Gjennom årene har jeg sett organisasjoner investere tungt i programmer for datastyring, med forventning om at en ny styringsplattform endelig skulle bringe orden i datamiljøet deres. Logikken gir mening. Hvis data er vanskelig å finne, definere, stole på eller kontrollere, bør en styringsplattform kunne hjelpe. Organisasjoner implementerer datakataloger, utnevner dataeiere, etablerer arbeidsflyter for dataforvaltning, oppretter forretningsordlister og utvikler retningslinjer for personvern, sikkerhet, samsvar og bruk.

Dette er alle viktige trinn. Men alene er de sjelden tilstrekkelige.

Årsaken er enkel: styring kan ikke lykkes når den er frakoblet arkitekturen den skal styre.

En forretningsordliste kan definere et begrep, men hvis definisjonen ikke er koblet til datamodellene, skjemaene, tabellene, kolonnene og systemene der dataene faktisk befinner seg, forblir styringen ufullstendig. En katalog kan hjelpe brukere med å finne dataressurser, men hvis disse ressursene ikke er knyttet tilbake til virksomhetsdefinisjoner og modellerte relasjoner, skaper ikke oppdagelse nødvendigvis tillit. En retningslinje kan beskrive hvordan sensitive data skal håndteres, men hvis den ikke er koblet til strukturene der sensitive data opprettes, transformeres og brukes, blir håndheving vanskelig.

Det er derfor datastyring og dataarkitektur må fungere sammen.

De sterkeste organisasjonene behandler ikke modellering, metadata, katalogisering, ordlister og styring som separate aktiviteter. De kobler dem sammen i et felles datafundament for virksomheten som hjelper forretningsmessige og tekniske team med å definere, forvalte og stole på informasjon på tvers av organisasjonen.

Styringsgapet de fleste organisasjoner skaper

Mange styringsinitiativer begynner med de rette intensjonene. Team oppretter ordlister, dokumenterer eierskap, definerer retningslinjer og katalogiserer dataressurser slik at folk kan forstå hvilken informasjon som finnes, og hvordan den skal brukes.

Utfordringen oppstår når styring blir adskilt fra implementeringen.

Et styringsteam kan definere et forretningsbegrep som «forsikringstaker», «skade», «ressurs» eller «nettoinntekt». Et dataarkitekturteam kan modellere disse konseptene på tvers av applikasjoner, datavarehus, innsjøhus og rapporteringsmiljøer. Analyseteam kan opprette instrumentpaneler ved hjelp av relaterte felt, mens applikasjonsteam fortsetter å gjøre endringer i operative systemer.

Når disse gruppene arbeider i frakoblede verktøy, begynner definisjonene å sprike.

Ordlisten sier én ting. Modellen sier noe annet. Databasen gjenspeiler en tredje tolkning. Rapporter og instrumentpaneler kan introdusere ytterligere antakelser som aldri knyttes tilbake til den opprinnelige forretningsdefinisjonen.

Det er slik organisasjoner ender opp med styringsprogrammer som ser sterke ut på papiret, men som har problemer i praksis. De har dokumentasjon, men ikke samsvar. De har retningslinjer, men ikke sporbarhet. De har kataloger, men ikke alltid den arkitektoniske konteksten som trengs for å forstå hvordan data er strukturert, relatert og implementert.

Styring mislykkes ikke fordi organisasjonen mangler innsats. Den mislykkes fordi styringsøkosystemet er fragmentert.

Hvorfor datamodeller er avgjørende for styring

Datamodeller spiller en kritisk rolle i styringen fordi de definerer strukturene og relasjonene som styringsprogrammene må forstå.

En forretningsordliste kan definere hva et begrep betyr, men en datamodell viser hvordan dette konseptet representeres på tvers av systemer. Den kobler forretningsdefinisjoner til entiteter, attributter, relasjoner, nøkler, regler og fysiske implementeringer. Uten denne koblingen kan styringsteam vite hva et begrep betyr i teorien, samtidig som de mangler innsikt i hvordan begrepet er implementert i praksis.

Dette skillet er viktig fordi virksomhetens datamiljøer er komplekse. Ett enkelt forretningskonsept kan forekomme i mange applikasjoner, databaser, rapporteringssystemer og analyseplattformer. Det kan lagres under ulike navn, modelleres med ulike relasjoner og styres av ulike retningslinjer, avhengig av hvor det forekommer.

Virksomhetsdatamodellering hjelper organisasjoner med å lage en felles plan for denne kompleksiteten. Den gir styringsteam en måte å forstå ikke bare hvilke data som finnes, men også hvordan de er strukturert, hvordan de henger sammen med andre data, og hvordan endringer kan påvirke nedstrøms systemer.

Det er her styring blir operasjonell.

I stedet for å håndtere begreper og retningslinjer separat fra den tekniske implementeringen kan organisasjoner koble betydning direkte til arkitekturen.

[Sett inn bildet «CTO_Club_Governance_image1» her]

Bildetekst: Styringens viktigste pilarer

Rollen til datakatalogen og forretningsordlisten

For at styring skal fungere i stor skala, trenger organisasjoner både teknisk synlighet og forretningsmessig betydning.

Det er her ER/Studio-funksjonene for datakatalog og forretningsordliste blir spesielt viktige.

ER/Studios virksomhetsdatakatalog tilbyr et styrt, søkbart register over modeller, skjemaer, attributter og forretningsbegreper. Det hjelper team med å oppdage pålitelige dataressurser, forstå tekniske metadata og koble disse ressursene til forretningsdefinisjoner. I stedet for å tvinge brukere til å søke gjennom frakoblede modeller, regneark og dokumentasjon, gir katalogen teamene en sentralisert måte å forstå hvilke data som finnes, og hvordan de skal brukes.

Forretningsordlisten tilfører forretningskonteksten som tekniske metadata alene ikke kan gi. Den gjør det mulig for organisasjoner å definere, administrere og koble forretningsbegreper til tekniske ressurser, slik at teamene deler et felles språk på tvers av domener. Dette bidrar til å redusere tvetydighet, forbedre samarbeidet mellom forretningen og IT og sikre at styringsstandarder understøttes gjennom måten data modelleres og brukes på.

Datakatalogen og forretningsordlisten bidrar sammen til å løse et av de mest vedvarende problemene innen datastyring: gapet mellom tekniske ressurser og forretningsforståelse.

Et tabellnavn kan fortelle en dataingeniør hvor informasjonen er lagret. Et kolonnenavn kan gi en pekepinn på hva informasjonen inneholder. Men datastyring krever mer enn pekepinner. Det krever godkjente definisjoner, eierskap, klassifiseringer, relasjoner og retningslinjer som både forretningsbrukere og tekniske brukere kan forstå.

Ved å koble katalogiserte ressurser til styrte forretningsbegreper hjelper ER/Studio organisasjoner med å omforme metadata til en felles forståelse.

Hvorfor integrasjon med Purview og Collibra er viktig

Mange virksomheter bruker allerede Microsoft Purview eller Collibra som sentrale komponenter i strategien for datastyring. Derfor er integrasjon med disse plattformene avgjørende.

Utfordringen er at plattformer for datastyring og plattformer for datamodellering ofte befinner seg i ulike deler av organisasjonen. Styringsteam kan arbeide i Purview eller Collibra, mens dataarkitekter arbeider i modelleringsmiljøer. Hvis disse verktøyene ikke holdes synkronisert, oppstår det raskt hull i metadataene.

ER/Studio løser dette problemet gjennom innebygd integrasjon med både Microsoft Purview og Collibra, slik at organisasjoner kan koble dataarkitekturen direkte til virksomhetens datastyringsprogrammer. ER/Studio beskriver dette som et sentralt konkurransefortrinn og hevder at det er den eneste plattformen for datamodellering i virksomheter med innebygd integrasjon med Microsoft Purview og Collibra.

Med integrasjon med Microsoft Purview kan organisasjoner publisere logiske og fysiske datamodeller i Purview, synkronisere datamodeller, koble begreper fra Purviews forretningsordliste til ER/Studio-modeller og knytte standardiserte definisjoner på tvers av databaser, skylagring og BI-verktøy. Dette bidrar til å utvide modellkonteksten til det bredere styringsmiljøet, slik at metadata, definisjoner og dataopphav ikke blir isolert i separate plattformer.

Med Collibra-integrasjon kan ER/Studio synkronisere metadata og skjemadefinisjoner til Collibra-datakatalogen, koble ER/Studio-enheter til forretningsbegreper i Collibra, støtte arbeidsflyter for datastyring og gi kontekst på modellnivå for forretningsbrukere og tekniske brukere. Dette bidrar til å redusere tvetydighet ved å koble styrte begreper direkte til modellene og strukturene som implementerer dem.

Disse integrasjonene er viktige fordi de reduserer det manuelle arbeidet som ofte gjør at datastyringsprogrammer blir hengende etter. Når team baserer seg på eksportfiler, regneark eller periodiske manuelle oppdateringer, blir metadataene raskt foreldet. Etter hvert som systemene utvikler seg, gjenspeiler ikke dokumentasjonen for datastyringen lenger det som faktisk er distribuert.

Innebygd integrasjon bidrar til å lukke dette gapet.

En arbeidsflyt for datastyring i praksis

For å se hvorfor det er viktig å koble sammen arkitektur og datastyring, kan vi se på et vanlig scenario.

En organisasjon innen finansielle tjenester lanserer en ny applikasjon for kundeetablering. Før utviklingen starter, oppretter dataarkitekturteamet en virksomhetslogisk datamodell i ER/Studio som definerer de sentrale forretningskonseptene applikasjonen skal bruke, inkludert Kunde, Konto, Produkt og Risikoprofil. I stedet for å la hvert prosjektteam tolke disse konseptene uavhengig av hverandre, etablerer modellen et felles semantisk grunnlag som kan gjenbrukes på tvers av applikasjoner, analyse, datastyring og AI-initiativer.

Etter hvert som den logiske modellen videreutvikles, standardiserer ER/Studios virksomhetsdataordbok navnekonvensjoner, gjenbrukbare domener og godkjente datadefinisjoner. Dette bidrar til å sikre at de samme forretningskonseptene representeres konsekvent på tvers av prosjekter, i stedet for å bli opprettet på nytt med litt forskjellige navn eller betydninger.

Styringsteamet bygger deretter videre på dette arbeidet ved hjelp av ER/Studios forretningsordliste. Forretningsbegreper kobles direkte til enhetene og attributtene i virksomhetsmodellen, slik at forretningsbrukere, dataforvaltere og arkitekter kan arbeide ut fra de samme godkjente definisjonene. I stedet for å vedlikeholde separat dokumentasjon forblir styringsressursene koblet til arkitekturen de beskriver.

Når den logiske modellen er godkjent, genererer arkitektene de fysiske modellene som støtter implementeringen, samtidig som sporbarheten tilbake til virksomhetsdefinisjonene bevares. Disse modellene, sammen med tilhørende metadata og begreper fra forretningsordlisten, blir søkbare gjennom ER/Studios datakatalog, slik at både tekniske brukere og forretningsbrukere får en styrt oversikt over virksomhetsinformasjonen.

Fordi mange organisasjoner allerede er avhengige av plattformer for datastyring på virksomhetsnivå, utvider ER/Studio denne arbeidsflyten utover sitt eget miljø. Modellmetadata, begreper fra forretningsordlisten og tekniske definisjoner kan synkroniseres med Microsoft Purview og Collibra, slik at styringsteam kan fortsette å arbeide i plattformene de allerede bruker, samtidig som de forblir samkjørt med den underliggende virksomhetsarkitekturen.

Flere måneder senere endrer et nytt regulatorisk krav hvordan kunders risikoklassifiseringer må registreres.

I stedet for å gjennomgå dokumentasjon manuelt på tvers av flere systemer oppdaterer dataarkitekten virksomhetsmodellen i ER/Studio og bruker konsekvensanalyse til å identifisere nedstrømsapplikasjonene, databasene, rapportene og de styrte ressursene som påvirkes av endringen. De reviderte forretningsdefinisjonene forblir koblet gjennom forretningsordlisten, mens synkroniserte metadata sørger for at Microsoft Purview og Collibra fortsatt gjenspeiler den oppdaterte arkitekturen.

I stedet for å behandle arkitektur og styring som separate aktiviteter sørger denne arbeidsflyten for at virksomhetsmodeller, metadata, forretningsdefinisjoner og styringsplattformer holdes synkronisert gjennom hele datalivssyklusen. Resultatet er et styringsprogram som utvikler seg i takt med virksomheten, i stedet for stadig å forsøke å ta den igjen.

Koble styring til hele datalivssyklusen

En komplett virksomhetsløsning for data krever mer enn å katalogisere det som allerede finnes. Det krever også at data styres mens de utformes, endres, implementeres og brukes.

Det er her kombinasjonen av ER/Studios modelleringsfunksjoner, datakatalog, forretningsordliste og integrasjoner med styringsplattformer blir spesielt verdifull.

Dataarkitekter kan definere logiske og fysiske modeller som gjenspeiler forretningsbetydning og teknisk implementering. Styringsteam kan koble forretningsbegreper, forvaltningsansvar, klassifiseringer og retningslinjer til disse modellene. Katalogbrukere kan oppdage ressurser med både teknisk og forretningsmessig kontekst. Purview- og Collibra-brukere kan få tilgang til synkroniserte metadata og ordlisteinformasjon i styringsplattformene de allerede bruker.

Denne sammenkoblede livssyklusen hjelper organisasjoner med å gå fra reaktiv styring til proaktiv styring.

I stedet for å oppdage styringsproblemer etter at systemene allerede er satt i drift, kan teamene håndtere dem under utformingen. Sensitive data kan identifiseres tidligere. Forretningsbegreper kan kobles til modellerte ressurser før implementering. Navnestandarder og modelleringskonvensjoner kan håndheves på en ensartet måte. Endringer kan vurderes med tanke på konsekvenser nedstrøms før de skaper problemer i rapporter, datapipelines eller arbeidsflyter for styring.

Dette er viktig fordi styring ikke er en engangsøvelse i dokumentasjon. Det er en kontinuerlig disiplin som må utvikle seg i takt med at virksomheten endrer seg.

Når styring kobles til dataarkitektur, får organisasjoner et tydeligere bilde av hvordan definisjoner, modeller, metadata, retningslinjer og systemer endres over tid.

Hvorfor dette er viktig for AI-beredskap

Fremveksten av AI har gjort forholdet mellom arkitektur og styring enda viktigere.

AI-systemer er avhengige av kontekst. De trenger definisjoner, metadata, relasjoner, datalinje, eierskap, klassifiseringer og forretningsregler for å generere pålitelige og forklarbare resultater. Når styring og arkitektur er frakoblet, arver AI-systemer de samme inkonsekvensene som lenge har frustrert analytikere, dataforvaltere og virksomhetsledere.

Hvis et forretningsbegrep er definert i en ordliste, men ikke koblet til de fysiske dataene som representerer det, vet kanskje ikke et AI-system hvilken tabell eller kolonne som skal brukes. Hvis flere systemer implementerer det samme konseptet på ulike måter, kan AI returnere motstridende svar. Hvis metadataene er utdaterte, kan AI basere svaret sitt på utdatert kontekst.

Det er derfor AI-beredskap ikke bare er en utfordring innen datavitenskap eller infrastruktur. Det er også en utfordring innen styring og arkitektur.

Organisasjoner som kobler sammen virksomhetens datamodeller, forretningsordlister, datakataloger og styringsplattformer, er bedre posisjonert til å gi AI-systemer pålitelig kontekst. De kan definere forretningsbetydning én gang, koble den til teknisk implementering, synkronisere den med styringsverktøy og gjenbruke den på tvers av analyse-, rapporterings- og AI-initiativer.

Det er grunnlaget pålitelig AI krever.

Hva vellykkede organisasjoner gjør annerledes

Vellykkede organisasjoner erkjenner at styring ikke bare handler om kontroll. Det handler om å skape tillit til data.

De erkjenner også at tillit avhenger av samsvar. Forretningsbrukere trenger definisjoner de kan stole på. Dataarkitekter trenger modeller som gjenspeiler disse definisjonene. Styringsteam trenger retningslinjer som er koblet til faktiske ressurser. Analytikere trenger kataloger som viser både tekniske metadata og forretningskontekst. AI-systemer trenger maskinlesbar betydning som er konsistent på tvers av virksomheten.

Disse organisasjonene ber ikke styringsteamene vedlikeholde én versjon av sannheten mens arkitekturteamene vedlikeholder en annen. De skaper et integrert økosystem der modeller, ordlister, kataloger, metadata og styringsplattformer forsterker hverandre.

ER/Studio støtter denne tilnærmingen ved å kombinere virksomhetsdatamodellering, en datakatalog, en forretningsordliste, rollebaserte tilgangskontroller, automatisert dokumentasjon, håndheving av standarder og innebygde integrasjoner med Microsoft Purview og Collibra. Dette gir organisasjoner en mer komplett måte å koble sammen forretningsbetydning, teknisk utforming og gjennomføring av styring fra ett og samme dataarkitekturgrunnlag.

Resultatet er ikke bare bedre dokumentasjon. Det er en sterkere driftsmodell for virksomhetens data.

[Sett inn "CTO_Club_Governance_image2"-bildet her]

Bildetekst: Hvorfor virksomheters dataforvaltning mislykkes

Bygg et komplett datagrunnlag for virksomheten

Moderne datamiljøer er for komplekse for frakoblet dataforvaltning.

Organisasjoner håndterer operative databaser, skyplattformer, datavarehus, datasjøhus, analyseverktøy, BI-systemer, kataloger for dataforvaltning og KI-applikasjoner. Hvert miljø introduserer egne metadata, egen terminologi, egne strukturer og egne retningslinjer. Uten en integrert tilnærming kan selv velmente programmer for dataforvaltning bli enda en silo.

Et komplett datagrunnlag for virksomheten samler disse delene.

Datamodeller definerer struktur og relasjoner. Forretningsordlisten definerer godkjent forretningsbetydning. Datakatalogen gjør forvaltede ressurser søkbare. Integrasjoner med Microsoft Purview og Collibra utvider denne konteksten til arbeidsflyter for virksomhetens dataforvaltning. Rollebaserte tilgangskontroller og standarder bidrar til å sikre at de riktige personene kan administrere de riktige ressursene på riktig måte.

Når disse funksjonene fungerer sammen, får organisasjoner muligheten til å forvalte data fra utforming til bruk.

De kan forstå hva data betyr, hvor de befinner seg, hvordan de er strukturert, hvem som eier dem, hvordan de er klassifisert, hvordan de endres, og hvordan de kobles til nedstrømsystemer. Dette nivået av synlighet er avgjørende for samsvar, modernisering, analyse og KI.

Det er også dette som gjør det mulig for dataforvaltning å bli en forretningsfremmende faktor i stedet for en dokumentasjonsbyrde.

Fremtidens dataforvaltning er sammenkoblet

Den neste generasjonen av dataforvaltning vil ikke bli definert av frittstående kataloger, frakoblede ordlister eller isolerte arkiver for retningslinjer. Den vil bli definert av hvor effektivt organisasjoner kobler dataforvaltningen til arkitekturen for dataene sine.

Dataforvaltning uten arkitektur mangler implementeringskontekst. Arkitektur uten dataforvaltning mangler tillit, ansvarlighet og kontroll. Datakataloger uten forretningsordlister kan vise hva som finnes, men ikke alltid hva det betyr. Forretningsordlister uten modellintegrasjon kan definere begreper, men ikke alltid koble dem til virkelige systemer.

De sterkeste organisasjonene samler disse fagområdene.

Det er derfor kombinasjonen av virksomhetsdatamodellering, datakatalog, forretningsordliste og innebygde integrasjoner med Microsoft Purview og Collibra i ER/Studio er viktig. Den hjelper organisasjoner med å skape en forvaltet dataarkitektur der forretningsbetydning, metadata, modeller, retningslinjer og implementering forblir samordnet.

Etter hvert som datamiljøene blir mer distribuerte og KI blir stadig dypere integrert i beslutningstaking, vil denne samordningen bli enda viktigere.

Organisasjonene som lykkes, vil ikke være de som har flest dataforvaltningsartefakter. De vil være de som kobler dataforvaltningen til hvordan data faktisk utformes, administreres og brukes.

Les mer om ER/Studio.

Betrodd av: