Практически каждая компания оперирует данными. Клиенты хранятся в CRM, учет договоров может вестись в отдельных решениях, первичные документы контролируются в бухгалтерской системе, сотрудники работают с Excel, корпоративной почтой, облачными сервисами и десятками других приложений.

Со стороны может показаться, что вопрос управления данными давно решен. Но так ли это на самом деле?

Насколько системно организованы бизнес-данные в вашей компании?

Именно ответ на этот вопрос станет первым шагом к более зрелому управлению бизнесом — сначала на основе качественно организованных данных, затем на основе аналитики, а в перспективе и с использованием технологий искусственного интеллекта.

Попробуйте ответить всего на несколько вопросов.

• Какие данные являются наиболее ценными для вашей компании?
• Где находится единственный достоверный источник информации о клиенте?
• Кто отвечает за актуальность справочника контрагентов?
• Что означает статус «активный клиент»?
• Что означает статус «лояльный клиент»?
• Где описана структура данных по договорам?
• Какие данные одновременно используются несколькими подразделениями?
• Какие бизнес-данные являются критически важными для работы компании?

Если хотя бы часть этих вопросов вызывает затруднения, значит проблема заключается не в количестве данных, а в отсутствии системного подхода к управлению ими.

И это вовсе не новая cфера. На протяжении последних десятилетий она изучается специалистами по всему миру. В результате сформировалось отдельное направление — Data Management (управление данными), в рамках которого появились профессиональные методы, стандарты и инструменты.

Это не модные слова и не очередной технологический тренд. Каждый озвученный ниже инструмент   появился потому, что решает вполне конкретную задачу.

Перечисленные инструменты не образуют жесткой последовательности внедрения. Каждая компания приходит к ним своим путем в зависимости от масштаба бизнеса, существующих информационных систем и текущих задач.

Для лучшего понимания данного обзора рекомендуем скачать примеры реестров Data Management по данной ссылке. 

Data Inventory — инвентаризация данных

Первый вопрос, который приходится решать любой организации: какими данными мы вообще располагаем?

Data Inventory представляет собой инвентаризацию информационных ресурсов компании. Это систематический перечень всех информационных активов организации: какие данные есть, где они хранятся (в каких базах, облачных сервисах, на каких серверах), как используются.

Подобно тому как предприятие ведет учет оборудования, автомобилей или складских запасов, организация может вести учет своих данных. Например:

• клиенты;
• договоры;
• счета;
• акты;
• проекты;
• сотрудники;
• заявки;
• переписка;
• нормативные документы.

Пока компания не понимает, какими данными она располагает, ни о каком профессиональном управлении данными речи не идет.

Data Asset Register — реестр информационных активов

Не все данные одинаково важны. Одни являются вспомогательными, другие — критически значимыми для бизнеса. Поэтому следующим шагом становится формирование реестра информационных активов.

Это уже конкретный инструмент — система (или таблица), где каждый элемент (актив) описан подробно и с привязкой к ответственности. Помимо базовых сведений (название, тип, местоположение), в регистр добавляют критически важные для управления атрибуты:

• владелец;
• подразделение;
• уровень критичности;
• место хранения;
• требования к защите;
• срок хранения.

Здесь данные начинают рассматриваться уже не просто как информация, а как актив компании.

То есть Data Asset Register не просто фиксирует факт существования актива, а встраивает его в систему управления: закрепляет ответственность, задаёт правила работы с ним.

Данный реестр можно считать «единым источником правды». Например, Data Asset Register  помогает проводить аудит, оценивать риски, планировать защиту (подбирать меры под класс актива), отслеживать жизненный цикл (от ввода в эксплуатацию до вывода из неё) и быстро находить информацию при инцидентах.

Инструменты Data Inventory (инвентаризация данных) и Data Asset Register (реестр информационных активов) могут показаться близкими, но они не одинаковые. Ключевое различие в целях:

• Data Inventory — это про «что у нас вообще есть»: список источников, таблиц, файлов, витрин. Цель — обеспечить видимость: найти, посчитать, понять охват. Это база для учёта и базового контроля.
• Data Asset Register — это про «чем мы управляем как ценностью»: не просто перечень, а структурированные сведения, позволяющие управлять жизненным циклом, рисками, качеством и стоимостью данных. Это инструмент управления и комплаенса (в т. ч. для аудита персональных данных и т.п.).

Зачасту Data Inventory служит базой для Data Asset Register: вначале проводят инвентаризацию (собирают всё, что есть), после чего наиболее важные объекты описывают дополнительными атрибутами и переводят их в ключевые активы. Не все объекты из инвентаризации обязательно включаются в активы(Data Asset Register) — обычно выделяют наиболее важные и ценные.

Data Catalog — каталог данных

Даже если данные существуют, сотрудникам необходимо быстро понимать, где они находятся и как ими пользоваться.

Именно для этого создаются каталоги данных.

Они помогают определить:

• где хранится информация;
• кто ее использует;
• как она обновляется;
• какие существуют ограничения доступа;
• с какими другими данными она связана.

По сути Data Catalog становится навигатором по данным организации.

У многих компаний данных много, а пользы мало: никто толком не знает, где что лежит и можно ли этим пользоваться. Если первые два описанных инструмента Data Inventory и Data Asset Register наводят порядок в «архиве»: понять, что есть и кто за это отвечает. То сведения из Data Catalog добавляет самое важное — понятный смысл: простыми словами объясняет, что означают цифры, откуда они пришли и как их правильно применять. Именно поэтому каталог превращает «просто данные» в рабочий инструмент для всей команды. Часто бывает так: менеджер просит «данные по продажам», ему дают файл, а потом выясняется, что там не те цифры — потому что никто не понял, как они считаются.

Например, Data Inventory и Data Asset Register просто фиксируют, что файл существует и кто его владелец. А Data Catalog прямо рядом с файлом хранит простое объяснение: «это продажи после возвратов, считаем по дате отгрузки, источник — система заказов». Так бизнес перестаёт спорить о цифрах и быстрее принимает решения.

Data Dictionary — словарь данных

Следующий уровень — описание структуры самих данных.

Например, в карточке договора могут существовать поля:

• номер;
• дата;
• статус;
• сумма;
• контрагент;
• дата окончания действия.

Для каждого поля определяется:

• назначение;
• тип данных;
• допустимые значения;
• правила заполнения.

Благодаря этому разные информационные системы начинают одинаково понимать одни и те же данные.

Metadata Repository — репозиторий метаданных

Метаданные часто называют «данными о данных».

Они описывают не содержание документов, а устройство информационной среды.

Например:

• откуда поступают данные;
• когда они были изменены;
• какие системы между собой связаны;
• какие отчеты используют эти сведения;
• какие процессы зависят от конкретных наборов данных.

Репозиторий метаданных помогает увидеть внутреннюю архитектуру корпоративных данных.

Business Glossary — бизнес-глоссарий

Даже при наличии современных информационных систем сотрудники разных подразделений могут понимать одни и те же термины по-разному.

Например, что такое «активный клиент»? Для отдела продаж — это клиент, совершивший покупку за последние шесть месяцев      Для маркетинга — любой клиент, включенный в рассылку. Для финансовой службы — клиент без просроченной задолженности.

Business Glossary позволяет закрепить единые определения бизнес-терминов, чтобы вся организация говорила на одном языке.

Как связаны все эти инструменты?

Может показаться, что Data Inventory, Data Catalog, Data Dictionary, Metadata Repository, Data Asset Register и Business Glossary — это просто набор профессиональных терминов, близких по смыслу.

На самом деле перечисленные инструменты дополняют друг друга и помогают компании последовательно выстраивать работу с бизнес-данными.

Сначала организация определяет, какими данными она располагает и какие из них наиболее важны. Затем помогает сотрудникам находить нужные данные, одинаково понимать их структуру, видеть их взаимосвязи и использовать единые бизнес-термины.

Каждый инструмент отвечает на свой вопрос. Например, Business Glossary решает семантическую задачу (единый язык), Data Inventory — задачу учёта активов (что есть), а Data Catalog — задачу навигации и обеспечения доверия к данным (как найти и как использовать). Вместе они создают мощную основу для управления данными в организации.

Обязательно ли внедрять эти инструменты именно в такой последовательности?

Нет. Например, организация может сначала создать Business Glossary, чтобы разные подразделения начали одинаково понимать ключевые бизнес-термины. Другая компания начинает с Data Inventory, чтобы разобраться, какими данными она вообще располагает. Третья — с Data Catalog, если основная проблема заключается в поиске информации и понимании того, где находятся необходимые данные.

Важно не то, с какого инструмента начинается работа, а то, что со временем они начинают дополнять друг друга и образуют единую систему управления бизнес-данными.

С чего можно начать небольшой компании?

Для большинства небольших компаний первым шагом могут стать Data Inventory и Business Glossary.

При этом на начальном этапе вовсе не обязательно внедрять дорогостоящие специализированные решения. Во многих случаях достаточно прикладной учетной программы, обычной таблицы Excel или внутреннего корпоративного документа, в котором будут перечислены основные бизнес-данные компании и согласованы единые определения ключевых терминов.

Важно не то, в каком инструменте ведется описание данных, а то, чтобы оно вообще существовало и регулярно поддерживалось в актуальном состоянии.

По мере роста бизнеса и увеличения объема информации эти сведения уже целесообразно переносить в специализированные информационные системы, где они становятся частью повседневной работы сотрудников.

 

Для лучшего понимания данного обзора рекомендуем скачать примеры реестров Data Management по данной ссылке.