Data Governance

DAMA Corporate Data Governance включает в себя процессы, людей, технологии, необходимые для управления и защиты данных как актива компании для того, чтобы гарантировать в целом понятные, корректные, полные, надежные, безопасные и раскрываемые корпоративные данные.
Data Governance (DG) заключается в создании методов и организации с отчетливыми процессами и ответственными лицами для стандартизации, интеграции, защиты и хранения корпоративных данных.
Идея DG: иметь четкое представление о том, откуда берутся данные, кому они принадлежат, и когда вносятся изменения, кто должен участвовать.
The Global Data Management Community.      • Скачать DAMA- DMBOK2 Framework v2 •


Data Governance - это постоянный, итерационный процесс, ключевые цели которого:

  • Установить внутренние правила использования данных;
  • Оценка стоимости данных;
  • Повышение ценности данных;
  • Сокращение операционных издержек и затрат;
  • Внедрение требований комплаенса;
  • Улучшение внутренних и внешних коммуникаций;
  • Помощь в обеспечении непрерывного существования компании посредством управления рисками и оптимизации.


Каждый домен данных содержит следующие артефакты:

  • Владельцы данных (Data Owners);
  • Бизнес-глоссарий (Business Glossaries);
  • Словари данных (Data Dictionaries);
  • Бизнес-процессы(Business Processes);
  • Каталоги данных (Data Catalogs);
  • Каталоги отчетов (Reports Catalogs);
  • Системы показателей качества данных (Data Quality Scorecards);
  • Системы и приложения (Systems and Applications);
  • Политики и стандарты (Policies and Standards).


Смотрите также: модели зрелости Программы Управления Данными.


Data Governance - кросс-функциональная дисциплина, охватывает следующие направления:


Если не считать этап глубокого архивирования и выбытия данных, то ценность создается на последнем этапе цепи жизненного цикла данных - при принятии обоснованных правильных решений .


IBM Data Governance Council прогнозировал еще в начале 2000-х годов, что управление данными станет регуляторным требованием. Информационные активы будут рассматриваться как активы и включены в баланс. Надлежащая оценка стоимости данных и информации будет определять уровень инвестиций для обеспечения качества и надлежащей безопасности на протяжении всего жизненного цикла информационных активов.


Alan McSweeney более подробно раскрывает направления Data Governance, распределяя структуру деятельности по функциям PCDO (Planning, Control, Development, Operations). Все эти 10 направлений - большей частью про технологические аспекты.

Институт Финансового Развития Бизнеса обоснованно предлагает рассматривать даннные, метаданные, технологии как интеллектуальный продукт. Активы должны быть инвентаризированы, юридически защищены, правильно оценены и поставлены на баланс предприятия.




 

Обзор критериев оценки систем управления данными
 

Продукты Data Governance


 
  • Контрольный список
  • Бизнес-драйверы
  • Метрики

Пошаговое исполнение Data Governance программы:

  1. Уяснение бизнес-задачи;
  2. Определение спонсора, бизнес-заказчика, [стейкхолдеров];
  3. Выравнивание коммуникаций, менеджмент рабочими процессами;
  4. Классификация и согласование бизнес-терминов;
  5. Выявление критических элементов данных для бизнеса;
  6. Анализ происхождения и влияния метаданных (бизнес и технические аспекты);
  7. Настройка политик, правил и допустимых значений;
  8. Увязка правил качества данных с бизнес-политикам;
  9. Профилирование данных;
  10. Дашборд качества данных;
  11. Исправление некачественных и восстановление неполных данных;
  12. Мониторинг критичных и конфиденциальных данных.

Что побуждает развивать Data Governance:

  • • Нормативные требования Регуляторов
            Например, Положение 483-П Банка России, FDA 21 CFR Part 11
  • • Продажа детальных данных, агрегатов
            Очевидно, плохие данные / агрегаты / информацию не продать
  • • Снижение рисков
            Репутационные риски, финансовые риски, юридические риски, защита персональных / конфиденциальных данных
  • • Улучшение процессов
            Управление поставщиками, контроль технического долга, ...
  • • Взрывной рост продвинутой аналитики и Data Science
            Если данные далеки от реальной картины мира (силос данных), то и аналитика будет так себе

Примеры некоторых основых показателей Data Governance, которые могут быть выражены в абсолютных, относительных величинах, в динамике:

  • • Стоимость активов данных;
  • • Затраты на управление данными;
  • • Количество принятых решений на основе / посредством анализа данных;
  • • Количество поставленных целей было достигнуто;
  • • Сколько массивов данных контролируется дата-стюардами;
  • • Сколько массивов данных мониторится автоматами;
  • • Количество выявленных, решенных инцидентов с данными;
  • • Время от идентификации проблемы с данными до её разрешения;
  • • Количество обогащенных данных;
  • • Численность персонала по менеджменту данных;
  • • Количество профессионалов по менеджменту данных;
  • • Количество подразделений, где принят стандарт данных (для конкретного фрагмента данных или элемента данных) по предметной области;
  • • Количество элементов данных информационных систем, совместно использующих стандарт данных, по предметной области;
  • • Зрелость процесса менеджмента данных.

Показатели могут анализироваться в различных разрезах, таких как: бизнес-направления, системы-источники, критичные, публичные/ конфиденциальные / персональные данные, отчетные периоды. Метрики должны расти и изменяться по мере созревания программы DG.