Was ist Datenmanagement Maturity?

Unreife Daten können Sie aus dem Geschäft bringen

Merriam-Webster definiert Fälligkeit als (1) die Eigenschaft oder den Zustand, reif zu sein, oder (2) die Beendigung der Frist, die eine Verpflichtung zu laufen hat. Während die erste Definition wenig aussagekräftig ist, bildet die zweite die Grundlage für diese Diskussion über die Fälligkeit. Datenmanagement Maturity (DMM) leitet Ihre Verpflichtungen für:

• Die Art und Weise, wie Daten gehandhabt und verwendet werden.
• Governance und regulatorische Verantwortung.
• Anforderungen an Sicherheit, Wiederherstellung, Archivierung und backup .
• Einfache Nutzung durch Mitarbeiter und Kunden.
• Kosten für Datenmanagement und -speicherung.

Im Jahr 2017 veröffentlichte die Harvard Business Review eine Studie, aus der hervorging, dass nur 3 % der Daten von Unternehmen den Qualitätsstandards entsprachen, und schlimmer noch: 47 % der neu erstellten Datensätze wiesen mindestens einen kritischen Fehler auf. In einemArtikel der MIT SloanManagement Review wird argumentiert, dass 15-25 % des Umsatzes aufgrund unzureichender Daten verloren gehen können, was Bill Gates zu der Aussage veranlasste: "Wie Sie Informationen sammeln, verwalten und nutzen, entscheidet darüber, ob Sie gewinnen oder verlieren."

Was ist Datenmanagement Maturity?

Die Datenreife bezieht sich darauf, wie man sich an einem anerkannten Standard misst, wie die Prozesse zur verwalten und zum Zugriff auf Daten, die eingesetzten Tools und die zur Entscheidungsfindung verwendeten Daten aussehen sollten.

Laut ISACA, dem Goldstandard für Prozessverbesserung, ist das Datenmanagement von CMMI :

"ein Framework zur Prozessverbesserung und Reifung von Fähigkeiten für das Management der Datenbestände einer Organisation und der damit verbundenen Aktivitäten. Es enthält Best Practices für die Einführung, den Aufbau, die Aufrechterhaltung und die Optimierung eines effektiven Datenmanagement über den gesamten Lebenszyklus der Daten, von der Erstellung bis zur Bereitstellung, Pflege und Archivierung."

CMMI weist darauf hin, dass die nachstehend vorgeschlagenen 5 Stufen als Richtschnur dienen sollten und dass Unternehmen jede Stufe entsprechend ihrer individuellen Situation anwenden sollten.

Die fünf Stufen des Datenmanagement dienen als Richtschnur für Ihre Leistung in Bezug auf Risiko, Fähigkeit und Nutzung:

1. Durchgeführte Prozesse werden ad hoc durchgeführt, hauptsächlich auf Projektebene. Die Prozessdisziplin ist in erster Linie reaktiv und behebt Datenprobleme, anstatt die Qualität der Prozesse zu verbessern. Daten werden nur unter dem Aspekt des Projekts, der Anwendung oder der unmittelbaren Arbeitsaufgaben betrachtet und nicht als strategische Ressource. Datenmanagement ist keine Initiative oder kein Thema auf Vorstandsebene.
2. Verwaltete Prozesse werden nun im Rahmen von Richtlinien geplant und ausgeführt. Es besteht zwar ein Bewusstsein dafür, wie wichtig es ist, Daten als kritisches Gut zu behandeln, aber die Fähigkeiten oder Instrumente sind aus organisatorischer Sicht noch unzureichend. Die Führungsebene hat begonnen, das Datenmanagement ernst zu nehmen, und orientiert sich an den Bewertungen von Beratern oder Branchenstandards.
3. Definierte Sätze vonStandardprozessen helfen nun dabei, eine einheitliche Datenqualität bereitzustellen, um Geschäftsaufgaben zu erfüllen, strategische Visionen kennenlernen oder die Einhaltung von Vorschriften zu gewährleisten. Es wurden Management- und Governance-Aufsicht sowie Überwachungs-, Warn- und Feedback-Schleifen eingeführt. Für die Beseitigung von Dateninkonsistenzen bei kritischen Datensätzen stehen Ressourcen, Werkzeuge und Finanzmittel zur Verfügung.
4. Gemessene Management- undProzesskennzahlen werden anhand vereinbarter Abweichungen beurteilt. Daten werden als Quelle von Wettbewerbsvorteilen oder als Hilfsmittel bei der Ausführung täglicher Aufgaben behandelt. Jeder nutzt Daten als Informationsquelle und ist um deren Genauigkeit und Aktualität besorgt, um seine Arbeit sicher und zuverlässig ausführen zu können. Anwendungen werden geschrieben, um Datenprobleme zu erfassen, die so schnell wie möglich behoben werden, um Reputationsschäden oder Geldbußen zu vermeiden.
5. Die optimierteProzessleistung wird kontinuierlich durch inkrementelle und innovative Verbesserungen verbessert, die durch Feedback von automatisierten Tools, Kollegen, Branchenpraktiken, Wettbewerbern und Kunden vorangetrieben werden. Daten gelten neben den Fachkräften als der entscheidende Faktor für das Überleben in einer volatilen Wirtschaft.

Mit zunehmender Reife und wachsendem Bewusstsein entsteht eine Strategie und ein Modell für Datenmanagement (MDM), das speziell auf Ihr Unternehmen zugeschnitten ist. MDM trägt dazu bei, dass Ihre Daten zu Informationen werden, die die Art und Weise, wie Ihr Unternehmen arbeitet, Entscheidungen trifft, Kunden beeinflusst, seine Ziele erreicht und weiterhin wettbewerbsfähig, sicher, konform, nachhaltig und relevant bleibt, integrieren können. EinFramework besteht sowohl aus dem MDM als auch aus dem DMM.

Modell des DMM CMMI

ISACA und CMMI haben sich 2016 zusammengeschlossen. Gemeinsam haben sie das Modell formuliert, wie Daten am besten beschafft, genutzt, aufbewahrt und gelöscht werden können, das heute als Goldstandard gilt (siehe oben). Ihr Modell umfasst sechs Kategorien mit jeweils mehreren Prozessen oder Praktiken für Datenmanagement , data governance, Datenqualität, Datenbetrieb und Plattformarchitektur. Das DMM-Modell unterstreicht, dass Ihr Unternehmen jede Kategorie und ihre Funktionen bewerten und festlegen muss. Der Datenbedarf und die Datennutzung sind einzigartig, und das Modell kann nur als Leitfaden dienen, indem es einen vereinbarten Framework für das Verhalten, die Werkzeuge und die Kultur für Daten und Informationen schafft.

Machen Sie das Datenmanagement zu Ihrem Modell

Betrachten Sie die Absicht und den Umfang des DMM von CMMI im Vergleich zu Ihrem Datenmanagement und Ihren Prozessen im Unternehmen. Daten sind Ihr wichtigstes nicht-menschliches Gut; daher muss Ihr DMM alle diese Konzepte berücksichtigen, um von Wert zu sein:

• Datenmanagement .
• Datenmanagement .
• Kommunikation mit Mitarbeitern, Kunden und Partnern.
• Business Case und Finanzierung.
• Data Governance und ein Glossar mit Fachbegriffen.
• Tabellen und Vorlagen für die Metadaten .
• Strategie für die Datenqualität.
• Datenprofilierung und -bereinigung.
• Bewertung von Daten und Datenmanagement .
• Anforderungen an die Daten.
• Data governance und -kontrolle.
• Datenplattform, Architektur und Konfigurationsmanagement.
• Datenmeldung.
• Datenmanagement backup, Archivierung und Wiederherstellung.
• Datenmanagement .
• Risikomanagement.

Diejenigen Unternehmen, die sich die Zeit nehmen, ein praktikables, flexibles und Nutzer Datenmanagement zu schaffen, werden von einem digitalen Unternehmen Nutzen und gleichzeitig die Kosten für den Datenzugriff und die Datennutzung unter Kontrolle halten.

Nutzen eines Modells und Reifegrad

Die DIKW-Pyramide besagt, dass Daten zu Informationen werden, die bei täglichen Aufgaben verwendet werden. Daten werden dann zu Wissen, das die Grundlage für Entscheidungen bildet und dazu beiträgt, Probleme zu lösen oder Anfragen zu erfüllen. Um Weisheit zu erreichen, müssen Daten sein:

• Vertrauenswürdig.
• Verbesserung der Qualität und Rechtzeitigkeit von Entscheidungen.
• Reduzieren Sie das Risiko.
• Hilfe bei der verwalten Kosten.
• Einhaltung der Vorschriften aufrechterhalten.
• Erhalt der Wettbewerbsfähigkeit.
• Steigerung der Produktivität.
• Gewährleistung von Flexibilität bei der Produkteinführung und -pflege.

Wie man anfängt

Das Capability Maturity Model wurde seit seiner Einführung im Jahr 1991 mehrfach überarbeitet. Dieses Modell hilft Führungskräften, indem es sie auffordert, zu überprüfen, was passiert, wenn sie keine Daten verwalten , und woher wissen sie, dass das, was sie tun, akzeptabel ist?

Organisationen scheitern, wenn sie sich bemühen, das DMM im engsten Sinne zu verwenden, ohne es auf ihre Umstände anzuwenden.

Das Data Maturity Model ist wie viele andere Capability Maturity Models nicht dafür gedacht, einfach so verwendet zu werden. Stattdessen sollte sichergestellt werden, dass der Wortlaut der einzelnen Stufen, einschließlich der Stufennamen und Ziele, für Ihre Teams und Ihr Management von Bedeutung ist. Ein Kunde änderte zum Beispiel die Namen seiner Modelle in:

• Wir machen das nicht gut.
• Wir beginnen zu verstehen.
• Wir haben jetzt eine Standardpraxis.
• Darin sind wir ziemlich gut.
• Darin sind wir wirklich gut.

Die Teams erstellten dann für jede Ebene Formulierungen mit Ergebnisindikatoren, die als Leitplanken und Warnungen dienen sollten, wenn sie bei der Verbesserung ihres Datenmanagements nicht auf dem richtigen Weg waren. Starten Sie ein Pilotprojekt, beziehen Sie die Mitarbeiter ein, wenden Sie das Modell auf jeden Bereich Ihres Unternehmens an, messen Sie die Leistung oder die Auswirkungen auf die Kunden. Überprüfen Sie die Praktiken regelmäßig mit Prüfern oder mithilfe von Software-Tools, um den Zustand Ihrer Daten und die Reife Ihrer Methoden zu beurteilen.

Der letzte Punkt ist ganz wesentlich. Bei der Anhäufung von Daten kann die einfache Eingabe von Daten aus einer falschen Quelle dazu führen, dass Sie Bußgelder zahlen müssen, Ihren Ruf schädigen, das Vertrauen von Mitarbeitern und Kunden verlieren oder sogar Ihr Geschäft aufgeben müssen. Sie benötigen Software, seien es Tools zur Überwachung und Alarmierung bei Problemen, die interne Datenprüfung Ihrer Anwendung oder Cloud , die Ihnen helfen, die Datenmanagement zu erhalten. Nutzen Sie Nachrichten, um sich zum Handeln zu motivieren, damit Ihnen nicht passiert, was die Konkurrenz falsch gemacht hat. Denken Sie daran, dass Datenmanagement und Maturity die Aufgabe eines jeden ist!

DevOps-, Agile- oder ITSM-Praktiken wie das Value Stream Mapping können bei der Erstellung von visuellen Modellen des Datenflusses und der Datennutzung in Ihrem Unternehmen helfen. Diese Praktiken zeigen Lücken, Redundanzen, manuelle Prozesse oder Risiken auf und erleichtern iterative Verbesserungsaufgaben, um ein vertrauenswürdiges Datenmanagement und Reifegrad zu fördern.

Ein grundlegendes, aber skalierbar Datenmanagement muss das gesamte Unternehmen umfassen und jeden Bereich als eigenständigen Teil des Modells behandeln. Daher würde ein übergreifendes Governance-Team umfassen:

• Patenschaft.
• Überprüfung und training von Fertigkeiten.
• Business Case und Finanzierung. Zusammenarbeit und Kommunikation.
• Datenkultur, insbesondere im Bereich der Sicherheit.
• Durchsetzung des Unternehmenswertes.
• Nutzung von Technologien wie Cloud, Data Warehouse und Data Lakes.
• Datenmanagement Maturity Assessment und Umfrage zu Funktionen, Fähigkeiten und Tools.

Gartner schlägt vor, dass Sie 12 Maßnahmen ergreifen , um ein Data Governance zu erstellen, das Ihr MDM-Reifegradmodell unterstützen wird. Das data governance von Gartner umfasst KPIs, Rollen, data governance , zu berücksichtigende Tools und die Beurteilung von Geschäftswert und Ergebnissen. Es ist eine flexible Alternative zum ISACA CMMi.

Datenmanagement Lebenszyklus

Daten-Stewardship ist das Definieren und Verwalten von Daten, das Dokumentieren ihrer Verwendung in Katalogen, das Erstellen von Richtlinien und Regeln, das Bereinigen von Daten, das Überwachen, dass die Dateneinführung und -verwendung den Anforderungen entspricht, die Deduplizierung, der Zugriff, die Archivierung und die Wiederherstellung. Daten-Stewardship untermauert die Architektur, Governance und Qualität von Enterprise Datenmanagement (EDM) und MDM. EDM- und MDM-Konzepte entwickeln sich zu Ihren Kompetenzzentren nach Geschäftsbereichen und gewährleisten ein solides und sicheres Datenmanagement.

Zusammenfassung des Datenmanagement

Die Reife ist für jedes Unternehmen einzigartig. Es geht nicht darum, ein Ziel oder ein Niveau zu erreichen. Stattdessen sollte die Datenmanagement zu Verbesserungen der Funktionen und Werkzeuge für die Datennutzung führen. Während Sie sich weiter verbessern, wird die Notwendigkeit der Einhaltung von Vorschriften erkannt und wird Teil der üblichen Geschäftsaufgaben und -rollen. Datenmanagement Maturity muss iterativ sein und wird nie ein Enddatum haben, da sich die Bedingungen der Datennutzung in dieser unsicheren und volatilen Wirtschaft ändern. Beginnen Sie mit den Daten, die Sie heute kontrollieren müssen, und Nutzen mithilfe agiler Praktiken ein Minimum an praktikablen Datenansätzen, um Ihre Migration zur Verbesserung des Reifegrads zu starten.

Die wichtigsten Schritte sind:

• Führen Sie eine umfassende Bewertung des Zustands und der Verwendung Ihrer Daten, der Prozesse und Anwendungen, die Daten verwenden, des Ortes und des Grundes, an dem sie gespeichert sind, sowie der gesetzlichen Vorschriften, die Sie einhalten müssen, durch.
• Entscheiden Sie sich für einen Plan, der iterativ die Lücken schließt und die Nutzung und Kosten der Daten verbessert.
• Nutzen von Industriestandards und Geschichten.
• Dokumentieren Sie, was funktioniert und was nicht.
• Schaffen Sie Reifegrade, die für Sie sinnvoll sind.
• Ermitteln Sie die Kosten schlechter Daten und führen Sie Messgrößen ein, um schlechte Praktiken und eine schlechte Kultur zu vermeiden.

Und schließlich sollten Sie sicherstellen, dass Ihre Mitarbeiter keine Zeit und Mühe aufgrund schlechter Daten verschwenden. Sehen Sie sich diese Grafik von Forbes an, aus der hervorgeht, dass viele Unternehmen mit der Bereinigung und Organisation von Daten beschäftigt sind. Software-Tools und strenge, aber flexible Regeln werden dazu beitragen, dass Sie diese Verschwendung vermeiden und sich stattdessen darauf konzentrieren, Daten in wertvolle Informationen umzuwandeln.