跳转到主要内容

按照这三个步骤来开发和动员可以推动整个企业转型的数据治理计划。

本文与 Metis Strategy 的助理 Duke Dyksterhouse 合着。

IoT 设备、可穿戴设备、SaaS 应用程序和社交媒体渠道只是当今数据进入组织的几个来源。如果经过深思熟虑的组合和分析,来自这些渠道的数据可以提供新的见解并释放新的机会。将这些见解制度化并在整个企业范围内扩展的组织可以更快地做出明智的决策,并确保无需两次吸取教训。


将孤立的信息转换为企业范围的洞察力需要对数据治理的承诺,而正确地做到这一点不仅仅是一时的努力。在最好的情况下,数据治理可以随着公司战略的发展而调整和扩展,容纳不断增长的数据宝库,并且最重要的是,提供一个通用的命名法和信任,以简化跨业务部门和职能的沟通。

如果说数据是新的石油,速度是商业的货币,那么数据治理就是融合两者的纽带。它是组织用来确保团队在正确的时间拥有正确的数据以增强和自动化流程、产品和体验的一组系统、策略和程序。在当今竞争激烈的环境中,这是一个令人兴奋且有价值的功能,但要实现这一目标需要大量的工作。在本文中,我们列出了一个三步流程,以开发和调动以业务速度移动的数据治理计划。

第 1 步:建立基础组件


在许多组织中,数据治理通常仅限于合规性、隐私和安全性。毫无疑问,这些都是关键领域,但扩大范围并使其监督代表多样化可以通过更快、更明智的决策和运营效率带来更多的商业价值。任何数据治理计划都应包括四个主要组成部分:数据治理指导委员会、数据所有者、数据管理员和数据管理团队。

首先,评估您的数据治理指导委员会。如果你没有,组装一个。包括来自所有业务部门和职能部门的领导。如果你有一个,但它缺乏跨功能的表示,那就增加它。每个业务部门和职能部门都应在委员会中有一名代表。根据委员会的规模和范围,这可能是 C 级主管或与 BU 核心数据和 IT 系统密切合作的人。

代表必须首先阐明委员会的目标,其中应包括一组业务和合规驱动的目标。阐明这些目标将有助于阐明指导委员会最适合执行的数据治理目标。例如,考虑一个代表大型医院系统管理行政流程的医疗保健组织。指导委员会确定了一个目标,即推动报告流程更加自动化。为了实现这一目标,他们决定首先必须在其客户群中推动通用数据定义。

一旦你组建了一个指导委员会并确定了它的目标,就该分配角色了。每个 BU 和代表的职能部门都应该有一个数据所有者,他们将建立和维护政策和程序,这些政策和程序将通过迭代过程缓解各自领域中最严重的数据质量问题。以医疗保健为例,考虑到每个业务部门对拒绝索赔的定义略有不同,这阻碍了组织更广泛地采用允许他们自动化索赔报告的解决方案。认识到需要协调这些不同的定义,指导委员会就拒绝索赔的共同定义达成一致,这将实现数据聚合和自动报告。然后,委员会指派数据所有者采用这一通用定义,并在其各自的业务部门或职能部门内管理数据与它的一致性。

接下来,您需要分配数据管理员。管家在功能上和战术上是一致的。他们为数据所有者提供服务,以推动政策遵守、领导特定领域的变更管理和报告数据质量问题。例如,与 B2B 软件公司的营销部门结盟的管家可能负责鼓励在公司的 CRM 工具中使用通用命名法(比如说北、南、东、西)按地区对潜在客户进行分类的做法。预计数据管理员会将这种做法传授给使用该工具的销售代表,监控其采用情况,并建议如何改进支持该工具的政策。

最后,建立数据管理团队很重要。该团队通常由技术 IT 资源组成,是您的数据治理计划的支柱。它用于启用和监控已建立的政策和程序。为此,它进行审计以确保遵守隐私和安全政策;评估数据的准确性、相关性和完整性;并推动您的数据生命周期战略——从数据的创建和初始存储到数据的到期和销毁。

第 2 步:锻炼所需的肌肉,将新数据快速准确地引入您的生态系统


一旦建立了数据治理组织并定义了其初始策略,您就可以开始建立肌肉,使数据治理成为敏捷的来源,这将帮助您预测问题、抓住机会并随着业务环境的变化和新的数据来源变得可用。

您的数据治理能力负责识别、分类和集成这些新的和不断变化的数据源,这些数据源可能通过合并等里程碑事件或通过在您的组织内部署新技术而获得。它通过定义和应用一组可重复的策略、流程和支持工具来实现,您可以将其应用视为一个门控流程,新数据必须通过一系列检查点以确保其质量。

该过程的第一步是确定需要做什么才能和谐地引入新数据。以我们的一个 B2B 软件客户为例,该客户收购了一家互补公司并试图整合该公司的客户数据。数据治理团队确定每个组织都有不同的管理客户实体层次结构的方式,这些层次结构定义了看似不同但汇总到同一个父组织的客户之间的关系。指导委员会决定,被收购公司应继承收购公司的客户实体层次结构,以保护华尔街的关键指标。为了实现这一目标,该组织必须采取以下措施:

  • 数据建模和设计:将被收购公司的客户层次结构映射到现有层次结构,并相应地更新数据建模工件(例如实体关系图)和工具。
  • 数据字典:使用历史上下文更新数据字典和主数据管理工具,以指定来自被收购公司的客户数据如何映射到现有客户层次结构。
  • 数据合规性和访问:评估现有的合规状况是否适合新的客户数据,并决定是否部署额外的访问或安全规定。
  • 数据质量设计和实施:在关键应用程序中构建控制,以防止销售团队中的用户创建重复记录或输入自由格式文本(而不是搜索现有记录)。
  • 沟通和变更管理:数据管理员将变更传达给受影响的用户,并管理人员、流程和技术的后续变更

管理新数据的引入具有挑战性,但要抵制追求一次性解决方案的诱惑,这些解决方案以牺牲长期规模和可重用性为代价提供速度。投资于流程并使用它为数据资产的超额回报奠定基础。将上面的示例视为 J 曲线的开始:彻底的分析和实施,虽然可能会导致短期的“损失”,但可以带来巨大的、可扩展的长期收益。

第 3 步:将运营数据管理实践正式化以实现持续数据质量


最后一步是编纂数据管理工具和实践,以保持现有数据的质量并支持目标业务成果。一流的数据管理程序通常具有定义的程序、节奏和工具,支持以下内容:

  • 主数据管理:支持为所有关键业务数据(例如,客户、产品)创建单一主参考源的系统和流程,进而减少业务流程中的错误和冗余数量
  • 数据质量审计和监控:部署工具和自动化流程,帮助识别与定义的业务或合规规则不一致的数据,因此不符合定义的质量阈值
  • 数据质量报告:定义数据质量指标或 KPI、定期审查其进度并确定改进它们的行动计划的实践
  • 数据存储运营:定义在整个数据生命周期(从引入到销毁)中存储各种类型数据的位置和方式的实践,同时考虑到独特的隐私和合规性考虑
  • 数据管理:跨关键业务部门和职能部门分配资源以服务于数据质量策略的实践,以及管理与将新数据引入环境相关的变更。

对这些实践进行编码可以在准确性、完整性、一致性、时间线、有效性和唯一性方面提高数据质量。高质量的数据可能是满意的客户和不满的客户之间的区别。对于一位医疗保健客户而言,大量投资于控制和监控技术有助于确保动态和静态信息的数据质量,使组织能够为客户提供实时信息,并跨物理和数字渠道提供一致的体验。

一个好的数据治理计划可以提高单个业务功能和单元的性能。一个伟大的人利用组织的数据来推动企业范围的转型。让你的成为一个伟大的。您将享受到更快的速度和敏捷性,并最终获得更好的业务成果。

原文:https://www.cio.com/article/305528/data-governance-at-the-speed-of-business.html

本文:https://cio.ceo/data-governance-speed-business