هوش تجاری

حاکمیت داده (Data Governance) چیست و چه اهمیتی دارد؟

حاکمیت داده‌ها (Data Governance) فرایند مدیریت، در دسترس بودن، قابلیت استفاده، یکپارچگی و امنیت داده‌ها در سیستم‌های سازمانی را معنا می‌کند که براساس استانداردهای داخلی داده‌ها، سیاست‌هایی تنظیم شده‌ را در نظر دارد تا بتواند استفاده از داده‌ها را کنترل ‌کند. حاکمیت موثر داده تضمین می‌کند داده‌ها سازگار و قابل اعتماد بوده و از آنها سوءاستفاده نمی‌شوند. این امر به طور فزاینده‌ای مهم است زیرا سازمان‌ها با مقررات جدید حریم خصوصی داده‌ها روبرو می‌شوند و بیشتر به تجزیه‌وتحلیل داده‌ها اعتماد می‌کنند تا به بهینه‌سازی عملیات.

یک برنامه حاکم بر داده‌ها که به خوبی طراحی شده باشد، معمولا شامل یک تیم حاکمیت، یک کمیته راهبری است (که به عنوان هیئت حاکمه عمل می‌کند) و گروهی از متصدیان داده. این افراد با هم همکاری می‌کنند تا استانداردها و سیاست‌های حاکم بر داده‌ها و همچنین روش‌های اجرا را (که در درجه اول توسط ناظران داده انجام می‌شوند)، ایجاد نمایند. علاوه بر تیم‌های فناوری اطلاعات و مهندسین داده‌ها، مدیران و سایر نمایندگان فعالیت‌های تجاری یک سازمان نیز در این امر شرکت می‌کنند.

چرا حاکمیت داده‌ها مهم است؟

بدون حاکمیت موثر داده‌ها، ناسازگاری داده‌ها در سیستم‌های مختلف در یک سازمان ممکن است حل نشود. به عنوان مثال، نام مشتری در سیستم‌های فروش، تدارکات و خدمات مشتری متفاوت ذکر شده است. این مسئله می‌تواند تلاش‌های یکپارچه‌سازی داده‌ها را پیچیده کرده و مسائلی را ایجاد کند که بر دقت هوش تجاری (BI)، گزارش سازمانی و برنامه‌های تجزیه‌وتحلیل تأثیر می‌گذارد. علاوه بر این، ممکن است خطاهای داده شناسایی و برطرف نشوند، که این امر بر دقت تجزیه‌وتحلیل اطلاعات تأثیر دارد.

حاکمیت ضعیف داده‌ها همچنین می‌تواند ابتکارات مربوط به تنظیم مقررات را با مشکل روبرو کند، که این امر چالش‌هائی را برای شرکت‌هایی ایجاد می‌نماید که نیاز به رعایت قوانین جدید حریم خصوصی و حفاظت از اطلاعات را در پیش رو دارند، مانند GDPR اتحادیه اروپا و قانون حریم خصوصی مصرف کننده کالیفرنیا (CCPA).

اهداف و مزایای حاکمیت داده‌ها

هدف اصلی حاکمیت داده‌ها تجزیه سیلوهای داده در یک سازمان است. چنین سیلوهایی معمولا هنگامی تشکیل می‌شوند که واحدهای تجاری جداگانه، سیستم‌های پردازش معاملات جداگانه را بدون هماهنگی متمرکز یا ساختار داده‌های سازمانی مستقر کنند. در حاکمیت داده‌ها هدف آن است که داده‌ها، در آن سیستم‌ها، از طریق یک فرآیند همکاری، با مشارکت ذینفعان از واحدهای تجاری مختلف، هماهنگ شوند.

هدف دیگر حاکمیت داده‌ها اطمینان از استفاده صحیح از داده‌ها است، هم برای جلوگیری از وارد کردن خطاهای داده در سیستم و هم برای جلوگیری از سوءاستفاده احتمالی از داده‌های شخصی در مورد مشتریان و سایر اطلاعات حساس که می‌تواند با ایجاد سیاست‌های یکنواخت در استفاده از داده‌ها، همراه با روش‌هایی برای نظارت بر استفاده و اجرای سیاست‌ها به طور مداوم، محقق شود. علاوه بر این، حاکمیت داده‌ها می‌تواند به ایجاد تعادل بین شیوه‌های جمع‌آوری داده‌ها و اختیارات حریم خصوصی کمک کند.

علاوه بر تجزیه‌وتحلیل دقیق‌تر و انطباق بیشتر موارد نظارتی، مزایای حاکمیت داده‌ها شامل بهبود کیفیت داده‌ها نیز می‌شود. هزینه‌های کمتر مدیریت داده و افزایش دسترسی به داده‌های مورد نیاز دانشمندان داده، سایر تحلیلگران و کاربران تجاری، با توجه به این امر سهولت پیدا خواهد کرد. در نهایت، حاکمیت داده‌ها می‌تواند با دادن اطلاعات بهتر به مدیران، به بهبود تصمیم‌گیری در امور تجاری کمک کند. در حالت ایده‌آل، این امر منجر به مزیت‌های رقابتی و افزایش درآمد و سود می‌شود.

چه کسی مسئول اداره داده است؟

در بیشتر سازمان‌ها افراد مختلفی در فرآیند حاکمیت داده‌ها نقش دارند. این لیست شامل مدیران بازرگانی، متخصصان مدیریت داده، کارکنان فناوری اطلاعات و همچنین کاربران نهایی است که با دامنه‌های داده مربوط در سیستم‌های یک سازمان آشنا هستند. این‌ها شرکت‌کنندگان اصلی بوده و مسئولیت‌های اصلی آنها در زمینه حاکمیت داده است.

مولفه‌های یک چارچوب حاکمیت داده‌ها

یک چارچوب حاکمیت داده‌ها شامل سیاست‌ها، قوانین، فرایندها، ساختارهای سازمانی و فناوری‌هایی است که به عنوان بخشی از یک برنامه حاکمیت اعمال می‌شوند. همچنین مواردی مانند بیانیه ماموریت برای برنامه، اهداف آن و چگونگی سنجش موفقیت آن و همچنین مسئولیت‌های تصمیم‌گیری و پاسخگویی برای عملکردهای مختلفی که بخشی از برنامه هستند را بیان می‌کند. چارچوب حاکمیت یک سازمان باید به صورت داخلی مستند و به اشتراک گذاشته شود تا نشان دهد که چگونه این برنامه کار می‌کند، بنابراین این چگونگی کار با این چارچوب، در ابتدا برای همه افراد مشخص است.

در بخش فناوری، از نرم افزار حاکمیت داده می‌توان برای خودکار کردن جنبه‌های مدیریت یک برنامه حاکمیت استفاده کرد. در حالی که ابزارهای حاکمیت داده‌ها جز چارچوب اجباری نیستند، آنها از برنامه و مدیریت گردش کار، همکاری، توسعه سیاست‌های حاکمیتی، اسناد فرآیند، ایجاد کاتالوگ‌های داده و سایر توابع، پشتیبانی می‌کنند. آنها همچنین می‌توانند همراه با کیفیت داده‌ها، مدیریت فراداده و ابزار مدیریت داده‌های اصلی (MDM) استفاده شوند.

اجرای حاکمیت داده‌ها

گام اولیه در اجرای چارچوب حاکمیت داده‌ها شامل شناسایی صاحبان یا متولیان دارایی‌های مختلف داده در سراسر شرکت و جلب مشارکت آنها یا جانشینان تعیین شده در برنامه حاکمیت است. پس از آن CDO، حامی اجرایی یا مدیر اختصاصی حاکمیت داده، در ایجاد ساختار برنامه، کار در تیم حاکم بر داده، شناسایی مباشران داده و رسمیت بخشیدن به کمیته حاکمیت، پیشگام هستند.

پس از نهایی شدن ساختار، کار واقعی آغاز می‌شود. سیاست‌های حاکمیت داده‌ها و استانداردهای داده باید همراه با قوانینی تدوین شود که نحوه استفاده از داده‌ها توسط پرسنل مجاز را مشخص کند. علاوه بر این، برای اطمینان از انطباق مداوم با سیاست‌های داخلی و مقررات خارجی و تضمین استفاده از داده‌ها به روشی سازگار در میان برنامه‌ها، مجموعه‌ای از کنترل‌ها و رویه‌های حسابرسی مورد نیاز است. تیم حاکمیت همچنین باید مستند کند که داده‌ها از کجا می‌آیند، در کجا ذخیره می‌شوند و چگونه در برابر حوادث ناگوار و حملات امنیتی، محافظت خواهند شد.

عناصر مربوط به ابتکارات حاکمیت داده‌ها

  • نقشه‌برداری و طبقه‌بندی داده‌ها

نقشه‌برداری از داده‌ها در سیستم‌های حاکمیت، به تنظیم دارایی داده‌ها و چگونگی جریان داده‌ها در یک سازمان کمک می‌کند. سپس می‌توان مجموعه داده‌های مختلف را بر اساس عواملی از جمله اینکه شامل اطلاعات شخصی هستند یا سایر اطلاعات حساس، طبقه‌بندی کرد. طبقه‌بندی‌ها بر چگونگی اعمال سیاست‌های حاکم بر داده بر مجموعه داده‌های منفرد تأثیر می‌گذارد.

  • واژه‌نامه کسب‌وکار

واژه‌نامه کسب‌وکار شامل تعاریفی از اصطلاحات و مفاهیم تجاری مورد استفاده در سازمان شما است. واژه‌نامه‌های تجاری می‌توانند با کمک به ایجاد واژگان مشترک برای داده‌های تجاری، به تلاش‌های تیم حاکم کمک کنند.

  • کاتالوگ داده

کاتالوگ‌های داده، فراداده‌ها را از سیستم‌ها جمع‌آوری می‌کنند و از آنها برای ایجاد موجودی نمایه شده از دارایی‌های داده موجود، استفاده می‌نمایند که شامل اطلاعات مربوط به تبار داده‌ها، توابع جستجو و ابزارهای همکاری است. اطلاعات مربوط به سیاست‌های حاکمیت داده‌ها و سازوکارهای خودکار برای اجرای آنها نیز می‌توانند در کاتالوگ‌ها قرار گیرند.

بهترین روش‌ها برای مدیریت اقدامات حاکم بر داده‌ها

حاکمیت داده‌ها ممکن است در نحوه اداره و استفاده از داده‌ها محدودیت‌هایی ایجاد کند و این مسئله در سازمان‌ها بحث‌برانگیز خواهد شد. یک نگرانی مشترک در بین تیم‌های فناوری اطلاعات و مدیریت داده این است که در صورت هدایت برنامه‌های حاکم بر داده، توسط کاربران تجاری، مانعی در کار آنها ایجاد شود. برای ارتقا خرید کاربر و جلوگیری از مقاومت در برابر سیاست‌های حاکمیت، مدیران باتجربه حاکمیت داده‌ها و مشاوران صنعت، توصیه می‌کنند که برنامه‌ها با توجه به مشارکت صاحبان داده و تصمیم‌گیری در مورد استانداردها، سیاست‌ها و قوانین، مبتنی بر کسب‌وکار باشد.

آموزش در مورد حاکمیت داده‌ها یکی از مولفه‌های ضروری ابتکارات مربوط به این امر است، به ویژه برای:

  • آشنایی کاربران تجاری و تحلیل‌گران داده با قوانین استفاده از داده‌ها
  • اختیارات حریم خصوصی و مسئولیت آنها در کمک به حفظ ثبات مجموعه داده‌ها

ارتباط مداوم با مدیران شرکت‌ها، مدیران کسب‌وکارها و کاربران نهایی در مورد پیشرفت برنامه حاکمیت داده‌ها نیز از طریق ترکیبی از گزارش‌ها، خبرنامه‌های ایمیل، کارگاه‌ها و سایر روش‌های اطلاع رسانی ضروری است.

نتیجه سخن

در متن پیش رو اشاره کردیم که حاکمیت داده‌ها (DG) فریند مدیریت در دسترس بودن، قابلیت استفاده، یکپارچگی و امنیت داده‌ها در سیستم‌های سازمانی است که براساس استانداردهای داخلی داده‌ها و سیاست‌هایی است که همچنین استفاده از داده‌ها را کنترل می‌کند. حاکمیت موثر داده تضمین می‌کند که داده‌ها سازگار و قابل اعتماد هستند و از آنها سوء استفاده نمی‌شود.


مجموعه

هوش تجاری

این پست بخشی از مجموعه هوش تجاری در کار و کسب است. ترتیب زیر را در این حوزه پیشنهاد می‌کنیم.

  1. به روز رسانی حاکمیت داده در سازمان: از کجا شروع کنیم
  2. کارشناس پایگاه داده کیست و چه وظایفی دارد؟
  3. بررسی تفاوت‌های میان داده، اطلاعات و دانش در یک نگاه
  4. وقتی از هوش تجاری صحبت می‌کنیم، از چه حرف می‌زنیم؟
  5. تبدیل داده به اطلاعات با هوش تجاری
  6. تجزیه و تحلیل داده (Data Analytics) چیست و چگونه انجام می‌شود؟
  7. کلان داده (Big Data) چیست؟
  8. تجزیه و تحلیل کلان داده (Big Data) چیست و چگونه انجام می‌شود؟
  9. مقایسه مفاهیم تحلیل داده، علوم داده و کلان داده (Big Data)
  10. طراحی پایگاه داده چیست و چگونه انجام می‌شود؟
  11. حاکمیت داده (Data Governance) چیست و چه اهمیتی دارد؟
  12. هوش تجاری (BI) چیست و چه تفاوتی با آنالیز تجاری (BA) دارد؟
  13. آنچه باید درباره‌ هوش تجاری بدانیم
  14. هوش تجاری (BI) چطور می‌تواند به کسب و کار شما کمک کند؟
  15. معرفی ۵ کتاب برتر درباره هوش تجاری
  16. ۷ کلید برای یک استراتژی موفقیت آمیز در زمینه هوش تجاری
  17. ۹ راه عدم موفقیت هوش تجاری
  18. تجسم داده (Data Visualization) چیست و چرا اهمیت دارد؟
  19. تمیزسازی داده (Data cleaning) به چه معناست و چه اهمیتی دارد؟
  20. ۱۰ تکنیک اساسی تجسم داده در ایجاد گزارش‌های هوش تجاری
  21. معرفی ۱۳ روش متداول تجسم داده‌ها
  22. تفاوت داشبورد و گزارش چیست؟
  23. ۱۰ اصل طراحی داشبورد هوش تجاری
  24. ۱۳ مثال عملی از تحلیل داده با هوش تجاری
  25. کاربرد هوش تجاری در صنایع مختلف
  26. معرفی نرم افزارهای مختلف هوش تجاری
  27. چگونه نرم‌افزار مناسب هوش تجاری را انتخاب کنیم؟
  28. پاور بی آی (Power BI) چیست و در هوش تجاری چه کاربردی دارد؟
  29. راهنمای کامل پاور بی آی (Power BI)
  30. ویژگی‌های نرم افزار Power BI
  31. تفاوت پاور بی آی و اکسل
  32. معرفی انواع نمودارها در نرم افزار پاور بی آی (Power BI)
  33. راهنمای کامل معماری نرم افزار پاور بی آی (Power BI)
  34. راهنمای انتخاب ابزار مناسب بین پاور بی آی و اکسل
  35. آموزش توابع زبان DAX در هوش تجاری با پاور بی آی (Power BI)
  36. معرفی نرم‌افزار Tableau، کاربردها و محصولات آن
  37. هر آنچه که لازم است درباره نرم‌افزار QlikView بدانید
  38. تفاوت زبان M و DAX در نرم افزار Power BI
  39. مقایسه ابزار Power BI و Tableau در هوش تجاری
  40. آموزش Power BI Report Server
  41. آموزش نصب و راه اندازی Power BI Report Server
  42. AIOps چیست و چه ساختاری دارد؟
  43. مسیر شغلی در هوش تجاری
  44. مهندسی داده چیست؟
  45. تحلیلگر داده (Data Analyst) کیست و چه کاری انجام می‌دهد؟
  46. تحلیل‌گر هوش تجاری کیست و چگونه می‌توان به یک تحلیل‌گر هوش تجاری تبدیل شد؟
  47. ۸ مهارت‌ مهم که هر تحلیل‌گر داده برای موفقیت به آن‌ها نیاز دارد
  48. معرفی مهم‌ترین مدارک و گواهینامه‌های مورد نیاز تحلیل‌گر داده
  49. آیا داشتن مدرک SQL ضروری است؟ معرفی انواع و اهمیت مدرک SQL
  50. مهمترین تکنیک‌های هوش تجاری
  51. پیاده سازی هوش تجاری در سازمان‌ها
  52. نقشه راه پیاده سازی موفق استراتژی هوش تجاری در سازمان
  53. معرفی ۵ کاربرد ارزشمند هوش تجاری در سازمان‌ها
  54. داده کاوی چیست و چه تکنیک‌هایی دارد؟
  55. همه‌چیز درباره علم داده و نحوه استفاده از آن
  56. معرفی معتبرترین مدارک و گواهینامه‌های علم داده
  57. معرفی برترین ابزار برای داده‌کاوی
  58. دانشمند داده کیست و چه نقشی در کسب و کار دارد؟
  59. معرفی برترین زبان‌های برنامه‌نویسی علم داده
  60. آسان ترین زبان برنامه‌نویسی برای یادگیری کدام است؟
  61. تفاوت‌های اصلی در نقش‌های مهندس داده و دانشمند داده
  62. زبان برنامه‌نویسی پایتون چیست و چرا باید آن را یاد بگیرید؟
  63. یادگیری ماشین چیست؟
  64. SSRS چیست و چه کاربردی در مدیریت داده‌ها دارد؟
  65. SSAS چیست و چه کاربردهایی دارد؟
  66. بهترین زبان‌ها برای یادگیری ماشین (Machine Learning) کدام هستند؟
  67. نقش‌ها و مسئولیت‌های کلیدی در یک تیم هوش تجاری چیست؟
  68. تفاوت زبان پایتون (Python) و R در چیست؟
  69. کاربرد KPI در داشبوردهای هوش تجاری
  70. زبان برنامه نویسی R چیست؟
  71. بررسی تفاوت‌های میان داده‌کاوی و یادگیری ماشین در علم داده
  72. مروری بر نحوه یادگیری زبان R
  73. چگونه می‌توان یک داشبورد فروش ایجاد کرد؟
  74. معرفی برترین ابزارهای علم داده
  75. پایگاه داده چیست و چه اجزایی دارد؟
  76. انبار داده چیست؟
  77. مفاهیم، معماری و اجزای انبار داده
  78. دانشمند داده چه تفاوتی با تحلیل‌گر داده دارد؟
  79. فرایند ETL در ایجاد انبار داده چیست؟
  80. مدل‌سازی داده چیست؟
  81. دریاچه داده (Data Lake) چیست و چه ساختاری دارد؟
  82. بهترین شیوه‌های طراحی پایگاه داده (Database design)
  83. نرمال‌سازی داده چیست و چگونه انجام می‌شود؟
  84. سیستم‌های پشتیبانی تصمیم‌گیری چیست و چه کاربردهایی دارد؟
  85. بازار داده (Data Mart) چیست و چه تفاوتی با انبار داده دارد؟
  86. تحلیل‌های پیش‌بینی کننده چیست و چگونه انجام می‌شود؟
  87. علم تصمیم‌گیری چیست و چگونه می‌توانیم تصمیمات داده‌محور بگیریم؟
  88. تصمیم‌گیری مبتنی بر داده چیست و چه تاثیری در موفقیت کسب و کار دارد؟
  89. کاربرد تحلیل داده در بانکداری و شرکت‌های خدمات مالی
  90. معماری اطلاعات (IA) چیست و چطور می‌توان از آن استفاده کرد؟
  91. کلان داده (Big Data) و بررسی تأثیرات آن بر تجارت الکترونیک
  92. بانکداری باز (Open Banking) چیست و چه اصولی دارد؟

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دوره تخصصی «مدیریت پروژه چابک (اجایل)» با اسکرام مستر ارشد اکالااطلاعات بیشتر و ثبت‌نام
بستن