Datenverwalter dienen als Torwächter für die Data-Governance-Programme. Diese Datenexperten sammeln, kuratieren und standardisieren Datenbestände über verschiedene Geschäftseinheiten und Benutzer hinweg – zum Zweck von Compliance, Risikomanagementund Geschäftskontinuität.
Stewards haben sich traditionell auf manuelle Prozesse verlassen, um Erkenntnisse aus der Daten, die sie sammeln und dokumentieren – im Wesentlichen Crowdsourcing-Wissen, um Geschäftsdefinitionen zusammenzustellen, Datenquellen zu identifizieren und Nutzungsmuster zu bestätigen.
Dieser Top-down-Ansatz hat Governance-Programmen einen schlechten Ruf eingebracht. Sie werden oft als Kontrollsysteme abgestempelt, die Innovation und Agilität behindern, was letztlich verhindert, dass sie ihren geschäftlichen Nutzen entfalten und breite Akzeptanz finden.
Es braucht Zeit und Ressourcen, um manuelle Prozesse vollständig zu skalieren Datenabdeckung – und sobald Daten dokumentiert sind, veralten sie sofort und sind für die Nutzung unzuverlässig. Nicht-Datenteams widersetzen sich der Verlangsamung, und Führungskräfte zögern, in Governance-Programme zu investieren.
Das Data-Stewardship-Modell auf den Kopf stellen
Die gute Nachricht ist, dass Unternehmen das traditionelle Verwaltungsmodell von manuellen Top-down-Prozessen auf automatisierte, metadatengesteuerte Lösungen umstellen und ihre Datenverwaltungsprogramme modernisieren können.
Durch den Einsatz einer zentralen Discovery-Plattform, die automatisch Daten im gesamten Unternehmen findet und identifiziert, können Unternehmen Datenbestände mit aussagekräftigen Metadaten und implementieren Sie eine zusammenhängende, Katalog Ansicht, die Datenverwaltern Folgendes ermöglicht:
- Entdecken Sie den Kontext für die Datennutzung in einem freigegebenen Katalog
- Verkürzen Sie die Zeit, die Datenkonsumenten zum Verständnis der Auswirkungsanalyse benötigen
- Nutzen Sie eine einzige maßgebliche Quelle zur Dokumentation von Datenänderungen und -beziehungen
- Gewinnen Sie aussagekräftige Erkenntnisse aus Daten und zeigen Sie den Geschäftswert auf
Metadatenbasierte Funktionen für Datenverwalter
Durch die Verlagerung ihres Fokus auf Metadaten und Dateninhalten erschließen Datenverwalter neue Möglichkeiten, die sie durch Automatisierung und maschinelles Lernen nutzen können. KI und ML ermöglichen es Unternehmen, Daten zu identifizieren, zu klassifizieren und zu kontextualisieren, ohne ihre Datenverwalter vorab zu belasten.
Diese automatisierte Funktionalität spart Datenverwaltern Zeit und ermöglicht es ihnen, sich auf die Validierung zu konzentrieren Kuration. Hier sind einige BigID-Funktionen, die dies ermöglichen:
- Entdeckung von Daten: Mit einem Grundlage für umfassende Entdeckungen, Daten in verschiedenen Systemen und Anwendungen finden und identifizieren – einschließlich Dokumenten und Textdateien, die normalerweise nicht mit Stammdatensystemen verknüpft sind. Diese Transparenz fördert die Datenbürgerschaft aller Unternehmen und Datennutzer, sodass sie die gesamte Datenlandschaft besser verstehen und die allgegenwärtige Frage „Wo sind meine Daten?“ beantworten können.
- Datenprofilierung: Statistisch Datenprofilierung Fördert die Genauigkeit, Vollständigkeit und Gültigkeit von Daten, sodass Sie automatisch geeignete Daten identifizieren und die Datennutzung berechnen und mit der jeweiligen Geschäftsanwendung verknüpfen können. Datenprofilierung ermöglicht die Erkennung von Anomalien im großen Maßstab, sodass Sie Upstream-Analysen durchführen und Datenbereinigung Arbeitsabläufe.
- Datenzugriff und Berechtigungen: Verwalten Sie die Datenberechtigungen und Zugriffsrechte von Datenkonsumenten im gesamten Unternehmen – an einem einzigen Ort – und verstehen Sie die komplette Benutzerkette für ein durchgängiges Datenlebenszyklusmanagement.
- Datennutzung: Überwachen Sie die Konsistenz der Daten über alle Anwendungen hinweg und minimieren Sie Lücken bei der Verwendung und Interpretation der Daten zwischen Datenerstellern und -konsumenten.
- Datenkontext: Sorgen Sie für Transparenz, Klarheit und Aussagekraft Ihrer Daten – mit unterstützenden technischen Daten wie Dateisystembesitzer.
- Klassifizierung der Daten: Verwenden ML-Klassifikatoren um zu ermitteln, welche Metadaten, Daten und Dokumente an welche Dateneigentümer verteilt werden sollen – und um auf dem Laufenden zu bleiben mit Datenschutzbestimmungen mit Klassifizierern für sensible, vertrauliche und persönliche Daten. Daten des Etiketts zur Unterstützung der Suche, der Umfangsauswahl und der Priorisierung.
Aktivieren Sie ein neues Data Governance-Modell
Ob es sich um einen technischen Datenverwalter handelt, der beim Aufbau eines neuen Anwendungssystems CRUD-Daten (Erstellen, Lesen, Aktualisieren, Löschen) verwalten muss, oder um einen geschäftlichen Datenverwalter, der Golden Copies von Daten aus mehreren Quellen finden muss – ein Metadaten-First-Ansatz ermöglicht es Datenexperten, ihre Aufgaben zu beschleunigen und zu automatisieren.
Mit diesen Fähigkeiten entsteht ein neues Data-Governance-Modell – eines, das die Skalierung und den Ausbau von Datenwissen beinhaltet, indem Technologie für maschinelles LernenManuelle Prozesse der Datenerfassung, der Zuordnung zu Datenquellen und der Klassifizierung von Inhalten weichen einem innovativen Ansatz der automatischen Datenvalidierung, der Bestätigung Datenzuordnungenund Überprüfung der Genauigkeit von ML-Klassifikatoren.
Durch den Übergang vom reaktiven zum aktiven Datenmanagement können Datenverwalter schneller Maßnahmen ergreifen, datengesteuerte Entscheidungen zur Unterstützung von Geschäftsergebnissen treffen und Fristen zur Einhaltung gesetzlicher Vorschriften auf der Grundlage vollständiger Daten einhalten.
Erfahren Sie, wie BigID modernisieren Sie Ihre Data-Governance-Programme – und befähigen Sie Datenverwalter, aus Daten und Geschäftswert aussagekräftige Erkenntnisse abzuleiten.
Autor
