;

Nasaďte nejlepší praxi na správu datových aktiv

6. 7. 2023
Doba čtení: 10 minut

Sdílet

 Autor: Depositphotos
Data governance definuje role, kompetence a procesy pro zajištění odpovědnosti za datová aktiva a jejich vlastnictví v celém podniku.

Data governance je systém k definování toho, kdo v rámci organizace má pravomoc a kontrolu nad datovými aktivy a jak mohou být datová aktiva užívána. Zahrnuje osoby, procesy a technologie potřebné ke správě a ochraně datových aktiv.

Co se dozvíte v článku
  1. Rámec data governance
  2. Data governance versus správa dat (data management)
  3. Důležitost data governance
  4. Cíle data governance
  5. Zásady data governance
  6. Osvědčené postupy data governance
  7. Výzvy v oblasti data governance
  8. Software a dodavatelé data governance
  9. Certifikace v oblasti data governance
  10. Role v oblasti data governance

Podle definice Data Governance Institutu jde o „systém rozhodovacích pravomocí a odpovědností za procesy související s informacemi, praktikovaný podle dohodnutých modelů, které popisují, kdo může dělat jaké úkony s jakými informacemi, kdy, za jakých okolností a pomocí jakých metod“.

Pište pro CIO Business World

 

Máte dobré nápady, máte co říct? Chcete se podělit o své znalosti se čtenáři CIO BW?

Je tu ideální příležitost. V redakci neustále hledáme externí autory, kteří rozšíří náš záběr. Nabízíme možnost publikací zajímavých článků nejen na webu, ale také v našem tištěném magazínu. Pokud máte zájem, ozvěte se šéfredaktorovi na e-mail: radan.dolejs@iinfo.cz

Mezinárodní organizace Data Management Association (DAMA) definuje data governance jako „plánování, dohled a kontrolu nad správou dat a užívání dat a prostředků s daty souvisejících“.

Rámec data governance

Data governance lze nejlépe považovat za funkci, která podpírá zastřešující strategii správy dat. Takový rámec umožňuje podniku aplikovat holistický přístup ke shromažďování, správě, zabezpečení a ukládání dat. Abychom porozuměli tomu, co by měl rámec pokrývat, DAMA připodobňuje správu dat ke kolu, přičemž řídicí praxe je nábojem, ze kterého jako paprsky vychází následujících deset oblastí správy dat:

  • Datová architektura: celková struktura dat a datových prostředků jako nedílná součást podnikové architektury
  • Modelování a design dat: analýza, návrh, budování, testování a údržba
  • Ukládání dat a operace s daty: nasazení a správa fyzického úložiště strukturovaných datových aktiv
  • Zabezpečení dat: zajištění soukromí, důvěrnosti a ochrany přístupu
  • Integrace dat a interoperabilita: akvizice, extrakce, transformace, přesun, poskytování, replikace, federace, virtualizace a provozní podpora
  • Dokumenty a obsah: ukládání, ochrana, indexování a umožnění přístupu k datům nalezeným v nestrukturovaných zdrojích a zpřístupnění těchto dat pro integraci a interoperabilitu se strukturovanými daty
  • Referenční a kmenová data: správa sdílených dat za účelem snížení redundance a zajištění lepší kvality dat prostřednictvím standardizované definice a užívání datových hodnot
  • Datové sklady a business intelligence (BI): řízení analytického zpracování dat a umožnění přístupu k datům na podporu rozhodování pro účely reportingu a analýz
  • Metadata: shromažďování, kategorizace, údržba, integrace, kontrola, správa a poskytování metadat
  • Kvalita dat: definování, monitorování, udržování integrity a zlepšování kvality dat

Při sestavování strategie je zapotřebí vzít v úvahu všechny výše uvedené aspekty sběru, správy, archivace a užívání dat.

Výzkumné centrum podnikových aplikací (BARC) varuje, že správa data governance je velmi složitý, průběžný program, nikoli jednorázová iniciativa, přičemž existuje riziko, že účastníci v průběhu času ztratí důvěru a zájem. Aby se tomu zabránilo, BARC doporučuje začít se zvládnutelným prototypovým projektem nebo projektem specifickým pro určitou aplikaci a poté expandovat do dalších částí podniku na základě získaných poznatků.

Máme se bát umělé inteligence? Zde je deset důvodů, proč ano Přečtěte si také:

Máme se bát umělé inteligence? Zde je deset důvodů, proč ano

BARC doporučuje postupovat při implementaci v těchto krocích:

  • Definovat cíle a pochopit přínosy
  • Vyhodnotit současný stav a udělat rozdílovou analýzu
  • Vypracovat plán
  • Přesvědčit zainteresované strany a sestavit rozpočet projektu
  • Vytvořit a naplánovat program data governance
  • Zavést program data governance
  • Monitorovat a kontrolovat

Data governance versus správa dat (data management)

Řídicí praxe je jen jednou součástí obecné disciplíny správy dat, byť velmi důležitou. Zatímco data governance je otázkou rolí, kompetencí a procesů pro zajištění odpovědnosti za datová aktiva a jejich vlastnictví, DAMA definuje správu dat jako „zastřešující pojem, který popisuje procesy sloužící k plánování, specifikaci, podpoře, tvorbě, získávání, uchovávání, užívání, archivaci, vyhledávání, řízení a čištění dat“.

Správa dat (data management) se jako pojem ustálila pro označení této disciplíny, byť se někdy hovoří o správě datových zdrojů nebo správě podnikových informací (EIM). Gartner popisuje EIM jako „integrační disciplínu pro strukturování, popis a řízení informačních aktiv napříč organizačními a technickými hranicemi s cílem zvýšit efektivitu, podpořit transparentnost a zlepšit informovanost o fungování podniku“.

Vlastimil Chramosta (Thein Digital): Záleží nám na zákaznících i našich zaměstnancích Přečtěte si také:

Vlastimil Chramosta (Thein Digital): Záleží nám na zákaznících i našich zaměstnancích

Důležitost data governance

Většina podniků již má určitou formu řízení pro jednotlivé aplikace, obchodní jednotky nebo funkce, avšak procesy a odpovědnosti mohou být neformální. Cílem však je zavedení systematické, formální kontroly nad těmito procesy a odpovědnostmi. 

To může podnikům pomoci zachovat schopnost pružně reagovat na vývoj situace, zejména když narostou do velikosti, kde již není efektivní, aby jednotlivec zastával multidisciplinární roli. Některé z všeobecných přínosů správy dat lze uskutečnit teprve poté, co podnik zavede systematické řízení, tedy data governance. Mezi tyto přínosy patří mimo jiné:

  • Lepší a komplexnější podpora rozhodování vyplývající z konzistentních a jednotných dat v celém podniku
  • Jasná pravidla pro změnu procesů a dat, které pomáhají podniku a jeho IT k lepší akceschopnosti a škálovatelnosti
  • Snížení nákladů v jiných oblastech správy dat díky centrálním kontrolním mechanismům
  • Zvýšení efektivity díky možnosti opětovného použití procesů a dat
  • Zvýšená důvěra v kvalitu dat a dokumentaci datových procesů
  • Lepší soulad se zákony na ochranu údajů

Autor článku