Andmevalitsemise puudumine annab end sageli tunda läbi igapäevaste äriliste probleemide.
Kas olete näinud kahte aruannet, mis näitavad sama KPI (Key Performance Indicator) kohta erinevaid tulemusi?
Kas keegi on küsinud, kust mõni KPI näitaja pärineb?
Kas analüütikud on enne juhtkonna koosolekut päevi Exceli tabeleid omavahel kokku proovinud panna?
Või olete avastanud, et teie meeskondadel on palju andmeid, kuid neil on siiski raske vastata näiliselt lihtsale ärilisele küsimusele?
Need ei ole pelgalt andmeprobleemid. Need on äriprobleemid, ja need võivad organisatsioonile maksma minna rohkem, kui esmapilgul tundub.
Mis on andmevalitsemine?
Lihtsustatult on andmevalitsemine see, kuidas organisatsioon tagab, et tema andmeid mõistetakse, usaldatakse ja kasutatakse vastutustundlikult.
Andmevalitsemine annab vastused väga praktilistele küsimustele:
Mida need andmed tegelikult tähendavad?
Kes nende eest vastutab?
Kas nende kvaliteeti saab usaldada?
Kellel on õigus neid kasutada?
Milliseid andmeid tuleb esitada järelevalveasutusele?
Andmevalitsemise olemus seisnebki selles, et neile küsimustele on olemas selged vastused ja neid reegleid järgitakse ka igapäevatöös.
Halva andmevalitsemise varjatud kulud
Kujutage ette, et müügijuht küsib:
„Kui palju tulu teenisime eelmises kvartalis strateegilistelt klientidelt?“
Küsimus tundub lihtne. Sellele vastamiseks võib aga olla vaja mitme meeskonna kokkulepet:
Milline klient loetakse strateegiliseks kliendiks?
Millise osakonna või toote tulu kasutada?
Kas tulu tähendab brutokäivet, netokäivet, EBITDA-d või kasumit?
Milline süsteem on nende andmete ametlik allikas?
Millist aruannet tuleks pidada ametlikuks?
Need võivad tunduda tehniliste küsimustena, mis tuleb lahendada aruande koostamisel või andmelahenduse juurutamisel. Tegelikult on need laiemad ärilised küsimused.
Strateegilise kliendi definitsioon on äriline otsus, mitte aruandluse nõue. Tulu tähendus on äriline kokkulepe, mitte analüütiku valitud arvutusviis. Ja otsus selle kohta, milline andmeallikas on ametlik, on organisatsiooni vastutus, mitte üksnes tehniline valik.
Neid otsuseid ei peaks tegema iga kord, kui luuakse uus aruanne, andmetoode või rakendus.
Need peaksid saama organisatsiooni ülesteks standarditeks, mida saab taaskasutada eri osakondades, äriprotsessides, aruandluslahendustes ja tulevastes algatustes.
Ilma sellise aluseta lahendavad organisatsioonid ikka ja jälle samu probleeme, millel on reaalsed ärilised tagajärjed:
Aeglasemad otsused. Töötajad kulutavad aega andmete kontrollimisele ja kooskõlastamisele, selle asemel et neid kasutada.
Vastuoluline pilt juhtkonnale. Meeskonnad kasutavad erinevaid definitsioone ja loovad seetõttu erinevaid versioone tegelikkusest.
Suuremad tegevuskulud. Analüütikud lahendavad samu andmeprobleeme korduvalt käsitsi.
Suurem risk. Tundlikke või reguleeritud andmeid võidakse jagada või kasutada sobimatult.
Väiksem usaldus analüütika vastu. Kui inimesed ei usalda enam ametlikke aruandeid, hakkavad nad koostama oma tabeleid ja arvutusi.
Tegelik kulu tekib samade äriliste küsimuste korduvast lahendamisest. Andmevalitsemine loob püsivat väärtust, sest kehtestab ühised definitsioonid, reeglid ja vastutuse. Nii muutuvad üksikotsused korduvkasutatavaks äriteadmiseks ja kokkulepitud tööviisiks, millele iga uus algatus saab toetuda.
Milline on hea andmevalitsemine?
Hea andmevalitsemine ei tähenda uute reeglite, dokumentide või kinnitusprotsesside loomist. See tähendab, et andmetega seotud olulised otsused tehakse üks kord, neil on selge omanik ja neid rakendatakse järjepidevalt kogu organisatsioonis.
Ärilised definitsioonid on ühised.
Vastutus on selgelt määratud.
Andmekvaliteeti jälgitakse.
Andmete päritolu on võimalik tuvastada kuni algallikani.
Juurdepääsuõigusi hallatakse nõuetekohaselt.
Need tavad muutuvad igapäevase äritegevuse osaks, mitte üksikute IT-projektide eraldiseisvateks tegevusteks. Tulemuseks on see, et meeskonnad kulutavad vähem aega andmete tähenduse väljaselgitamisele ja rohkem aega nende kasutamisele ärilise väärtuse loomiseks.
Miks on see tehisintellekti ajastul veelgi olulisem?
Organisatsioonid investeerivad üha rohkem tehisintellekti, et automatiseerida protsesse, saada andmetest uusi teadmisi ja toetada äriotsuseid. Tehisintellekt ei paranda aga halbu andmeid iseenesest – see võib olemasolevaid probleeme hoopis võimendada.
Kui kliendiandmed on ebaühtlased, definitsioonid ebaselged või olulised andmed puudu, annab tehisintellekt vastuseid lihtsalt kiiremini, muutmata neid usaldusväärsemaks.
Seega ei ole usaldusväärsed ja hästi hallatud andmed üksnes traditsioonilise analüütika eeldus, vaid muutuvad tehisintellekti eduka kasutuselevõtu eeltingimuseks.
Andmevalitsemine algab ärist
Tehnoloogia võimaldab luua andmekatalooge, jälgida andmekvaliteeti, tuvastada andmete päritolu ja hallata juurdepääsu. Kuid tehnoloogia ei saa otsustada, mida strateegiline klient ettevõtte jaoks tähendab, millist tulu definitsiooni kasutada või kes vastutab kriitiliste äriandmete eest.
Need on ärilised otsused:
ärijuhid määravad prioriteedid ja mõistete sisu;
andmeomanikud võtavad vastutuse;
IT- ja andmemeeskonnad pakuvad tehnoloogiat ja protsesse nende otsuste elluviimiseks;
riskijuhtimise ja vastavuskontrolli meeskonnad aitavad tagada, et andmeid kasutatakse vastutustundlikult.
Eesmärk ei ole hallata kõiki andmeid ühtemoodi. Eesmärk on keskenduda andmetele, mis on kõige olulisemad ettevõtte tulemuste, otsustusprotsessi ja regulatiivsete kohustuste seisukohast, ning kehtestada nende haldamiseks selged ja korduvkasutatavad reeglid.
Kui hästi see teie organisatsioonis toimib?
Kas osakonnad kasutavad kriitiliste ärinäitajate puhul ühtseid definitsioone?
Kas oluliste andmete eest vastutajad on selgelt määratud?
Kas juhtkonna aruannetes kasutatud andmete päritolu on võimalik tuvastada?
Kas kriitilised andmekvaliteedi probleemid on tuvastatud ja lahendatud?
Kas investeeringud andmetesse parandavad äriotsuseid?
Kui neile küsimustele on raske vastata, võib organisatsiooni andmevalitsemine küpsuses olla puudujääke.
Küpsushindamine aitab välja selgitada, kus need puudujäägid on, millised neist mõjutavad äri kõige rohkem ja millega tuleks alustada.
Andmevalitsemine ei ole andmete kontrollimine kontrollimise pärast. Selle eesmärk on paremad otsused, väiksemad riskid ja suurem äriline väärtus andmetest.