تصویر: سیکوف – stock.adobe.com

در چند سال گذشته ، مدیریت داده ها چیزی فراتر از یک سر و صدا مدرن ظاهر شده است. با اتخاذ GDPR ، CCPA و سایر اقدامات انطباق توسط صنعت ، دولت و مراقبت های بهداشتی ، مدیریت داده ها به یک ضرورت شرکتی تبدیل شده است. با این وجود بسیاری از افسران کلیدی داده ها ، مدیریت داده ها را به عنوان یک مانع اصلی در سازمان خود عنوان می کنند.

پس چگونه به اینجا رسیدیم؟ در اینجا سه ​​دلیل اصلی برای عدم موفقیت مدیریت داده وجود دارد:

1. رویکرد دستی دیگر عملی نیست.

اگرچه ما در زمینه هایی مانند تجزیه و تحلیل سلف سرویس ، رایانش ابری و تجسم داده ها پیشرفت زیادی داشته ایم ، اما در زمینه مدیریت هنوز در آن حضور نداریم. بسیاری از شرکت ها همچنان از طریق ابزار دستی ، منسوخ و موقت ، مدیریت داده ها را اعمال می کنند. تیم های داده روزها به صورت دستی گزارش ها را چک می کنند ، قوانین سفارشی تنظیم می کنند و اعداد را در کنار هم مقایسه می کنند. با افزایش تعداد منابع داده و پیچیدگی مجموعه فناوری ، این رویکرد نه مقیاس پذیر است و نه مثر.

در حالی که کاتالوگ های داده اغلب به عنوان پاسخی به مدیریت داده ها به بازار عرضه می شوند ، بسیاری از رهبران داده ها می دانند که کاتالوگ های آنها حتی در اساسی ترین جنبه های مورد نیاز دستی (به عنوان مثال ردیابی شجره نامه و بررسی کیفیت داده ها) وجود ندارد. )

در برخی از سازمانها ، این عملیات زمان زیادی را صرف می کند تا به صورت دستی میزان وابستگی ها را ترسیم کند – نیازی به ذکر نیست که کارهای تعمیر و نگهداری مورد نیاز برای به روزرسانی این مورد ضروری است. در عوض ، شرکت ها برای کاهش کار دستی انجام شده توسط تیم های داده ، باید به ML و اتوماسیون روی آورند. توصیه ما: به ML اجازه دهید همه آسانسورهای سنگین را انجام دهد و به تیم خود اجازه دهید روی چیزهایی تمرکز کند که فقط آنها می توانند انجام دهند.

2. داده در همه جا موجود است. مدیریت داده نیست.

داده ها همه جا هستند و همه می خواهند از آن استفاده کنند. تیم های سازمانی برای تصمیم گیری دقیق تر در زمینه کسب و کار ، به طرز ناخوشایند اطلاعات را جمع آوری و مصرف می کنند. در نتیجه ، شرکت ها مهندسان داده و تجزیه و تحلیل داده های بوش را استخدام می کنند ، دارایی های داده و خطوط لوله اضافی ایجاد می کنند. تجزیه و تحلیل که فقط به صورت هفتگی قابل بارگیری است ، اکنون در هر ساعت در دسترس است.

برای بسیاری از شرکت ها ، افزایش سرعت نوآوری در داده ها برای بقا بسیار مهم است. در حالی که زیرساخت های داده و ابزارهای هوش تجاری در حمایت از این نوآوری طی چند سال گذشته پیشرفت کرده اند ، DataOps با اکثر راه حل های DataOps ، مانند سیگنال های کیفیت داده و ردیابی جنسیتی ، دستی ، تک بعدی و مقیاس پذیر عقب است.

یکی از راههای رسیدن DataOps و راه حلها استفاده از مفاهیم مهندسی نرم افزار است. بسیاری از مشکلاتی که ما در داده ها با آن روبرو هستیم در واقع مشکلاتی است که در صنایع مهندسی ، امنیتی و صنایع دیگر حل شده است.

3. محرمانه بودن و امنیت داده ها از جلو و از مرکز است. برای همه.

اشتراکات مشترک Uber ، Marriott ، Facebook و Equifax چیست؟ هر چهار شرکت اخیراً مورد نقض گسترده داده ها قرار گرفته اند ، که میلیون ها هزینه برای تسویه حساب SEC برای آنها هزینه کرده و اعتماد ارزشمند مشتری را تضعیف کرده است.

در حالی که بسیاری از شرکت های دولتی به دلیل نقض داده ها بیشترین کنترل را دارند ، حتی آژیرهای گردباد نیز ایمن سازی نمی شوند. افزایش مقررات و توجه رسانه ها به هک ها و نقض ها ، رازداری و امنیت داده ها را برای همه در اولویت قرار می دهد. شرکت های بزرگ و کوچک باید این نگرانی ها را از طریق یک استراتژی قوی مدیریت داده جدی بگیرند.

CTO ها ، CDO ها و معاونان رئیس جمهور به جای حفظ این مکالمات بین یک تیم کوچک و بسته از متخصصان ، باید یک کمیته داده بین عملکردی تشکیل دهند که KPI ها را برای امنیت و محرمانگی تعیین کند و کل سازمان را مسئول اجرای آنها بخواند.

راهی برای مدیریت داده 2.0 ایجاد کنید

Automation / ML ، Next Generation DataOps و رازداری و امنیت داده ها نه تنها برای نوآوری اساسی نیستند ، بلکه برای آینده مدیریت داده ها نیز حیاتی هستند. مدیریت داده 2.0 از همگرایی این سه گرایش پدیدار می شود و نه تنها برای CDO بلکه برای کل سازمان ها در مرکز قرار می گیرد.

اگر با مدیریت داده ها دست و پنجه نرم می کنید ، بدانید که تنها نیستید. اگرچه جای بسیاری برای پیشرفت وجود دارد ، ما خوشحالیم که می بینیم چه رویکردهای جدیدی برای رفع این چالش در حال ظهور است. ما به عنوان رهبر داده ها ، باید اهمیت این موضوع را هم در شرکت های خود و هم در کل جامعه بالا ببریم.

از این گذشته ، اگر مدیریت داده از اهمیت بالاتری برخوردار است ، وقت آن است که به این ترتیب با آن رفتار کنیم.

بار موزس مدیر عامل و بنیانگذار شرکت مونت کارلو، یک شرکت نظارت بر داده پیش از این ، وی معاون رئیس مشتری در Gainsight بود. پیش از آن ، وی مشاور مدیریت در Bain & Company و یک همکار تحقیقاتی در استنفورد آماری بود. وی همچنین در نیروی هوایی اسرائیل خدمت می کرد. بار از لیسانس ریاضیات و علوم کامپیوتر از استنفورد فارغ التحصیل شد.

کیور دسای مدیر عامل جهانی مدیریت داده ها ، درآمدزایی و تجزیه و تحلیل داده ها است. اخیراً ، او مدیر ارشد داده در TD Ameritrade بود ، جایی که او یک تیم پراکنده در سطح جهانی را با مسئولیت کامل بودجه هدایت کرد.

انجمن هفته اطلاعات متخصصان فناوری اطلاعات و متخصصان صنعت را با مشاوره ، آموزش و نظرات فناوری اطلاعات گرد هم آورده است. ما تلاش می کنیم تا رهبران فن آوری و متخصصان موضوع را برجسته کنیم و از دانش و تجربه آنها برای کمک به مخاطبان IT خود استفاده کنیم … مشاهده بیوگرافی کامل

بینش بیشتر