Sætter de rigtige store data organisatoriske strukturer på plads - dummies

Virksomheder begynder typisk at rejse til store data ved at starte med en organisatorisk eksperiment for at se, om store data kan spille en vigtig rolle i at definere og påvirke forretningsstrategi. Men efter at det er klart, at store data vil have en strategisk rolle som led i informationsstyringsmiljøet, skal du sørge for, at den rigtige struktur er på plads for at understøtte og beskytte organisationen.

Før du etablerer politikker, skal du først vide, hvad du har at gøre med. For eksempel vil du involvere transaktionssystemer, sociale medier eller maskingenererede data? Har du til hensigt at kombinere oplysninger fra disse forskellige kilder som en del af din dataanalysestrategi?

Hvis du planlægger at gå videre med mere end et isoleret forsøg, skal du opdatere din styringsstrategi, så du er parat til at styre et nyt udvalg af data på en måde, der er sikker.

Forberedelse til styring og styring af stor datarisk

Uanset hvad din informationsstyringsstrategi er, skal du sikre dig, at du har det rette overvågningsniveau. Dette er simpelthen en bedste praksis generelt og ændres ikke, når du tilføjer store data til mixen. Det kan dog være nødvendigt at implementere datastyring forskelligt med tilføjelsen af ​​store datakilder.

Du skal muligvis have en anden individuel overvågning af sociale medier data, fordi den har en anden oprindelse og en anden struktur end traditionelle relationelle data. Denne nye dataforvalterrolle skal nøje defineres, således at den valgte person kan arbejde på tværs af de forretningsenheder, der finder denne type data mest relevante for, hvordan de analyserer virksomheden.

Dataforvalteren skal forstå eller have adgang til de rigtige personer, som forstår virksomhedens databehandlingspolitik samt kravene til udskrivning af personoplysninger, uanset hvor disse data stammer fra.

Indstil de rigtige regler for stor regeringsførelse og kvalitetspolitik

Den måde, en organisation beskæftiger sig med store data på er en løbende cyklus og ikke et engangsarbejde. Muligheden for at forårsage risiko for virksomheden kan være seriøs, hvis ensartede regler og processer ikke anvendes konsekvent. Datakvaliteten bør også nås fra et ledelsesmæssigt synspunkt. Når du tænker på politik, er her nogle af de vigtigste elementer, der skal kodificeres for at beskytte din organisation:

• Bestem bedste praksis, som dine jævnaldrende har implementeret for at få konsekvente politikker dokumenteret, så alle har samme forståelse for hvad der kræves.

• Sammenlign dine politikker med styringskravene til din egen virksomhed og din branche. Opdater dine politikker, hvis du finder oversigter.

• Har du en politik om, hvor længe du skal holde fast på information? Gælder disse politikker for de data, du indsamler fra eksterne kilder, f.eks. Kundediskussionsgrupper og sociale medier?

• Hvad er vigtigheden af ​​de datakilder, som du bringer ind i virksomheden? Har du kvalitetsstandarder på plads, så et sæt data kun bruges til beslutningstagning, hvis det har vist sig at være rent og veldokumenteret?

  Det er nemt at blive fanget i spændingen ved at udnytte store data til at udføre den type analyse, der aldrig kunne opnås før. Men hvis den analyse fører til ukorrekte konklusioner, vil din virksomhed være i fare. Selv data fra sensorer kan påvirkes af fremmede data, der får en organisation til at komme til den forkerte konklusion.