부서와 다양한 이해관계자가 포괄하는 기업에서 데이터 거버넌스를 시작하려면 잘 정의된 운영 모델이 예상되는 비즈니스 이점을 달성하는 데 중요한 역할을 합니다. 데이터 메시(Data Mesh)는 데이터 상품을 홍보해 조직 내 데이터 민주화를 분산화된 방식으로 장려하는 신개념이다. 중앙집중화된 빈티지 건축과는 달리, 데이터 메쉬 기업 전체의 사용자가 모든 데이터에 액세스할 수 있게 함으로써 더 많은 사업부가 데이터를 통해 수익을 창출하고 비즈니스 혁신을 추진할 수 있게 됩니다. 사용된 아키텍처 선택에 관계없이 조직의 데이터를 관리하고 통제하려면 다음 측면을 고려하는 데이터 거버넌스 운영 모델과 로드맵이 있어야 합니다.
- 조직 범위, 데이터 범위, 도메인 범위 관리
- 이해관계자 및 책임 식별 조정을 위한 악수 및 핸드오프 정의
- 데이터 관련 의사결정을 위한 의사결정 조직 배치
- 적극적으로 관리되는 데이터에 대한 선행 사건, 우발 상황 및 영향
- 진행상황 측정 및 보고를 위한 동기, 목표, 성과평가 계획
- 정책과 가이드라인을 기반으로 프로세스와 절차를 발굴하고 표준화합니다.
- 잘 계획된 이해관계자 커뮤니케이션 전략으로 변화 통제
- 작업 분류 구조가 포함된 구현 로드맵
- 위험, 가치, 이익 관리
이 기사의 경우 데이터 품질 평가 모니터링은 설명을 위해 사용됩니다. 운영 모델을 정의하는 접근 방식에서는 비즈니스 단위의 제어, 관리 및 기존 기능 측면을 고려해야 합니다. 조직의 사회 문화적 측면은 성공적인 데이터 품질 서비스 구현을 좌우합니다. 다른 중요한 측면으로는 비즈니스 책임 공유, 후원, 데이터 거버넌스에 대한 태도, 지식, 변화 수용 경향 등이 있습니다. 위의 측면들 사이에서 적절한 균형을 달성하면 기업이 데이터 품질 목표를 달성하는 데 도움이 되는 거의 완벽한 운영 모델이 정의됩니다. 기업이 발전하고 경쟁 우위를 유지하려면 프로세스를 지속적으로 개선하고 피드백을 수용하는 것이 중요합니다. 이러한 점진적인 개선을 통해 기업은 관련성을 유지하고 시간이 지남에 따라 더 나은 결과와 성공률을 높일 수 있습니다.
데이터 거버넌스 운영 모델을 결정할 때 각 접근 방식이 제공하는 이점을 평가하지 않고 단순히 하나의 접근 방식을 선택할 수는 없습니다. 결정을 내리기 전에 중앙 집중식 및 분산형 거버넌스 모델의 잠재적 이점을 평가해야 합니다. 거버넌스 운영을 중앙 집중화함으로써 얻을 수 있는 이점이 분산형 모델의 이점보다 20% 이상 더 크다면 중앙 집중화하는 것이 가장 좋습니다. 중앙 집중식 거버넌스 모델을 사용하면 기술 격차를 해소하고, 모든 사업부에서 일관된 결과를 누리고, 운영에 대해 쉽게 보고하고, 최고 경영진의 경영진 동의를 보장하고, 지속적인 피드백 도출, 개선 및 변화에 대한 효율성을 계획할 수 있습니다. 관리. 그러나 단점은 운영 경직성으로 이어지는 경우가 많아 중간 관리자의 동기가 감소하고 관료주의가 이점보다 더 큰 경우가 많다는 것입니다.
운영 모델을 공식화할 때 사회 문화적 측면을 고려하는 것이 중요합니다. 사회 문화적 측면은 조직의 성공에 큰 영향을 미칠 수 있기 때문입니다. 귀하의 비즈니스가 경쟁에서 두각을 나타내고 앞서 나가기를 원한다면 지속적으로 프로세스를 개선하고 피드백을 수용해야 합니다. 이러한 점진적인 개선을 통해 기업은 관련성을 유지하고 시간이 지남에 따라 더 나은 결과와 성공률을 높일 수 있습니다.
중앙 집중식 관리 또는 분산 관리의 어느 쪽 끝으로든 흔들리는 운영 모델을 정의해야 하는 것은 의도한 목적에 부합하지 않습니다. 데이터 메시는 팀 네트워크 전반에 걸쳐 데이터 소유권과 책임을 분할하는 허브-스포크 모델에 대한 더 나은 대안을 제공합니다. 이 접근 방식은 분산된 소유권과 의사 결정을 허용하는 동시에 데이터 무결성을 보장하는 데 필요한 구조를 제공합니다. 고려해야 할 주요 측면에는 통합, 품질, 보안, 협업, 개인 정보 보호 등이 포함됩니다. 또한 데이터가 안전하게 공유되고 모든 팀이 데이터에 액세스하고 사용할 수 있도록 보장합니다. 두 운영 모델 변형 모두 데이터 메시를 수용하는 조직에 적합하지만 운영 모델에 도달하려면 다른 사회 문화적 요인을 고려해야 합니다. 제어와 관리 사이의 섬세한 균형을 이루고 이해관계자가 셀프 서비스에 대한 재교육을 거의 하지 않고도 데이터 품질 이니셔티브를 수용할 수 있도록 하는 기능이 필요합니다.
정책, 프레임워크, 보고 및 기타 측면의 로컬 관리에 대한 중앙 제어를 통해 데이터 거버넌스에 대한 전체적인 관점을 허용하는 하이브리드 접근 방식은 많은 조직의 문화에 적합합니다.
다음 사항을 명확히 구분해야 합니다.
1. 데이터 인프라 및 플랫폼 관리
2. 데이터 사용량 관리 및
3. 데이터 프로젝트 관리
4. 데이터 평가 및 모니터링
이를 더 자세히 이해하기 위해 조직의 비상 상황에 따라 조직의 데이터 거버넌스 구성이 결정됩니다. 비상 상황이 회사의 데이터 거버넌스 운영 모델의 개별 설계에 어떤 영향을 미치는지 이해하려면 두 가지 설계 매개변수를 고려해야 합니다.
1. 의사결정권한의 조직적 배치 및
2. 의사결정권한의 조정
값 쌍의 범위는 설계 매개변수를 기반으로 한 두 가지 선택 사항입니다.
1. 중앙집중화에서 탈중앙화로, 그리고
2. 계층적 협력 모델.
설계 매개변수는 데이터 거버넌스 모델에 대한 RACI 매트릭스의 책임 할당에 영향을 미칩니다.
의사결정권한의 조직적 배치
데이터 거버넌스 운영 모델의 첫 번째 설계 매개변수는 데이터 관리 활동의 조직 구조입니다. 중앙 집중식 데이터 거버넌스는 데이터 표준에 대한 통제력을 강화하고 대규모 정보의 수익 창출을 향상시킵니다. 분산형 IT 거버넌스를 통해 비즈니스 요구 사항에 대한 뛰어난 대응력과 유연성, 각 사업부별 맞춤형 솔루션을 제공합니다.
그러나 적합한 데이터 거버넌스 모델은 다음 간의 균형을 맞춰야 합니다.
- 표준화, 한편으로는
- 반면에 이벤트에 대한 반응성.
대규모 금융 서비스 기업의 디지털 기능은 전략적 방향에서 더 공격적일 수 있습니다. 시장 상황에 민첩하게 대응해야 하는 반면, 다른 부서는 더 높은 규제 환경 조건으로 인해 여전히 방어적인 전략을 취할 수 있습니다.
| 직위별 | 중앙 집중식 데이터 거버넌스 설계 | 분산형 데이터 거버넌스 설계 |
| 임원 후원자 | 주요 관련성 있는 일부 결정에서 “책임”을 집니다. | “Consulted”(명령이 아닌 권고) |
| 데이터 협의회 | 많은 "책임 있는" | 많은 "상담", "정보 제공", "책임"만 있는 경우는 없음 |
| 비즈니스 소유자 | 일부 "책임감 있는" | 대부분 "책임감 있는" |
| 비즈니스 및 기술 데이터 관리자 | "책임이 있는" | 많은 "책임 있는" 사람과 일부 "책임 있는 사람" |
분산형 데이터 모델에는 개별 단위, 부문 또는 사업 부문에 할당된 모든 의사 결정 권한이 포함됩니다. 중앙 집중식 형태는 소규모 회사, 방어적이고 보수적인 전략, 중앙 집중식 제어 및 기계적인 의사 결정과 관련이 있습니다. 분산형 형태는 대기업, 공격적이거나 공격적인 전략, 분산형 통제, 유기적인 의사결정과 관련이 있습니다.
의사결정 권한의 조정
의사결정 권한과 영향력의 효과적인 조정은 계층적, 수직적 라인 또는 협업적, 수평적 역량을 통해 달성될 수 있습니다. 분산된 데이터 관리를 사용하는 회사는 이러한 메커니즘을 사용하여 데이터 공유 및 의사결정을 조정합니다. 데이터 거버넌스 설계의 효율성을 극대화하기 위해서는 기업의 의사결정 스타일과 문화를 반영하고 지원하는 것이 중요합니다.
| 직위별 | 계층적 데이터 거버넌스 설계 | 협력적 데이터 거버넌스 설계 |
| 임원 후원자 | 대부분의 결정에서 "책임감" | 공동으로 “책임이 있다” |
| 비즈니스 소유자 | 별도로 "책임" | “상담”, “정보 제공”, 일부 “책임” |
| 비즈니스 및 기술 관리자 | “책임 있음”, “정보 제공”, 일부 “상담” | 많은 "책임이 있는"(공동으로) 및 "상담을 받은" |
| 데이터 협의회 | 별도로 "책임" | 많은 "상담" 및 "책임"(공동) |
계층적 데이터 거버넌스 모델은 하향식 의사 결정 접근 방식이 특징입니다. 데이터 책임자 또는 데이터 위원회는 단일 데이터 관리 활동에 대한 의사 결정 권한을 갖습니다. 업무는 비즈니스 및 기술 데이터 관리자에게 위임됩니다. 그러나 의사결정에는 직접적으로 참여하지 않습니다.
협력적 데이터 거버넌스 모델에서는 공식 및 비공식 조정 메커니즘을 사용하여 결정을 내립니다. 데이터 위원회 또는 데이터 책임자는 여러 분야의 구성원으로 구성된 실무 그룹, 태스크 포스 및 위원회로 보완됩니다. 어떤 역할도 단독으로 결정을 내릴 수 없습니다. 사업부에 보고하는 프로세스 소유자 또는 데이터 설계자와 같은 새로운 통합자 역할은 높은 수준의 부서 간 협업을 구축합니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 출처: https://www.dataversity.net/why-selecting-the-appropriate-data-governance-operating-model-is-crucial/
