مدیریت داده(سواد داده)

محرک‌های کسب و کار
اطلاعات و دانش، کلید مزیت رقابتی است. سازمان‌هایی که دارای داده با کیفیت و قابل اعتماد در رابطه با مشتریان، محصولات، سرویس‌ها و عملیات خود هستند، می‌توانند تصمیمات بهتری را اتخاذ نمایند . شکست در مدیریت داده، اتلاف زمان و از دست رفتن فرصت‌ها را به دنبال خواهد داشت . محرک اولیه برای مدیریت داده، توانمند کردن سازمان‌ها به منظور به دست آوردن ارزش از دارایی‌های داده، همانند مدیریت موثر سرمایه‌های فیزیکی و مالی است که سازمان‌ها را قادر می‌سازد بتوانند از سرمایه‌های خود ارزشی را به دست آورند . 
اهداف
مهم‌ترین اهداف مدیریت داده: شکل 1 : اهداف مدیریت داده

اصول مدیریت داده 
شکل 2 : اصول مدیریت داده

 امروزه از تحول دیجیتال به عنوان انقلاب چهارم یاد می‌شود . این تحول دیجیتال، عمدتا توسط داده تسهیل می‌گردد که از آن به عنوان یک دارایی کلیدی استراتژیک نام برده می‌شود که می‌تواند به سازمان‌ها جهت نیل به یک مزیت رقابتی پایدار کمک نماید . نتایج یک مطالعه تحقیقاتی توسط فورستر نشان می‌دهد که محرک‌های کلیدی تحول دیجیتال سودآوری، رضایت مندی مشتری و افزایش سرعت ارایه محصول به بازار می‌باشد. موسسه مکنزی برآورد کرده است که صنعت داده دارای بازاری معادل 300 میلیارد دلار در هر سال است .
اکثر سازمان‌ها به خوبی  قادر به تشریح آن چه که انجام می‌دهند ( What) می‌باشند، برخی از آنها دارای  توانمندی تشریح نحوه انجام کارهایشان ( How) می‌باشند ولی تعداد بسیار اندکی از آنها می‌توانند توضیح دهند که چرا این کارها ( Why)  را انجام می‌دهند . خوب شدن سازمان‌ها در گرو چرایی انجام یک کار است . چرایی انجام یک کار ریشه در استراتژی دارد و این که چرا این کار برای انجام شدن انتخاب شده است ؟ 
شکل 1 : چشم انداز، فرآیند و نتایج

چالش‌های پیش رو

داده یک دارایی منحصربفرد  
  با ترکیب این چهار خصلت  است که به جرات می‌توان ادعا کرد داده نسبت به سایر دارایی‌های سازمانی دارای جایگاهی برجسته و منحصربفرد است. 

شکل 2 : چهار ویژگی منحصربفرد  داده

الزامات مدیریت داده 
 بسیاری از سازمان‌ها به ارزش داده به عنوان یک دارایی حیاتی پی برده‌اند . داده و اطلاعات می‌تواند به یک سازمان بینش لازم در موارد متعددی نظیر مشتریان، محصولات و سرویس‌ها را ارایه نماید . داده و اطلاعات می‌تواند نوآوری در یک سازمان را تقویت کرده و به آنها جهت نیل به اهداف استراتژیک کمک نماید . علی رغم این باور ذهنی، صرفا تعداد اندکی از سازمان‌ها به طور فعال، جدی و هدفمند مدیریت داده را به عنوان یک دارایی بگونه‌ای انجام می‌دهند که بتوان بطور مستمر از آن ارزشی را استخراج کرد . استخراج ارزش از دل داده در خلا و یا به طور تصادفی محقق نمی‌گردد و نیازمند تلاش، برنامه ریزی، هماهنگی و تعهدی فراگیر در سرتاسر سازمان است . مدیریت داده، مستلزم مدیریت و رهبری است و با اما و اگرها و دل به حوادث سپردن نمی‌توان به انتظار ایجاد ارزش از داده نشست . مدیریت داده پیاده سازی، اجراء و نظارت بر برنامه ریزی، سیاست‌ها، برنامه‌ها و شیوه‌هایی است که باعث عرضه، کنترل، حفاظت و توسعه ارزش داده و دارایی‌های اطلاعاتی در طول چرخه حیات داده می‌گردد .
فعالیت‌های مدیریت داده گسترده می‌باشند و طیف وسیعی از کارها نظیر توانایی ایجاد تصمیمات منسجم در خصوص نحوه به دست آوردن ارزش استراتژیک از داده تا استقرار فنی و عملکرد بانک‌های اطلاعاتی را شامل می‌شود . بنابراین، مدیریت داده نیازمند مهارت‌های فنی و غیرفنی است . مسئولیت مدیریت داده می‌بایست بین نقش‌های کسب و کار و فناوری اطلاعات به اشتراک گذاشته شود و افراد در هر دو بخش می‌بایست قادر به تعامل و همکاری با یکدیگر بگونه‌ای باشند که این اطمینان ایجاد گردد یک سازمان دارای داده با کیفیت بالا به منظور تامین نیازهای استراتژیک خود می‌باشد .

چالش‌های مدیریت داده 
مدیریت داده دارای ویژگی‌های منحصربفردی  است که ریشه در خصایص ذاتی داده دارد . چالش‌های مدیریت داده در ارتباط مستقیم با اصول مدیریت داده می‌باشند و ممکن است هر چالش با یک و یا چندین اصل مدیریت داده مرتبط باشد .  شناخت این چالش‌ها و ابعاد عملکردی هر یک می‌تواند مسیر مدیریت داده را هموارتر و مبتنی بر واقعیات نماید .  در شکل 3 به مهمترین چالش‌های مدیریت داده که به نوعی مرتبط با اصول مدیریت داده می‌باشند، اشاره شده است .

شکل 3 : چالش‌های مدیریت داده

 خلاصه
با این که تعداد زیادی از سازمان‌ها سرمایه گذاری فراوانی را به منظور بهبود داده و مدیریت اطلاعات انجام داده اند، صرفا تعداد اندکی از آنها به نتایج مطلوبی در جهت افزایش عملکرد کسب و کار خود نائل شده‌اند . علت آن به دو عامل بر می‌گردد:
عامل اول، نوع نگاه به فناوری: تفکر و تمرکز بر روی فناوری‌هایی نظیر سخت افزار، برنامه‌ها و بانک‌های اطلاعاتی حال آنکه باید به دنبال استخراج ارزش از داده بود.
عامل دوم، انجام تجزیه و تحلیل به وسیله داده‌هایی با کیفیت پایین و استفاده از  آن در فرآیندهای سازمان. حال آنکه با ارتقاء و تقویت زنجیره ارزش داده از آن به منظور بهبود عملکرد کسب و کار خود استفاده نمایند. بدین منظور لازم است مدیریت داده با استناد به اصول مدیریت داده، برخورد منطقی و سیستماتیک با چالش‌های مرتبط و بکارگیری چارچوب‌های معتبر بگونه‌ای انجام شود که شاهد بهبود فراگیر عملکرد کسب و کارها باشیم . در بخش‌های بعدی  با چارچوب‌های مدیریت داده آشنا می‌شویم .

مطالعات انجام شده توسط مکنزی، گارتنر، MIT و سایر مراکز معتبر تحقیقاتی و پژوهشی  نشان می‌دهد سازمان‌هایی که دارای استراتژی داده می‌باشند و برنامه‌های مدیریت داده را با استناد به آن هدایت می‌نمایند دارای بازده سرمایه گذاری بالاتر(ROI)، عملکرد بهتر نسبت به رقبا، بهره وری بیش تر، استفاده بهتر از دارایی‌ها و نرخ بازگشت بهتر دارایی‌ها (ROA) می‌باشند . با این که ظاهر کار به نظر ساده می‌آید ولی بسیاری از سازمان‌ها برای ایجاد و پیاده سازی یک استراتژی داده مقاومت می‌نمایند.

الزامات استفاده از داده  
برای استفاده بهره مندی از داده به سه عنصر مهم نیاز خواهیم داشت که هر یک در عین مهم بودن به تنهایی کافی نیست و ضرورت وجودی هریک، اضافه کردن قابلیتی بر بستر قبلی است تا در نهایت به امری جهت مصرف و ایجاد ارزش در سازمان به وجود آید .

• سواد داده (Data Literacy)، توانایی خواندن، ایجاد و ارتباط با داده به عنوان اطلاعات تعریف می‌گردد . سواد داده به دانش، مهارت‌ها و توانمندی‌ها (KSAs)  افرادی اطلاق می‌گردد  که قادر به شناسایی، جمع آوری، تحلیل، تفسیر، ارایه و حفاظت از دارایی‌های داده سازمانی می‌باشند . زمانی که مفاهیم فوق در سطح سازمانی بکار گرفته شوند، یک سازمان باسواد داده ایجاد می‌گردد . در مقابل استفاده از شیوه‌های قبیله ای، سازمان‌ها می‌توانند به خودآگاهی بیشتری در خصوص یافتن روش‌های بهتر و ترغیب کارکنان به کسب سواد داده به منظور حمایت از روش‌های استفاده از زنجیره تامین داده دست یابند .
• زنجیره تامین داده (Data Supply Chain) ، شامل مجموعه‌ای از فرآیندهای مستند شده  تکرارپذیر یکسان برای افزودن ارزش به داده به موازات حرکت در طول مراحل مختلف پردازش و در مسیر رسیدن به تصمیم گیرندگان است . صرفا سازمان‌هایی با سواد داده از فرآیندهای تامین داده استاندارد استفاده می‌نمایند تا بتوانند به نتایج بهتر، قابل اعتمادتر و پیشبینیانه تر نسبت به گروه‌های کاری و یا رویه‌های مبتنی بر پروژه دست یابند . دلیل این کار ساده است . گروه‌های کاری   زمانی که به اهداف خود دست یافتند،  دارای انگیزه  لازم  برای بهبود متدها و محصولات داده خود نمی‌باشند. دارایی‌های داده سازمانی زمانی بهبود می‌یابند که لجستیک زنجیره تامین داده‌ها  طراحی و پیاده سازی شده باشد . پس از تحقق این کار، سازمان‌ها از عدم انحراف خود  به جزء از طریق فرآیندهای رسمی تغییر، مطئمن می‌شوند.
• دارایی‌های داده استاندارد (Standard Data Assets) : همانگونه که به یک زبان استاندارد برای هر ارتباط معنی دار نیاز است، سازمان‌ها  در صورتی که قصد استخراج ارزش از داده را داشته باشند، به دارایی‌های داده استاندارد نیاز دارند  این بدان معنی است که سازمان‌ها می‌بایست به سازمان‌های داده محور تبدیل شوند . به عنوان نمونه، مستند سازی دارایی داده با استفاده از دیکشنری‌های داده و یا سایر روش مشابه از جمله اقدامات مطلوب در این زمینه می‌باشد . 

برای سازمان‌هایی که به دنبال موفقیت در محیط جهانی شبکه‌ای شده می‌باشند، دارایی‌های داده به منزله مواد خامی می‌باشند که می‌بایست  از آنها جهت حمایت از تصمیم گیری مبتنی بر شواهد استفاده گردد . با ترکیب سه عنصر فوق، یک سازمان قادر به افزایش مقدار محصولات داده قابل پیش بینی و بهبود کارایی و اثربخشی خود با سرعت مطلوب نسبت به رقبا می‌باشد . در شکل 1، نحوه استفاده از مزایای کامل دارایی‌های داده در یک سازمان با هدف ایجاد یک لقمه بهتر داده نشان داده شده است .
رشد نمایی داده، استفاده اندک از استانداردهای داده و سطح پایین سواد داده  بدان معنی است که سازمان‌ها کار مهمی را پیش رو دارند . سازمان‌ها می‌بایست بر روی مواردی سرمایه گذاری نمایند تا عملیات داده را به صورت منظم، استاندارد شده و قابل پیش بینی انجام دهند . زمانی این کار محقق می‌گردد که سازمان‌ها دارای برنامه‌ای منسجم در قالب یک استراتژی داده مدون برای غلبه بر سردرگمی، اختلال و ناکارآمدی  و حرکت به  سمت کارآمدی بیش تر باشند .

شکل 1 : ایجاد یک لقمه بهتر داده

 تلاش در مسیر مدیریت استراتژیک داده بدون بکارگیری استانداردها، چارچوب‌ها و به روش‌ها به سرانجام مطلوب نخواهد رسید و مثل این است که بخواهیم چرخ را مجددا اختراع نمائیم .  با آشنایی و استفاده  صحیح  و ساختارمند از استانداردها ، چارچوب‌ها ، مدل‌ها و  به روش‌های شناخته شده موجود که امتحان خود را به دفعات پس داده اند، می‌توان با اطمینان در مسیر نقشه راه مدیریت داده با قدرت و صلابت گام برداشت .

چارچوب‌ها، مدل‌ها و  به روش‌های ارزیابی و مدیریت داده 
 مدیریت داده شامل مجموعه‌ای از عملیات وابسته به یکدیگر است که هر یک دارای اهداف، فعالیت‌ها و مسئولیت‌های مختص به خود می‌باشند . کارشناسان حرفه‌ای داده می‌بایست پاسخگوی چالش‌های ذاتی استخراج ارزش از داده و ایجاد توازن بین اهداف عملیاتی و نیازهای استراتژیک، الزامات فنی و کسب و کار، ریسک و نیازهای انطباق باشند . استفاده از یک چارچوب به ما در شناخت جامع مدیریت داده و ارتباط بین اجزاء آن کمک می‌کند . عملکرد هر بخش به بخش دیگری بستگی دارد، لذا در صورتی که یک سازمان قصد دارد که از بطن داده ارزشی را استخراج کند، می‌بایست  افراد مسئول برای جنبه‌های مختلف مدیریت داده قادر به تعامل و همکاری با یکدیگر باشند .
چارچوپ‌ها در سطوح مختلف مفهومی پیاده سازی می‌شوند و طیف وسیعی از دیدگاه‌های متفاوت برای مدیریت داده را پوشش می‌دهند . به کمک دیدگاه‌های مختلف و بینش ارایه شده توسط هر یک، می‌توان مسائل مرتبط با مدیریت داده را از زوایای متفاوتی نظیر شفاف سازی استراتژی، ایجاد نقشه راه، سازماندهی تیم‌های کاری و همسوئی عملیات، بررسی کرد .
تاکنون چارچوب‌ها، مدل‌ها و به روش‌های  مختلفی به منظور ارزیابی و مدیریت داده  ارایه شده است . در شکل 2، به  چهار نمونه متداول اشاره شده است .

شکل 2 : چارچوب‌ها، مدل‌ها و  به روش‌های ارزیابی و مدیریت داده

چارچوب DMBOK 
چارچوب DAMA DMBOK ( برگرفته شده از  Data Management Body of Knowledge  ) یک نمونه موفق در زمینه مدیریت داده است که نسخه اول آن در سال 2009 و نسخه دوم ( نهایی شده ) آن در سال 2017 توسط DAMA ( برگرفته شده از   Data Management Association International ) ارایه شده است . ایده‌ها و مفاهیم ارایه شده توسط DMBOK می‌تواند به صورت کاملا متفاوت و با توجه به عوامل کلیدی مختلفی نظیر حوزه صنعت کسب و کار، محدوده داده‌ها، فرهنگ سازمانی، سطح بلوغ، استراتژی، چشم انداز و چالش‌هایی که یک سازمان می‌تواند با آنها درگیر باشد،  بکار گرفته شود.
چارچوب DMBOK ( شامل چرخ DAMA، نمودارهای زمینه و شش ضلعی )، حوزه‌های دانش مدیریت داده تعریف شده توسط DAMA را تشریح می‌نماید .چارچوب DMBOK با وارد شدن به جزئیات هر حوزه دانش، تصویری کامل از محدوده کلی  مدیریت داده را ترسیم می‌کند . در چارچوب DMBOK  از اشکال و دیاگرام‌های خاصی برای تشریح بصری هر حوزه مدیریت داده استفاده می‌گردد . با مشاهده و تفکر در هر یک از تصاویر و نمودارهای ارایه شده، می‌توان با محدوده، عملکرد و وظایف هر حوزه آشنا گردید ( ایجاد یک تصویر دقیق از هر حوزه در ذهن مخاطب و قبل از درگیر شدن در جزئیات )  . سه  تصویر بصری چارچوب مدیریت داده DMBOK عبارتند از  : چرخ DAMA ،  شش ضلعی عوامل محیطی و  دیاگرام زمینه حوزه دانش  . در ادامه بطور مختصر با هر یک بیشتر آشنا می‌شویم .

چرخ DAMA : حوزه‌های دانش مدیریت داده را مشخص می‌کند . این حوزه‌ها در نسخه شماره یک، ده عدد و در نسخه شماره دو 11 عدد می‌باشند . حاکمیت داده (Data Governance) در مرکز فعالیت‌های مدیریت داده قرار داده شده است، چراکه  حاکمیت داده برای برقراری ثبات بین اجزاء و ایجاد تعادل بین توابع لازم می‌باشد . دیگر حوزه‌های دانش در اطراف چرخ قرار داده شده اند  که به نوعی بیانگر تمام بخش‌های ضروری یک عملیات مدیریت داده بالغ می‌باشد . پیاده سازی هر حوزه دانش  با توجه به نوع نیاز هر سازمان می‌تواند در مقاطع زمانی مختلف و بر اساس الویت‌های مشخص، انجام شود . در شکل 3 چرخ DAMA  نشان داده شده است .

شکل 3 : چرخ DAMA 

شش ضلعی عوامل محیطی  : بیانگر ارتباط بین افراد، فرآیندها و فناوری‌ها می‌باشد که  پس از مطالعه و آشنایی با کلیات هر حوزه دانش از سه بعد اشاره شده ، می‌توان از دیاگرام زمینه  DMBOK   جهت آشنایی تکمیلی استفاده کرد . در شش ضلعی فوق، اهداف و اصول در وسط  قرار گرفته اند  تا از این طریق مهمترین نکات و توصیه‌های لازم به افراد در خصوص نحوه اجرای فعالیت‌ها و استفاده موثر از ابزارها برای مدیریت موفق داده‌ها ارایه گردد .
 

شکل 4 : شش ضلعی عوامل محیطی DMBOK 

دیاگرام زمینه حوزه دانش  : اطلاعات هر حوزه دانش شامل جزئیات مرتبط با افراد، فرآیندها و فناوری‌ها را تشریح می‌نماید. این نوع دیاگرام با الهام از مفهوم دیاگرام‌های SIPOC مدیریت محصول ایجاد شده‌اند ( تامین کننده، ورودی‌ها، فرآیندها، خروجی‌ها و مصرف کننده‌ها )   .در دیاگرام‌های زمینه، فعالیت‌ها در مرکز قرار داده شده‌اند . چراکه باعث تولید خروجی‌هایی می‌شوند که نیاز ذینفعان را تامین می‌کند. دیاگرام‌های زمینه با تعاریف و اهداف حوزه دانش آغاز می‌گردند . در ادامه، فعالیت‌هایی قرار داده شده‌اند که  به چهار گروه عمده برنامه ریزی (P )، پیاده سازی (D )، عملیات (O ) و کنترل (C) تقسیم می‌گردند . در سمت چپ نمودار ( ورودی‌ها به فعالیت‌ها )، ورودی‌ها و تامین کنندگان قرار دارند . در سمت خروجی فعالیت‌ها، عناصر قابل عرضه و مصرف کنندگان مشخص می‌گردند . مشارکت کنندگان در بخش پایین فعالیت‌ها نشان داده شده‌اند . در قسمت پایین دیاگرام، ابزارها، تکنیک‌ها و معیارهائی قرار دارند که بر روی جنبه‌هایی از حوزه دانش  تاثیرگذار می‌باشند . در شکل 5، ساختار یک دیاگرام زمینه حوزه دانش  نشان داده شده است .

شکل 5 : دیاگرام زمینه حوزه دانش

• تعریف : در این بخش به شکل خلاصه حوزه دانش تعریف می‌گردد .
• اهداف : در این بخش اهداف حوزه دانش و اصول مقدماتی که راهنمای عملکرد در هر حوزه دانش است، تشریح می‌گردد .
• فعالیت‌ها : در این بخش فعالیت‌های مورد نیاز برای تامین اهداف حوزه دانش تعریف می‌گردند که می‌توانند شامل  مجموعه‌ای از فعالیت ‌ها، زیرفعالیت‌ها و  مراحل باشند . فعالیت‌ها به چهار گروه برنامه ریزی، پیاده سازی، عملیات و کنترل تقسیم می‌شوند . فعالیت‌های برنامه ریزی، مجموعه‌ای از فعالیت‌های استراتژیک و تاکتیکی برای تامین اهداف مدیریت داده می‌باشند . فعالیت‌های برنامه ریزی به صورت تکراری انجام خواهند شد . فعالیت‌های پیاده سازی حول و حوش چرخه توسعه سیستم (SDLC ) سازماندهی می‌شوند و شامل مواردی نظیر تجزیه و تحلیل، طراحی، ایجاد، تست، آماده سازی و استقرار می‌باشد . فعالیت‌های کنترلی، این اطمینان را ایجاد خواهند کرد که کیفیت داده، امنیت، قابلیت اطمینان و امنیت سیستم‌ها به طور مستمر و در زمان دستیابی و استفاده از داده رعایت می‌شود . فعالیت‌های عملیاتی، شامل استفاده، نگهداری و بهبود و توسعه سیستم‌ها و فرآیند در زمان دستیابی و استفاده از داده می‌باشد .
• ورودی‌ها : چیزهای ملموسی می‌باشند که هر حوزه دانش به آنها نیاز دارد تا بتواند فعالیت‌های خود را شروع کند . تعداد زیادی از فعالیت‌ها نیازمند ورودی‌های مشابهی می‌باشند . به عنوان نمونه بسیاری از حوزه‌های دانش نیازمند آگاهی از استراتژی سازمانی به عنوان ورودی می‌باشند .
• اقلام قابل تحویل : خروجی‌های فعالیت‌های تعریف شده درون حوزه دانش می‌باشند . موارد ملموسی که هر تابع مسئول تولید آن می‌باشد . اقلام ارایه شده ممکن است نهایی شده باشند و یا ممکن است از آنها به عنوان ورودی سایر فعالیت‌ها استفاده گردد .
• نقش‌ها و مسئولیت‌ها : نحوه مشارکت افراد و تیم‌ها درون حوزه دانش را تشریح می‌کند . نقش‌ها به صورت مفهومی و با تمرکز بر روی گروهی از نقش‌های مورد نیاز در اکثر سازمان‌ها  تعریف می‌گردند . نقش‌ها برای افراد در تیم‌ها مشخص می‌گردد . از چارچوب SFIA ( برگرفته شده از Skills Framework for the Information Age ) می‌توان جهت همسویی عناوین نقش‌ها استفاده کرد .
• تامین کنندگان: افراد مسئول برای ارایه و یا تحقق دستیابی به ورودی‌های برای فعالیت‌ها می‌باشند .
• مصرف کنندگان : افرادی هستند که مستقیما" از مزایای خروجی‌های ایجاد شده توسط فعالیت‌های مدیریت داده بهره مند می‌شوند .
• مشارکت کنندگان : افرادی هستند که مسئولیت انجام، مدیریت و تایید فعالیت‌ها در حوزه دانش را برعهده دارند.
• ابزارها : برنامه‌ها و سایر فناوری‌های مورد نیاز جهت تحقق اهداف حوزه دانش می‌باشند .
• روش‌ها : متدها و رویه‌های استفاده شده برای انجام فعالیت‌ها و تولید خروجی درون یک حوزه دانش می‌باشند . کنواسیون‌های مشترک، به روش‌های توصیه شده، استانداردها و پروتکل‌ها و ... نمونه‌هایی در این زمینه می‌باشند .
• معیارها : استانداردهایی برای اندازه گیری یا ارزیابی عملکرد، پیشرفت، کیفیت، اثربخشی و سایر موارد مشابه و مرتبط می‌باشند . در این بخش، موارد قابل سنجش متناسب با حوزه دانش شناسایی می‌گردند .

با وجود این که چرخ DAMA، نشان دهنده مجموعه‌ای از حوزه‌های دانشی سطح بالا است  و شش ضلعی عوامل محیطی اجزاء ساختار حوزه دانشی و همچنین دیاگرام زمینه، جزئیات هر حوزه دانشی را بیان می‌کند، هیچیک از اجزاء موجود چارچوب DMBOK، ارتباط بین حوزه‌های دانشی مختلف را نشان نمی‌دهد . در DMBOK2 با ارایه راه حل‌های منطقی سعی شده است که به ارتباطات بین هر یک از حوزه‌های دانشی و تقدم و تاخر هر یک اشاره گردد.

 خلاصه
وجود یک تفکر استراتژیک داده در پس برنامه مدیریت داده  در یک سازمان بسیار حیاتی است . تفکری که شالوده آن می‌بایست  به خوبی با استراتژی سازمانی و استراتژی فناوری اطلاعات همسو گردد تا بتوان با استناد به یک روش ساختارمند ،  ایجاد ارزش در سازمان را نهادینه کرد.توجه به اصول مدیریت داده، چالش‌های مدیریت داده با توجه به رفتار و ماهیت ذاتی داده و همچنین استفاده از چارچوب‌ها، مدل‌ها و به روش‌های شناخته شده می‌تواند مسیر مدیریت داده در یک سازمان را هموار نماید . در طی سه مطلب به بررسی اصول مدیریت داده، چالش‌های پیش رو برای مدیریت داده و همچنین چارچوب‌ها و مدل‌های مدیریت داده اشاره گردید . با توجه به جایگاه ویژه چارچوب DMBOK و تغییرات قابل توجه آن در نسخه دوم، به طور مختصر به برخی از ویژگی‌های چارچوب فوق نیز اشاره گردید . وجود ساختارسازمانی مناسب به همراه کارکنان با دانش، ماهر و توانمند، فرآیندهای قوی و بالغ، فناوری‌هایی که به درستی انتخاب و بکار گرفته شده اند  ، فرهنگ سازمانی مناسب، وجود زیرساخت‌های لازم جهت تغییرات ضروری و از همه مهمتر تعهد و الزام  رهبری سازمان به منظور حمایت از یک برنامه جامع و فراگیر مدیریت داده از جمله عوامل حیاتی اجرای موفقیت آمیز یک برنامه مدیریت داده در یک سازمان می‌باشند .

منابع  :

Peter Aiken , Data Strategy and the Enterprise Data Executive ,Technics Publications , April 2 2017
Bernard Marr,Data Strategy: How to Profit from a World of Big Data, Analytics and the Internet of Things, Kogan Page , April 28 2017
Prashanth Southekal ,Data for Business Performance: The Goal-Question-Metric (GQM) Model to Transform Business Data into an Enterprise Asset,Technics Publications, February 15, 2017
Dama International , DAMA-DMBOK: Data Management Body of Knowledge (2nd Edition),Technics Publications; Second edition, Technics Publications , July 5 2017

تحلیل داده، داده کاوی و یادگیری ماشین - عصرفناوری دانش - فرابر نرم افزار هوش تجاری

Knowledge Technilogy Era – KTE