Bestimmung und Einhaltung eines Lebenszyklus
Durch die Festlegung eines Lebenszyklus für Daten bestimmen Sie , wann Daten nicht mehr gebraucht werden und entsorgt werden können . So stellen Sie sicher , dass keine veralteten Daten vorhanden sind , die Kosten verursachen und Entscheidungen beeinflussen .
Unternehmensweite Verfolgung von Daten
Die Bedeutung von Metadaten ist in den letzten Jahren gestiegen , da immer mehr unstrukturierte Daten gespeichert und analysiert werden . Metadaten zu Erstellung , Verantwortlichen und Themen sind unerlässlich , um den Wert von Daten zu verstehen und zu steigern . Mit einer unternehmensweiten Richtlinie und zentralen Instanz für die Verfolgung aller Metadaten können alle Mitarbeiter im Unternehmen umgehend Informationen finden , die für ihre Arbeit relevant sind .
Verfolgung von Kopien / Instanzen derselben Daten mit Angaben zu Erstellungsort und -zeit
Die Komplexität von Informationssystemen steigt . Dadurch kommt es immer häufiger dazu , dass Daten in einem Unternehmen mehrere Male kopiert werden . Diese Replikatkopien sind für den erfolgreichen Betrieb wichtig , müssen aber einschließlich ihres Erstelldatums konsistent verfolgt werden , damit sie sich bei Bedarf aktualisieren oder entfernen lassen .
Separate Regelung von Integration und Transformation in Data-Governance-Richtlinien
Integration
Richtlinien für die Datenintegration müssen definieren , welche Datentypen kombiniert werden können und welche Sicherheitsbestimmungen für die daraus entstehenden Daten erforderlich sind . Integrationsrichtlinien müssen auch dokumentieren , wo die Kombination von Daten erlaubt ist und welche Prozesse zu dokumentieren sind , um die Reproduzierbarkeit sicherzustellen .
Konvertierung
Konvertierungsrichtlinien müssen dokumentieren , was mit den Originaldaten passiert . Werden sie nach der Konvertierung beispielsweise aufbewahrt oder gelöscht ? In einer Welt , in der Daten während der Analyse häufig konvertiert werden , sollten die Vorteile abgewogen werden , die mit der Aufbewahrung der Originaldaten verbunden sind , falls die Daten in künftigen Workflows im Original erforderlich sind .
Modellmanagement
Viele Unternehmen setzen Vorhersagemodelle ein . Über diese Modelle werden zahlreiche Aspekte definiert , die von Empfehlungen bis zu Risikoprofilen reichen . Die Modelle sind ebenso wichtig wie die Daten , die ihnen zugrunde liegen – wenn nicht sogar wichtiger . Sie müssen in einer Data-Governance-Strategie berücksichtigt werden , um zu regeln , wer genehmigen kann , ob neue Modelle implementiert werden , wie sie getestet werden und welche Dokumentation für alle erstellten Modelle erforderlich ist .
Zuordnung eines verantwortlichen Fachexperten für die Daten
Viele Unternehmen bestimmen einen „ Daten-Owner “, der für die Definition und Implementierung von Richtlinien zu bestimmten Daten verantwortlich ist . Ich empfehle , jedem Dataset auch einen entsprechenden Fachexperten zuzuordnen . Letzten Endes gehören die Daten dem Unternehmen , daher ist der Titel des „ Owners “ irreführend . Der Titel des Fachexperten bezeichnet eine Person , die die Risiken und den Wert der Daten tatsächlich versteht und weiß , wie das Unternehmen größtmöglichen Nutzen daraus ziehen kann .
„ Sie müssen wissen , welches Risiko die Daten für Ihr Unternehmen darstellen , damit sie angemessen geschützt werden können .“
In unserer heutigen Welt der Cloud-First-Umgebungen ist die Rolle von Daten wichtiger denn je . Richtlinien für Integration , Konvertierung und Sicherheitskontext müssen aktualisiert werden , um der regulären Bewegung von Anwendungen und ihren unterstützenden Daten Rechnung zu tragen . Diese Änderungen müssen durch Risikomanagement begleitet werden – unter Leitung eines Fachexperten , der für die Definition aller Data-Governance-Aspekte für ein bestimmtes Dataset verantwortlich ist . Der Fachexperte stellt sicher , dass Risiken entsprechend unter Kontrolle gehalten und gegenüber den Erfordernissen des Unternehmens und der Einzelpersonen abgewogen werden , die auf die Daten zugreifen und sie analysieren . Nur dann verfügen Unternehmen über eine solide Data-Governance- Strategie .
WINTER 2016 | THE DOPPLER | 25