🔺 #Технологии Data Governance: что вы знаете об аналитике? Data Governance (DG) представляет собой в общем смысле стратегию управления корпоративными данными. Gartner определяет DG как совокупность семи компонентов по отношению к данным: ценность, ответственность, доверие, прозрачность, риск и безопасность, обучение, культура.  Хотя цель DG — сделать данные доступными, качественными и релевантными, часто все сводится к простому набору политик и рекомендаций по работе с информацией. Зачастую это становится еще одной функцией перегруженного ИТ-подразделения. И в результате практика DG не получает широкого распространения в организации и работа с данными становится неэффективной. McKinsey предлагают свой взгляд на проблему, приводя шесть рекомендаций построения успешной стратегии Data Governance в компании: 🔸 Внимание и неравнодушие высшего руководства. Важно определить, какая информация имеет первостепенное значение для директоров, а также дать понимание текущей ситуации и сложностей при работе с данными компании. 🔸 Интеграция Data Governance в текущие процессы трансформации, для которых критичны наличие корректных и актуальных данных и работа с ними. Это существенно упрощает вовлечение и обеспечивает поддержку высшего руководства, для которого проекты трансформации обычно являются одними из самых важных. 🔸 Приоритизация групп данных на основе факторов, таких как требуемые усилия по очистке и преобразованию, критичность для бизнеса, нормативные требования и т. д. Группами данных в таком случае могут быть, например, транзакции о покупках, сведения о продуктах (в т. ч. иерархия номенклатур). Далее формируется роадмап по включению тех или иных групп в стратегию по работе с данными. 🔸 Выбор оптимального уровня управления данными. DG может требовать большего внимания, к примеру, если есть необходимость соблюдения конкретных нормативных предписаний, основные данные в компании часто обновляются или меняется их структура. В таком случае придется приложить дополнительные усилия по подготовке документации, многоуровневым согласованиям и своевременной отчетности. 🔸 Итеративная и целенаправленная реализация. Важно начать работу с приоритетными узкими сценариями анализа информации как можно раньше, даже если полномасштабная витрина корпоративных данных еще не готова. Это позволит продемонстрировать ценность выводов, которые делаются на основе аналитики.  🔸 Создание интереса. Когда сотрудники воодушевлены идеей анализа данных, они с большей вероятностью будут вовлечены в процесс. Работники помогут обеспечить высокое качество и своевременное обновление данных, а также повсеместное их использование. Использованные материалы: - www.gartner.com/smarter…vernance - www.mckinsey.com/busines…rs-value