Traducción inglés-mongol
Las empresas utilizan la conciencia de la importancia de los datos como punto de partida para la planificación estratégica. A esto lo llamamos el despertar de la conciencia de los datos, por lo que el requisito previo para la gestión de datos es el firme apoyo y comprensión de los responsables de la toma de decisiones de la empresa. Los conceptos de gestión de datos (DM) y gobierno de datos (DG) son confusos en la mayoría de los casos. En el sistema DAMA, la gestión de datos es mayor que la gobernanza de datos, y la gobernanza de datos es solo un subconjunto de la gestión de datos.
¿Qué debemos hacer si la alta dirección de la empresa despierta la conciencia sobre los datos y le asigna una tarea de gestión o gobierno de datos?
En primer lugar, es necesario comprender el concepto de gestión de datos. Las características de los datos determinan que la gestión de datos sea un proyecto sistemático y requiera de un sistema de metodología científica. Se recomienda consultar DAMA. En segundo lugar, es necesario evaluar el estado actual de la gestión de datos de la organización y consultar el modelo de madurez de la gestión de datos; luego, desarrollar un plan PDCA basado en los resultados de la evaluación; finalmente, es necesario iniciar cambios organizacionales para respaldar la hoja de ruta de los datos; implementación de la gestión.
El Modelo de Madurez de Gestión de Datos define cinco niveles:
Nivel 1: Junior. Las organizaciones no se dan cuenta de la importancia de los datos y la gestión de los requisitos de datos se refleja principalmente a nivel de proyecto. No existe un proceso de gestión de datos unificado y hay una gran cantidad de islas de datos. Los problemas de datos a menudo conducen a una baja calidad del servicio al cliente y a un intenso trabajo de mantenimiento manual.
Nivel 2: Nivel directivo. La organización ha reconocido que los datos son un activo, ha desarrollado un proceso de gestión basado en los requisitos de la estrategia de gestión, ha designado personal relevante para la gestión preliminar y ha identificado partes interesadas relacionadas con la gestión y aplicación de los datos.
Nivel 3: Nivel estable. Los datos se han considerado un activo importante para lograr los objetivos de desempeño organizacional y se ha desarrollado una serie de procesos de gestión estandarizados a nivel organizacional para promover la estandarización de la gestión de datos. Los administradores de datos pueden satisfacer rápidamente necesidades de datos precisas y consistentes en múltiples sistemas comerciales y tener especificaciones y procesos detallados de procesamiento de respuesta a la demanda de datos.
El cuarto nivel: nivel de gestión cuantitativa. Los datos se consideran un recurso importante para obtener una ventaja competitiva. La organización reconoce el papel de los datos en la optimización de los procesos y la mejora de la eficiencia del trabajo y, basándose en el seguimiento y el análisis de los procesos, optimiza integralmente el proceso de gestión de datos, evalúa los indicadores clave de rendimiento (KPI) de los puestos de gestión de datos, estandariza y fortalece la gestión relacionada con los datos. y optimiza los sistemas y procesos generales de gestión de datos.
Nivel 5: Nivel de optimización. Los datos se consideran la base para la supervivencia organizacional, los procesos de gestión relevantes se pueden optimizar en tiempo real y las mejores prácticas se pueden compartir dentro de la industria.
El objetivo de este libro es presentar el concepto de gestión de datos. Más adelante integraremos todos los capítulos en el sistema de datos DAMA para explicar. Podrá consultar DAMA para una gestión de datos en profundidad.
Los datos están en todas partes y son un activo de la empresa; los datos son un activo valioso, pero también contienen riesgos. Los datos de baja calidad generan pérdidas y los datos de alta calidad generan ganancias. , pero es necesario separar la gestión técnica de la gestión de datos. Los desafíos de la gestión de datos están determinados en primer lugar por las características de los activos de datos. Los activos de datos son intangibles, duraderos y no se consumirán, pero existe el riesgo de ser robados cuando se utilizan. Se copia y mueve fácilmente, pero si se pierde o se destruye, no se puede reproducir, los datos son dinámicos y pueden ser utilizados por muchas personas al mismo tiempo. Las características anteriores plantean dificultades a la gestión de datos: (1) Es difícil contar cuántos activos de datos tiene una organización (2) Es difícil definir la propiedad y la responsabilidad de los datos (3) Es difícil prevenir el abuso de datos; (4) Es difícil gestionar los riesgos de los datos; (5) Es difícil definir e implementar estándares unificados de calidad de los datos;
La gestión de datos requiere planificación, coordinación e implementación técnica desde la perspectiva general de la empresa. . El núcleo de la gestión de datos es gestionar el ciclo de vida de los datos, centrándose en todo el proceso de generación, migración y mantenimiento de datos. Los datos tienen diferentes reglas de clasificación y diferentes tipos de datos tienen diferentes requisitos de ciclo de vida, pero también existen * * * reglas como las siguientes: (1) En el ciclo de vida de los datos, la generación y el uso de datos son los puntos clave más importantes.
(2) La gestión de la calidad de los datos debe abarcar todo el proceso del ciclo de vida de los datos; (3) la gestión de los metadatos debe abarcar todo el proceso del ciclo de vida de los datos; ciclo de vida (5) Gestión de datos Los datos más críticos deben centrarse en;
Los principios de la gestión de datos DAMA son los siguientes:
La gestión de datos DAMA incluye 11 áreas de conocimiento y 3 áreas temáticas. El panorama es el siguiente:
Gestión de datos Las 11 áreas de conocimiento son las siguientes:
Gobernanza de datos: proporciona soporte general para las actividades y funciones de gestión de datos al establecer autoridad y responsabilidades para las decisiones sobre datos. toma de decisiones basada en las necesidades generales de la organización Orientación y supervisión;
Arquitectura de datos: con base en los objetivos estratégicos de la organización, establecer una arquitectura de datos que satisfaga las necesidades estratégicas;
Modelado y diseño de datos : Explorar, analizar, expresar y comunicar los requisitos de datos y, finalmente, el proceso de generar el modelo de datos;
Almacenamiento y operación de datos: incluido el diseño, implementación y soporte del almacenamiento de datos, con el propósito de maximizar los beneficios.
Seguridad de los datos: garantizar la privacidad y seguridad de los datos
Integración e interoperabilidad de los datos; debe ser integración e intercambio): incluidos los que existen en diferentes sistemas de datos, migración de datos e integración entre aplicaciones y organizaciones, y entre organizaciones;
Gestión de documentos y contenidos: a través de actividades PDCA, gestionar los datos almacenados en medios no estructurados y su ciclo de vida, e incluso gestionar documentación relacionada con el cumplimiento legal y normativo;
Datos de referencia (error de traducción, deben ser datos de diccionario) y gestión de datos maestros: actualizar y mantener continuamente datos clave centrales para obtener la base más precisa y oportuna Datos relacionados con el negocio;
Almacén de datos e inteligencia empresarial: proporciona soporte de datos cuantitativos para la toma de decisiones de gestión a través de actividades PDCA, permitiendo que el personal relevante obtenga valor a través del análisis y la presentación de informes de datos;
Gestión de datos en Yuan: a través de actividades PDCA, respaldar la adquisición de conjuntos de metadatos de alta calidad, incluidas definiciones, modelos, flujos de datos y otra información importante para comprender los datos y su creación, mantenimiento y adquisición;
Gestión de la calidad de los datos: incluye la planificación e implementación de técnicas de gestión de la calidad para medir, evaluar y mejorar los datos utilizados por la organización;
Las tres áreas centrales de la gestión de datos DAMA: gobernanza de los datos, gestión del ciclo de vida de los datos. y actividades fundamentales de los datos;
La gobernanza de datos requiere el compromiso y la inversión del liderazgo de EMT. Es un trabajo continuo durante todo el ciclo de vida de la gestión de datos. Proporciona orientación para otras funciones de gestión de datos al aclarar estrategias. establecer marcos, formular políticas y lograr el intercambio y la supervisión de datos es un medio para lograr los objetivos comerciales, no un fin en sí mismo; al alinear el acceso y la conducta con los principios de gestión de datos, podemos respaldar la estrategia comercial de una organización y abordar los problemas. Desafíos de la gestión de datos.
Un proyecto de gobernanza de datos exitoso será: 1. Establecer una estrategia de gobernanza de datos que sea coherente con la estrategia empresarial y la apoye; 2. Desarrollar e implementar planes de acción relevantes basados en principios de gestión de datos; 3. Desarrollar estándares de calidad de datos; 4. Proporcionar gestión de datos clave; cumple con las regulaciones relacionadas con los datos; 6. Gestionar cuestiones relacionadas con todos los aspectos de los datos y la gobernanza.
La arquitectura de datos empresariales describe cómo se organizan y gestionan los datos. Los arquitectos de datos, modeladores y especialistas en gestión de datos son responsables de gestionar los datos creados y requeridos por la arquitectura empresarial, incluidos modelos de datos, definiciones de datos, especificaciones de mapeo de datos, flujos de datos y API de datos estructurados.
El núcleo de la arquitectura de datos es el modelo de datos (estructura y especificación de datos) y el diseño del flujo de datos. El modelado de datos es el proceso de descubrir, analizar y definir requisitos de datos y luego utilizar documentos de modelo de datos para expresar y entregar con precisión estos requisitos de datos:
Objetivo: describir la estructura y la definición del alcance, y luego documentarlo;
Cómo hacerlo: 5w1h describe entidades, describe relaciones entre entidades, define atributos y define rangos de valores;
(1) Almacenamiento y operación de datos: DBA garantiza el funcionamiento normal del motor de datos;
(2) integración e intercambio de datos;
(3) almacén de datos:
Existen dos escuelas centrales de teoría de la construcción de almacenes de datos, que Es necesario ser selectivo en el proceso de referencia y síntesis de hipótesis reales, sin una referencia completa a la teoría.
Bill Enmen: un conjunto de datos orientado al tema, completo y relativamente estable que refleja cambios históricos para respaldar el proceso de toma de decisiones de gestión.
Ralph Kimball: una réplica de datos transaccionales creada específicamente para consultas y análisis.
(4) Gestión de diccionarios
(5) Gestión de datos maestros:
La gestión de datos maestros es un proceso completo del ciclo de vida de los datos, no solo en el MDM; sistema En la gestión, también se pueden utilizar otros sistemas y procesos. Se basa en tecnología que puede * * * compartir y retroalimentar datos, lo que también requiere una copia de seguridad. La lógica empresarial central de la gestión de datos maestros: 1. Identificar fuentes de datos maestros; 2. Establecer reglas para la coincidencia exacta y la fusión de instancias de entidades; 3. Establecer un método para identificar y recuperar datos combinados y adaptados de manera inapropiada; 4. Establecer un método para distribuir datos confiables a sistemas empresariales completos; >
(6) Gestión de documentos y contenidos
(7) Almacenamiento de big data
(1) Uso de datos maestros
(2); ) Inteligencia empresarial;
(3) Ciencia de datos: se refiere al proceso de desarrollo de modelos predictivos. Los analistas de datos utilizan métodos científicos (observación, hipótesis, experimentación, análisis y conclusión) para desarrollar y evaluar modelos analíticos o predicciones.
(4) Análisis predictivo
(5) Visualización de datos;
(6) Monetización de datos; Protección, privacidad, seguridad y gestión de riesgos;
Gestión de metadatos: la gestión de "datos de datos" es la base de la gestión de datos;
Gestión de la calidad de los datos:
La gestión estandarizada de la calidad de los datos incluye principalmente:
(1) Definir datos de alta calidad a través de estándares, reglas y requisitos de calidad de datos;
(2) Evaluar los datos comparándolos con los estándares relevantes establecidos, y Notificar a las partes interesadas sobre los resultados de la evaluación;
(3) Monitorear e informar sobre los datos y el almacenamiento de datos en las aplicaciones;
(4) Identificar problemas y proponer mejoras.
Ciclo de mejora de la calidad de los datos: PDCA; el aseguramiento de la calidad de los datos requiere un liderazgo fuerte;
A través de este artículo, comprenderá si su empresa necesita realizar gestión o gobernanza de datos, debe comenzar Al familiarizarse con el sistema DAMA, obtener el apoyo firme de la alta dirección de la empresa, evaluar racionalmente la situación actual de la gestión de datos a través de orientación y formular planes de mejora basados en la evaluación, desde la metodología hasta la gestión de datos real. Explica las 11 áreas de conocimiento y las tres áreas comerciales principales de la gestión de datos, utiliza el contenido más simple para analizar rápidamente el contenido central de la gestión de datos y explora la gestión y el gobierno de datos desde una perspectiva global. La traducción ha sido mejorada con respecto al libro original. Si tiene alguna pregunta, deje un mensaje para discutirla.