#4 Modelo de Maturidade de Gerenciamento da Informação
Subscribe to get the latest
on Mon Jun 29 2020 17:00:00 GMT-0700 (Pacific Daylight Time)
with Darren W Pulsipher,
Neste episódio, iremos falar sobre o Modelo de Maturidade de Gestão da Informação e como podemos utilizar esse modelo para ajudar nossas organizações a avançarem. Este modelo pode ajudá-lo a identificar onde sua organização está e para onde ela está indo em sua estratégia de gestão da informação, obtendo assim o máximo valor comercial dos seus dados.
Keywords
#data #informationmanagement #informationmaturity #datagovernance #datawarehouse #datalake #datamesh #datalineage #technology #process #people
Desenvolver uma estratégia de dados pode ser difícil, especialmente se o estado de gerenciamento de informações ou trajetória da sua empresa estiver incerto. Este Modelo de Maturidade de Gerenciamento de Informações ajuda os CDOs e CIOs a identificarem onde estão em sua jornada de gerenciamento de informações e sua trajetória. Este mapa pode ajudar a orientar as organizações enquanto elas continuamente melhoram e progridem em direção à organização de dados definitiva que lhes permite obter o máximo valor comercial de seus dados.
O modelo representa uma série de fases, começando desde a menos madura até a mais madura: Padronizada, Gerenciada, Governada, Otimizada e Inovação. Muitas vezes, uma organização pode existir em várias fases ao mesmo tempo. Você pode determinar em qual fase a maioria da sua organização opera e, em seguida, identificar seus pioneiros que devem estar mais avançados em termos de maturidade. Use esses pioneiros para testar ou prototipar novos processos, tecnologias ou estruturas organizacionais.
Fase padronizada
A fase padronizada possui três subfases: básica, centralizada e simplificada. A maioria das organizações se encontra em algum lugar desta fase de maturidade, portanto, observe os comportamentos, tecnologia e processos em sua organização para descobrir onde sua organização pode se encaixar.
Básico
Quase toda organização se enquadra nessa fase, pelo menos parcialmente. Aqui, os dados são usados apenas de forma reativa e pontual. Além disso, quase todos os dados coletados são armazenados com base em prazos pré-determinados, muitas vezes indefinidamente. Empresas nessa fase básica não apagam os dados por medo de perder alguma informação crítica no futuro. Por exemplo, recentemente estávamos trabalhando com uma empresa que possui 30 anos de backups de e-mails, cerca de 12-10 terabytes, que eles têm medo de se livrar. Isso não é uma prática incomum.
Esses atributos descrevem melhor essa fase:
Gestão por reação
Dados não catalogados
Armazene tudo em todos os lugares.
Centralizado (Coleta de dados centralizada)
Conforme as organizações começam a avaliar sua estratégia de dados, elas primeiro procuram centralizar o armazenamento em soluções de armazenamento de big data. Essa abordagem pode ser em forma de armazenamento em nuvem ou de equipamentos de big data no local. Uma vez que os dados são coletados em um local centralizado, a tecnologia de armazenamento de dados pode possibilitar uma análise básica de negócios para obter informações acionáveis. Na maioria das vezes, esses dados são utilizados para corrigir problemas com clientes, cadeia de suprimentos, desenvolvimento de produtos ou qualquer outra área da sua organização onde os dados são gerados e coletados.
Esses atributos descrevem melhor essa fase:
Gestão por reação
Coleta básica de dados
- Armazéns de dados
Armazenamento de grandes volumes de dados
- Análise básica de big data
Traduza o seguinte para Português: Simplificado
À medida que o número de fontes de dados aumenta, as empresas começam a formar organizações que se concentram na estratégia, organização e governança de dados. Essa mudança começa com o escritório do Chefe de Dados (CDO). Existem debates sobre se o CDO se encaixa na empresa sob o CEO ou CIO. Não se preocupe com onde eles se encaixam na organização. O importante é estabelecer um foco na organização de dados e implementar um plano para normalização de dados. A normalização proporciona a capacidade de correlacionar diferentes fontes de dados para obter novas perspectivas sobre o que está acontecendo em toda a sua empresa. Observe que, sem a normalização, os dados permanecem isolados e são apenas parcialmente acessíveis. A necessidade de desenvolver um plano para lidar com o enorme volume de dados coletados também é um aspecto importante dessa fase. Devido ao aumento no volume e no custo de armazenamento desses dados, o armazenamento em camadas se torna importante. Embora nas fases iniciais seja quase impossível saber a maneira ideal de gerenciar o armazenamento de dados, recomendamos o uso das melhores informações disponíveis para desenvolver planos racionais de armazenamento de dados, com a ressalva de que isso precisará ser revisado e melhorado assim que os dados estiverem sendo usados.
Esses atributos descrevem melhor essa fase.
- Gestão de dados preditiva (início de uma organização centrada em dados)
Normalização de dados
Armazenamento em camadas centralizado
Gerenciado (perfis de dados padrão)
Na fase Gerenciada, as organizações formalizaram sua organização de dados; cientistas de dados, administradores de dados e engenheiros de dados agora fazem parte da equipe e possuem funções e responsabilidades definidas. A gestão de metadados se torna um fator chave para o sucesso nessa fase, e várias aplicações podem agora aproveitar os dados da empresa. A mudança de um data warehouse para um data lake permite maior agilidade no desenvolvimento de aplicativos centrados em dados. A virtualização do armazenamento de dados permite uma solução de armazenamento mais eficiente e dinâmica. A análise de dados agora pode ser executada em conjuntos de dados de várias fontes e departamentos da empresa.
Esses atributos descrevem melhor esta fase.
Gerenciamento de dados organizados (Dados organizados no lugar com funções-chave identificadas)
Gerenciamento de metadados
Data lineage: Linhagem de dados
Data lake
Análise de grandes volumes de dados.
- Armazenamento definido por software (virtualização de armazenamento)
Governed -> Governado
A fase governada é principalmente alcançada quando uma organização adota uma abordagem centralizada para dados e alcança uma abordagem holística para governá-los e protegê-los. O CDO trabalha em estreita colaboração com o CSO (Chief Security Officer) para garantir que as estratégias de dados e segurança estejam trabalhando juntas para proteger os dados valiosos da empresa, ao mesmo tempo que os torna acessíveis para análises. Os dados são classificados em diferentes categorias com base na criticidade, sigilo ou importância. A conformidade ditada por regulamentos é automatizada e aplicada aos dados em toda a organização. A visibilidade aumentada do uso de dados e segurança aumenta com as estratégias conjuntas de dados e segurança e os planos táticos. A inteligência artificial básica está sendo amplamente utilizada na organização e as decisões comerciais são inferidas pelos dados. Agora, os dados podem ser coletados e catalogados de toda a empresa, incluindo dispositivos da Internet das Coisas (IoT) nos ativos físicos da empresa.
Esses atributos descrevem melhor esta fase:
Classificação de Dados
- Conformidade de dados
Segurança de Dados
Inteligência Artificial Básica
Distribuição de Virtualização de Dados / IoT
Otimizado
À medida que a coleta de dados das organizações continua a aumentar, elas precisam encontrar eficiências na automação e melhoria contínua dos processos. A automação dos processos de dados é o principal foco na fase otimizada. Especificamente, a automação da anotação e metatagging dos dados diminui o tempo para extrair valor dos dados. Os dados agora se tornaram muito grandes para serem movidos para um único local centralizado, e uma arquitetura de “data lake distribuído” surge como a maneira ideal de gerenciar os dados. A aprendizagem de máquina é fundamental nesta fase para começar a fornecer informações aos tomadores de decisão para ajudar a otimizar as operações e o valor do negócio. Aplicações e dados são implantados em infraestrutura de rede, armazenamento e computação com base em informações históricas e modelos de inteligência artificial.
Esses atributos descrevem melhor esta fase:
- Etiquetagem meta automatizada
Data lake distribuído
Inferência de dados / APRENDIZAGEM DE MÁQUINA
Infraestrutura orientada por dados.
Inovação
A organização suprema está na fase de Inovação. Não é apenas impulsionada por dados, mas cria novos produtos, ofertas e serviços com base em aprendizados a partir de dados internos e externos à organização. Nesta fase, a IA/ML oferece vantagens inestimáveis. Existem três subfases na Inovação: visão, prescritivo e previsão.
Visão
Visão é a tomada de decisão baseada em dados, com base no que você pode ver que está realmente acontecendo em seu ecossistema, por exemplo, em sua cadeia de suprimentos, desenvolvimento de produtos ou fabricação.
Prescriptive - Prescritivo
Embora a visão seja valiosa, ela requer interação humana, compreensão e intuição. No próximo nível, prescritivo, sua inteligência artificial está sugerindo o que você deve fazer com base na visão. Isso pode desempenhar um papel importante em toda a sua organização, pois as decisões são baseadas em dados desde a cadeia de suprimentos até a aquisição do cliente.
Previsão
Neste passo crucial, os dados na verdade ajudam a criar o futuro. Por exemplo, a visão antecipada permitiria que uma organização de TI projetasse quanto de capacidade precisará no futuro com base em normas históricas e até mesmo fatores como as condições em mudança com seus concorrentes. A visão antecipada requer muitos dados e treinamento de modelos, mas leva ao objetivo final de uma empresa em tempo real.
Esses atributos descrevem melhor essa fase.
Visão (decisões baseadas em dados)
Prescritivo (negócio orientado por dados)
Previsão (criar o futuro)
*Dádiva em aprendizagem
- Empresa em tempo real
Conclusão
É comum se sentir preso em uma fase e sobrecarregado com a quantidade de mudança necessária para avançar para uma nova fase de maturidade. No entanto, cada passo adiante é valioso. Por exemplo, talvez você esteja em uma fase Centralizada e possa analisar a gestão de metadados. Existe a oportunidade de ir além de apenas limpar os dados e agora também melhorá-los? Esse tipo de pensamento progressivo irá fazer avançar na cadeia de maturidade na gestão das suas informações.