Datastyrning Roller och ansvar - DATAVERSITET

Datastyrning Roller och ansvar – DATAVERSITET

Källnod: 2697199
roller och ansvar för datastyrningroller och ansvar för datastyrning

Data Governance, en formaliserad praxis som exekverar och upprätthåller företagsomfattande datapolicyer, har vunnit betydande dragkraft under de senaste åren. Från och med 2022, 81.89% av deltagarna i en DATAVERSITY® Trends in Data Management (TDM) undersökning har antingen implementerat ett datastyrningsprogram eller planerar att initiera ett. Ändå angav 54.63 % av de tillfrågade bristen på datastyrning som en stor utmaning för datahantering. Bättre tydlighet kring roller och ansvar lovar mer framgång i att få värde från Data Governance.

Bob Seiner, VD och rektor för KIK Consulting and Educational Services, föreslår att man ska anta tankesättet att "alla är en dataförvaltare, en person med formellt ansvar för sin relation till data oavsett om den definierar, producerar eller använder den. Nyckeln till god datastyrning är att veta vad en person gör och behöver som dataförvaltare. Läs vidare för mer om hur du konstruerar och stödjer dessa datastyrningsroller och -ansvar.

Aktivera datastyrningsroller och -ansvar

Genom att initialt aktivera befintliga roller istället för att tilldela dem, anser Seiner att företag har ett försprång när det gäller att påverka acceptans bland arbetare. På så sätt inventerar organisationer vad som finns innan de lägger till ytterligare arbete som anställda kan se som en börda.

Många anställda utför redan uppgifter inom Data Governance innan ett företag formaliserar det. Till exempel har varje anställd som arbetar med hälso- eller finansiell information förvaltarskap när de använder den för att följa amerikanska lagar. Dessutom skapar och distribuerar ett säkerhetskontor utbildning kring dessa uppgifter för att skydda data.

Seiner rekommenderade att ta dessa personer som visar befintliga aktiviteter som styr data och erkänna deras bidrag till Data Governance formellt. Låt dem i processen identifiera sig i Data Governance-modellen eller positionsdiagrammet.

Även med befintliga roller kommer företag ibland att kräva ytterligare datastyrningsansvar – till exempel för att integrera policyer i hela organisationen. Så, utse alla nya aktiviteter och tilldela dem genom att utöka eller skapa nya roller i företaget. Förtydliga även eventuella förväntningar, inklusive:

  • Hur mycket av sin tid kommer de behöva ge?
  • Hur ofta kommer de att träffas?
  • Är det en grupp- eller individuell roll?
  • Vem rapporterar befattningen?
  • Vem samordnar befattningen?

Bestäm datastyrningsroller och ansvarsområden 

När företagsledare förstår hur man erkänner befintliga datastyrningsroller och ansvarsområden och tar en lätt hand när de lägger till nya ansvarsområden, kan de bättre förstå datastyrningsoperationer och hur man gör dem. Bob Seiner har skapat en "operativ modell för roller och ansvar" för att ytterligare vägleda dessa företag.

Hans kunder använder hans diagram som utgångspunkt och har funnit det användbart. Se bilden nedan:

Image Credit: KIK Consulting

På bilden spänner datastyrningsrollerna över fyra nivåer av förväntade resultat och ansvarsskyldighet: exekutiv, strategisk, taktisk och operativ. Dessutom har dessa grupper en stödstruktur som administrerar och ger råd till dem, vilket gör datastyrningsuppgifter i hela organisationen mer hanterbara.

Verkställande nivå

Roller på verkställande nivå inkluderar ledarskap i C-suiten i organisationens topp. Enligt Seiner stödjer, sponsrar och förstår personer på ledningsnivå Data Governance och bestämmer dess övergripande framgång och dragkraft.  

Vanligtvis träffas dessa chefer regelbundet som en del av en styrgrupp för att täcka i stort sett vad som händer i organisationen, så de skulle lägga till Data Governance som en rad, föreslog Seiner. Dessa högre chefer tar ansvar för att förstå och stödja Data Governance. De håller sig uppdaterade om datastyrningens framsteg genom direktrapporter och kommunikation från dem på strategisk nivå.

Strategisk nivå

De på strategisk nivå representerar varje affärsfunktion och bildar vanligtvis ett Data Governance Council. Denna panel träffas regelbundet och fastställer datapolicyer. 

Enligt Seiner tar strategiska medlemmar ansvar för att lära sig om Data Governance, rapportera till den verkställande nivån om programmet, vara medvetna om Data Governance-aktiviteter och initiativ, och delta i möten eller skicka suppleanter.

Dessutom har denna grupp befogenhet att fatta snabba beslut om policyer för datastyrning och hur de ska genomföras. Dessa förmågor ger strategiska roller medel att hantera Data Governance frågor förs av dem på taktisk nivå och fatta slutgiltiga beslut om dessa upptrappningar.

Strategiska roller kommunicerar även med kollegor och chefer om hur Data Governance fungerar för organisationen och dess framtid. Dessutom tar detta team ansvar för sitt övergripande värde.

Taktisk nivå

Ämnesexperter (SMF) som ansvarar för data över affärsenheter omfattar den taktiska kategorin. Seiner föreslår att man tänker på dem som "underlätare för att lösa problem med datadefinition, produktion och användning över affärsenheter."

Beroende på organisationen kan taktiska medlemmar kanske besluta om datastyrningsfrågor och implementera deras rekommendationer. Men om de inte har den makten måste små och medelstora företag eskalera problemen till den strategiska nivån och se till att de är väldokumenterade. Med vilken Data Governance-lösning som helst kommer små och medelstora företags anknytning till en affärsenhet sekundär.

Jimm Johnson, Data Governance-chef på HireRight, beskriver fyra ytterligare SME-funktioner:

  • Upprätthålla och dela insiderkunskap om "institutionella dataprocesser" genom att coacha eller utbilda andra
  • Matcha reglerna och standarderna för underhåll av datastyrning med affärsbehov 
  • Tillämpa regler och standarder för datastyrning för att möta eller överskrida en acceptabel tröskel för Datakvalitet
  • Att hjälpa andra och odla inköp när ett företag tar nya initiativ 

Framgångsrika små och medelstora företag har starka tekniska, sociala och ledarskapsegenskaper när de täcker dessa ansvarsområden. Människors kunskaper och erfarenheter sträcker sig vanligtvis över affärer och IT, och överbryggar enkel och komplex information. Dessutom motiverar de på taktisk nivå organisationen att anta nya beteenden genom att skapa spänning med data.

Operativ nivå

Som Seiner förklarar, "Den operativa gruppen omfattar alla vars arbete påverkar en organisations data - alla anställda och dataförvaltarna som är ögonen och öronen för data." 

Varje arbetare deltar i att säkerställa bra datadefinitioner och värderingar, följa reglerna för att identifiera och klassificera dataåtkomst, identifiera och dokumentera regulatoriska frågor med data, utbyta kunskap med kollegor och chefer och kommunicera nya/förändrade affärskrav till de affärsenheter som påverkas och oro för dem på taktiska nivåer.

Det operativa ansvaret kommer att skilja sig åt beroende på om någon definierar, producerar eller använder organisationsdata. De på operativ nivå kan ha en annan titel än data steward. Som Seiner säger måste de inse att "om de redogör för och skyddar data, då förvaltar de data och måste vara ansvariga för sina dataaktiviteter."

Supportnivå

Stödmedlemmar driver programmet Data Governance tillsammans med hjälp från partners. De kan bestå av ett fåtal personer i ett Data Governance Office (DGO) eller en administratör, som en CDO. 

Seiner betonar att som en Ledare för datastyrning eller chef, den här rollen är avgörande för att få datastyrning gjord. Även om ett programteam så småningom kommer att dyka upp för att avgöra hur datastyrning ska byggas, har det inte samma resurser och funktionalitet som DGO:n för att delta i alla utvecklingsaktiviteter för Data Governance-program och underlätta datastyrningsrådets möten och team för att lösa problem.

Dessutom rapporterar DGO:n eller administratören resultat (som datakvalitetsmått eller datastyrning) till den strategiska nivån. De arbetar med partners som är investerade i datastyrningsaktiviteter, vilket kan inkludera:

  • Säkerhet
  • Informationsteknik (IT)
  • Projektledare (PMO) 
  • Regulatoriska och efterlevnadsteam
  • Revision/juridisk
  • Företagskommunikation
  • Mänskliga resurser (HR)

Se partners som en del av ett större team för styrningsplanering där Data Governance är en aspekt av deras roll och behöver stöd från en DGO eller administratör.

Anpassa datastyrningsroller och -ansvar

Alla företag har inte samma resurser eller strukturer för datastyrningsroller och -ansvar. Till exempel kanske en mindre organisation inte har ett företagskommunikationskontor eller en grupp som representerar strategiska och taktiska ansvarsområden. Istället tar en enda person båda rollerna.

Seiner erkänner dessa skillnader och uppmuntrar organisationer att anpassa sin operativa modell av roller och ansvar efter behov. Han föreslår dock att man behåller dataägandet hos alla affärsmän och att man håller konsekvent formatering när man ändrar sitt diagram. 

Dessutom råder han att behålla ett liknande format genom att använda avståndet mellan varje nivå i sin pyramid för att indikera status för direkt beslutsfattande med företagsdata. Han föreslår också att färgerna ska hållas konsekventa för varje grupp så att publiken kan identifiera den när en nivå dras ut för en annan presentation.

Slutsats

Att få in rätt personer med rätt aktiviteter ökar ett företags framgång med Data Governance. I många fall finns redan roller och ansvar med Data Governance men kräver erkännande. 

Erkänn eventuella nya roller och ansvarsområden innan du tilldelar personer till dem. Se till att de har tydliga förväntningar och stöd från DGO, en administratör eller uppdaterad lön för att ta på sig ytterligare arbetsbörda.

Med lämpligt stöd fungerar datastyrningsroller och -ansvar på fyra nivåer: exekutiv, strategisk, taktisk och operativ. Medan varje gruppering i denna operativa modell av roller och ansvar utför en kritisk funktion, kan en organisation ändra detaljerna för att passa dess behov. 

Bilden används under licens från Shutterstock.com

Tidsstämpel:

Mer från DATAVERSITET