Das Data Management Capabilities Assessment Model (DCAM) – entwickelt von der EDM-Rat im Jahr 2015 – ist ein Industriestandard-Framework, das immer mehr Unternehmen in Finanzdienstleistungen und darüber hinaus übernehmen.
Datenexperten nutzen das DCAM-Framework, um den Reifegrad ihrer Datenverwaltung Programme. DCAM bietet die Funktionen, die Unternehmen benötigen, um:
- Entwicklung der Datenstrategie und des Business Case
- Bauen Sie eine nachhaltige Datengrundlage innerhalb eines operativen Rahmens auf
- Messen Sie die Konsistenz und Nutzung von Daten in der gesamten Organisation
- Etablierung der Zusammenarbeit und Abstimmung der Stakeholder
- Integrieren Sie das Datenverwaltungsprogramm in die Kernaspekte des Betriebs
Wie wird DCAM bewertet?
DCAM legt Standards fest und misst die Datenmanagementfähigkeiten für die Entwicklung, Implementierung und Aufrechterhaltung eines effektiven Programms. Für jede Fähigkeit kann ein Datenmanagementprogramm eine von sechs Bewertungen erhalten:
- nicht initiiert
- konzeptionell
- Entwicklungs
- definiert
- erreicht
- erweitert
DCAM-Herausforderungen: Die Fähigkeitslücke überwinden
Laut der Benchmarkbericht zum globalen Datenmanagement 2020, das Finanz- und Nicht-Finanzunternehmen zu ihren DCAM-Ergebnissen befragte, sind 53% der FinServ-Unternehmen und 66% der Nicht-FinServ-Unternehmen bei der Governance und Pflege autorisierter Datendomänen, Strukturen, Modelle, Definitionen und Glossare entweder „im Gange/in Planung“ oder „noch nicht begonnen“.
Während viele Organisationen ihre Fähigkeiten initiieren, konzipieren und sogar entwickeln können, indem sie Pläne ausrollen und die richtigen Stakeholder für die Diskussion identifizieren, ist es eine größere Herausforderung, das Engagement, die Prozesse und die Nachweise zu definieren, die hergestellt und überprüft werden müssen.
Der Schritt von „Entwicklung“ zu „Definiert“ wird als „Fähigkeitskluft“ bezeichnet und stellt Unternehmen unter anderem vor folgende Herausforderungen:
- Überwachung neuer Geschäfts- und Datenmodelle, Datenbestandund Datensätze
- Kontinuierliche Weiterbildung der Mitarbeiter und Management der Fluktuation
- Einbindung von Daten in die übliche Geschäftspraxis
- Aufrechterhaltung einer soliden Unterstützung und Finanzierung durch die Stakeholder
Wie KI/ML die Lücke bei den DCAM-Funktionen schließt
Für Datenexperten, die DCAM implementieren, ist die Analyse von Lücken und die Ausarbeitung eines priorisierten Plans zu deren Schließung eine wichtige und zeitkritische Aufgabe.
In den letzten Jahren hat sich die Einführung von Künstliche Intelligenz und maschinelles Lernen Dank dieser Funktionen konnten Bewertungslücken schneller geschlossen und die Auditanforderungen von Aufsichtsbehörden und für interne Zwecke effizienter erfüllt werden.
Organisationen, die in ihren Datenverwaltungsprogrammen Techniken des maschinellen Lernens verwenden, können:
- Muster kritischer Daten finden Elemente schneller und genauer, indem sowohl überwachtes als auch unüberwachtes Lernen genutzt wird
- automatisch scannen. größere Datensätze schneller zur Skalierung der Governance
- Beschriftungen anbringen zur schnelleren Identifizierung und Kategorisierung
So sind Sie mit BigID DCAM einen Schritt voraus
Hier sind vier wichtige kritische Fähigkeiten, die Unternehmen nutzen können, um ihre DCAM-Fähigkeiten zu verbessern.
1. Daten automatisch finden und inventarisieren
Für die Geschäfts- und Datenarchitektur müssen Daten aus physischen Repositorien lokalisiert, dokumentiert und inventarisiert werden. Angesichts der großen Anzahl an Rechenzentren, die über die gesamte Welt verteilt sind, ist die Datenausbreitung mit herkömmlichen Methoden nicht einfach zu dokumentieren. Entdeckung und Abbildung.
Um physische Repositorien auf dem neuesten Stand zu halten, werden häufig manuelle Dokumentations- und Überwachungsmethoden eingesetzt. Diese Methode ist langsam, ressourcenintensiv und lässt sich nur schwer so pflegen, dass sie die wachsende Datenlandschaft genau widerspiegelt.
Selbst nachdem eine Organisation ihre physischen Daten katalogisiert hat, müssen Datenexperten die zugrunde liegenden Inhalte in Dokumenten und Dateien verstehen. Dies ist ein wachsendes Problem mit unstrukturierte Daten, das bei Inventuren mit manuellen Methoden normalerweise ausgeschlossen ist.
BigID nutzt fortschrittliches maschinelles Lernen, um automatisch Inventarisierung aller Daten – strukturiert und unstrukturiert – im gesamten Unternehmen. Dies ermöglicht es Organisationen, die grundlegenden Metadaten zur Quelle, zum Feldnamen und zum Feldspeicherort des Datenelements – all dies ist für die Dokumentation der physischen und Datenarchitektur erforderlich.
Eine KI-gesteuerte, automatisierte Bestandsaufnahme liefert Beweise, die bestätigen Metadaten basierend auf dem zugrunde liegenden Dateninhalt – und macht ihn für Geschäftsinteressenten und Benutzer in einer einzigen Katalog.
2. Ähnliche Daten spaltenübergreifend identifizieren und zuordnen
Organisationen, die ihre DCAM-Fähigkeiten messen, können KI/ML nutzen, um große Datensätze aus verschiedenen Datenquellen zu betrachten, Muster zu erkennen und Zusammenhänge abzuleiten.
Da Daten durch die Identifizierung logischer Datendomänen, Modelle und Metadaten, kann groß angelegter Mustervergleich helfen, Identifizieren doppelter Daten.
BigID ermöglicht es Unternehmen, mithilfe fortschrittlichen maschinellen Lernens automatisch ähnliche, doppelte und redundante Daten zu finden. Die aus dieser automatisierten Analyse gewonnenen Erkenntnisse ermöglichen es Datenteams, relevante Daten zu finden und zu korrigieren, Beziehungen zwischen Datensätzen zu identifizieren und Empfehlungen zu Daten abzugeben, die zur selben logischen Datendomäne gehören.
3. Kritische Datenelemente entdecken und in Ontologien einordnen
Um Datenlücken zu schließen, müssen Unternehmen Unternehmenseinheiten identifizieren, definieren, modellieren und standardisieren. Um diese Aktivitäten aufrechtzuerhalten, müssen Datenteams alle sensiblen oder kritischen Daten in ihren Datenquellen lokalisieren und kennzeichnen – und Karte Diese Daten werden anhand interner Taxonomien und globaler Standards analysiert. Da diese Informationen typischerweise in strukturierten und unstrukturierten Quellen vorliegen, ist Automatisierung entscheidend, um alle Daten effektiv zu klassifizieren, zu kennzeichnen und zu dokumentieren.
Die einzigartige Datenklassifizierung Funktionen von der Fuzzy-Klassifizierung über NLP bis hin zu graphenbasierte Technologie ermöglichen es Organisationen, entdecken und klassifizieren Sie alle Arten vertraulicher, kritischer und geschäftlicher Daten – mit weniger Fehlalarmen, verbesserter Genauigkeit und schnellerer Erkenntnisgewinnung.
Die nächste Generation von BigID Einstufung Optimiert das Scannen, um sich auf die Daten und Metadaten zu konzentrieren und Daten zu finden, zu kennzeichnen und abzugleichen. Das Ergebnis sind verbesserte Datenschutz-, Sensibilitäts- und Zustimmungsanforderungen sowie Richtlinienüberwachung.
4. Erkennen von Anomalien bei der Datenqualität
Um die DCAM-Funktionen für das Datenqualitätsmanagement zu nutzen, können Unternehmen Automatisierung nutzen, um Ausreißer in großen Datensätzen zu identifizieren. Die erste Bewertung des Datenqualitätsprofils priorisiert den Umfang der Daten nach Kritikalität und Wesentlichkeit.
BigID liefert statistische Analyseergebnisse für einen Datensatz, beispielsweise Vollständigkeit (oder Identifizierung von Nullwerten), Datenwertebereich und Standardabweichung numerischer Werte.
Um den Reifegrad der Fähigkeiten weiter aufrechtzuerhalten, identifiziert ML relevante Regeln zur Überprüfung des Datensatzes – einschließlich der Empfehlung akzeptabler Toleranz- oder Schwellenwerte und der Anzeige von Trendanalysen auf DatenqualitätDatenteams können nachweisen, dass sie eine höhere Reife im Datenqualitätsmanagement erreicht haben, indem sie BigID nutzen, um neue eingehende Datensätze kontinuierlich zu überwachen.
BigID für DCAM
Herkömmliche Datenverwaltungsprogramme sind auf manuelle Ressourcen angewiesen, um Datenqualitätsregeln zu inventarisieren, zu kennzeichnen, zu klassifizieren und festzulegen. Dies hat zu einer allgemeinen Ermüdung geführt, während man darauf wartet, dass Datenprogramme einen geschäftlichen Mehrwert liefern.
Datenmanagement-Experten können die automatisierte Machine-Learning-Technologie von BigID nutzen, um die von DCAM gemessenen Fähigkeiten zu nutzen, Lücken in der Datenreife zu schließen und letztendlich:
- pflegen ihre Datenbestand
- Identifizieren und klassifizieren die Daten, die sie verwalten und überwachen müssen
- Karte zu Datendomänen
- Erstellen Sie neue Regeln für das Datenqualitätsmanagement
- Verbessern Sie Ihre Datenlage für erfolgreiche DCAM-Audits
Erfahren Sie mehr darüber, wie BigID Ihnen helfen kann Ihr Datenverwaltungsprogramm kann alle Daten Ihres Unternehmens – strukturiert und unstrukturiert – effektiver erkennen, klassifizieren und überwachen und schnellere und nachhaltigere Ergebnisse erzielen.
Autor
