Data Governance - для чайников

Метаданные - промежуточный итог. Пора раскрыть интригу - зачем столько опросов и что послужило триггером. Почему и кто рекомендует нам к использованию библиотечные типы метаданных? Читаем в статье на бусти 👉 Подписаться на канал 👈

ВНЕЗАПНО! 🤩 IT стало традиционно женской работой 🙃 "Также наблюдается рост спроса на традиционно «женские» отрасли: медицину, образование, туризм и IT" - источник Возможно, что коллеги что-то напутали, когда публиковали новость, но уже не вырезать слов 🤣🤣🤣 При этом хорошая новость: Российские женщины впервые за пять лет стали находить работу быстрее мужчин А плохая: При этом разница в зарплатах никуда не делась — мужчины по-прежнему стабильно зарабатывают больше женщин. 👉 Подписаться на канал 👈

🤣 всем добра и выходных 🤗 👉 Подписаться на канал 👈

Метаданные - разбор По результатам голосования картина пока получается такая: о существовании технических и бизнес-метаданных осведомлено большинство участников опроса, с прочими типами метаданных всё печально, так как они не дотянули даже до 50% планки. Хуже всего ситуация обстоит с административными и социальными метаданными, о значимости которых знают менее 20% прошедших опрос. Но делать выводы о том хорошо это или плохо - рано, так как решение о том, какие метаданные учитывать и для каких целей - это решение профильного подразделения, которое управляет метаданными - офиса Data Governance. Но чтобы развеять все сомнения, давайте перейдём к понятиям и определениям каждого типа, указанного в опросе: Бизнес-метаданные - любые данные, которые помогут понять назначение или варианты использования данных, не применительно к технической их реализации. Лично для меня это всё, что описывает информацию с ракурса бизнес-процессов, организационная принадлежность, детальные описания использования, бизнес-контекст и синонимы, а также требования к представлению и безопасности информации. Технические метаданные - это всё, что связано с реализацией данных в информационных системах: имена таблиц и полей, способы передачи, физические модели данных, связи, описание потоков и т.д. Операционные метаданные - частный случай технических метаданных, которые описывают информацию о логах, журналах, мониторах событий и прочую Ops-составляющую. Административные метаданные - указывают на то, кто создаёт, поддерживает, изменяет данные, сколько они весят-стоят. Могут быть как бизнес, так и техническими данными. Социальные метаданные - содержат статистику использования данных, самые популярные сущности/отчёты, самые комментируемые, самые популярные комментарии пользователей, топ-10 пользователей и т.п. вспомогательная информация. Как по мне, так глобально их тоже можно отнести бизнесовым. Описательные метаданные - содержат описания данных: имена, синонимы, подробные описания и т.п. И как по мне, то тоже могут быть как техническими, так и бизнесовыми. Структурные метаданные - частный случай технических метаданных и бизнес-метаданных одновременно. Почему? Структурные метаданные описывают структуры хранения и связей самих систем хранения данных, т.е. по сути представляют собой модели данных. И для информационной системы это будет описание структуры базы данных или физическая модель данных, а на стадиях до реализации - это концептуальные и логические модели данных, описывающие связи и отношения отдельных элементов данных на этапе проектирования информационной системы, т.е. до её существования. И тут у нас с вами появляется небольшое пояснение: описательные и структурные метаданные типизируют вообще любые метаданные по способу их организации - в строки или в структуры. А вот все остальные приведенные тут типы метаданных помогают понять их назначение и глобально их можно разделить на технические и бизнес-метаданные. Но это личное мнение автора. А вот что рекомендует нам DAMA-DMBok: Обычно метаданные подразделяют на три основные категории: - бизнес-метаданные; - технические метаданные; - операционные метаданные. Кроме того, буквально через пару абзацев находим такое высказывание там же в DAMA-DMBok: Впрочем, за пределами информационных технологий могут использоваться другие классы метаданных. Например, в библиотечном деле стандартными категориями метаданных считаются: - описательные метаданные (автор, заглавие, предмет и т. д.), которые помогают идентифицировать ресурсы и извлекать их из хранилищ; - структурные метаданные, которые описывают связи между ресурсами и внутреннюю компоновку и строение ресурсов (число томов, частей, глав, страниц и т. п.). - административные метаданные (номера версий, датировки архивных копий и т. п.), используемые для управления ресурсами на протяжении их жизненного цикла. Кратко про метаданные можно почитать в статье Более развернутое описание найдёте в DAMA-DMBok Глава 12 Теперь вы знаете всё про метаданные, а как классифицировать - решать уже вам! но ещё один уточняющий опрос я всё же проведу ))

Про владение данными и не только. Вдруг не все видели, вопросы - в комменты 👉 Подписаться на канал 👈

👉 Подписаться на канал 👈

Давно не было на канале ничего про культуру данных. Сегодня немного про data-driven организации Что значит быть data-driven? • Успех бизнеса зависит от обоснованных решений. • Решения основаны на информации, а не только на интуиции. • Слишком много неверной информации так же плохо, как и слишком мало нужной. В data-driven организации: • Решения основаны на точной, актуальной и своевременной информации. • Сбор данных должен быть демократизирован для всех сотрудников. История развития бизнес-решений: • Популярность данных в бизнесе началась в середине 20-го века. • Автоматизированное принятие решений появилось в 1970-х годах. • В 1980-х годах данные стали играть ведущую роль. • В начале 21 века возросла важность информационных систем. Что характеризует data-driven организацию? • Организация понимает ценность данных и способы их использования. • Информационные ресурсы соответствуют целям и процессам. • Защита данных требует соблюдения принципов конфиденциальности и безопасности. • Проблемы внедрения: качество данных, интеграция, привлечение талантов, управление изменениями. Преимущества работы в data-driven компании: • Вовлечение руководства, инвестиции в цифровую грамотность, доступ к информационным ресурсам, продвижение и мониторинг. • Корпоративная культура, основанная на данных, способствует быстрому принятию решений и вовлеченности сотрудников. Как бизнес становится data-driven? • Трансформация в data-driven компанию, требует изменений в управлении данными. • Принятие подхода, основанного на данных, анализ зрелости процессов управления данными, вовлечение сотрудников. • Использование технологий обработки данных и аналитики, динамические информационные продукты, данные как продукт. • Внедрение инфраструктуры самообслуживания данных, автоматизация управления данными, автоматизированное принятие решений. Автоматизированное принятие решений: • Использование бескодовых интерфейсов и моделей для сложной логики • Использование дата-контрактов для ускорения обмена данными между CRM, ERP и бизнес-приложениями без предварительной обработки Расширение возможностей людей: • Системы не заменяют, а расширяют возможности людей • Руководители могут применять творческий потенциал, опыт и интуицию к данным высочайшего качества Полный текст статьи читаем на Dataversity 👉 Подписаться на канал 👈

прям как у нас на проекте ПВР 🤣 - "восхищённые Риски" на старте проекта, счас маленько прозревать начали... 👉 Подписаться на канал 👈

ПРИМЕНЕНИЕ РЕКОМЕНДАЦИЙ ПО РАЗВИТИЮ СИСТЕМ УПРАВЛЕНИЯ ДАННЫМИ УЧАСТНИКОВ ФИНАНСОВОГО РЫНКА 👉 Подписаться на канал 👈