مارا دنبال کنید : 

اغلب سازمان‌هایی که به سراغ گسترش کسب و کار دیجیتالی خود می‌روند با شکست مواجه می‌شوند، چرا که رویکرد مدرنی برای حاکمیت داده خود ندارند. به طور سنتی حاکمیت داده شامل قوانین، سیاست‌ها و کنترل‌های متمرکزی می‌باشد که توسط مدیران میانی برای ایجاد اصطکاک و مشکل در زندگی دانشمندان داده ایجاد شده است و این اعتقادی است که افراد یک سازمان نسبت به حاکمیت داده دارند.

گارتنر ۱۰ مانع اصلی برای دستیابی به اهداف حاکمیت داده را بیان کرده است:

  • 1. فقدان رویکرد استاندارد به حاکمیت داده در سطح سازمان
  • 2. فقدان نقش‌های اساسی
  • 3. فقدان مهارت‌ها / تجربه برای ابتکار عمل
  • 4. کمبود بودجه برای هدایت راهبری
  • 5. ناتوانی در اجرای حکمرانی در حوزه‌های کسب و کاری سازمان
  • 6. مقاومت در برابر اجرای حکمرانی از حوزه‌های کسب و کاری سازمان
  • 7. عدم حمایت رهبر کسب و کار
  • 8. فقدان فناوری مناسب برای حکمرانی
  • 9. فقدان آموزش در این حوزه (سواد داده)
  • 10. عدم تعهد رهبری حاکمیت داده

به همین دلیل است که حاکمیت داده‌های مدرن باید جامعه‌محور و بر همکاری و دموکراسی‌سازی داده‌ها متمرکز باشد و حریم خصوصی در هسته آن باشد. همه افراد در یک سازمان باید بتوانند به داده‌های مناسب دسترسی داشته باشند، درک کنند و از آن برای کشف بینش‌های ارزشمند تجاری استفاده کنند.


با ما در جهانِ داده قدم بردارید :

وقتی صحبت از کلان داده در سازمان‌ها می‌شود، فرآیندهای رایج مانند انباشت و ذخیره‌سازی به چالش خواهند افتاد، چه برسد به تحلیل و پیش‌بینی این داده‌های بزرگ.

در اینجا برخی از مواردی که ممکن است تغییر نمایند، اشاره شده است:

چارچوب حاکمیت کلان داده :

 

کنترل‌های سفت و سخت بر روی کلان داده‌ها در سازمان‌ها جوابگو نمی‌باشد. هر سازمان می‌تواند چارچوب خاص و منحصر به فرد خود را داشته باشد که با اهداف و چشم‌اندازهای تجاری همسو باشد. اما برای داشتن یک **حاکمیت پایدار**، باید مولفه‌های زیر در چارچوب لحاظ گردد:

اهداف تجاری:

برای اطمینان از اینکه داده‌ها به درستی جمع‌آوری و پردازش می‌شوند، هر یک از افراد باید در مسیری ثابت از اهداف سازمان حرکت کرده و به شاخص‌های موفقیت و شکست پاسخگو باشند. لازم است که از بالا تا پایین سازمان، در مورد چرایی حاکمیت داده بحث گردد و بر اساس اهداف سازمان، ماموریت و چشم‌اندازهای کلان داده تعریف شود.

افراد:

یک استراتژی مدیریت کلان داده به یک تیم حرفه‌ای نیاز دارد که داده‌ها را به دست آورند، مدیریت کنند، استفاده کنند و از آن‌ها حفاظت نمایند. بر اساس ساختار سازمانی، لازم است بدانید چه نقش‌های داخلی نیاز دارید:

– معماران داده
– دانشمندان داده
– مالکیت داده
– مباشران داده
– و …

در حاکمیت داده باید فرصت‌های ارتباطی و دسترسی بدون مانع به داده‌ها فراهم گردد تا کارکنان این احساس را داشته باشند که یک تیم واحد هستند و نه ذینفعان منزوی. همچنین باید به سواد داده توجه شود و آموزش‌های مناسب در هر سطحی جزو برنامه‌های سازمان قرار گیرد. نکته مهم دیگر، توجه به فرهنگ داده‌محور در حاکمیت داده است. در حالت ایده‌آل، فرهنگ مشارکت، پایداری و توانمندسازی کیفیت و انطباق داده‌ها باید ترویج یابد.

قوانین:

مدیریت حاکمیت بیگ دیتا، همراه با صاحبان و مباشران داده، باید مجموعه‌ای از قوانین و مقررات مانند سیاست‌ها و استانداردهای داده را برای تنظیم جمع‌آوری، مدیریت، استفاده و حفاظت از داده‌ها ایجاد کند. همه بازیگران داده باید نسبت به این موارد آگاهی داشته باشند.

امنیت:

بیش از هر چیز، هدف از مدیریت کلان داده در کسب‌وکارها، ایمن نگه داشتن داده‌ها است. علاوه بر نکات امنیتی، کارکنانی که با داده‌ها در تعامل هستند باید از شیوه‌های امنیت آگاه باشند و از قوانین تعیین‌شده در طول پردازش و تغییر داده‌ها پیروی نمایند.

باید سطوحی از دسترسی تعریف گردد که تعیین کند چه کسی می‌تواند انواع مختلف داده‌ها را مشاهده و تغییر دهد. در شکل زیر، یک چارچوب حاکمیت بیگ دیتا نمایش داده شده است:

در این فریم‌ورک باید به سوالات اساسی پاسخ داده شود:

– چرایی؟

این بخش شامل فعالیت‌های زیر می‌باشد:
– ماموریت‌های کسب‌وکار
– چشم‌اندازهای کسب‌وکار
– اهداف کسب‌وکار
– شاخص‌های موفقیت

– چه کسی؟
در بخش “چه کسی”، افراد درگیر در این چارچوب مشخص خواهند شد.

– چه چیزی؟
در بخش “چه چیزی”، المان‌های اصلی حاکمیت داده مانند استانداردهای داده، تعاریف، قوانین امنیتی، سیاست‌ها و انطباق‌ها مشخص خواهند شد.


مطالب مرتبط :

متأسفانه، بسیاری از برنامه‌های حاکمیت داده شکست می‌خورند و دلایل زیادی برای آن وجود دارد. نکته مهم این است که درس‌های بزرگی از این شکست‌ها باید گرفته شود.

در این مقاله، بخشی از کلیدهای موفقیت در این برنامه‌ها آمده است:

حاکمیت داده را به عنوان یک برنامه در نظر بگیرید

بسیاری از اوقات، افراد این مفهوم را یک پروژه می‌دانند.

این چه اشکالی دارد؟

مشکل این است که پروژه‌ها تاریخ پایان دارند. اگر بخواهد به درستی اجرا گردد، باید به صورت یک برنامه بدون پایان در نظر گرفته شود.

اگر می‌خواهید یک شرکت داده‌محور باشید و اطلاعات و دانش را از داده‌های خود استخراج کنید، مدیریت داده نمی‌تواند تاریخ پایانی داشته باشد. این کار هیچ گاه متوقف نخواهد شد.

غلبه بر چالش‌های سیاسی

اگر تازه کار هستید چالش‌های سیاسی وجود خواهد داشت که مانع اجرای برنامه‌ها می‌شوند. افراد زیادی در سازمان هستند که با تغییرات مخالفند. باید بر این چالش‌های سیاسی غلبه کنید و اینجاست که حمایت مالی خوب، پشتیبانی قوی اجرایی، ارتباطات و مدیریت تغییر به این موضوع کمک خواهد کرد. یک مدل بلوغ می‌تواند ابزار خوبی در این زمینه باشد زیرا به شما نشان می‌دهد که برای پیشرفت و پیشروی به سطح بلوغ بالاتر، ابتدا باید با چه چیزهایی مقابله کنید.

به صورت تکراری بسازید

برای موفقیت، به صورت تکراری قابلیت‌های تحویل‌پذیر را بسازید. چرخه‌هایی با مدت زمان ۳ ماه توصیه می‌شود که در پایان آن، یک چیز تحویل‌پذیر تمام می‌شود. البته برخی از آن‌ها به ۶ یا حتی ۱۲ ماه نیاز دارند. در مجموع، خوب است که در این مسیر ثابت قدم باشید و این انتظار را برای ذینفعان خود داشته باشید که پس از چند ماه، یک محصول بزرگتر وجود خواهد داشت. این تحویل‌ها می‌تواند شامل موارد زیر باشد:

  • ارزیابی
  • کارت امتیازی
  • گردش کار
  • مجموعه‌ای از استانداردها
  • تعدادی از اصطلاحات تجاری تعریف شده و غیره

تمرکز بر داده‌بان‌ها و مدیریت فراداده

برای موفقیت نیازمند برنامه‌ای قوی در حوزه داده‌بان‌ها و مدیریت فراداده هستید.

اندازه‌گیری موفقیت

باید موفقیت را با معیارها بسنجید. نشان دادن بهبودها دشوار است، به خصوص در مراحل اولیه برنامه. این کاری است که خیلی‌ها در مسیر اجرای پیاده‌سازی فراموش می‌کنند. جنبه دومی که باید در نظر گرفته شود این است که این معیارها با اهداف شرکت باید مرتبط باشند.

  • ما ۱۰۰ اصطلاح تجاری را به واژه نامه کسب و کار خود اضافه کرده‌ایم.
  • ما ۱۰ مباشر داده را آموزش داده‌ایم.
  • استانداردهای کیفیت داده را برای این ۲ دامنه داده و غیره توسعه داده شده است.

این‌ها دلایلی نمی‌باشد که در سازمان‌ها مدیریت داده انجام می‌شود. ما مدیریت داده را انجام می‌دهیم تا بینش و آینده‌نگری بهتری از داده‌های خود بدست آوریم. اهداف باید برای تعیین کارایی، رضایت بیشتر مشتریان و غیره باشد.

روی دامنه‌های داده تمرکز کنید

بسیاری از برنامه‌ها در سطح سازمان شروع نمی‌شوند. بسیاری از آن‌ها از یک بخش شروع می‌شوند. این خوب است، اما اگر در سطح سازمانی گسترش پیدا نکند، اجرای آن بی‌نتیجه خواهد بود و در نهایت با شکست مواجه می‌شود. در نتیجه عواقب نامطلوبی از جمله در سازمان رخ خواهد داد:

  • نمی‌توان به یک دید ۳۶۰ مشتری دست یافت
  • ناتوانی در ساخت یک برنامه قوی AI/ML
  • عدم کاهش خطاهای کیفیت داده‌ها
  • بی‌سوادی داده‌ها در سازمان
  • و ..

در برخی از حالات سایر برنامه‌ها بر روی یک سیستم خاص متمرکز می‌شوند (معمولاً یک CRM یا یک ERP). این دیدگاه نیز اشتباه است زیرا ذینفعان مهمی در سازمان وجود دارد که ممکن است از این سیستم‌ها استفاده نکنند اما از داده‌های مرتبط استفاده خواهند کرد. بنابراین، بهترین راه برای تمرکز بر داده‌ها، روی حوزه‌هایی مانند مشتری، محصول، مکان و غیره است. به این ترتیب این اطمینان حاصل می‌شود که بخش‌ها و سیستم‌های مربوطه نیز بخشی از حوزه هستند.

آن را زیر بخش IT قرار ندهید

این اشتباه دیگری است که سازمان‌ها با آن مواجه می‌شوند. بله، فناوری اطلاعات یک شریک مهم است، اما کسب و کار باید به طور مداوم درگیر باشد. باور کنید یا نه، این کسب و کار است که مالک آن است، نه فناوری اطلاعات.

ارتباط برقرار کنید و تغییرات را مدیریت کنید

ارتباطات بهترین دوست شماست. در کنفرانسی چند سال پیش، IDC اشاره کرد که ۹۰٪ ارتباطات است. شاید این مقدار زیاد به نظر برسد، اما با این حال، حکمرانی موفق نیاز به ارتباطات زیادی دارد. همانطور که در کلید قبلی موفقیت ذکر شد، این تغییرات زیادی را به همراه دارد و باید از طریق ارتباطات مؤثر مدیریت شود:

  • ارتباط،
  • مشارکت ذینفعان،
  • حمایت قوی،
  • پشتیبانی اجرایی،
  • آموزش، و غیره.

اهمیت آن‌ها را دست کم نگیرید و به همین دلیل است که فکر می‌کنم این احتمالاً مهم‌ترین کلید موفقیت است.

نتیجه

اجرای برنامه‌ها آسان نیست و برخی با شکست مواجه می‌شوند زیرا یک یا چند مورد از موارد فوق را در نظر نمی‌گیرند. این موارد موفقیت یک برنامه مدیریت داده در سطح سازمانی را تضمین می‌کند که از بهترین شیوه‌ها پیروی می‌کند و الزامات آن را برآورده می‌سازد.


مطالب مرتبط :

حاکمیت کلان داده

آیا بین حاکمیت داده و حاکمیت کلان داده تفاوتی وجود دارد ؟

در واقع، نباید هیچ تفاوتی بین این دو حاکمیت وجود داشته باشد .اصول یکسانی باید برای هر دو حاکمیت اعمال می شود.حاکمیت کلان داده از نظر چالش ها و اصول بسیار شبیه به حاکمیت داده های سنتی است. با این حال، حاکمیت کلان داده باید نکات زیر را در بر داشته باشد :

  • حجم داده های بزرگ می تواند زیاد و به پتابایت برسد.
  • کلان داده ها می توانند ساختار یافته، نیمه ساختاریافته یا بدون ساختار باشند
  • مخازن داده های بزرگ شامل فایل ها، پایگاه های داده NoSQL، دریاچه های داده و جریان داده ها باشند.
  • داده ها از منابع داخلی و خارجی استخراج می شوند.
  • داده ها در زمان واقعی پردازش می شوند.

از آنجایی که ابزارهای سنتی حاکمیت داده در بازار امروز نمی‌توانند نیازهای پردازش داده‌های بزرگ را پشتیبانی کنند، برای کسب‌وکارها ضروری است که در استراتژی تجزیه و تحلیل داده خود تجدید نظر کنند و از فناوری‌های موجود برای مقابله با چالش‌های جدید استفاده نمایند..

چه کسی مسئول حاکمیت داده است؟

حاکمیت داده ها از مرزهای دپارتمان ها عبور می کند و بر هر بخشی تاثیر گذار می باشد. و استقرار حاکمیت نیازمند همکاری در سطح کل سازمان می باشد. هنگامی که همه بدانند چه کسی دارای اختیارات و مسئولیت های مرتبط با داده است، می توان از هرج و مرج و اشتباه جلوگیری کرد و امکان اجتماعی شدن حاکمیت داده را فراهم کرد. بسته به اندازه و اهداف سازمانی، نقش های زیر ممکن است برای یک تیم قدرتمند کلان داده مورد نیاز باشد:کلان داده

افسران ارشد داده (CDOs) :

این افراد در توسعه استراتژی داده شرکت می کنند، بر اجرای چارچوب داده نظارت می کنند و از داده ها به عنوان یک دارایی استراتژیک استفاده می کنند. آنها استانداردها، خط مشی ها و شیوه های داده را ایجاد می کنند و فرهنگ داده ای شرکتی را رشد می دهند.

معماران کلان داده :

این افراد در فن آوری های مربوطه مهارت دارند و روابط بین آنها را درک می کنند. آنها مسئول طراحی راه حل های پردازش داده های بزرگ هستند که قادر به حل هر مشکل مربوط به داده هستند. آنها می توانند عمیقاً در مدیریت داده، اتوماسیون و امنیت درگیر شوند.

مهندسان داده :

این افراد سیستم هایی را برای جمع آوری، تمیز کردن و سازماندهی داده ها از منابع متعدد و انتقال آن به انبارهای داده راه اندازی می کنند.

دانشمندان داده / تحلیلگران داده :

این افراد مسئول تجزیه و تحلیل مجموعه های بزرگی از داده های ساختاریافته و بدون ساختار، ایجاد الگوریتم ها و مدل های پیش بینی، و استخراج روندها و بینش های مرتبط با کسب و کار هستند.

صاحبان داده ها:

اعضای تیمی هستند که از داده ها استفاده می کنند و در قبال دارایی های داده از نظر کیفیت و امنیت در تیم خود پاسخگو می باشند.

مباشران داده :

این افراد از نزدیک با صاحبان داده همکاری می کنند و بر نحوه اجرای استراتژی داده و اینکه آیا از سیاست ها و استانداردهای داده پیروی می کنند نظارت می کنند. آنها همچنین در آموزش صاحبان داده جدید شرکت می کنند. از آنجایی که داده‌های بزرگ اغلب جمع‌آوری می‌شوند اما به دلیل غیبت متخصصان، مورد استفاده قرار نمی‌گیرند.

کاربران داده :

اعضای تیمی هستند که برای انجام فعالیت های روزانه خود با داده ها تعامل دارند. آنها مسئول ورود داده ها هستند. به مجموعه داده های مختلف دسترسی و گزارشات را تولید می کنند.

تیم های فناوری اطلاعات:

تیم های فناوری اطلاعات مسئول پیاده سازی و سفارشی سازی فناوری، توسعه ویژگی های اضافی برای پردازش کلان داده ها، ممیزی، امنیت و نگهداری داده ها هستند.


مطالب مرتبط :

ابزارهای مدیریت و حاکمیت داده باید بر اساس معماری دیجیتال و فناوری اطلاعات طراحی شوند تا بتوانند نیازهای سازمانی را پوشش دهند. این ابزارها باید با معماری نوآورانه و سازمانی جدید همراه باشند تا به بهبود عملکرد سازمان و افزایش بهره‌وری کمک کنند. همچنین، معماری خدمات مبتنی بر وب و کسب و کار الکترونیکی نیز باید در این ابزارها در نظر گرفته شود تا بتوانند به صورت آنلاین خدمات مورد نیاز را ارائه دهند. از معماری ابر و معماری مبتنی بر حافظه ابری نیز می‌توان در این ابزارها استفاده کرد تا داده‌ها به صورت مجازی و در هر زمان و مکانی قابل دسترس باشند. در نهایت، معماری مبتنی بر خدمات و معماری مبتنی بر رویداد نیز باید در این ابزارها در نظر گرفته شود تا بتوانند به صورت پویا و با تغییرات سریع در سازمان هماهنگ شوند.

 

مطالب مرتبط:

تیم‌های حاکمیت کلان داده
عوامل موفقیت پیاده‌سازی حاکمیت داده

– کلان داده

**برای اطلاعات بیشتر در مورد ابزارهای تحلیل داده، به این لینک مراجعه کنید.**

مدیریت داده: عامل کلیدی موفقیت سازمان‌ها

برای اینکه یک سیستم موثر در مدیریت داده ایجاد کنید، باید ابزارهایی طراحی کنید که بتوانند به تمامی نیازهای سازمان پاسخ دهند. این ابزارها باید با معماری دیجیتال و فناوری اطلاعات هماهنگ باشند تا عملکرد سازمان بهبود یابد و بهره‌وری افزایش پیدا کند.

ابزارهای نوآورانه در مدیریت داده

برای ایجاد چنین سیستمی، باید ابزارهای نوآورانه‌ای با معماری سازمانی جدید طراحی کنید. این ابزارها باید قابلیت ارائه خدمات آنلاین داشته باشند تا بتوانند خدمات مورد نیاز را به سرعت و به آسانی به کاربران ارائه دهند. همچنین، باید به معماری‌های نوین مانند معماری خدمات مبتنی بر وب و کسب‌وکار الکترونیکی توجه ویژه‌ای داشته باشید.

استفاده از معماری ابر و حافظه ابری

علاوه بر این، باید از معماری ابر و معماری مبتنی بر حافظه ابری استفاده کنید. این معماری‌ها امکان ذخیره‌سازی مجازی داده‌ها را فراهم می‌کنند و دسترسی به داده‌ها را در هر زمان و مکانی ممکن می‌سازند. علاوه بر این، به‌کارگیری معماری‌های مبتنی بر خدمات و رویداد برای هماهنگی با تغییرات سریع در سازمان‌ها ضروری است.

امنیت و دسترسی در سیستم‌های مدیریت داده

این سیستم‌ها علاوه بر عملکرد بالا، نیاز به امنیت و سرعت دسترسی بالا دارند. با استفاده از معماری مبتنی بر ابر و حافظه ابری، می‌توانید سیستم‌هایی امن‌تر ایجاد کنید. این سیستم‌ها داده‌های سازمانی را به شکل ایمن ذخیره و بازیابی می‌کنند. همچنین، معماری مبتنی بر خدمات این امکان را فراهم می‌کند که به کاربران خدمات متنوع و ویژه‌ای ارائه دهید و نیازهای گوناگون آن‌ها را برآورده کنید.

معماری مبتنی بر رویداد

این معماری‌ها به سیستم‌ها کمک می‌کنند تا به تغییرات سریع محیطی واکنش نشان دهند و اطلاعات جدید را به سرعت پردازش کنند. این ویژگی به سازمان‌ها کمک می‌کند که در شرایط متغیر بازار انعطاف‌پذیرتر باشند و بهتر با تغییرات سازگار شوند.

نتیجه‌گیری

برای داشتن یک سیستم کارآمد در مدیریت داده، باید ابزارهایی با معماری دیجیتال و فناوری‌های نوین طراحی کنید که قابلیت تطبیق با تغییرات سازمانی را داشته باشند. ابزارهای مبتنی بر ابر، رویداد و خدمات به سازمان‌ها کمک می‌کنند تا داده‌های خود را بهینه مدیریت کنند و بهبود قابل توجهی در فرآیندها و بهره‌وری ایجاد کنند.

با افزایش نیاز سازمان‌ها به داده‌های سریع و امن، استفاده از این رویکردهای مدرن نه تنها عملکرد سازمان‌ها را ارتقا می‌دهد، بلکه به آن‌ها کمک می‌کند که با تغییرات سریع بازار همگام شوند و در رقابت باقی بمانند.



مطالب مرتبط :

**برای اطلاعات بیشتر در مورد ابزارهای تحلیل داده، به این لینک مراجعه کنید.**

عضویت در خبرنامه
close slider

عضویت در خبرنامه

فیلد های "*" اجباری هستند

نام و نام خانواگی*
این قسمت برای اهداف اعتبارسنجی است و باید بدون تغییر باقی بماند.