談談數據管理的核心內容和策略

訪問原網址

企業數據類型

從廣義上講,企業數據可以是企業使用的任何類型的數字信息。它可能來自網絡平台、移動應用程序、CRM 系統和公司使用的其他軟件。

所有這些數據都可以分為三種不同的類型。事實上,它可能會被分成更多,但我們將關注最流行的——交易型、分析型和主數據。

交易數據

交易數據有助於公司的持續運營。它捕獲與交易有關的信息,例如時間、地點、價格、付款方式和折扣的使用。在保險方面,交易數據可能涵蓋保險理賠,而在銀行機構中,交易數據可能包括有關存款、取款或信貸的信息。

這種類型的數據通常存儲在企業系統中,有助於自動化銷售、客戶支持、採購和其他專註於日常業務活動的部門的數據處理。

分析數據

分析數據都是關於價值和指標的,它們提供有洞察力的商業智能以改進決策。通常,它存儲在數據湖或數據倉庫等企業存儲庫中,允許部署機器學習算法或執行不同類型的數據分析。

主數據

最後,主數據代表有關業務實體的信息,並為交易和日常運營提供背景信息。具體來說,它可以包括有關產品、客戶、員工或供應商和合作夥伴的詳細信息。

毫無疑問數據是一種有價值的信息來源,需要管理它。沒有管理,數據可能會損壞或不能有效使用。

二 什麼是數據管理

數據管理是一組處理公司收集或創建數據的實踐,以便可以使用這些數據做出正確的業務決策。整個過程背後的核心理念是將數據視為一種有價值的資產——因為這正是它的本質。

精心設計的數據管理流程可以為業務帶來以下巨大好處:

整體生產力提升。如果精心組織,數據管理可以最大限度地減少數據移動,幫助發現性能故障,並使用戶能夠獲得所有必要的信息。

成本效益。通過適當的數據管理,公司可以避免不必要的重複,員工也不會一次又一次地進行相同的研究或完成相同的任務。

快速響應變化的能力。公司的成功在很大程度上取決於其在發生變化時迅速做出正確決策的能力。如果對市場變化或競爭對手的活動做出反應的時間太長,企業很可能會賠錢並錯失良機。有組織的數據使決策者能夠更快地獲取重要信息並做出適當的反應。

提高決策的準確性。擁有的數據質量越高,看到的畫面就越大,做出的決策就越好。反之亦然,缺乏信息或可用數據中的錯誤可能會導致致命的業務錯誤。

也就是說,讓我們探索整個數據管理過程的主要組成部分。

三 數據管理的核心內容

數據管理協會 (DAMA) 定義了端到端數據管理策略中包含的幾個大型知識領域。每一個都非常重要,值得專門寫一篇文章。在這裡,我們將僅對涉及的這些學科和專業人員進行簡要概述。

數據架構:使技術與業務目標保持一致

負責領域專家:數據架構師

數據架構是任何數據管理模型的起點。它適合更廣泛的企業架構,概述了如何收集、集成、轉換、存儲和使用數據。數據架構師專註於構建強大的基礎架構,以便數據提供業務價值。

架構師的職責包括但不限於選擇正確的軟件和硬件解決方案,在基於雲的平台和本地平台之間進行選擇,以及使利益相關者能夠輕鬆訪問他們進行決策所需的信息。

數據建模:創建有用且有意義的數據實體

負責領域的專家:數據建模師、數據科學家

在其數據管理知識體系指南中,DAMA 將數據建模描述為“以稱為數據模型的精確形式發現、分析、表示和傳達數據需求的過程”。

數據建模師與利益相關者密切合作,找出哪些數據對公司有用,並構建代表核心業務概念(例如,產品和客戶)、它們的關鍵屬性以及它們之間關係的基本數據實體(模型)。結果,數據變成了重要的業務資產,同時可以有效地存儲、檢索和共享有用的數據實體。

談談數據管理的核心內容和策略

數據存儲管理:維護數據可用性

負責領域的專家:數據庫管理員

數據存儲管理包括管理數據庫和確保數據可用性所需的一切。它包括監控數據庫性能和進行必要的配置以實現可接受的查詢響應時間。數據庫管理員的職能範圍從創建數據庫設計到引入更新再到維護數據安全。他們通常使用數據庫管理系統來自動執行各種管理任務。

數據集成和互操作性:將數據整合到一個視圖中

負責領域專家:數據架構師、數據工程師、ETL開發人員

公司從多個來源獲取數據,手動輸入、物聯網設備、支付處理器、CRM、CMS、電子商務平台、網絡和移動分析工具、社交媒體。數據值以各種格式分散在不同的存儲中,不會相互交流。

我們需要數據集成和互操作實現來系統之間的連接,並將來自不同位置的內容整合到一個數據集中以用於分析和報告。沒有這一部分,就不可能獲得準確的分析結果和提取有價值的業務見解。

數據集成有兩種主要方法。

提取、轉換、加載或 ETL 處理批處理信息並將其從源系統移動到數據倉庫。用於這些操作的工具由 ETL 開發人員設計或監督。

談談數據管理的核心內容和策略

數據虛擬化使用數據抽象創建統一的數據視圖,無論數據位於何處。在這種情況下,不需要統一的格式或單獨的數據庫來整合來自不同來源的信息。

數據分析和商業智能:從數據中汲取洞察力

負責領域的專家:數據分析師、商業智能分析師、數據科學家、營銷分析師

如果沒有合適的工具來幫助理解數據,很容易迷失在收集的所有數據中。數據分析和 BI 解決方案是訪問和解釋數據的最佳方式,因此可以利用它來提高收益。

商業智能使用數據來更好地制定有關組織運營的決策。它總結了歷史數據並以一種允許公司立即採取行動的方式將其可視化。通過聚合、可視化和仔細分析,BI 幫助公司提高當前運營的效率。

數據分析是關於開發算法以從大量數據中發現隱藏的見解。這些見解可以進一步用於確保所使用的數據安全且受到保護。

數據質量管理:維護數據的健康狀態

專責領域:數據質量工程師

簡單地說,數據質量管理 (DQM) 旨在確保數據符合特定的業務需求。它採用了一系列技術和方法——例如,可以使用數據質量維度來估計所採集數據的質量。為此,可以使用數據質量評估框架。

談談數據管理的核心內容和策略

DQM具有持續性和主動性。通過持續觀察、分析和改進信息,DQM 維護數據的健康狀態,而不是修復有缺陷數據的後果。

數據安全:防止數據泄露

負責領域的專家:數據架構師、數據安全專家、數據庫管理員

數據安全涵蓋防止未經授權訪問信息資產和不當使用信息資產的所有實踐、流程和技術。廣泛使用的數據安全技術包括

加密,

脫敏,或將敏感數據轉換為稱為標記的識別符號字符串,

規定誰可以使用公司數據的訪問控制,

威脅檢測利用分析發現公司網絡中的異常情況,以及

備份以防止數據丟失。

相關的數據安全計劃必須考慮僅收集所需的數據,確保其安全,並在不再需要時刪除信息。當數據即將進行歸檔或銷毀時,有必要智能地保留數據並避免冗餘的歸檔副本。

數據治理和主數據管理:確保信息的一致和高效使用

負責領域專家:數據治理分析師

數據治理制定政策和程序,以確保數據在整個組織內保持一致並得到有效使用。它有助於避免錯誤、阻止對敏感數據的潛在濫用,並使業務符合數據安全法、個人信息保護法、GDPR等數據相關法規。

主數據是與客戶、產品、員工、技術和材料相關的關鍵企業數據。主數據管理確保其一致使用,修復任何重複、不完整或有爭議的數據。例如,它控制在銷售、客戶服務和物流部門中列出相同的客戶名稱。MDM 活動包括積累和清理數據,及其比較、整合和質量控制。

創建全面的數據治理策略尤為重要。否則,不同的團隊可能對關鍵數據實體有自己的看法,從而導致爭議。

四 創建企業數據管理策略的關鍵步驟

現在,是時候談談制定 企業數據管理 策略的實際過程了。請記住,以下步驟會有所不同,具體取決於在數據管理之旅中走了多遠以及擁有的現有技術堆棧。某些步驟可能必須并行執行或以稍微不同的順序執行。

然而,無論具體情況如何,都可以使用以下流程作為指導,更好地了解等待您的是什麼。

1. 評估現狀

通常,一切都始於評估當前的數據實踐、能力和弱點。在這裡,IT 團隊需要清楚地了解數據如何流經您的組織、使用了哪些來源以及哪些沒有但可能有益。此步驟將為有效的數據管理奠定基礎。

當然,評估當前情況可能非常耗時。特別是,如果處理大量數字信息並且只是開始系統化處理它的方法。儘管如此,不要急於完成這一步,因為它將確保最終結果真正滿足獨特需求和挑戰。

2. 定義需求和目標

在執行初始需求評估后,必須將它們與希望實現的最終目標一起記下來。這將有助於讓團隊保持在正確的軌道上,還可以快速確定實施企業數據管理策略是否成功。因此,請務必回答以下問題:

最終目標是什麼?

是否有任何應優先考慮的緊迫問題?

運行哪種分析?

需要哪些數據以及將其存儲在哪裡?

誰將負責確保這項承諾的完成?

是否已經預見到挑戰?

有助於衡量成功的 KPI 是什麼?

當然,對於某些組織而言,實施全公司範圍的數據管理策略可能需要很長時間。在這種情況下,堅持敏捷方法並定義增量可交付成果和目標。最後,它們將全部加起來,形成一個確保成功的計劃。

3. 確定所需的工具

一旦明確了要達到的目標,就該確定可以幫助實現既定目標的軟件了。在這裡,確保花時間考慮需要什麼樣的硬件或軟件來建立強大的數據基礎架構。

或許,已經有了一些所需的解決方案,但它們需要進行微調或現代化改造。或者,可能只是在使用一些解決方案,例如 CRM、ERP 和 CMS,並準備通過使用數據倉庫集中所有內容來提升它。無論情況如何,都需要確定技術堆棧中是否缺少任何解決方案,並決定如何獲取它們。

想要一個定製的工具,還是想要一個開箱即用的工具?如果是前者,您更願意將開發外包給外部供應商,還是將項目交給內部 IT 團隊(如果有)?這些是在此階段必須考慮的問題。

4.實施數據管理解決方案

最後,可以實施在上一步中確定的工具並開始利用它們帶來的好處。在此階段,如果選擇了自定義路線,團隊將專註於解決方案的 UI/UX 設計、後端和前端開發以及測試。

這部分過程完成後,不要忘記任何軟件都需要監控和維護。否則,它可能很快就會過時併產生糟糕的結果。所以,不要忘記確保有一個團隊在跟蹤其績效。

5. 建立數據治理政策

一旦一切就緒,甚至在實施所需的解決方案時,就可以開始建立數據治理策略。我們已經在上面談到了企業數據管理策略的這個關鍵組成部分,但值得重申。

從本質上講,確定整個組織將遵循的必要標準、策略和程序,以防止安全漏洞、數據損壞和丟失。此外,不要忘記考慮法規遵從性並在文檔中包含必要的指南。這在金融和醫療保健等受到高度監管的行業尤其重要。

當然,如果與經驗豐富的開發專家合作,企業數據管理軟件可能已經合規。但是,對於政策而言,納入適當的數據使用程序仍然至關重要。總體而言,只需重點概述如何確保數字信息處理過程中的數據質量、安全性、隱私和透明度。

6. 培訓員工

最後,在改進了數據管理流程並制定了周密的策略之後,進行一些員工培訓是必不可少的。沒有這一步,所有的努力都將付之東流。

考慮建立一個全公司範圍的培訓計劃,培訓相關員工使用任何新軟件,並解釋為什麼要進行某些更改。最重要的是,為團隊提供持續實現企業數據管理目標所需的知識。

五 實施數據管理策略的關鍵點

在轉向更受管理的環境時,公司必須採取某些步驟。保持數據的可管理性和可靠性對於執行合格的數據分析和得出充分的見解至關重要。因此,我們列出了一些重要的實踐,它們將使數據管理順利進行。

使數據管理與業務目標保持一致。在直接進入深層次之前,請概述希望利用公司數據實現的目標。如果了解如何處理這些信息,將能夠過濾正確的數據並避免數據管理軟件過度擁擠。例如,如果目標是發現客戶的購買習慣,將關注與購買相關的數據。

任命數據管理角色。數據管理流程涉及範圍廣泛的任務、職責和技能。在資源有限的小型組織中,個別員工可能會處理這個問題。但總的來說,數據管理專業人員包括數據架構師、數據建模師、數據庫管理員、數據庫開發人員、數據質量分析師和工程師、數據集成開發人員、數據治理經理和數據工程師,他們與分析團隊合作構建數據管道並準備數據進行分析。

確保數據可訪問性。雖然僅向具有適當權限的人員授予對公司數據的訪問權限,但不要將其變成授權人員的鬥爭。根據特定角色或請求的數據設置不同級別的權限。因此,由於高管和團隊領導比分析師或銷售代表需要更多訪問客戶數據的權限,因此他們將擁有更多權限。

管理知識文檔。通過創建數據管理文檔,可以與整個團隊分享寶貴的技能,而不是一個一個地培訓每個員工。記錄數據存在的原因以及如何使用它。

形成數據文化。發展內部數據文化意味着採用使用數據改進組織的使命。形成數據文化的關鍵是:

灌輸對數據的信心,

實現數據資產的價值,以及

形成一個社區來分享最佳數據實踐。

本文來自微信公眾號 “數據驅動智能”(ID:Data_0101),作者:曉曉,36氪經授權發布。

媒體報道

      搜狐科技  36Kr  搜狐  搜狐

相關事件

  • 談談數據管理的核心內容和策略  2023-01-25
  • 第五屆數據資產管理大會成功召開  2023-01-03
  • “數據二十條”搭建數據基礎治理制度,多支數據要素概念股股價上漲  2022-12-19
  • 恩核數據完成5000萬元A輪融資  2022-09-09
  • 下秒數據完成數千萬元級別天使輪融資  2022-05-19