7 PRINCIPŮ DATOVÉ KVALITY
Principy pro řízení datové kvality jsou souborem základních pravidel, standardů a best practices, které jsou obecně přijímány jako základ pro správu datové kvality v jakékoliv organizaci.
1 - zaměření na potřeby společnosti
Jedním z klíčových aspektů řízení datové kvality je zajištění toho, že rozsah a charakteristiky dat odpovídají reálným potřebám společnosti.
Přínosy: Program řízení kvality dat musí zajistit, aby kvalita dat odpovídala potřebám podniku, protože jinak se plýtvá zdroji bez užitku. Pochopení současných a budoucích potřeb podniku je zásadní pro trvalé zlepšování kvality dat.
2 - vedení / leadership
Vedoucí pracovníci na všech úrovních vyjadřují stejný cíl a směr a vytvářejí podmínky, za kterých je celá organizace odhodlána dosáhnout svých cílů v oblasti kvality dat.
Přínosy: Dosažení programu řízení kvality dat v rámci celé organizace vyžaduje, aby se vedení přizpůsobilo souboru společných strategií, zásad, procesů a zdrojů. V opačném případě by se různé útvary mohly vydat různými směry a/nebo zdvojit úsilí o dosažení vlastních cílů v oblasti kvality dat.
3 - zainteresování stakeholderů
Kompetentní, zplnomocněné a angažované zainteresované strany v oblasti dat napříč celou organizací mají zásadní význam pro vybudování udržitelného řízení kvality dat.
Přínosy: Za kvalitu dat je zodpovědný každý, ale aby toto tvrzení platilo, musí všichni zaměstnanci pracovat v rámci, kde jsou respektováni, jejich úsilí je oceňováno a mají právo upozorňovat na problémy způsobující špatnou kvalitu dat a mít jasné způsoby, jak je řešit a předcházet jim.
4 - procesní přístup
Dobré kvality dat lze dosáhnout účinněji a efektivněji, pokud chápeme a řídíme všechny obchodní a technické činnosti jako vzájemně propojené procesy, které fungují jako ucelený ekosystém.
Přínosy: Komplexní a úspěšný program řízení kvality dat musí zohledňovat všechny obchodní a technické procesy, které získávají, vytvářejí, udržují, transformují, šíří a likvidují data. Pochopení toho, jak se tyto procesy vzájemně ovlivňují a jaké výsledky přinášejí, umožní organizaci optimalizovat její ekosystém a výsledky.
5 - trvalé zlepšování
Úspěšné řízení kvality dat se neustále zaměřuje na zlepšování.
Přínosy: Řízení kvality dat je třeba vždy chápat jako program, který je třeba neustále přehodnocovat a přizpůsobovat, aby odpovídal vnitřním i vnějším podmínkám a přinášel postupné úspěchy.
6 - datově založené rozhodování
Rozhodnutí založená na analýze dat a informací budou častěji přinášet požadované výsledky.
Přínosy: Rozhodování může být náročné a složité, protože vždy zahrnuje určitou nejistotu. Jeho různé zdroje vstupů mohou být často interpretovány a subjektivní. Podobně je tomu i v případě rozhodnutí potřebných v programu řízení kvality dat. Fakta, důkazy a analýza dat vedou k větší objektivitě rozhodování.
7 - řízení vztahů
Pro trvalý úspěch organizace řídí své vztahy s dodavateli nástrojů pro správu dat, stejně jako s producenty, dodavateli a spotřebiteli dat.
Přínosy: Řízení kvality dat nezahrnuje pouze interní zúčastněné strany, které se mají podílet na zlepšování kvality dat, ale také jejich dodavatele nástrojů pro správu dat (např.: správa databází, zabezpečení dat, správa metadat atd.), producenty a dodavatele dat (např.: zdroje a systémy dat třetích stran, služby čištění dat atd.), jakož i jejich konzumenty (např.: nástroje business intelligence, konzumenti služeb, koncoví uživatelé atd.).
Prosíme sdílejte
