مدیریت داده نقض می شود – InformationWeek

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
منبع: tasiveh-news.ir
آخرین دیدگاهها