Datastyring: Et snyderi

Billede: ipopba, Getty Images / iStockphoto

Enhver virksomhed i verden skal kæmpe med data. Fra en enkeltperson LLC til multinationale virksomheder er data overalt, og de skal styres korrekt for at være et effektivt forretningsværktøj.

Data er dog ikke kun kundeposter og andre eksterne informationer - medarbejderregistre, netværkskort, lønningsdata og andre former for ekstern og intern information falder alle under listen over data, der skal styres.

Det kræver en masse arbejde at omdanne data til noget anvendeligt. Uden korrekt styring kan du ende med duplikatregistre, forkerte oplysninger, spildt tid og lagerplads og en række andre problemer, der følger med dårlig organisation. Digitale data er meget mere komplicerede end papir, så det kræver specialiserede færdigheder for at organisere dem.

Gå ind i datahåndteringens verden. Her er det væsentlige ved datahåndtering, herunder modeller, software, implementering og mere. Denne artikel er også tilgængelig som en download, Cheat sheet: Datastyring (gratis PDF).

Hvad er datastyring?

Der er lige så mange måder at definere datastyring som der er websteder, der fokuserer på det. DAMA International, et konsortium af fagfolk inden for datastyring, definerer datastyring som "udvikling og eksekvering af arkitekturer, politikker, praksis og procedurer for at styre en virksomheds informationslivscyklusbehov på en effektiv måde."

Med andre ord, datahåndtering er tværfaglig og holder data organiseret på en praktisk, anvendelig måde. På det mest grundlæggende niveau arbejder datahåndtering for at sikre, at en organisations samlede datamaskine er nøjagtig og konsistent, let tilgængelig og korrekt sikret.

Sammen med at være en måde at eliminere duplikater og standardisere formater, lægger databehandling også grundlaget for dataanalyse. Uden god datastyring er analyse praktisk talt umulig og i bedste fald pålidelig.

Yderligere ressourcer

  • Forretningsanalyse: Det væsentlige ved datadrevet beslutningstagning (ZDNet)

  • Hvordan masterdatastyring bringer orden til big data (TechRepublic)

Hvad er involveret i en komplet datastyringsmodel?

Hvis definitionerne og beskrivelserne af datastyring får dit hoved til at dreje lidt, er det forståeligt - der er meget, der går i praksis med datastyring.

DAMA International opdeler datahåndtering i 11 videnområder:

  1. Datastyring, som er planlægningen af ​​alle aspekter af datastyring. Dette inkluderer ofte at sikre tilgængelighed, brugervenlighed, konsistens, integritet og sikkerhed for data, der administreres af en organisation.

  2. Dataarkitektur eller den overordnede struktur af en organisations data og hvordan de passer ind i en bredere virksomhedsarkitektur.

  3. Datamodellering og design, der dækker dataanalyse og design, bygning, test og vedligeholdelse af analysesystemer.

  4. Datalagring og operationer, der vedrører den fysiske hardware, der bruges til at lagre og administrere data.

  5. Datasikkerhed, som omfatter alle elementer i beskyttelsen af ​​data og kun sikrer, at autoriserede brugere har adgang.

  6. Dataintegration og interoperabilitet, som inkluderer alt, hvad der sker med omdannelsen af ​​data til en struktureret form (dvs. i en organiseret database) og det arbejde, der er nødvendigt for at vedligeholde dem.

  7. Dokumenter og indhold, der inkluderer alle former for ustrukturerede data og det arbejde, der er nødvendigt for at gøre det tilgængeligt for og integreret med strukturerede databaser.

  8. Reference- og stamdata, eller processen med at styre data på en sådan måde, at redundans og andre fejl reduceres ved at standardisere dataværdier.

  9. Datalagring og forretningsinformation, som involverer styring og anvendelse af data til analyse og forretningsbeslutning.

  10. Metadata, som involverer alle elementer i oprettelse, indsamling, organisering og håndtering af metadata (data, der refererer til andre data, f.eks. Overskrifter osv.).

  11. Datakvalitet, som indebærer praksis for overvågning af data og datakilder for at sikre, at kvalitetsinformation bliver leveret, integritet opretholdes og data af dårlig kvalitet filtreres ud.

Alle disse elementer skal inkluderes i en samlet datastyringsmodel; hvis selv et element mangler, er et aspekt af styring af data kompliceret, hvis det ikke beskadiges helt. Hvis du for eksempel slipper af med metadatastyring, mister du muligheden for let at kategorisere data. Uden datakvalitet er sikret, bliver hele datastrukturen mistænkt, og analyse bliver ubrugelig. Fjernelse af integration og interoperabilitet ville gøre det næsten umuligt at kombinere forskellige dataformer i en anvendelig helhed.

Yderligere ressourcer

  • 10 tegn på, at du muligvis har et problem med datastyring (TechRepublic)

  • Hvorfor virksomheder er i fare for dårlig datapolitisk praksis (TechRepublic)

  • Vil du øge kundens engagement? Invester i dataintegration, metadata, datastyring, siger Informatica (ZDNet)

Hvordan passer datastyring ind i en større big datamodel?

Hvis en analysemodel er produktet, der er fremstillet ud fra en virksomheds data, er datastyring fabrikken, materialerne, forsyningskæden - alt hvad der skal til for at fremstille produktet.

Du kan ikke have en stor datamodel uden datastyring - at prøve at gøre det ville være som at sige, at dit rodede skrivebord er et perfekt organiseret kaos, hvor du kan finde noget; med tiden mister du helt sikkert noget vigtigt.

60 måder at få mest muligt ud af dine big data-initiativer (gratis PDF)

Datastyring er et samlet livscyklus-system, der følger data fra det øjeblik, de oprettes, indtil det ophører med at være nyttigt. Datastyring sporer dataene fra sted til sted, overvåger overgangen af ​​data fra en form til en anden og sikrer, at intet vigtigt overlades fra en forretningsanalysemodel.

Kort sagt, datastyring passer ikke bare ind i en big data-model - det er den paraply, under hvilken alle big data falder.

Yderligere ressourcer

  • Hvorfor virksomhederne endelig betaler for big datasikkerhed (TechRepublic)

  • 6 tip til oprettelse af effektive big data-modeller (TechRepublic)

  • Big data-politik (TechRepublic Premium)

  • Sådan bliver du en videnskabsmand: Et snyderi (TechRepublic)

Hvilke færdigheder har fagfolk inden for datastyring brug for?

Der er ingen fejl i den væsentlige rolle, som data spiller i den moderne forretningsverden. Big data-fagfolk skal have særlige sæt færdigheder, der muliggør god datastyring.

Et datastyringsteam har brug for flere mennesker, der er dygtige til bestemte elementer i hele end-to-end-ledelseskæden. De færdigheder, som en datahåndteringsperson skal uddannes i, inkluderer:

  • Generel computervidenskab: En kvalificeret professionel dataadministration skal uddannes i det grundlæggende inden for datalogi - de bruger meget tid på at bruge grundlæggende færdigheder til at organisere data.

  • Databaseprogrammering: Nogle af de vigtigste databasesprog i datahåndteringsverdenen inkluderer SQL, Python, R, Hadoop, XML og PERL. Sørg for at lære mindst et af disse sprog og blive fortrolig med de tilsvarende databaseplatforme.

  • BI / BA : Business intelligence (BI) og business analytics (BA) er kernen i, hvorfor virksomheder indsamler og organiserer data. Datahåndteringsprofessionelle skal være i stand til at forstå analysens hvordan og whys.

  • Cloud computing : Datahosting kan tage en masse lagerplads, hvorfor mange virksomheder henvender sig til skyen for at være vært, administrere og analysere deres data. Dygtige databehandlere skal være bekendt med AWS, Microsoft Azure, Google Cloud, IBM Cloud og andre større platforme.

  • Maskinindlæring : Dataanalyse, især dens senere faser som forudsigelsesanalyse og receptpligtig analyse, gør omfattende brug af maskinindlæringsteknologi for at reducere den beregningstid, der er nødvendig for at levere resultater.

  • Datahåndteringscertificeringer: Datahåndtering er en videnskab i sig selv, og der er flere certifikater, som datahåndteringsfolk kan forfølge. DAMA International tilbyder certificeret certificering af datastyring (CDMP). Oracle, IBM og andre tilbyder også certificeringer.

  • Bløde færdigheder: At bruge data kræver meget samarbejde med ikke-it-afdelinger for at planlægge og udføre big data-strategier. God skrivning, tale og innovativ tænkning er et vigtigt sæt færdigheder for succesrige fagfolk inden for datastyring.

Yderligere ressourcer

  • Bløde færdigheder: En virksomheds brugervejledning (gratis PDF) (TechRepublic)

  • Top 5 tekniske færdighedsdata, som forskere har brug for, og hvordan man lærer dem (TechRepublic)

  • 4 måder at forbedre big data-projektstyring (TechRepublic)

  • Top 10 tekniske færdigheder, du har brug for for at få et job i cloud data engineering (TechRepublic)

  • Sådan gør du din virksomhed til en stor dataleder: 5 trin (TechRepublic)

Hvilken datastyringssoftware er tilgængelig?

Datastyring kan ikke udføres på en tilfældig måde - organisationer er nødt til at investere i en datastyringsplatform, der kan levere alle de resultater, de har brug for for at få succes med at styre og bruge data.

Der er en række datastyringsplatforme, hver med sine egne unikke funktioner og brancher, som de passer ind i. Nogle af de øverste platforme inkluderer:

  • SAS Data Management

  • Adobe Data Management Platform

  • Salesforce Audience Studio

  • IBM Data Management

  • Oracle BlueKai

Nogle platforme, som Google Cloud's big data-analysesoftware, er ikke specifikt bygget til at udføre datastyring, men det betyder ikke, at de ikke kan gøre det. I tilfælde af Google Cloud er al den nødvendige software til stede, men den skal konfigureres til at fungere som en datastyringsplatform.

Som med enhver større softwareplatform kan valg af den rigtige fra begyndelsen gøre en enorm forskel i en organisations succes. Sørg for, at dit datastyringsteam har en god forståelse af den type data, du har, hvordan du vil være vært for, og hvad dine slutmål for datastyring er, når du vælger en platform. Bevæbnet med disse oplysninger kan et datastyringsteam gøre det bedst mulige valg for deres organisations behov.

Yderligere ressourcer

  • Er der en udbyder med én kilde til datastyring? Ikke endnu (ZDNet)

  • De top 10 big data-rammer, der bruges i virksomheden (TechRepublic)

  • Er Googles Snorkel DryBell fremtiden for virksomhedsdatastyring? (ZDNet)

  • Big data's største udfordringer: 3 løsninger (TechRepublic)

  • SAP gør sin cloud-datatjeneste, datahåndtering spiller med HANA (ZDNet)

  • Hvorfor dataforskere handler traditionelle big data for cloud-native tech (TechRepublic)

Hvordan kan organisationer komme i gang med datastyring?

Der kan se ud som en million og et stykke til at planlægge et datastyringsinitiativ, men bliv ikke klemt i ukrudtet: Planlægning af at integrere datastyring i din organisation er ligesom ethvert andet forretningsomdannelsesprojekt.

Først skal du sørge for, at dit datastyringsinitiativ har et klart mål: Til hvilket mål prøver du at organisere dine data? En virksomhed, der for eksempel vil bruge data til at foretage interne ændringer, har for eksempel forskellige datastyringsbehov end et firma, der ønsker at bruge sine data til at øge salget.

Når du først har et udtalt mål, er det tid til at tænke over, hvad der skal til for at det sker. Hvis dine data findes fuldstændigt som ustrukturerede filer og dokumenter, vil du have et andet udgangspunkt end en organisation med store Hadoop-databaser fyldt med velorganiserede poster.

Overvej alle mulige behov: Omfordeling af medarbejdere, nyansatte, uddannelse, softwareplatforme, budget, tidsramme, hvilke typer data, der allerede er til rådighed, den slags data, der er behov for, og mere. At have alle disse elementer i tankerne vil hjælpe dig, når du rent faktisk begynder at planlægge for alvor.

4 måder at hjælpe brugere med at akklimatisere sig til big data gennem træning

Dernæst er det tid til at sætte dit talent på plads. Ansæt nye medarbejdere, tildel dem, der vil begynde at arbejde på dit datastyringsprojekt, og læs teamet fortrolige med dine datastyringsmål.

Når dit datastyringsteam er på plads, er det tid til at starte planlægningsfasen. Uden for, hvordan teamet skal nå sine mål, er det, når der vælges en datastyringsplatform, træning kan gennemføres, og hele modellen begynder at samles.

Herefter skal dit datastyringsteam være godt på vej til at opbygge, teste og implementere en komplet datastyringsmodel. Når alle disse forudsætninger er på plads, og datahåndtering er en integreret del af din virksomhed, er det tid til at begynde at tænke over, hvad der kommer næste: Hvordan alle disse velorganiserede data kan hjælpe med at transformere din organisation, internt og eksternt.

Hele processen med at opbygge et datastyringssystem kan tage lang tid, og selv da er datahåndtering blot grundlaget for yderligere brug af big data.

Datastyring er ikke et mål i sig selv: Det er huset, hvor en organisations data bor. Det er op til denne organisation at bruge det hus, det byggede, ved at sætte disse data i arbejde.

Ugens bedste nyhedsbrev

Vores redaktører fremhæver TechRepublic-artikler, gallerier og videoer, som du absolut ikke kan gå glip af for at holde dig opdateret om de seneste it-nyheder, innovationer og tip. fredage

Tilmeld dig i dag

Yderligere ressourcer

  • Hvordan den rigtige anvendelse af big data kan hjælpe din virksomhed med at blomstre (TechRepublic)
  • Volumen, hastighed og variation: Forståelse af de tre V'er for big data (ZDNet)
  • Hvordan virksomheder kan bruge big data til socialt gode (TechRepublic)
  • Funktionssammenligning: Dataanalysesoftware og -tjenester (TechRepublic Premium)
  • Volumen, hastighed og variation: Forståelse af de tre V'er for big data (ZDNet)
  • Bedste skytjenester til små virksomheder (CNET)
  • Big data: Mere must-read dækning (TechRepublic på Flipboard)

© Copyright 2021 | mobilegn.com