DMBOK и фреймворки Data Governance

Введение

Построение программы Data Governance с нуля — сложная задача. Как определить, какие области покрыть? Какие роли создать? Как измерить прогресс? К счастью, индустрия накопила опыт в виде фреймворков. Ключевой из них — DAMA-DMBOK2 (Data Management Body of Knowledge), определяющий 11 областей знаний Data Management.

DAMA-DMBOK2: свод знаний

DMBOK (Data Management Body of Knowledge) — это свод знаний по управлению данными, разработанный DAMA International. DMBOK2 (второе издание) является де-факто стандартом для построения программ Data Management и Data Governance. Русское издание: ISBN 978-5-9693-0404-8.

11 областей знаний DMBOK2

DMBOK2 определяет 11 взаимосвязанных областей знаний. Data Governance занимает центральное положение, координируя все остальные:

Каждая область имеет свои цели, процессы, роли и метрики. В этом курсе мы последовательно покрываем ключевые области:

Ключевые принципы DMBOK2

1. Данные — актив организации. Данные имеют ценность и должны управляться так же, как финансовые или физические активы.
2. Governance координирует, а не контролирует. Data Governance не должна становиться бюрократическим бутылочным горлышком. Цель — координация и стандартизация.
3. Люди важнее инструментов. Никакой каталог данных не поможет без Data Steward (распорядитель данных), который его поддерживает.

Фреймворки Data Governance

Помимо DMBOK2, существуют другие фреймворки для построения программ governance:

Сравнение фреймворков

Рекомендация для практики: Используйте DMBOK2 как справочник и выберите один из прикладных фреймворков (DCAM или DGI) для структурирования программы. В этом курсе мы опираемся на DMBOK2 как на терминологическую и концептуальную основу.

Компоненты программы по DGI Framework

DGI Framework выделяет 10 компонентов, которые должна покрыть любая программа Data Governance:

Модели зрелости Data Governance

Модель зрелости (Maturity Model) позволяет оценить текущее состояние программы governance и определить целевой уровень.

5 уровней зрелости

Характеристики каждого уровня

Для сравнения: три компании курса

• DataTech Solutions (Level 1): нет governance-ролей, нет политик, проблемы обнаруживаются бизнес-пользователями
• BioGenesis Lab (Level 2): есть процессы для клинических данных (регуляторное требование), но исследовательские данные не управляются
• FinSecure Bank (Level 3): есть Data Governance Office, 2 Data Steward, ежемесячные заседания Data Council, но enforcement неоднороден

Большинство организаций находятся на Level 1-2. Цель курса — дать знания для перехода на Level 3 и выше.

Как выбрать целевой уровень зрелости

Не каждой организации нужен Level 5. Целевой уровень зависит от:

• Регуляторного давления — банки и здравоохранение обычно целятся на Level 3-4
• Размера организации — стартапу из 20 человек достаточно Level 2
• Data-зрелости индустрии — e-commerce может работать на Level 2-3
• Бизнес-стратегии — если данные — ключевой актив (AI-компании), нужен Level 4-5

Правило: целевой уровень = текущий + 1. Перескакивание через уровни редко работает.

Итоги

• DMBOK2 определяет 11 областей знаний Data Management с Data Governance в центре
• Фреймворки (DMBOK2, DCAM, DGI, COBIT) структурируют программу governance
• Модель зрелости имеет 5 уровней: от ad-hoc (L1) до оптимизации (L5)
• Большинство организаций находятся на Level 1-2, целевой уровень обычно = текущий + 1
• DataTech (L1), BioGenesis (L2), FinSecure (L3) иллюстрируют разные уровни зрелости

В следующем уроке мы рассмотрим организационную структуру governance: ключевые роли (CDO, Data Steward, DPO) и RACI-матрицу для распределения ответственности.