• 阅读: 37 回复: 0
    数业有专攻

    组织需要掌握数据管理

    楼主 发表于 2021-10-20 16:44:31

    引言

        数据在新的全球经济环境中成为了最有利可图的商品之一。数据分析和自学算法正在、也将持续不断地应用于我们可以想象到的任何市场中,它们的应用也将创造出新的市场环境。一些西方国家在有关报告中指出:从制造业到自然资源、农业、生物科学和高科技等各个经济领域的领军人物大多明确表示,经济的发展离不开产业链供应链的数字化,一个经济体如果大胆采用数字平台技术将使其引领全球经济的发展。

    挑战

        在当今不确定因素较多的大环境中,任何组织的高层领导都有必要仔细规划他们的数字化进程。许多数据项目之所以失败,是因为组织和员工缺乏从数据收集和分级、数据权限和存储管理一直到利用数据产生人工智能的整套数据管理能力。使用人工智能会带来新的伦理问题,数据的二次使用和组织间的数据共享也会引发关于数据集、数据质量和透明度的信任问题,遵守隐私法规和遵守公认的道德规范也会增加数据项目的复杂性。解决好这些问题也就成了组织做好数据管理的意义所在。

        科学的数据管理框架是组织高管层统筹数字化发展的关键,也是所有业务部门支持数字化工作的关键。然而,在开启数字化之旅时,很多组织并没有用到合适的数据管理框架或标准。尽管大型机构可以聘请首席数据官和复杂的数据分析团队来帮助他们提升数据管理能力,但广大中小型企业相对匮乏这样的资源,只能倾向于依赖服务提供商和咨询顾问。对于中小型企业,与其邀请外部力量在某个特定时间段为自身数据问题“治标”,不如选择掌握一个科学的数据管理标准来常态化地“治本”。

        一个科学的数据管理标准可以帮助组织思考核心问题,做出重要的组织决策,并为实施数字化战略奠定基础。理想情况下,每个组织都应该能够像对待质量管理一样对待数据管理,通过制定并实施涵盖数据工作所有相关的规范文件、运用合适的数据管理工具、完善数据管理常态化机制、允许定期评估和认证来持续不断地夯实和提升数据管理能力。与ISO9001质量管理系列如何帮助组织建立信任和建立可靠的供应链相似,对通用数据管理标准的依赖可以帮助组织之间建立信任,希望参与数据价值链。笔者认为,数据管理标准的内涵必然离不来以下几方面的考虑。

    考虑

        01 目标

        组织应该清晰地明确其通过掌握数据来实现的目标。有些组织希望将算法部署到现有的业务功能上来为更全面的决策做数据支撑,有些组织希望利用现有数据开发新的业务线,有些组织希望通过收集新的数据来产生新的收入,有些组织希望将一些数据提供给第三方进行二次使用。很多组织已经表示他们的目标是将其运营完全数字化。明确数据目标将使数据工作参与者更容易理解一个组织的期望,并支持未来数据战略的实施。

        02 范围

        组织应该确定数据管理标准所涵盖的数据类型。一些组织希望标准适用于所有业务单元收集的所有数据,包括人力资源和客户服务。另一些组织则将其范围局限于不包含个人信息的数据,如物联网设备、订单、库存、发票等。对于是否包含历史和存档数据,或者是否只适用于在设定日期之后收集的数据,也需要明确。组织需要构建其数据意图,以确保员工理解组织对数据使用的限制,这也会给员工提供追求创新的空间和机会

        03 岗位职责

        组织应该指定一个负责应用数据管理标准的岗位。一些组织已经任命了首席数据官来统筹管理数据。为了充分解决数据管理中存在的问题,可以进一步明确这个岗位的其他角色、职责和权限。例如,首席数据官可以负责应用标准,审查和监督业务主导的数据策略,访问整个组织的数据,确定数据的质量和可信度,选择哪些数据适合二次使用,对查阅数据的权限负责,确保遵守隐私和道德要求等。为首席数据官设定明确的责任是必要的,以便为数据管理工作协调组织内部的政策、程序、人员等。

        04 数据权利

        组织应该明确数据所有权并规定如何处理数据。对于希望与他人共享数据或向第三方出售数据的组织来说,这是必需的。有些组织希望在共享所有数据之前对其进行标记,并希望跟踪数据使用的下游,从而管理风险。有些组织希望通过版权和许可协议来主张数据权利。有些公司则不受限制地向所有人提供数据。

        05 数据收集

        在数据使用和数据共享发生之前,组织应该明确如何处理数据收集活动,应该建立关于数据来源和沿袭、数据属性和管理(元数据)、数据质量和可信度的数据定义和规则,还应阐明数据核实和标签的过程如何管理。此外,组织应发出数据真实性声明,用于支持数据出售或以其他方式分发。

        06 数据共享

        组织应该描述如何访问和共享相关的数据集和数据流。有些组织希望数据集保持在原来的位置,而不是转移到其他服务器或云上。在这种方法中,首席数据官必须开发和实现一个数据访问过程:基于用户凭证管理数据访问权限,这需要通过数据控制器进行操作。另一种方法是将数据集转移到新服务器或云上,在云上可以集中管理访问权限。组织还应该明确通过使用专用接口来实现数据共享的机制。

        07 数据分析

        很多组织重点考虑通过数据分析和部署人工智能来提高效率。组织应该明确在什么情况下可以使用人工智能。由于训练算法需要数据,组织应该在上游的数据收集、数据访问和下游的数据分析之间建立适当的联系。组织可以描述在优先领域创建高质量数据集的奖励和激励措施,还应分析人工智能伦理使用的组织视角、人工智能输出的可解释性以及应遵循的流程,从而确保人工智能在机器学习的过程中与组织保持战略一致。

        08 数据存储

        组织需要明确说明关于数据存储的限制:是将数据保存在组织的服务器中,还是使用基于云的系统存储数据集,这就产生了与数据存储相关的问题。例如,有些组织基于安全考虑不得不将数据集存储在本土的服务器上。此外, 存储问题可能会影响未来的司法管辖问题,如税收。一个组织可能不在另一个司法管辖区登记,但其数据在另一个司法管辖区内,这些数据就受制于该管辖区的法律、法规、标准和规则,可能会给组织的业务带来风险。此外,组织中的领导大多倾向于通过控制服务器来管理他们使用的数据,担心安全漏洞是他们尚未将数据上云的主要原因。

        09 数据隐私

        如果组织计划使用包含私人信息的数据,则应该说明将如何遵守相关的隐私法规。组织可以将隐私管理的责任落实到内部的某个职位,还可以制定适用于不同司法管辖区的隐私保护责任和程序,把发生私人信息泄露时所适用的程序落实到隐私管理中。

        10 批准执行

        遵守数据管理标准是组织战略规划的一个组成部分,数据管理执行情况应该定期接受组织的首席执行官和董事会的审查。管理层对数据工作的积极支持对整个组织的业务发展至关重要。数字化发展目标不高的组织或资源有限的中小型企业可选择任命其首席财务官或其他高管履行首席数据官的职责,而不是将额外资源用于招聘和培训新高管。

        11 核查认证

        与ISO9001类似,组织可以选择通过第三方验证其数据管理工作成效。验证方法可以采取对标国家标准GB/T36073-2018《数据管理能力成熟度评估模型》,围绕数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期八个核心能力域从组织、制度、流程、技术等方面核查组织自身的数据管理能力现状。

    建议

     

        无论是大型组织还是中小型企业,都将受益于科学的数据管理标准。我国首个数据管理领域的国家标准GB/T36073-2018《数据管理能力成熟度评估模型》(简称“DCMM”)正是适应于各类组织的、迄今为止我国最科学的数据管理标准。DCMM标准的内涵几乎覆盖了上述所有数据管理标准的重点考虑因素,如,目标在数据战略能力域中体现、岗位职责涵盖在数据治理能力域中、数据共享和数据分析是数据应用能力域的重要组成部分、数据隐私与数据安全能力域息息相关……如果把数据管理工作比喻成一个房子,那么这个房子既有数据战略这样的顶层设计,又有数据架构、安全、质量这样的承重墙,还有数据生存周期这样贯穿于整个房子下的地基。各类行业、各种规模的企业都可以尝试运用DCMM这套标准去衡量自身的数据管理水平,并结合对标情况来掌握数据管理的要务。

        组织当然也可以选择引入第三方评估来客观评价数据管理现状,在为下一步工作指明方向的同时,获得数据管理领域权威机构颁发的能力等级证书。可以在本公众号后台留言,为您推荐专业的国家队评估机构。

    本文内容转载自“数业有专攻”(ID:data_mgt),作者: 高有才。

热门文章

数据中台系列(一):你的企业真的需要「数据中台」吗?

数据中台案例 | 一呼百应:激活 670 万企业用户数据,赋能智慧供应链

辨析BI、数据仓库、数据湖和数据中台内涵及差异点(建议收藏)

数据中台案例 | 数字化为零售行业创造新可能

最新文章

「央视新闻」快三彩平台邀请码「手机搜狐网」

数据仓库研发规范

元数据管理在数据仓库的实践应用

Gartner发布2022年重要战略技术趋势

  • 未登录

    回复楼主

    登录后可回复
    /1000