Количество дефектов открытых данных
Вопросы открытых данных
Кейт Кевин
Навыки работы с данными и талант
Оценка состояния навыков и талантов, необходимых для реализации программы данных
Приоритетный набор на руководящие должности и на должности ниже по уровню заполнения данных
87%
95%
Кейт Марвин
Риск для данных
Отслеживание снижения рисков при использовании данных
Процент VaR, на который повлияли корректировки (скользящая средняя за 3 месяца)
69%
Джон Сьюзен
Сокращение разницы в общих расходах в рамках Примера 1
21% ($12.1B)
Сокращение на
Джон Сьюзен
ПРИМЕРНЫЕ ПОКАЗАТЕЛИ ОТСЛЕЖИВАНИЯ
FRAMEWORK
Ход выполнения программы
прогресс программы управления данными
подотчетная команда (владелец)
Процент вех в прошлом
(47/49)
Джейсон
реализация
Выполняется подотчетной командой (владельцем)
(2/49)
Данные
Мера
Запуск форумов по управлению данными
Кейт
ПРИЛОЖЕНИЕ 27.4
Например, организации могут применять облегченное управление для данных, которые используются только в исследовательских целях и не выходят за пределы команды разработчиков. Маскировка данных может быть уместна для обеспечения конфиденциальности, а также строгие внутренние соглашения о неразглашении (NDA). Однако как только такие данные начинают использоваться в более широком контексте, например при взаимодействии с клиентами, необходимо применять более жесткие принципы управления.
Инструменты и платформы управления данными помогают организациям отслеживать все свои данные, повышать их качество и управлять основными данными, а также многое другое. На рынке представлено большое разнообразие инструментов, включая как новые платформы (например, Alation, Tamr, data.world, Octopai или erwin), так и уже зарекомендовавшие себя решения (например, Informatica и Collibra)2.
Важнейшим элементом этого процесса является необходимость установить защитные ограждения для использования (и неиспользования) данных и донести их до сотрудников, клиентов и других заинтересованных сторон. Программа по работе с данными должна выходить за рамки простого соблюдения правил защиты конфиденциальности клиентов и использования их данных. Она также должна быть направлена на обеспечение прозрачности в отношении того, какие данные и каким образом собираются, как используется информация и целесообразно ли такое использование. Эта задача еще более усложняется при создании моделей искусственного интеллекта, и компаниям необходимо уделять особое внимание тому, чтобы не допустить непреднамеренного закладывания предвзятости в свои модели. Кроме того, компаниям следует регулярно анализировать данные и их использование с точки зрения соответствия меняющимся нормам и законам.
Рассмотрите возможность создания совета по этике данных - межфункционального комитета, в состав которого входят представители бизнеса, отдела по соблюдению нормативно-правовых требований, операционной деятельности, аудита, ИТ и высшего руководства компании. (Подробнее о доверии к цифровым технологиям читайте в главе 31).
Примечания
Брайан Петцольд, Матиас Роггендорф, Кайваун Роушанкиш и Кристоф Шпорледер, "Проектирование управления данными, обеспечивающее ценность", McKinsey.com, 26 июня 2022 г., https://www.mckinsey.com/capabilities/ mckinsey-digital/our-insights/designing-data-governance- that-delivers-value.
Метаданные: "Метаданные - это информация, которая описывает различные аспекты информационного актива для улучшения его пригодности на протяжении всего жизненного цикла". Источник: Gartner, "Линейка данных включает в себя происхождение данных, то, что с ними происходит, и то, куда они перемещаются со временем. Линейка данных обеспечивает видимость и значительно упрощает возможность отследить ошибки до их первопричины в процессе анализа данных". Источник: Натали Хоанг, "Линейность данных помогает повысить ценность бизнеса", Trifacta, 16 марта 2017 г.
Раздел 5
Ниже приведен набор вопросов, которые помогут вам определить, какие действия следует предпринять:
Направляете ли вы свои усилия по очистке и обработке данных на те области и элементы данных, которые принесут пользу?
Понимаете ли вы, какие продукты данных необходимы вашей организации для достижения успеха?
Есть ли у вас специальные команды по работе с данными?
Вы четко представляете, где объединение внутренних данных с внешними позволит создать конкурентное преимущество?
Как вы делаете данные более доступными для большего количества людей в вашей организации и непосредственно для ваших цифровых решений?
Измеряете ли вы потребление данных?
