اصول مدیریت داده  و ایجاد ارزش برای کسب و کار

 امروزه موفقیت سازمان ها با شیوه اصول مدیریت داده، همنوا شده است. بسیاری از سازمان ها به این موضوع اذعان دارند که داده، دارای ارزش است. همچنین مدیریت ساختارمند داده، می تواند بر موفقیت آنها تاثیرگذار شایانی داشته باشد. اصول مدیریت داده ایجاد ارزش برای کسب و کار می باشد.

بدیهی است که در سازمان ها، توجه به داده و استخراج ارزش از آن در دستور کار قرار گیرد. با افزایش توانایی سازمان ها جهت ایجاد و بکارگیری داده، نیاز به روش های قابل اعتماد اصول مدیریت داده بسیار ملموس است. در بطن داده می تواند ارزشی نهفته باشد که با شناسایی، پالایش و بکارگیری روش مند آن استخراج شود. همچنین می توان در حوزه های مختلف بگونه ای حرکت کرد که یک مزیت رقابتی از داده ها، ایجاد کند.

این حوزه ها شامل مدیریت مشتریان، نوآوری، طراحی محصول خواهند بود. روش های استانداردی وجود دارد که ضمن پایبندی به اصول اولیه حکمرانی داده، با چالش های پیش رو نیز به درستی برخورد می کند. استانداردسازی مدیریت داده به دو صورت به متخصصان مدیریت داده کمک می کند. اول اینکه به طور موثر و پیوسته وظایف خود را انجام دهند. دوم، فرصت شناخت ارزش داده و مشارکت در فعالیت های مدیریت داده را برای رهبران سازمان ها فراهم می نماید.

محرک های کسب و کار

تحلیل داده ها، اطلاعات و دانش، کلید ایجاد مزیتهای رقابتی می باشند. داده های با کیفیت و قابل اعتماد در سازمان ها میتواند با مشتریان، محصولات، سرویس ها و عملیات، بصورت بهتری رفتار کنند. همچنین بر این مبنا می توان تصمیمات بهتری را اتخاذ نمود. در صورتیکه آن دسته از سازمان هایی که فاقد داده و یا داده قابل اعتماد می باشند، از این مزیت بی بهره اند.

شکست در اصول مدیریت داده، مشابه شکست در مدیریت سرمایه ها می باشد. اتلاف زمان و از دست رفتن فرصت ها از عواقب آن است. محرک اولیه برای مدیریت داده، توانمند کردن سازمان می باشد. سازمان ها قادر هستند از سرمایه های خود ارزشی را به دست آورند. برای به دست آوردن این ارزش از دارایی های داده، همانند مدیریت موثر سرمایه های فیزیکی و مالی میتوان بهره برد.

اهداف اصول مدیریت داده 

مهم ترین اهداف اصول مدیریت داده در یک سازمان در شکل زیر نشان داده شده  است.

اصول مدیریت داده

اصول مدیریت داده 

می توان داده را به عنوان یک دارایی سازمانی در نظر گرفت. (قطعا می باید این چنین باشد). بدیهی است اصول مدیریت داده، دارای خصایص مشابهی با مدیریت سایر دارایی ها باشد. آگاهی از وضعیت داده های موجود در سازمان (نظیر یک انبار و آگاهی از اقلامی که در آن می باشند) مهم است. از کارهایی که می توان با دارایی انجام داد میتوان به موارد زیادی اشاره کرد.

استفاده از دارایی های داده جهت نیل به اهداف سازمانی (هسمویی سرمایه های سازمانی با استراتژی کسب و کار) می باشد. این مورد صرفاً نمونه های اندک از خصایص مشترک داده به عنوان یک دارایی با سایر دارایی ها در یک سازمان است. نظیر سایر فرآیندهای مدیریتی، می باید بین نیازهای استراتژیک و عملیاتی توازنی برقرار گردد. این توازن می تواند به بهترین وجه ممکن انجام شود. این موضوع مهم، با تبعیت از مجموعه ای از اصول که ویژگی های برجسته مدیریت داده را بیان می کند، امکان پذیر است. در شکل زیر، به مهمترین اصول مدیریت داده اشاره شده است.

تصویر زیر

اصول مدیریت داده
اصول مدیریت داده

چرایی اصول مدیریت داده باید به درستی تبیین شده و بر اساس آن یک استراتژی منسجم برای مدیریت داده تدوین گردد. جایگاه پرداختن به این چرایی، هنگامی است که خلق ارزش از داده در یک سازمان، نهادینه می شود. مواردی وجود دارد که رسیدن به اهداف تعریف شده در استراتژی مدیریت داده را هموار می نماید. این مسیر با استناد به اصول مدیریت داده، برخورد منطقی و سیستماتیک با چالش های مرتبط و بکارگیری چارچوب های معتبر قابل، دسترسی است. 

برای رسیدن به نتایج مطلوب در حوزه مدیریت، می باید دارای فرآیندهای منسجم، فراگیر و بالغ در حوزه های مختلف عملکردی مدیریت باشیم. قطعاً می باید هر یک از حوزه های کاری به همراه الزامات مدیریتی آن به درستی و بر اساس یک استراتژی مدون تبیین شده باشد.

 

 داده یک دارایی منحصربفرد  

در شکل زیر چهار ویژگی مهم داده نشان داده شده است. با ترکیب این چهار خصلت است که به جرات می توان ادعا کرد داده نسبت به سایر دارایی های سازمانی دارای جایگاهی برجسته و منحصربفرد پیدا خواهدکرد.

اصول مدیریت داده

الزامات اصول مدیریت داده

بسیاری از سازمان ها به ارزش داده به عنوان یک دارایی حیاتی پی برده اند. داده ها می توانند به سازمان بینش لازم در مواردی نظیر مشتریان، محصولات و سرویس ها را ارایه نماید. داده و اطلاعات می تواند نوآوری در یک سازمان را تقویت کند. همچنین جهت نیل به اهداف استراتژیک کمک نماید. علی رغم این باور ذهنی، صرفاً تعداد اندکی از سازمان ها به طور فعال، جدی و هدفمند از مدیریت داده، استفاده می کنند.

آنان به این باور رسیده اند می توانند از  داده ها بطور مستمر، ارزش جدید استخراج کنند. استخراج ارزش از داده، در خلا و یا به طور تصادفی محقق نمی گردد. تلاش، برنامه ریزی، هماهنگی و تعهدی فراگیر در سرتاسر سازمان آن را امکان پذیر می کند. اصول مدیریت داده، مستلزم مدیریت و رهبری است. ایجاد ارزش از داده، با اما و اگرها و دل به حوادث سپردن، امکان پذیر نیست.

فعالیت های مدیریت داده

اصول مدیریت داده، شامل پیاده سازی، اجراء و نظارت بر برنامه ریزی، سیاست ها و برنامه هاست. اصول مدیریت داده، عرضه، کنترل، حفاظت و توسعه ارزش داده و دارایی های اطلاعاتی را در طول چرخه حیات به دنبال دارد. فعالیت های مدیریت داده گسترده می باشند و طیف وسیعی از کارها را شامل می شود.

می توان توانایی ایجاد تصمیمات منسجم برای کسب ارزش استراتژیک از داده را بعنوان مهمترین فعالیت مدیریت داده، نام برد. بنابراین، اصول مدیریت داده نیازمند مهارت های فنی و غیرفنی است. مسئولیت مدیریت داده باید بین نقش های کسب و کار و فناوری اطلاعات به اشتراک گذاشته شود. افراد در هر دو بخش  باید قادر به تعامل و همکاری با یکدیگر باشند. 

چالش های مدیریت داده

اصول مدیریت داده دارای ویژگی های منحصر بفردی است که ریشه در خصایص ذاتی داده دارد. چالش های مدیریت داده در ارتباط مستقیم با اصول مدیریت داده می باشند. ممکن است هر چالش با یک و یا چندین اصل مدیریت داده مرتبط باشد. شناخت این چالش ها و ابعاد عملکردی آنها می تواند مسیر مدیریت داده را هموارتر و مبتنی بر واقعیات نماید. در شکل زیر به مهمترین چالش های مدیریت داده که به نوعی مرتبط با اصول مدیریت داده می باشند، اشاره شده است.

اصول مدیریت داده

میتوان نتیجه گرفت، تعداد زیادی از سازمان ها سرمایه گذاری فراوانی را به منظور بهبود داده و مدیریت اطلاعات انجام داده اند. اما تعداد اندکی از آنها به نتایج مطلوبی در جهت افزایش عملکرد کسب و کار خود نائل شده اند. علت، در درجه اول به دو عامل اصلی برمی گردد. دلیل اول، اغلب تفکر امروزی در حوزه اصول مدیریت داده از یک دیدگاه فناوری اطلاعات محور نشات می گیرد. اصولا تمرکز اصلی را بر روی فناوری هایی نظیر سخت افزار، برنامه ها و بانک های اطلاعاتی قرار می دهند. داده و اصول مدیریت داده باید از منظر ذینفعان کسب و کار دیده شود. 

ذینفعان کسب و کار

 

ذینفعان کسب و کار به عنوان یکی از بازیگران مهم در تحول دیجیتال هستند. آنان همواره به دنبال استخراج ارزش از داده می باشند. عامل دوم، گزارشات متعدد و موثق مراکز تحقیقاتی است. تجزیه و تحلیل و مشاوره ها، تایید کننده هزینه های بالا جهت افزایش کیفیت پایین داده ها می باشد. 

سازمان ها می توانند ضمن ارتقاء و تقویت زنجیره ارزش داده از آن به منظور بهبود عملکرد کسب و کار خود نیز استفاده نمایند. لازم است مدیریت داده با استناد به اصول مدیریت داده، بصورت متفاوتی عمل کند. برخورد سیستماتیک با چالش های مرتبط و بکارگیری چارچوب های معتبر بگونه ای باشد که شاهد بهبود فراگیر عملکرد کسب و کارها باشیم. 

با گذشت بیش از یک دهه از انقلاب داده، نتایج  بسیار خوبی به دست آماده است. سازمان ها و شرکت های با عملکرد بالا، سازمان های داده محور هستند. مکنزی، گارتنر، MIT و سایر مراکز معتبر تحقیقاتی و پژوهشی مطالعات زیادی در این زمینه انجام داده اند. بسیاری از سازمان ها دارای استراتژی داده می باشند و برنامه های اصول مدیریت داده را با استناد به آن هدایت می نمایند. از مزایای اینگونه سازمانها می توان به موارد زیر اشاره کرد:

  • بازده سرمایه گذاری بالاتر(ROI)
  • عملکرد بهتر نسبت به رقبا
  • بهره وری بیش تر
  • استفاده بهتر از دارایی ها
  • نرخ بازگشت بهتر دارایی ها(ROA) 

ایجاد و پیاده سازی یک استراتژی

با وجود سادگی کار،  بسیاری از سازمان ها برای ایجاد و پیاده سازی یک استراتژی داده مقاومت می نمایند. عدم وجود شناخت کافی در خصوص نقش و جایگاه استراتژی داده در اصول مدیریت موفق داده از عوامل مقاومت اینگونه سازمانهاست. متاسفانه در بسیاری از رشته های دانشگاهی مرتبط و در مقاطع مختلف تحصیلی  تفکر استراتژیک داده به دانشجویان آموزش داده نمی شود. در اکثر برنامه های درسی دانشجویان بر نحوه انجام کار فنی و حرفه ای تمرکز می گردد. 

دراین پارادایم، سازمان ها بدون وقفه صرفا به  مصرف کننده منابع تبدیل می شوند. معمولاً خروجی ارزشمندی را برای آنها به دنبال نخواهد داشت. صرفا درگیر روزمره گی عملیاتی می شوند. آنان بدون وجود یک چشم انداز روشن و برنامه ای مناسب خواهند بود.

الزامات استفاده خوب از داده  

برای استفاده خوب از داده به سه عنصر مهم نیاز خواهیم داشت و هر یک در عین مهم بودن به تنهایی کافی نمی باشند. ضرورت وجودی هریک، اضافه کردن قابلیتی بر بستر قبلی است. در نهایت لقمه ای ارزشمند برای مصرف و ایجاد ارزش در سازمان به وجود می آورد.

  •  سواد داده (Data Literacy)

سواد داده، به توانایی خواندن، ایجاد و ارتباط با داده به عنوان اطلاعات اطلاق می گردد. سواد داده به دانش، مهارت ها و توانمندی ها (KSAs) افرادی اطلاق می گردد. و افراد را قادر به شناسایی، جمع آوری، تحلیل، تفسیر، ارایه و حفاظت از دارایی های داده سازمانی می کند. زمانی که مفاهیم فوق در سطح سازمانی بکار گرفته شوند، یک سازمان باسواد داده ایجاد می گردد. در مقابل استفاده از شیوه های قبیله ای، سازمان ها می توانند به خودآگاهی بیشتری دست یابند. این خودآگاهی، یافتن روش های بهتر و ترغیب کارکنان به کسب سواد داده به منظور حمایت از روش های استفاده از زنجیره تامین داده، می باشد.

  • زنجیره تامین داده (Data Supply Chain)

زنجیره تامین داده، شامل مجموعه ای از فرآیندهای مستند شده تکرارپذیر یکسان برای افزودن ارزش به داده به موازات حرکت در طول مراحل مختلف پردازش و در مسیر رسیدن به تصمیم گیرندگان است. صرفا سازمان هایی با سواد داده از فرآیندهای تامین داده استاندارد استفاده می نمایند. آنان میتوانند به نتایج بهتر، قابل اعتمادتر و پیش بینیانه تر نسبت به گروه های کاری و یا رویه های مبتنی بر پروژه دست یابند. 

گروه های کاری پس از دستیبانی به اهداف، دارای انگیزه لازم برای بهبود متدها و محصولات داده خود نمی باشند. دارایی های داده سازمانی زمانی بهبود می یابند که لجستیک زنجیره تامین داده ها طراحی و پیاده سازی شده باشد. پس از تحقق این کار، سازمان ها از عدم انحراف خود به جزء از طریق فرآیندهای رسمی تغییر، مطئمن می شوند.

  • دارایی های داده استاندارد (Standard Data Assets)

همانگونه که به یک زبان استاندارد برای هر ارتباط معنی دار نیاز است، سازمان ها در صورتی که قصد استخراج ارزش از داده را داشته باشند، به دارایی های داده استاندارد نیاز دارند. این بدان معنی است که سازمان ها باید به سازمان های داده محور تبدیل شوند. مستند سازی دارایی داده با استفاده از دیکشنری های داده و یا سایر روش مشابه از جمله اقدامات مطلوب در این زمینه می باشد.

برخی از سازمان ها به دنبال موفقیت در محیط جهانی شبکه ای هستند. برای آنان دارایی های داده به منزله مواد خامی هستند که از آنها جهت حمایت از تصمیم گیری مبتنی بر شواهد استفاده می کنند. با ترکیب سه عنصر فوق، یک سازمان قادر به افزایش مقدار محصولات داده می باشد. این امر موجب بهبود کارایی و اثربخشی با سرعت مطلوب نسبت به رقبا می باشد. 

در شکل زیر ، نحوه استفاده از مزایای کامل دارایی های داده در یک سازمان با هدف ایجاد یک لقمه بهتر داده نشان داده شده است.

رشد نمایی داده، استفاده اندک از استانداردهای داده و سطح پایین سواد داده بدان معنی است که سازمان ها کار مهمی را پیش رو دارند. سرمایه گذاری درست سازمانها موجب می شود تا عملیات اصول مدیریت داده به صورت منظم، استاندارد شده و قابل پیش بینی انجام شود. زمانی این کار محقق می گردد که سازمان ها دارای برنامه ای منسجم باشند. یک استراتژی داده مدون برای غلبه بر سردرگمی، اختلال و ناکارآمدی و حرکت به سمت کارآمدی بیش تر از جمله این برنامه هاست.

اصول مدیریت داده

مدیریت استراتژیک داده بدون بکارگیری استانداردها، چارچوب ها و به روش ها به سرانجام مطلوب نخواهد رسید. این بدان معنی است که بخواهیم چرخ را مجددا اختراع نمائیم. میتوان از استانداردها، چارچوب ها، مدل ها و به روش های شناخته شده استفاده کرد. آنها به درستی امتحان خود را به دفعات پس داده اند. پس می توان با اطمینان در مسیر نقشه راه اصول مدیریت داده با قدرت و صلابت گام برداشت.

چارچوب ها ، مدل ها و  به روش های ارزیابی و اصول مدیریت داده 

اصول مدیریت داده شامل مجموعه ای از عملیات وابسته به یکدیگر است. هر یک دارای اهداف، فعالیت ها و مسئولیت های مختص به خود می باشند. کارشناسان حرفه ای داده باید پاسخگوی چالش های ذاتی استخراج ارزش از داده باشند. ایجاد توازن بین اهداف عملیاتی و نیازهای استراتژیک، الزامات فنی و کسب و کار، ریسک و نیازهای انطباق، از وظایف آنهاست. استفاده از یک چارچوب به ما در شناخت جامع مدیریت داده و ارتباط بین اجزاء آن کمک می کند. عملکرد هر بخش به بخش دیگری بستگی دارد.

برای استخراج ارزش از بطن داده، باید افراد مسئول برای جنبه های مختلف مدیریت داده قادر به تعامل و همکاری با یکدیگر باشند. چارچوپ ها در سطوح مختلف مفهومی پیاده سازی می شوند. همچنین طیف وسیعی از دیدگاه های متفاوت برای اصول مدیریت داده را پوشش می دهند. با دیدگاههای مختلف، می توان مسائل مرتبط با مدیریت داده را از زوایای متفاوتی بررسی کرد. این زوایا شامل شفاف سازی استراتژی، ایجاد نقشه راه، سازماندهی تیم های کاری و همسوئی عملیات، می باشد.

تاکنون چارچوب ها، مدل ها و به روش های مختلفی به منظور ارزیابی و مدیریت داده ارایه شده است. در شکل زیر به چهار نمونه متداول اشاره شده است.

شناخت جامع اصول مدیریت داده 

اصول مدیریت داده شامل مجموعه ای از عملیات وابسته به یکدیگر است که هر یک دارای اهداف، فعالیت ها و مسئولیت های مختص به خود می باشند. کارشناسان حرفه ای داده باید پاسخگوی چالش های ذاتی استخراج ارزش از داده و ایجاد توازن بین اهداف عملیاتی و نیازهای استراتژیک، الزامات فنی و کسب و کار، ریسک و نیازهای انطباق باشند. استفاده از یک چارچوب به ما در شناخت جامع مدیریت داده و ارتباط بین اجزاء آن کمک می کند. در صورتی که یک سازمان قصد دارد که از بطن داده ارزشی را استخراج کند، باید افراد مسئول برای جنبه های مختلف مدیریت داده استفاده نماید.

چارچوپ ها در سطوح مختلف مفهومی پیاده سازی می شوند و طیف وسیعی از دیدگاه های متفاوت برای مدیریت داده را پوشش می دهند. به کمک دیدگاه های مختلف و بینش ارایه شده توسط هر یک، می توان مسائل مرتبط با مدیریت داده را از زوایای متفاوتی بررسی کرد. مواردی نظیر شفاف سازی استراتژی، ایجاد نقشه راه، سازماندهی تیم های کاری و همسوئی عملیات، در اینجا مطرح می باشد .

تاکنون چارچوب ها، مدل ها و به روش های  مختلفی به منظور ارزیابی و مدیریت داده  ارایه شده است . در شکل زیر، به چهار نمونه متداول اشاره شده است.

اصول مدیریت داده

با توجه به جایگاه DMBOK، در ادامه ضمن معرفی اولیه آن، با برخی از مفاهیم کلیدی و اولیه آن آشنا می شویم.

چارچوب DMBOK و  حوزه های دانش اصول مدیریت داده

چارچوب DAMA DMBOK (برگرفته شده از  Data Management Body of Knowledge) یک نمونه موفق در زمینه مدیریت داده است. نسخه اول آن در سال ۲۰۰۹ و نسخه دوم ( نهایی شده ) آن در سال ۲۰۱۷ توسط DAMA ( برگرفته شده از Data Management Association International) ارایه شده است. ایده ها و مفاهیم ارایه شده توسط DMBOK به صورت کاملا متفاوت و با توجه به عوامل کلیدی مختلفی ارائه شده است که شامل:

  • حوزه صنعت کسب و کار
  • محدوده داده ها
  • فرهنگ سازمانی
  • سطح بلوغ
  • استراتژی
  • چشم انداز چالش های سازمانی

چارچوبDMBOK (شامل چرخ DAMA، نمودارهای زمینه و شش ضلعی)، حوزه های دانش اصول مدیریت داده تعریف شده توسط DAMA را تشریح می نماید. چارچوب DMBOK با وارد شدن به جزئیات هر حوزه دانش، تصویری کامل از محدوده کلی مدیریت داده را ترسیم می کند. در چارچوب DMBOK از اشکال و دیاگرام های خاصی برای تشریح بصری هر حوزه مدیریت داده استفاده می گردد. 

با مشاهده هر یک از تصاویر و نمودارهای ارایه شده، می توان با محدوده، عملکرد و وظایف هر حوزه آشنا گردید. (ایجاد یک تصویر دقیق از هر حوزه در ذهن مخاطب و قبل از درگیر شدن در جزئیات). سه تصویر بصری چارچوب مدیریت داده DMBOK عبارتنداز: چرخ DAMA، شش ضلعی عوامل محیطی و دیاگرام زمینه حوزه دانش. در ادامه بطور مختصر با هر یک بیشتر آشنا می شویم.

چرخ DAMA

چرخ DAMA، حوزه های دانش اصول مدیریت داده را مشخص می کند. این حوزه ها در نسخه شماره یک، ده عدد و در نسخه شماره دو ۱۱ مورد می باشند. حاکمیت داده (Data Governance) در مرکز فعالیت های مدیریت داده قرار داده شده است. حاکمیت داده برای برقراری ثبات بین اجزاء و ایجاد تعادل بین توابع لازم می باشد. دیگر حوزه های دانش در اطراف چرخ قرار داده شده اند. این امر بیانگر تمام بخش های ضروری یک عملیات مدیریت داده بالغ می باشد. 

پیاده سازی هر حوزه دانش با توجه به نوع نیاز هر سازمان می باشد. این امر در مقاطع زمانی مختلف و بر اساس الویت های مشخص، انجام شود. در شکل زیر چرخ DAMA  نشان داده شده است

چرخ DAMA

شش ضلعی عوامل محیطی 

بیانگر ارتباط بین افراد، فرآیندها و فناوری ها می باشد. مطالعه و آشنایی با کلیات هر حوزه دانش از سه بعد اشاره شده، می توان از دیاگرام زمینه DMBOK جهت آشنایی تکمیلی استفاده کرد. در شش ضلعی فوق، اهداف و اصول در وسط  قرار گرفته اند. این امر موجب ارائه مهمترین نکات و توصیه های لازم به افراد می گردد. این نکات شامل نحوه اجرای فعالیت ها و استفاده موثر از ابزارها برای مدیریت موفق می باشد.

شش ضلعی عوامی محیطی

دیاگرام زمینه حوزه دانش

اطلاعات هر حوزه دانش شامل جزئیات مرتبط با افراد، فرآیندها و فناوری ها را تشریح می نماید. این نوع دیاگرام با الهام از مفهوم دیاگرام های SIPOC مدیریت محصول ایجاد شده اند. (تامین کننده، ورودی ها، فرآیندها، خروجی ها و مصرف کننده ها). در دیاگرام های زمینه، فعالیت ها در مرکز قرار داده شده اند. چراکه باعث تولید خروجی هایی می شوند که نیاز ذینفعان را تامین می کند. 

دیاگرام های زمینه با تعاریف و اهداف حوزه دانش آغاز می گردند. در ادامه، به چهار گروه عمده برنامه ریزی (P)، پیاده سازی (D)، عملیات (O) و کنترل (C) اشاره خواهدشد. در سمت چپ نمودار (ورودی ها به فعالیت ها)، ورودی ها و تامین کنندگان قرار دارند. در سمت خروجی فعالیت ها، عناصر قابل عرضه و مصرف کنندگان مشخص می گردند. مشارکت کنندگان در بخش پایین فعالیت ها نشان داده شده اند. 

در قسمت پایین دیاگرام، ابزارها، تکنیک ها و معیارهائی قرار دارند که بر روی جنبه هایی از حوزه دانش  تاثیرگذار می باشند. در شکل زیر، ساختار یک دیاگرام زمینه حوزه دانش نشان داده شده است.

تشریح حوزه دانش
  • تعریف

    • در این بخش به شکل خلاصه حوزه دانش تعریف می گردد.
  • اهداف

    • در این بخش اهداف حوزه دانش و اصول مقدماتی که راهنمای عملکرد در هر حوزه دانش است، تشریح می گردد.
  • فعالیت ها

  • در این بخش فعالیت های مورد نیاز برای تامین اهداف حوزه دانش تعریف می گردند. شامل مجموعه ای از فعالیت ها، زیرفعالیت ها و مراحل می باشند. فعالیت ها به چهار گروه برنامه ریزی، پیاده سازی، عملیات و کنترل تقسیم می شوند. فعالیت های برنامه ریزی، مجموعه ای از فعالیت های استراتژیک و تاکتیکی برای تامین اهداف مدیریت داده می باشند. فعالیت های برنامه ریزی به صورت تکراری انجام خواهند شد. فعالیت های پیاده سازی حول و حوش چرخه توسعه سیستم (SDLC ) سازماندهی می شوند. این فعالیت شامل موارد زیر می باشند
  • تجزیه و تحلیل
  • طراحی
  • ایجاد
  • تست
  • آماده سازی
  • استقرار

فعالیت های کنترلی، این اطمینان را ایجاد خواهند کرد که موارد زیر :

  • کیفیت داده
  • امنیت
  • قابلیت اطمینان
  • امنیت سیستم ها

به طور مستمر و در زمان دستیابی و استفاده از داده رعایت می شود. فعالیت های عملیاتی، شامل استفاده، نگهداری و بهبود و توسعه سیستم ها و فرآیندهاست. این امر برای زمان دستیابی و استفاده از داده می باشد.

  • ورودی ها

    • چیزهای ملموسی می باشند که هر حوزه دانش به آنها نیاز دارد تا بتواند فعالیت های خود را شروع کند. تعداد زیادی از فعالیت ها نیازمند ورودی های مشابهی می باشند. به عنوان نمونه بسیاری از حوزه های دانش نیازمند آگاهی از استراتژی سازمانی به عنوان ورودی می باشند.

  • اقلام قابل تحویل:

    • خروجی های فعالیت های تعریف شده درون حوزه دانش می باشند. موارد ملموسی که هر تابع مسئول تولید آن می باشد. اقلام ارایه شده ممکن است نهایی شده باشند و یا ممکن است از آنها به عنوان ورودی سایر فعالیت ها استفاده گردد.
  • نقش ها و مسئولیت ها:

    • نحوه مشارکت افراد و تیم ها درون حوزه دانش را تشریح می کند. نقش ها به صورت مفهومی و با تمرکز بر روی گروهی از نقش های مورد نیاز در اکثر سازمان ها  تعریف می گردند. نقش ها برای افراد در تیم ها مشخص می گردد. از چارچوب SFIA (برگرفته شده از Skills Framework for the Information Age) می توان جهت همسویی عناوین نقش ها استفاده کرد.
  • تامین کنندگان:

    • افراد مسئول برای ارایه و یا تحقق دستیابی به ورودی های برای فعالیت ها می باشند.
  • مصرف کنندگان:

    • افرادی هستند که مستقیما” از مزایای خروجی های ایجاد شده توسط فعالیت های مدیریت داده بهره مند می شوند.
  • مشارکت کنندگان:

    • افرادی هستند که مسئولیت انجام، مدیریت و تایید فعالیت ها در حوزه دانش را برعهده دارند.
  • ابزارها:

    •  برنامه ها و سایر فناوری های مورد نیاز جهت تحقق اهداف حوزه دانش می باشند.
  • روش ها:

    • متدها و رویه های استفاده شده برای انجام فعالیت ها و تولید خروجی درون یک حوزه دانش می باشند. کنواسیون های مشترک، به روش های توصیه شده، استانداردها و پروتکل ها و … نمونه هایی در این زمینه می باشند.
  • معیارها:

    • استانداردهایی برای اندازه گیری یا ارزیابی عملکرد، پیشرفت، کیفیت، اثربخشی و سایر موارد مشابه و مرتبط می باشند. در این بخش، موارد قابل سنجش متناسب با حوزه دانش شناسایی می گردند.

چهارچوب چرخ DAMA

چرخ DAMA، نشان دهنده مجموعه ای از حوزه های دانشی سطح بالا است. همچنین شش ضلعی عوامل محیطی اجزاء ساختار حوزه دانشی و دیاگرام زمینه ، جزئیات هر حوزه دانشی را بیان می کند. با این وجود هیچیک از اجزاء موجود چارچوب DMBOK، ارتباط بین حوزه های دانشی مختلف را نشان نمی دهد. در DMBOK2 با ارایه راه حل های منطقی سعی شده است که به ارتباطات بین هر یک از حوزه های دانشی و تقدم و تاخر هر یک اشاره گردد.

 خلاصه

وجود یک تفکر استراتژیک داده در پس برنامه مدیریت داده در یک سازمان بسیار حیاتی است. تفکری که شالوده آن می بایست به خوبی با استراتژی سازمانی و استراتژی فناوری اطلاعات همسو گردد. تا بتوان با استناد به یک روش ساختارمند، ایجاد ارزش در سازمان را نهادینه کرد. توجه به اصول مدیریت داده و چالش های مدیریت داده می تواند مسیر مدیریت داده در یک سازمان را هموار کند. این امر با توجه به رفتار و ماهیت ذاتی داده و همچنین استفاده از چارچوب ها، مدل ها و به روش های شناخته شده امکان پذیر است.

در طی سه مطلب به بررسی اصول مدیریت داده، چالش های پیش رو برای مدیریت داده اشاره شد. همچنین به چارچوب ها و مدل های مدیریت داده اشاره گردید. با توجه به جایگاه ویژه DMBOK و تغییرات آن در نسخه دوم، به طور مختصر به برخی از ویژگی های چارچوب فوق نیز اشاره گردید.

  • ساختارسازمانی مناسب
  • کارکنان با دانش، ماهر و توانمند
  • فرآیندهای قوی و بالغ
  • فناوری هایی که به درستی انتخاب و بکار گرفته شده اند
  • فرهنگ سازمانی مناسب
  • وجود زیرساخت های لازم جهت تغییرات ضروری
  • تعهد و الزام رهبری سازمان
  • حمایت از یک برنامه جامع و فراگیر مدیریت داده

 از جمله عوامل حیاتی اجرای موفقیت آمیز یک برنامه مدیریت داده در یک سازمان می باشند.

نویسنده: مهندس سخایی سایت فابک

منابع  :

Peter Aiken , Data Strategy and the Enterprise Data Executive ,Technics Publications , April 2 2017
Bernard Marr,Data Strategy: How to Profit from a World of Big Data, Analytics and the Internet of Things, Kogan Page , April 28 2017
Prashanth Southekal ,Data for Business Performance: The Goal-Question-Metric (GQM) Model to Transform Business Data into an Enterprise Asset,Technics Publications, February 15, 2017
Dama International , DAMA-DMBOK: Data Management Body of Knowledge (2nd Edition),Technics Publications; Second edition, Technics Publications , July 5 2017
© کپی رایت - هوشمندی کسب و کار، انبار داده، دریاچه داده، پلتفرم داده، تحلیل کلان داده، رهیافت های داده محور، علم داده، هوش مصنوعی | Power by kte.ir