داتا
منو موبایل

داتا

هموار کردن مسیر حاکمیت داده در سازمان

برای حرکت از مدل حاکمیت داده‌ که دستورالعمل‌های آن به طور مبهم دنبال می‌شوند، به مدلی که از تکنولوژی دیجیتال و تحلیل داده‌ها به بهترین شکل استفاده می‌کند، اصول برنامه حاکمیت داده در سازمان را دنبال کنید.
مدیران اجرایی در هر صنعتی می‌دانند که داده‌ها اهمیت دارند. مشکل این است که اکثر برنامه‌های حاکمیت امروزی بی‌اثر هستند. معمولا مسئله از سطح بالای سازمان آغاز می‌شود، جایی که مدیران ارشد پتانسیل ارزش‌آفرینی داده را به درستی تشخیص نمی‌دهند. بنابراین، حاکمیت داده به مجموعه‌ای از سیاست‌ها و راهنمایی‌هایی که به عنوان یک وظیفه پشتیبانی توسط بخش فناوری اطلاعات اجرا می‌شود، تبدیل شده و به طور گسترده اجرا نمی‌شود- که منجر به بی‌اثر شدن و ناکارآمدی در اجرای پروژه‌ها و فعالیت‌های مبتنی بر داده می‌شود. در برخی موارد دیگر، سازمان‌ها سعی می‌کنند با استفاده از فناوری مشکل را حل کنند؛ در حالی که راه‌حل‌های فناوری مانند دریاچه‌های داده و پلتفرم‌های حاکمیت داده می‌توانند کمک‌کننده باشند، اما آن‌ها راه‌حل‌های جامع و کاملی نیستند.
بدون حاکمیتی که از نظر کیفیت تضمین شده باشد، شرکت‌ها نه تنها از فرصت‌های مبتنی بر داده‌ها عقب می‌مانند، بلکه منابع را هدر می‌دهند. پردازش و تمیزکاری داده ممکن است بیش از نیمی از زمان یک تیم تحلیلی را، از جمله دانشمندان با درآمد بالا، به خود اختصاص دهد که این امر محدودیت‌های قابلیت مقیاس‌پذیری را ایجاد کرده و موجب ناامیدی کارمندان می‌شود. در واقع، بهره‌وری کارمندان در سراسر سازمان ممکن است کاهش یابد:
مشارکت‌کنندگان در نظرسنجی تحول جهانی داده‌های ما در سال ۲۰۱۹ اعلام کردند که به طور میانگین ۳۰ درصد از کل زمان سازمانی آن‌ها به دلیل کیفیت نامطلوب و دسترسی ضعیف به داده‌ها به وظایفی که ارزش افزوده ندارند اختصاص یافته است.

عدم کیفیت و در دسترس بودن داده‌ها می‌تواند باعث شود که کارکنان بخش قابل توجهی از زمان خود را بر روی وظایفی که ارزش افزوده ندارند، صرف کنند.
زمان صرف شده بر روی وظایف بدون ارزش به دلیل کیفیت نامناسب و در دسترس نبودن داده‌ها
درصد تخمینی از کل زمان کاری کارمندان

اگرچه ارزش مدیریت داده را نمی‌توان به طور مستقیم مشخص کرد، چندین مثال از ارزش غیرمستقیم مهم آن وجود دارد. شرکت‌های پیشرو موفق شده‌اند میلیون‌ها دلار هزینه را از سیستم‌های داده‌ای خود حذف کنند و موارد استفاده دیجیتالی و تجزیه و تحلیلی به ارزش میلیون‌ها یا حتی میلیاردها دلار را فراهم کنند. حاکمیت داده‌، یکی از سه عامل برجسته است که شرکت‌هایی که ارزش مذکور را دریافت می‌کنند را از شرکت‌هایی که ارزش را دریافت نمی‌کنند، متمایز می‌کند. علاوه بر این، شرکت‌هایی که به‌صورت ناکافی در حاکمیت سرمایه‌گذاری کرده‌اند، سازمان خود را در معرض ریسک‌های نظارتی واقعی قرار داده‌اند که می‌تواند هزینه‌بر باشد.

بنیان سازمانی به‌تنهایی کافی نیست. شش عمل مهم برای اطمینان از ایجاد ارزش با استفاده از حاکمیت داده در برنامه حاکمیت داده لازم است.

۱. جلب توجه مدیریت ارشد

همانطور که مثال ذکر شده نشان می‌دهد، موفقیت در برنامه حاکمیت داده نیازمند حمایت و تایید رهبری کسب‌وکار است. اولین گام برای دفتر مدیریت داده (DMO) ارتباط برقرار کردن با مدیران ارشد (C-suite) است تا نیازهای آن‌ها را درک کند، چالش‌ها و محدودیت‌های فعلی داده را مورد توجه قرار داده و نقش حاکمیت داده را توضیح دهد. گام بعدی تشکیل شورای حاکمیت داده میان مدیریت ارشد است (در برخی سازمان‌ها شامل رهبران از‌جمله خود مدیر ارشد ((C-suite) که با هدایت استراتژی حاکمیت به سمت نیازهای کسب‌وکار، نظارت و تأیید اقدامات جهت بهبود را بر عهده دارد – به عنوان مثال طراحی و پیاده‌سازی مناسب یک دریاچه داده سازمانی [1]– به همراه DMO.

سپس دفتر مدیریت داده (DMO) و شورای حاکمیت باید با همکاری یکدیگر، مجموعه‌ای از دامنه‌های داده را تعریف کرده و مدیران اجرایی کسب‌و‌کار را برای رهبری آن‌ها انتخاب کنند. این رهبران به صورت روزانه تلاش می‌کنند تا با تعریف عناصر داده و تعیین استانداردهای کیفیت، تلاش‌های حاکمیت را انجام دهند. شرکت‌ها باید زمانی را صرف کنند تا این رهبران را با نقش‌های جدید آن‌ها که معمولاً به مسئولیت‌های اصلی‌شان اضافه می‌شود، آشنا کنند. آن‌ها باید ارزشی را که در این نقش‌ها ایجاد می‌کنند، درک کنند و با مهارت‌های مورد نیاز، از جمله درکی از مقررات مربوطه و عناصر اصلی معماری داده، مجهز شوند.

به طور حیاتی، داشتن حمایت رهبری کسب‌و‌کار از بالا به پایین، چالش‌های معمول در مورد شفافیت نقش و توانمندسازی را از بین می‌برد.  حافظان داده [2]در سوی کسب‌و‌کار،  خواهند فهمید که این تلاش یک اولویت سازمانی است و زمان مورد نیاز را برای آن اختصاص خواهند داد (که ممکن است با تغییر در معیارهای عملکرد یا تنظیم مسئولیت‌های دیگرشان تسهیل شود). همچنین توصیه‌ها و دستورات بالا به پایین، امکان حل سریع تضادهای مربوط به مالکیت داده را فراهم می‌کنند.

سازمان‌های پیشرو همچنین راهکارهای قابل مشاهده‌ای را برای پیگیری پیشرفت و ایجاد ارزش خلق می‌کنند. به عنوان مثال، آنها می‌توانند میزان زمانی که دانشمندان داده صرف پیدا کردن، تدارک و فعال‌سازی داده برای موارد استفاده اولویتی می‌کنند، یا زیان‌های دلاری مرتبط با داده‌های با‌ کیفیت پایین و خطاهای کسب‌و‌کار مرتبط را اندازه‌گیری کنند. پیگیری معیارهای تأثیر مانند این‌ها به حفظ توجه و پشتیبانی مداوم مدیریت ارشد کمک می‌کند.

۲ . یکپاچه‌سازی با موضوعات اصلی تحول

برای اطمینان حاصل کردن از اینکه تلاش‌ها در برنامه حاکمیت داده ارزش ایجاد می‌کنند، آن‌ها را به طور مستقیم به تلاش‌های مداوم تحول که قبلاً توجه مدیر عامل را به خود جلب کرده‌اند، مانند دیجیتالی‌سازی، فعال‌سازی چندکاناله یا به‌روزرسانی نرم‌افزارهای مدیریت منابع سازمانی مرتبط کنید. این تلاش‌ها معمولاً به دسترسی و کیفیت داده‌ها وابسته هستند.

ایجاد ارتباط بین حاکمیت و موضوعات تحول، فرآیند تأیید رهبری ارشد را ساده‌تر می‌کند و ساختار سازمانی را تغییر می‌دهد. به جای اینکه حاکمیت به تنهایی عمل کند، این نوع طرح‌ها مسئولیت داده و حاکمیت را به تیم‌های محصول منتقل می‌کنند و آن را در نقطه تولید و مصرف داده‌ها یکپارچه می‌کنند.

به عنوان مثال، یک خرده‌فروشی در اروپا، به تحول دیجیتالی کسب‌و‌کار اصلی خود و گسترش سریع کسب‌و‌کار آنلاین خود که نیازمند بازسازی قابل‌توجهی از ساختار فناوری تجارت الکترونیکی، از جمله پلتفرم‌های پشتیبانی بود، روی آورد.نلایت داده به عنوان یک فاکتور بحرانی شناخته شد و یک دفتر مدیریت داده و یک شورای داده تشکیل شد تا چارچوب اصلی را درباره اکوسیستم آینده و ساختار دامنه‌های داده، از جمله اهداف استراتژیک در مدیریت داده در آینده، توسعه دهند.

صاحبان محصول اصلی، که چندین تیم تحول دیجیتال را در حوزه‌های عملکردی مخصوص رهبری می‌کردند، به رهبران داده در حوزه مسئولیت خود تبدیل شدند. صاحبان محصول به صاحبان دامنه داده تبدیل شدند. به عنوان مثال، صاحب محصولی که در‌حوزه بهبود فرآیندهای مربوط به پرداخت در فروشگاه فعالیت می‌کرد، مسئول دامنه‌های فروش و پرداخت بود. این ساختار اطمینان می‌داد که تلاش‌های حاکمیت داده در درجه اول بر تامین نیازهای کسب‌و‌کار تمرکز داشته باشند و رهبرانی که داده را ایجاد و مصرف می‌کردند، به طور فعال آن را رعایت می‌کردند.

۳. اولویت ‌بندی دارایی‌های داده‌ای و به تناسب آن تمرکز بر رهبری داده

بسیاری از سازمان‌ها به شیوه جامع به برنامه حاکمیت داده داده نگریسته و همه دارایی‌های داده را به صورت یکجا مورد بررسی قرار می‌دهند. اما چنین دامنه گسترده‌ای به معنای پیشرفت نسبتا کند در هر حوزه خاص است و همچنین این ریسک را ایجاد می‌کند که تلاش‌ها به طور مستقیم به نیازهای کسب‌و‌کار مرتبط نشوند. برای موفقیت، دارایی‌های داده باید به دو روش اولویت‌بندی شوند: بر اساس دامنه‌ها و بر اساس داده‌ها در هر دامنه.

شورای داده، با حمایت از دفتر مدیریت داده(DMO) ، باید دامنه‌ها را براساس تلاش‌های تحولی، نیازهای قوانین و مقررات و سایر ورودی‌ها، به ترتیب اولویت‌بندی کند و یک نقشه راه برای استقرار دامنه‌ها ایجاد کند. سپس سازمان باید، با شروع از دو تا سه دامنه در ابتدا، و هدف‌گذاری برای اینکه هر دامنه در چند ماه کاملاً عملکردی شود،  به سرعت دامنه‌های اولویتی راه‌اندازی کند.

به عنوان مثال، یک خرده‌فروش در آمریکای شمالی، هدف جسورانه‌ای را برای تحول شرکت در سه سال با تجزیه و تحلیل پیشرفته تعیین کرد. شرکت به سرعت متوجه شد که داده‌های فعلی مانع پیشرفت آن خواهد شد و یک دفتر مدیریت داده (DMO) و دامنه‌های داده‌ای را برای مقیاس‌بندی حاکمیت تأسیس کرد. شرکت ده دامنه را در سراسر سازمان شناسایی کرد و استقرار دو دامنه اول، شامل داده‌های تراکنشی (ثبت خریدهای درون‌فروشگاهی) و داده‌های محصول (تعیین سلسله مراتب و جزئیات واضح محصولات) را اولویت قرار داد. این امر کمک کرد تا موارد استفاده اولویتی مرتبط با تنوع و موجودی درون فروشگاهی شتاب بگیرد.

علاوه بر اولویت‌بندی دامنه‌ها، دارایی‌های داده را در هر دامنه با تعیین سطح اهمیت (و مراقبت مرتبط) برای هر عنصر داده نیز اولویت‌بندی کنید. داده‌های حیاتی معمولاً حدود 10 تا 20 درصد از کل داده‌ها در بیشتر سازمان‌ها را نشان می‌دهند. عناصر حیاتی مانند نام یا آدرس مشتری باید سطح بالایی از مراقبت از جمله پایش مداوم کیفیت و پیگیری واضح جریان داده در سراسر سازمان را دریافت کنند؛ در حالی که برای عناصری که در تجزیه و تحلیل، ، گزارش‌دهی یا عملیات تجاری استفاده می‌شوند (مانند مدرک تحصیلی مشتری)، نظارت فرصتی و بدون دقت و ردیابی ممکن است کافی باشد. این امر به طور قابل توجهی دامنه تلاش‌های حاکمیت را محدود می‌کند و اطمینان می‌دهد که آن‌ها بر روی داده‌های مهمتر متمرکز هستند.

۴. اعمال سطح مناسب حاکمیت

برنامه‌های حاکمیت داده می‌توانند در سازمان‌ها و صنایع مختلف کاملا متفاوت باشند. سازمان‌های پیشرو با اتخاذ یک رویکرد «مبتنی بر نیاز»، سطح تخصص حاکمیت مناسب با سازمان خود را پذیرفته و سپس سطح سختگیری را براساس مجموعه داده تنظیم می‌کنند.

مهم است دریابیم که حاکمیت داده در ابتدا عمدتاً توسط بانک‌ها ترویج پیدا کرد که تحت فشار BCBS 239 و سایر مقرراتی بودند که نیاز به مدل‌های حاکمیت پیشرفته داشت‌ند. بیشتر صنایع و سازمان‌ها با فشار قانونی مشابهی مواجه نیستند، بنابراین طراحی برنامه‌های آنها باید با سطح قوانین منحصر به فردی که در برابر آن‌ها قرار دارند و همچنین سطح پیچیدگی داده‌هایشان هماهنگ شود. سازمان‌هایی که شامل چندین کسب‌و‌کار متمایز در مناطق جغرافیایی مختلف هستند، نیازهای پیچیده‌تری نسبت به سازمان‌هایی دارند که فقط در یک منطقه فعالیت می‌کنند؛ به طرز مشابه، نرخ تغییرات سریع داده یا سطح کمتری از اتوماسیون فناوری، پیچیدگی داده را افزایش می‌دهد.

الگوهای حاکمیت داده می‌توانند برای اطلاع‌رسانی درباره سطح پیچیدگی مورد نیاز استفاده شوند.

سطح پیچیدگی داده – پیچیدگی افزایش می‌یابد با …

  • تنوع زیاد، دامنه بزرگ عملیات کسب‌و‌کار (مثلا تعداد خطوط کسب‌و‌کار، جغرافیای پوشش داده شده)
  • سرعت بالا و تکامل داده‌های اصلی
  • سطح پایین اتوماسیون داده/ بلوغ کم فناوری زیربنایی

یک مدل حاکمیت داده جامع‌تر برای یک بانک جهانی شامل یک شورای حاکمیت داده‌ قوی است (معمولاً با مشارکت مدیران ارشد[3]) ایجاد می‌شود. در آن، اتوماسیون بسیار بالایی وجود دارد و متاداده[4]‌ها در یک فرهنگ لغت یا کاتالوگ داده شرکت ثبت می‌شوند؛ خط سلسله مراتبی داده‌ها تا منبع برای بسیاری از عناصر داده پیگیری می‌شود؛ و دامنه کاربردی گسترده‌تری با تغییرات نیازهای شرکت به طور مداوم اولویت‌بندی می‌شود.

در‌مقابل، برای یک شرکت فناوری منطقه‌ای هدفمند، حاکمیت داده‌ها ممکن است شامل یک شورای داده با فراوانی جلسات کمتر و شرکت دوره‌ای مدیران ارشد باشد؛ پیگیری متاداده که حتی ممکن است با استفاده از اکسل آغاز شود؛ پیگیری محدود خط سلسله مراتبی داده؛ و دامنه کاربردی باریک‌تر، حداقل در ابتدا، برای امکان استفاده از موارد اولویتی قرار دارد.

به‌طور کلی، همزمان با تأسیس سطح مناسبی از حاکمیت برای سازمان، سطح سختی حاکمیت را برای مجموعه داده‌ها تنظیم کنید. استانداردهای داده‌ای ارثی بسیاری از سازمان‌ها، محدودیت‌های محافظتی روی کیفیت و دسترسی به داده‌ها را در تمامی زمینه‌ها تعیین می‌کنند. این موضوع باعث کاهش ریسک می‌شود، اما می‌تواند نوآوری را مهار کند. سازمان های پیشرو به طور آگاهانه فرصت ها و ریسک ها را تعادل بخشیده و حاکمیت داده را براساس مجموعه داده‌ها تمایز می دهند.

به عنوان مثال، سازمان‌ها می‌توانند برای داده‌هایی که تنها در محیط اکتشافی استفاده می‌شوند و خارج از محدوده تیم علمی نیستند، حاکمیت سبکی اعمال کنند. تیم همچنین ممکن است نیازی به داده‌های کاملاً آماده و یکپارچه با متاداده‌های کامل نداشته باشد. ماسک کردن داده‌ها [5] ممکن است برای حفظ حریم خصوصی، همراه با توافقات عدم افشا (NDAs) داخلی سختگیرانه مناسب باشد. با این حال، به محض استفاده از چنین داده‌هایی در یک محیط گسترده‌تر مانند تعامل با مشتریان، اصول حاکمیت قوی‌تر باید اعمال شود.

یک نهاد مالی آسیایی با استفاده از این اصول، به شیوه‌ای قاطعانه در جهت “آزاد ساختن داده‌ها” عمل کرد. این نهاد برای هر مجموعه داده سطح حساسیت را تعیین کرد و تقریباً 60 درصد از داده‌های شرکت که با ریسک کمتری همراه بودند را آزاد کرد، به طوری که تمام کارمندان به آن دسترسی داشته باشند و قادر باشند از آن استفاده کنند و در آن‌ها کاوش کنند. از سوی دیگر، در مورد داده‌های بسیار حساس مانند اطلاعات شناسایی شخصی، هم در خصوص افرادی که می‌توانستند به آن دسترسی داشته باشند و هم در خصوص نحوه دسترسی به آن داده، محدودیت‌های بسیار شدیدی وجود داشت.

هر چقدر سازمان‌ها رشد کرده و توانایی‌های حاکمیتی و فناوری آن‌ها به‌طور مستمر پیشرفت می‌کند، اهمیت دامنه کاهش می‌یابد. مجموعه‌ای از ابزارها به‌صورت خودکار فعالیت‌های حاکمیت داده را آغاز کرده و دامنه و کارایی آن تنها به مرور زمان بهبود خواهد یافت. هر دو پلتفرم‌های جدیدتر مانند Octopai و erwin و سازمان‌های برجسته مانند Informatica و Collibra، قابلیت‌های مربوط به برداشت خودکار متاداده، ایجاد خط نسبت داده، مدیریت کیفیت داده و سایر وظایف حاکمیت را ارائه می‌دهند.

٥. انتخاب پیاده‌سازی تکراری و متمرکز

برای اطمینان از اینکه برنامه حاکمیت داده به سرعت ارزش ایجاد می‌کند، اولویت‌های حاکمیت را برای هر دامنه شخصی‌سازی کرده و از تکرار برای تطبیق سریع استفاده کنید. تطبیق اصول تکراری در حاکمیت روزانه، فراتر از یکپارچه‌سازی و ادغام حاکمیت داده با نیازهای کسب‌و‌کاراست. نکته مهم این است که موارد استفاده و دامنه‌ها را اولویت‌بندی کرده و حاکمیت مبتنی بر نیازها را اعمال کنید. کلید موفقیت در این مسئله در پذیرش و استفاده از اصول تکراری در حاکمیت روزانه است. به عنوان مثال، در صورت وجود مجموعه‌ای از مشکلات شناخته شده درکیفیت داده، هر روز آن‌ها را بازبینی و مجددا اولویت بندی کنید، تا با تغییر اولویت ها، بیشترین سود را برای کسب‌و‌کار به دست آورید.

سعی کنید حالات کاربردی اولویت دار را سریعا فعال کنید، حتی اگر راه حل کامل نباشد. توسعه بلند مدت برای آماده سازی حالات کاربردی برای تولید (با ادغام با مدیریت ارتباط با مشتری اصلی و داده های مشتری عملیاتی) می‌تواند پس از اثبات ارزش انجام شود. به عنوان مثال، برای بهبود کمپین های مشتری، شاید نیازی به یکپارچه‌سازی و ادغام داده‌ها در ساسر سازمان نباشد، یک رویکرد سفارشی در یک پلتفرم اختصاصی کافی است. حاکمیت داده باید با تمرکز بر حل مشکلات مربوط به دسترسی و کیفیت داده‌ها علاوه بر ایجاد مدیریت داده‌های اصلی قوی، این رویکرد سفارشی را حمایت و تسریع کند.

٦. ایجاد اشتیاق برای داده

وقتی مردم به دیدگاه فعال‌سازی داده‌ها علاقه‌مند و متعهد هستند، برای اطمینان از کیفیت و امنیت داده‌ها بیشتر تلاش می‌کنند. سازمان‌های پیشرو در مدیریت تغییر سرمایه‌گذاری می‌کنند تا هواداران داده را ایجاد و شکاکان را متقاعد کنند. این سرمایه‌گذاری ممکن است سخت‌ترین بخش برنامه باشد، زیرا نیازمند ایجاد انگیزه در کارمندان برای استفاده از داده‌ها و تشویق تولید‌کنندگان برای به اشتراک‌گذاری آن‌ها (و در حالت ایده‌آل بهبود کیفیت آن‌ها در منبع) است.

سازمان های موفق از ترکیبی از مداخلات برای ایجاد رفتار مناسب استفاده می‌کنند. این مداخلات می‌توانند شامل الگوبرداری از مدیرعامل و سایر رهبران ارشد، تقدیر از منابع با کیفیت بالا و پاسخگو و نمونه‌های جدید از موارد استفاده که به نمایش گذاشته شده‌اند، باشند. برخی سازمان‌ها علاوه بر اطلاع‌رسانی درباره فرصتهای شغلی مرتبط با داده، آموزش و صلاحیت‌های لازم را‌، که اغلب بخشی از رویکرد آکادمیک بزرگتری هستند، ارائه می‌دهند. سازمان‌های دیگر با بهره‌گیری از موفقیت‌های خود در زمینه داده و تجزیه ‌و ‌تحلیل، هیجان و اشتیاق را با برگزاری رویدادها، انتشارات یا حتی هنر داده‌ای [6]ایجاد کرده‌اند. اما اینکه چه چیزی موثر است، بسیار وابسته به فرهنگ سازمان است.

 آغاز کردن

شرکت‌ها باید رویکرد جدید حاکمیت داده خود را با پرسیدن این شش سوال آغاز کنند:

١. هزینه فرصت از دست رفته از عدم صحیح بودن حاکمیت داده چقدر است؟ چه میزان زمان گسترده در تمیزکردن دستی داده‌ها از بین می‌رود؟ و چه تعداد تصمیمات نادرست و غیربهینه در کسب‌و‌کار گرفته می‌شود؟

٢. در حال حاضر چه کسانی در رأس تلاش‌های حاکمیت داده قرار دارند؟ و چگونه می‌توان گفتگو را به سطح مدیران ارشد (C-suite)  برد؟ چه کسانی باید مشارکت داده شوند؟

٣. حاکمیت داده در کجا بیشترین اهمیت را دارد؟ چه حوزه‌ها و بخش‌هایی از حوزه‌ها هستند که سازمان بیشتر به آن‌ها نیاز دارد؟

٤. کدام الگوی حاکمیت بیشترین تطبیق را با سازمان دارد و آیا تلاش‌های فعلی با آن سطح نیاز هماهنگ هستند؟

٥. چگونه می‌توان با تنظیم تمرکز حاکمیت و وارد کردن مفاهیم کاری تکراری، حاکمیت را سرعت بخشید؟

٦. آیا توانایی‌های لازم درون سازمانی برای مدیریت چنین تغییری را دارید؟

حاکمیت داده برای به دست آوردن ارزش از طریق تجزیه و تحلیل، دیجیتال، و فرصت های تحول آفرین دیگر مهم و حیاتی است. در حالی که بسیاری از شرکت‌ها با مشکلاتی برای انجام درست این کار روبرو هستند، هر شرکتی می‌تواند با تغییر ذهنیت خود از تفکر درباره حاکمیت داده به عنوان چارچوب‌ها و سیاست‌ها، آن را به صورت استراتژیک در روند کارکرد روزانه سازمان تعبیه کند و به موفقیت دست یابد.

[1] data lake

[2] data stewards

[3] C-suite leaders

[4] metadata

[5] data masking

[6] Data art

منبع: mckinsey

ترجمه و ویرایش اختصاصی برای وبلاگ داتا: سپیده سلطانی

مطالب مرتبط
سه ماموریت حاکمیت داده

سه ماموریت اصلی حکمرانی داده در سال پیشِ رو

با رشد حجم و ارزش استراتژیک داده‌ها، ضرورت اجرای یک برنامه جدی و موثر برای حکمرانی داده،‌ بیش از هر […]

5 دقیقه مطالعه مشاهده
بانک‌ها چگونه می‌توانند به موسساتی با اولویت هوش مصنوعی تبدیل شوند؟

بانک‌ها چگونه می‌توانند به موسساتی با اولویت هوش مصنوعی تبدیل شوند؟

در  مقاله‌ای از مکنزی که بخش ابتدایی آن در پست قبلی منتشر شد، به بررسی بانکهای هوشمند پرداخته و دلایل […]

10 دقیقه مطالعه مشاهده
بانکهای هوشمند

لزوم و چگونگی ورود بانک‌ها به مسیر هوشمندسازی

فناوری هوش مصنوعی به طور فزاینده‌ای جزئی اساسی از جهانی شده است که در آن زندگی می‌کنیم و بانک‌ها برای […]

10 دقیقه مطالعه مشاهده

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *