数据治理模型 - 组织数据质量管理的责任

发布时间:2018.12.21来源:数据治理浏览量:1次标签:数据治理

企业需要将业务和技术观点结合起来的数据质量管理(DQM)应对需要高质量公司数据的战略和运营挑战。公司,迄今为止已将DQM的责任主要分配给IT部门。因此他们忽略了组织对DQM成功至关重要的问题。但是,通过数据治理,公司可以实施对DQM的广泛责任,包括来自商业和IT的专业人士。本文概述了一个数据治理模型由三部分组成。数据质量角色,决策领域和职责构建了一个矩阵,与RACI图表相当。数据治理模型记录了数据质量角色及其类型与DQM活动的互动。公司可以构建其公司特定的数据治理模型基于这些发现。企业需要将业务和技术观点结合起来的数据质量管理(DQM)应对需要高质量公司数据的战略和运营挑战。公司,迄今为止已将DQM的责任主要分配给IT部门。因此他们忽略了组织对DQM成功至关重要的问题。但是,通过数据治理,公司可以实施对DQM的广泛责任,包括来自商业和IT的专业人士。本文概述了一个数据治理模型由三部分组成。数据质量角色,决策领域和职责构建了一个矩阵,与RACI图表相当。数据治理模型记录了数据质量角色及其类型与DQM活动的互动。公司可以构建其公司特定的数据治理模型

企业需要将业务和技术观点结合起来的数据质量管理(DQM)应对需要高质量公司数据的战略和运营挑战。公司,迄今为止已将DQM的责任主要分配给IT部门。因此他们忽略了组织对DQM成功至关重要的问题。但是,通过数据治理,公司可以实施对DQM的广泛责任,包括来自商业和IT的专业人士。本文概述了一个数据治理模型由三部分组成。数据质量角色,决策领域和职责构建了一个矩阵,与RACI图表相当。数据治理模型记录了数据质量角色及其类型与DQM活动的互动。公司可以构建其公司特定的数据治理模型

公司被迫不断调整其业务模式。全球存在需要协调一致跨不同大洲的业务流程,客户要求个性化产品和服务产品必须工业化(参见Borzo 2005)。这些因素肯定会影响业务流程架构师尿素和组织的IT战略。然而,最终,高质量的数据是实现这些数据的先决条件不断变化的业务需求和实现企业敏捷性目标(Newman&Logan 2006b)。在除了这些战略因素外,一些运营领域直接依赖于高q公司数据,


商业网络
企业需要将业务和技术观点结合起来的数据质量管理(DQM)应对需要高质量公司数据的战略和运营挑战。公司,迄今为止已将DQM的责任主要分配给IT部门。因此他们忽略了组织对DQM成功至关重要的问题。但是,通过数据治理,公司可以实施对DQM的广泛责任,包括来自商业和IT的专业人士。本文概述了一个数据治理模型由三部分组成。数据质量角色,决策领域和职责构建了一个矩阵,与RACI图表相当。数据治理模型记录了数据质量角色及其类型与DQM活动的互动。公司可以构建其公司特定的数据治理模型基于这些发现。

公司被迫不断调整其业务模式。全球存在需要协调一致跨不同大洲的业务流程,客户要求个性化产品和服务产品必须工业化(参见Borzo 2005)。这些因素肯定会影响业务流程架构师尿素和 组织的IT战略。然而,最终,高质量的数据是实现这些数据的先决条件不断变化的业务需求和实现企业敏捷性目标(Newman&Logan 2006b)。在除了这些战略因素外,一些运营领域直接依赖于高q公司数据,如 商业网络,客户管理,决策和商业智能,以及法规遵从性。


数据质量管理(DQM)侧重于收集,组织,存储e,处理和演示 高质量的数据。此外,还有组织必须解决的最大问题,例如维持 赞助,管理期望,避免范围蔓延,处理政治问题(Wang et al.1998 ;1999年英语; Nohr 2001; Eppler 2006)。但是,有责任提高数据质量和管理企业数据通常分配给IT部门(Fri edman 2006)。人因此,许多公司都试图应对数据 通过简单地实现数据管理或数据仓库系统来解决质量(DQ)问题秒。对数据进行调查仓储失败揭示了组织而不是技术问题对他们的成功更为关键(Watson,Fuller&Ariyachandra 2004)。  需要集成DQM才能解决组织和IT方面的问题。成功DQ 程序识别组织过程和DQ(Bitterer&Newman 2007)。通过数据治理,公司实施DQM的企业责任,既可以指导专业人士商业和IT。数据治理定义了决策领域和活动的角色和协议这些角色。它为DQM建立了组织范围的指导和标准,并确保遵守企业战略和管理数据的法律。  关于数据治理的研究很有限。除了一些DQM方法处理职责(Redman 1996; English 1999),对角色和角色互动的精细分析缺乏责任和制造结构的设计。因此,对于我们的研究整合来自顾问,分析师和从业者的数据治理来源


2007年12月5日至7日,Toowoomba Wende   学术和实践资料都认为数据是一种普遍的方法 - 一种适合所有人的方法企业都一样。对IT治理的研究表明IT 的责任分配公司和几个公司之间的管理不同 存在IT治理模型,例如集中式和 分散的IT治理(Brown,CV 1997; Samb amurthy&Zmud 1999; Weill 2004)。以前的研究未能为数据治理和DQM的责任提供可比较的分析。我们建议 - 类似于IT治理 - 数据治理配置是特定的c给某公司。我们的主要贡献是提出灵活的数据治理模型 由角色,决策领域和 职责,记录和说明comp 任何特定的数据治理配置。而在本文中,我们关注数据治理的这个问责制方面,我们不会检查它的指导方针合规方面。  我们通过推进有关数据治理的最新技术,为DQM研究做出贡献。与之前相反研究,我们提出了一个模型来记录公司特定的决策DQM的王框架。数据治理模型概述了这种框架的三个组成部分,无论是角色还是决策领域责任。对于组件,我们识别典型的数据质量和决策区域,并提出一个分配责任的方法。我们的方法尊重每个公司都需要特定数据的事实治理配置。数据治理模型可帮助公司构建结构并记录他们的DQ 问责。  本文的其余部分结构如下:以下部分介绍了有关数据的相关工作质量管理和数据治理。下一节概述了id ea和数据结构治理模式。它提出了一组数据质量角色,决策领域和职责。最后一节总结了本文并讨论了它的贡献。 数据质量管理和数据治理 我们将数据质量管理称为以质量为导向的数据管理,即以数据管理为重点 收集,组织,存储,处理g,并提供高质量的数据1 。必须的组织问题需要解决的问题,例如维持赞助,管理期望和合规,确定责任,pu。避免范围蔓延,处理政治问题将DQM打入业务与IT之间的冲突领域。 一方面,DQM必须提供许多利益相关者(例如,CxO,销售,控制,采购,IT,拥有高质量公司的业务部门,客户,公共机构)orate数据。另一方面,这些利益相关者有不同的兴趣(例如,当地/区域/公司范围的di(不一定是) 为公司整体积累到最佳可实现的结果。考虑到DQM的这些特性,大型多业务公司可能难以将DQM制度化,即定义 问责制,指定人员在组织结构内负责DQM ,并执行DQM在整个公司任务。 数据治理 - 作为DQM的一部分 - 解决公司结构中的这些特定问题。数据治理规定了决策权和责任的框架,以鼓励理想的行为数据的使用2 。关于数据治理的学术研究仍处于起步阶段。DQM方法,例如Total数据质量管理(TDQM)(Wang 1998; Wang et al.1998 ; Huang,Lee&Wang 1999),主要涉及DQM活动和决策领域。TDQM中唯一的角色是信息产品经理,这确保了相关的,高质量的信息产品被传递给信息消费者。少数DQM方法(Redman 1996; English 1999)涉及多个角色,角色相关d到几个 组织层面,他们的任务和责任。由于数据治理的研究有限,我们还分析了顾问,分析师和实践者的数据治理来源(Swanton 2005; Dember2006年a; Dyché&Levy 2006a; Marco&Smith 2006; Newman&Logan 2006a; Russom 2006; Bitterer&纽曼2007)。但是,所有可用来源都假定采用通用数据治理方法 -一个 应该适合所有公司。一个EL 相互作用的aborate分析角色和职责,以及缺乏决策结构的设计。  因此,公司可能会发现难以建立和维护旨在确保的组织结构并在整个企业中维持高质量的数据。最近调查数据管理的调查结果专业人士指出,很少采用数据治理(Russom 2006)。只有8%受访者有 部署了数据治理计划,17%处于设计或实施阶段。  1 术语数据通常通过将数据称为“原始”或简单事实而与信息相区别来区分信息放入上下文中的数据或已处理的数据(H uang,Lee&Wang 1999; Price&Shanks 2005)。与大多数人一致数据或信息质量出版物,我们在整篇论文中交替使用术语数据和信息。 2 在没有数据治理的学术定义的情况下,该定义是根据IT治理定义改编的。


对于数据治理的研究比使用第一个公共数据更加先进阳离子 25年前发布(参见Brown,CV 1997)。IT治理遵循更灵活的方法分配责任。早期研究区分了两种IT治理模型:集中模型 企业IT执行所有IT 功能,而在分散模型中, 业务部门的IT执行这些任务(例如,Ein-Dor和Segev 1982)。随后的研究指出了更精确的IT治理模型,承认几项IT职能(例如,Sambamurthy&Zmud 1999)和m超过一个组织层面 参与(Brown,CV 1997)。最后,Weill(2004)提出了五个IT功能,三个组织单元和一个决定权和输入权之间的区别。这三个维度的结合导致了我六可行 IT治理模型。   总之,IT治理研究提出了构成IT治理模型的三个方面:角色,主要决策领域和责任分配。我们假设这种灵活的模型 - 而不是prio r研究假设的通用数据治理方法- 将有助于公司的结构和记录他们针对DQM的具体决策框架。因此,我们采用IT治理的理念用于构建数据治理模型的模型。 但是,重要的是要强调数据管理不是IT治理的完整子集。如上所述如上所述,完成企业数据质量需要IT和业务专业人员密切合作谁了解数据及其业务目的。因此,我们认为数据治理和IT治理是同等,两者都必须遵循公司治理原则。此外,数据治理应该是 明显区别于DQM (Dyché&Levy 2006a; Russom 2006; Bitterer&Newman 2007):数据治理为管理决策提供了框架; 实际的“一天DQM是当今的“决策”。 图1 说明了所解释的术语之间的关系。


数据治理模型 数据治理模型的结构 数据治理模型由DQM角色,决策领域和主要活动以及职责组成,即,将角色分配给决策领域和主要活动。三个组分以矩阵排列(参见 图2 )。矩阵的列表示DQM中的角色。矩阵的行标识密钥决策领域和主要活动。矩阵的单元格用责任填充,即它们指定角色和决策之间的权威程度。公司概述了其各自的数据治理通过定义数据质量角色,决策领域和责任,以及随后进行安排来进行配置组件进入模型。此配置对于每个公司都是唯一的。我认为有用和必要的角色,可能的决策以及分配责任的方法在随后给出部分。  数据质量管理角色 为了提高数据质量和维护高质量的企业数据,公司需要具体的DQM角色和 委员会。(Redman 1996; English 1999)提供了唯一考虑的数据质量管理方法这方面的细节。因此,为了推导出一组有用的数据质量角色,我们也是如此 分析研究和分析师的报告。


       对这些来源的分析导致了 一组四个角色和一个委员会 - 数据质量委员会。表格1 比较角色和委员会。它提供了简短的描述,组织的级别和部分角色通常属于哪个,以及源中找到的替代名称。名称仅限括号内 部分地 与描述或组织assi匹配gnment。更详细的角色描述和委员会如下。  DQM的业务驱动和技术观点一方面反映在区别之间业务数据管家和技术(或信息系统)数据管家(English 1999)。另一方面,上级委员会和主要委员会巩固了这两种观点。实际的角色数量可能会有所不同 从公司到公司。但是,我们认为所呈现的角色构建了一个平衡且有用的集合专注于数据质量管理的战略概念。


高级管理层的支持,这对于公司的DQ计划至关重要,是执行发起人的结果。执行发起人是最高管理层的成员,如首席执行官,首席财务官或首席信息官。除了支持DQ倡议和数据治理,他或她提供了传播,战略方向,资金,倡导和监督数据质量管理。 数据质量委员会 DQ板定义了整个企业的数据治理框架。它设定了自上而下的战略目标小号 并确保它们与组织一致在的使命和目标。更具体地说,它发展了并指导企业范围内的标准,规则,政策,流程和指南,以确保持续进行DQ的改进。此外,董事会提供机制sms for coordination,communication, 信息共享,优先排序和解决冲突。DQ董事会通常由董事长担任主席管家。根据数据管理员的数量,他们都参与董事会eetings。他们也可能代表影响其可分区域的业务或IT 项目的董事会。临时参与者可以包括执行发起人或业务代表,例如流程所有者或业务单位经理。根据公司的结构和目标,DQ董事会必须决定如何分配数据管理员。 例如,业务管理员可能负责主数据type,例如客户或材料。 同样,他或她可以被分配到一个过程,作为订单或生产过程。最后,指派耳鼻喉科 可以到业务单位或地理区域。个数据管理员电子数目被定义automaticall你好 他们分配到责任区的基础。 首席管家 主管的主要任务是将董事会的决策付诸实践。他或她强制执行标准,有助于建立DQ指标和目标,并确保监管,隐私和我载文信息 遵循共享政策。此外,主要的工作人员和监督所有数据管理员,但也帮助他们执行任务。他或她是业务和IT相关DQ问题的专家Ë 企业。  业务数据管家 业务数据管理员直接与业务代表合作。他们记录 业务需求 并评估新业务要求对DQ的影响,反之亦然。通常,一个业务数据管理员是按业务单位,按主要业务流程或按主要数据类型分配。对于t继承人的地区 责任,业务数据管理员详细说明了整个公司的DQ标准和由此提出的政策板。这可能涉及为数据创建业务规则,开发数据vocabul白羊座,维持和 发布DQ指标。业务数据管理员知道业务术语inology在他们的领域和如何定义 业务流程使用数据。他们将他们的知识传达给DQ董事会并推荐标准和基于业务需求的策略。  技术数据管家 业务数据管理员的对手是技术数据管理员,他们专注于数据代表在IT中 系统。同样,每个企业单位或部门或每个IT都可以分配一名技术数据管理员系统。它们为其责任范围和重点提供标准的数据元素定义和格式关于技术元数据。此外,技术管家简介源系统 细节和数据之间的流动 系统。他们将与IT相关的要求传达给DQ板。


数据质量管理中的决策领域 数据治理避免了日常决策,这是数据质量管理的一部分。因此,数据治理模型仅包括基本决策领域和主要活动改善和维护企业数据质量。以下决定n个领域是现有的共识 DQM的方法(Redman 1996; Wang et al.1998; English 1999; Nohr 2001; Eppler 2006; Lee et 人。2006)。通常用于处理公交车设计的工程方法 区分不同的层 关于战略,组织和技术方面(例如,Davenport 1993; Hammer&Champy 1993)。对于在DQM的设计中,我们根据层次策略,组织和层次来构建DQ决策区域信息系统。以下列出了每一层的主要活动。(有关更全面的概述这些决策领域请参考(Otto et al.2007)。) 战略 - 制定数据质量战略 需要DQ策略来管理和指导所有DQ活动与整体bu一致siness策略。该战略包括DQM追求的战略目标,以及它与公司的一致性 战略业务目标及其超越功能范围。主要ta设置DQ策略的sks包括: • 分析和理解公司内数据的作用。 • 规划具体的数据质量举措。 • 执行数据质量现状评估,以确定最重要的改进领域。 • 建立数据质量审核流程,以确保遵守法律法规。 组织 - 设计数据质量组织  设计DQ组织包括定义角色和责任,确定信息需求,定义指标和标准,以及设计数据。更具体地说,决策领域包括:• 确定外部和内部数据使用者的信息需求。 • 定义生成数据的流程,包括适当的控制。 • 定义数据质量的角色和职责,确保问责制,权限和 监督以及高级管理人员和企业的参与anagement。 • 指定数据质量指标,绩效指标和标准。 • 制定政策和程序以实施控制,质量保证,风险管理和安全。 信息系统 - 设计数据质量IS架构 DQ体系结构与整个企业体系结构保持一致并支持它。设计DQ架构包括创建业务数据存储库并定义符合的信息系统数据质量要求。数据质量工具可以支持有关质量改进过程的信息。该信息系统层的主要活动是: • 定义DQ架构设计和架构指南。 • 创建业务数据字典,以确保对整个enterpri数据的理解 SE。 • 定义信息系统支持,以增强数据完整性和安全性的责任。 • 评估和实施支持数据质量改进的工具,例如分析工具,清理 和转换工具或缺陷预防工具。 分配责任 对于角色责任的分配,我们可以从项目管理中获得知识(Heerkens2001; Kerzner 2003),变革管理(Cohen&Roussel 2004; Thomas 2005),以及t艾姆大厦(佩恩 2001)。责任分配矩阵(RAM)可识别参与者以及他们与之交互的内容定义的活动或他们如何做出决定ñ。矩阵的列标识位置,角色或个人自己。行表示活动,decision区域或功能。矩阵的单元格指定列和行之间的权限或交互类型。   最流行的RAM类型是RACI图表。例如,t他是IT治理参考框架COBIT 使用RACI图表来定义职责(IT Gove rnance Institute 2005)。RACI是四者的首字母缩写互动类型:负责任,负责任,咨询和知情。当我们映射t下摆到领域 DQM,他们表示:


       在DACM参与时,描述RACI 艺术中的责任分配证明是有价值的账户DQM 在业务和IT问题之间的冲突区域中存在的特殊性,并且必须这样做满足组织内外多个利益相关者的利益。RACI图表不仅澄清了角色和他们的责任,它促进了更多的支持职责(参见Payne 2001)。它也很有价值作为DQM角色及其即时通讯的公司范围的沟通设备彼此之间的关系也很紧密 作为与特定活动和决策的互动类型(参见Heerkens 2001)。讨论 公司需要数据质量管理,结合业务驱动和技术观点来应对战略和运营方面的挑战要求高质量的企业管理。数据治理指定了作为企业数据质量管理的一部分,决策权和责任框架。有了这个我们为数据治理的会计部门做出了贡献,这一点尚未得到很好的阐述到目前为止DQM的研究。我们不是考虑先前重新搜索的普遍方法,而是尊重每个方面的事实公司需要特定的数据治理配置。我们定义了一个数据治理模型com珍惜 数据质量角色,决策领域和责任。我们确定了一组四个数据质量角色和一个在专注于DQM的战略概念时,提出一个平衡和有用的集合的委员会。该DQM的基本决策领域和主要活动可以根据战略,组织结构和技术方面。我们提出RACI图表来记录和构建DQ角色,它们是ty相互作用 与DQM活动,以及他们如何做出决定。 数据治理模型可帮助公司构建数据质量责任。基于我们的建议的角色和决策区域,他们可以将他们的个人数据治理配置结构化为 一个RACI 图表。他们可以将数据治理模型用作公司范围的comm用于DQM角色的联合设备 他们与特定活动的互动类型它和决定。取决于gr的水平aularity,一家公司 可能会定义多个数据治理模型。例如e,几个模型可能会记录每一个 决策区域详细,或一个模型可能描述公司d级别的DQM和其他型号 在业务单位级别记录DQM。  最后,需要考虑许多限制。本文t从IT治理中获取知识 研究数据治理。由于业务原因, DQM无法完全适应IT管理DQM涉及的观点; 数据发布和IT治理都不是。尽管如此,IT治理研究追求类似的目标; 而且,它有更长,更深刻的记录。缓解IT治理的影响以及对决策权分配的更详细调查,组织研究,如公司治理,或ganisational理论和组织psyc心理需要 被考虑。  这项研究提出了许多需要进一步调查的问题。IT治理研究指向协调IT治理安排的重要性整体企业背景。学者调查了公司的IT治理解决方案与它之间的关系组织背景因素,如 作为公司治理模式或公司规模(Brown,CV 1997; Sambamurthy&Zmud 1999; 布朗,AE&格兰特2005; Weill&Ross 2005)。基本假设是在背景因素影响下的贡献提升企业绩效的IT治理。数据治理的一种紧凑的方法将有助于了解背景因素对configur的影响,在数据治理模型的离子。它会提供有关如何以适合其情况的方式配置数据治理的指导的公司。第一个问题PT 由(Wende&Otto 2007)提出,他提出了基于五个意外事件的治理方法。此外,建议对数据治理的指导方针和政策方面进行分析,以便进行分析 强制执行数据治理模型中定义的任务。最后,设计了一种defi方法宁和 实施数据治理模型将有助于企业改进和维护数据质量 持续的基础。 目前,圣加仑大学的一个研究小组正在三个项目中测试数据治理模型 与来自不同行业和要求的合作伙伴。


(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 免费试用
相关文章推荐
相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议