷的数字化转型策略
制造业企业不断地改进业务、生产和运营流程,以实现收入和利润的最大化。
谈谈制造企业如何制定敏捷的数字化转型策略
|
数据采集 存储 安全
谈一谈企业如何制定数据战略
数据战略是顶层设计,而不是关于细节。它不是关于“我们如何详细地管理数据,这里是各个流程”,而是关于“我们要管理数据,这些是我们要管理的数据领域”。
谈一谈企业如何制定数据战略
|
存储 数据可视化 大数据
制定数据战略绕不开的六个关键问题
无论是像阿里巴巴或百度这样的大数据巨头,还是国家电网、中国银行、中国石化等企业,所有的智能业务都是从战略开始的。如今,无论是大公司还是小公司,在任何行业,都需要一个可靠的数据战略。
制定数据战略绕不开的六个关键问题
|
数据采集 安全 机器人
RPA实施路线图的长远考虑
自动化仍然是增长最快的企业软件类别之一,研究机构Gartner公司在最近发布的一份报告中预计,全球RPA软件收入将比去年增长近20%。
146 0
RPA实施路线图的长远考虑
|
数据采集 存储 数据管理
谈谈企业数据战略
什么是数据资产,《数据资产论》提出“数据治理,不是数据的治理,而是数据资产的治理”,提出资产,有一个不可忽视的特征,那就是经济利益。
|
存储 数据挖掘 大数据
谈一谈制定数据和分析战略的重要性
随着世界变得越来越智能,数据成为企业竞争优势的关键要素,这意味着企业的竞争能力将越来越取决于如何利用数据、应用分析和实施新技术。