Руководство по управлению данными человеком

В предыдущей нашей публикации, «Как мы писали книгу по управлению данными» мы подробно рассказали о всех нюансах создания книги «Ценность Ваших Данных» [2] – от замысла до работы с издательством. В этой статье мы расскажем о создании труда с точки зрения научной составляющей – от нашего перевода и научной редактуры DAMA-DMBOK2 до создания собственной работы в области управления данными. В данной публикации хотелось бы еще раз проследить историю создания книги, более подробно рассмотрев основные вехи в формировании ее концепции. Во-первых, чтобы дополнительно прояснить замысел авторов. А во-вторых, чтобы поделиться полученным опытом трансформации изначального замысла в процессе написания и подготовки окончательного варианта текста. Возможно, изложенные нами сведения окажутся интересными как для читателей книги, так и для тех коллег, которые планируют издание собственного труда подобного рода.  

Отправная точка

Началось все с того, что в течение 2018-2019 годов мы приняли участие в работе над переводом и научной редактурой второго издания руководства Международной ассоциации управления данными (DAMA) к своду знаний по управлению данными — DAMA-DMBOK2 [7]. Наша компания включилась в эту деятельность совершенно осознанно, поскольку мы хорошо понимали важность и полезность переводимого документа, уже давно ориентировались в своей проектной работе на его основные положения и англоязычный текст был нам хорошо знаком. Работа, с учетом необходимых организационных и подготовительных мероприятий, длилась почти полтора года. Особенно напряженными были последние шесть месяцев, когда первоначальный вариант перевода был подвергнут кардинальной переделке, связанной с преодолением целого ряда препятствий [4]. Тем приятнее осознавать, что результат нашего труда оказался востребованным. Мы получили много положительных отзывов о русском издании DMBOK2, его тираж уже несколько раз допечатывался, а варианты перевода отдельных терминов и ключевые текстовые фрагменты все чаще используются в различных отечественных публикациях.   

В этой связи стоит отметить такой крайне полезный информационный проект, как Data Literacy Project [11]. На действующем в рамках этих проекта ресурсе представлено много материалов, направленных на популяризацию отдельных положений DMBOK2. В частности, здесь опубликована видеозапись интервью с одним из ключевых авторов DMBOK1 и DMBOK2 Кристофером Брэдли [12]. 

«Культура ест стратегию на завтрак»

В упомянутом интервью Крис Брэдли обратил внимание на то, что наряду с основной целью DMBOK — выработка общего языка и единой рамочной структуры понятий и концепций, необходимых для эффективного сотрудничества профессионалов по управлению данными по всему миру — DAMA уделяет в этой книге большое внимание факторам бизнес-среды, в которой осуществляется управление данными. Один из важнейших факторов – культура работающей с данными организации.

Брэдли приводит известное выражение Питера Друкера (оно цитируется и в нашей книге) «Культура ест стратегию на завтрак». Применительно к продвижению передового опыта управления данными это означает, что одновременно с внедрением новых решений безусловно нужно работать с культурой и нет смысла без учета культурных особенностей конкретной организации быть по настоящему смелым и предлагать нечто совершенно радикальное, потому что в этом случае ваша инициатива не проживет и дня. Автор DMBOK замечает: «Это как перезаряжать пулеметы, выходя из укрытия. Это очень смело, но вы не проживете еще один день. Чтобы двигаться вперед, нужно это понимать».

Здесь следует заметить, что компания Юнидата в своей проектной деятельности регулярно сталкивается с необходимостью достижения компромисса между действующей в заказывающей организации деловой практикой (включая сложившиеся культурные установки) и принимаемыми проектными решениями. В специально разработанной методологии внедрения программных продуктов Юнидаты мы постарались объединить разные подходы к организации управления данными и организации проектов. Методология учитывает основные положения DAMA-DMBOK, PMI PMBoK, ГОСТ 34, ГОСТ Р ИСО/МЭК 12207, ГОСТ Р 56713 (ISO/IEC/IEEE 15289), Agile и предусматривает смещение акцентов в ту или иную сторону в зависимости от особенностей заказчика. Нашим специалистам неоднократно приходилось сталкиваться с ситуацией, когда даже вроде бы согласованные первоначально проектные решения на этапе реализации либо тормозились, либо сильно трансформировались. Причины могли быть разные, но все они так или иначе связаны с организационной культурой. Сюда можно отнести различное понимание проблем работы с данными (как на разных уровнях управления организацией, так и внутри отдельных подразделений), отсутствие единой  корпоративной стратегии в области данных, недостаточно налаженное взаимодействие бизнес-подразделений и блока ИТ при управлении корпоративными информационными ресурсами и т.п. Именно поэтому мы и стремимся всячески способствовать продвижению концепций, изложенных в DMBOK, в отечественную практику управления данными.  

Управление данными – это не только Big Data

Очевидно, что одного только текста русского перевода DAMA-DMBOK2 для популяризации его идей недостаточно. Даже если не принимать во внимание ослабление интереса потенциальных читателей из-за большого объема и высокой цены этого издания, все равно требуются дополнительные русскоязычные публикации, более подробно рассматривающие отдельные дисциплины (области знаний) управления данными с различных ракурсов. Ситуацию здесь нельзя назвать благополучной. Крис Брэдли, отвечая на вопрос Владимира Иткина о сотрудничестве DAMA c учебными заведениями, говорит о том, что сейчас основным драйвером такого взаимодействия является повышенный спрос на курсы по модной тематике больших данных и науки о данных, технологий искусственного интеллекта и машинного обучения. Эти курсы хорошо продаются, поэтому университеты, вынужденные зарабатывать деньги, основное внимание уделяют именно им. Брэдли называет это «опасно завышенными ожиданиями» от хайповых технологий. У людей создается обманчивое впечатление, что достаточно взять данные, поместить их в озеро данных и «случится волшебство». Однако это не так. Эти технологии зависимы — их работа зависит от степени достоверности информации. Поэтому важно уделять внимание всем областям знаний по управлению данными, каждая из которых оказывает влияние на повышение их достоверности. 

К сожалению, отмеченная тенденция перегрева ожиданий от больших данных наблюдается и на отечественном рынке специальной литературы в сфере работы с данными. Вышло уже довольно много книг (как переводных, так и отечественных авторов), рассказывающих о науке о данных, машинном обучении и т.п., однако практически отсутствуют (за редким исключением вроде русского перевода второго издания книги известных экспертов Алекса Берсона (Alex Berson) и Лоуренса Дубова (Lawrence Dubov) Master Data Management and Data Governance (2010) [1]) издания, посвященные другим дисциплинам управления данными.  

В силу изложенных причин, через несколько месяцев после выхода русского текста DMBOK2 (получив многочисленные подтверждения его востребованности) мы решили, не задумываясь пока о написании собственной книги, продолжить деятельность по переводу наиболее полезных с нашей точки зрения англоязычных изданий по управлению данными. Далее мы остановимся на некоторых книгах-кандидатах, которые нами рассматривались. Так же, как и DMBOK2, все рассматриваемые книги мы активно использовали в своей работе и их английские тексты были нам хорошо знакомы.   

Первоначальные ориентиры 

Нашими первыми ориентирами были следующие книги:

1.     Navigating the Labyrinth: An Executive Guide to Data Management («Навигация по лабиринту: Руководство для руководителей по управлению данными») [9]

Книга «Навигация по лабиринту» написана выпускающим редактором DMBOK2 Лаурой Себастьян-Коулман. Автор — известный эксперт по управлению данными, специализирующийся на качестве данных, директор по качеству данных американской страховой и инвестиционной компании Prudential Financial. Автор книг Measuring Data Quality for Ongoing Improvement: A Data Quality Assessment Framework («Измерение качества данных в целях постоянного совершенствования: Рамочная модель для оценки качества данных») (2013) и Meeting the Challenges of Data Quality Management («Решение задач управления качеством данных») (2022). В ней кратко излагаются основные положения DMBOK2. В отличие англоязычного варианта DMBOK2, содержащего 623 страницы, текст «Навигации по лабиринту» умещается на 116 страницах. Что очень важно, области знаний по управлению данными рассматриваются в этой книге в последовательности, отражающей жизненный цикл данных. Это позволяет лучше понять связи между различными областями.

На наш взгляд русскоязычное издание, кратко излагающее основы DMBOK2 в стиле Executive Guide(Руководство для руководителей), крайне необходимо. К сожалению, многие руководители на разных уровнях, да и рядовые специалисты (как со стороны бизнеса, так и со стороны ИТ) до сих пор имеют представление о Своде знаний по управлению данными как о некоей толстой теоретической книге («ДиЭмБук»), слабо связанной с практикой. Это способствует созданию существенного культурного барьера при внедрении современных практик управления данными, о котором говорил Крис Брэдли. 

2.     Data Governance: How to Design, Deploy, and Sustain an Effective Data Governance Program («Руководство данными: Как разработать, внедрить и поддерживать эффективную программу руководства данными») [8]

Одно из наиболее ярких проявлений нечеткого представления об областях знаний по управлению данными, сформированного в результате поверхностного знакомства с  DMBOK, – непрекращающиеся дискуссии по поводу того, что такое Руководство данными (Data Governance). Несмотря на то, что в DMBOK2 есть отдельная глава (глава 3), в которой подробно описывается эта область знаний и приводятся необходимые пояснения [5], до сих пор встречаются самые разнообразные трактовки термина Data Governance и варианты его перевода на русский язык. Определенную «медвежью услугу» здесь оказывает графическое отображение рамочной структуры управления данными — колесо DAMA. На нем Руководство данными размещено в центре колеса, поэтому многие люди (и даже некоторые специалисты по управлению данными), невнимательно читавшие DMBOK2, считают, что области знаний (функции) по управлению данными входят в состав Data Governance.

10 лет назад, в 2012 году, вышла первая редакция часто цитируемой книги Джона Лэдли «Руководство данными: Как разработать, внедрить и поддерживать эффективную программу руководства данными». Лэдли – один из авторов третьей главы DMBOK2, признанный в мире авторитет в области управления данными. Кроме книги о Data Governance широко известна его работа Making Enterprise Information Management (EIM) Work for Business: A Guide to Understanding Information as an Asset («Управление корпоративной информацией в интересах бизнеса: Руководство по выработке отношения к информации как к активу») (2010). Русский перевод второго издания его книги, появившегося в 2020 году [9], мог бы явиться хорошим подспорьем в достижении консенсуса в отношении понятия Data Governance среди отечественных специалистов. 

3.     Data Strategy and the Enterprise Data Executive: Ensuring that Business and IT are in Synch in the Post-Big DataEra («Стратегия работы с данными и корпоративное руководство в области данных: Обеспечение синхронизации бизнеса и ИТ в эпоху после эпохи больших данных» [6] 

Если мы посмотрим на представленную в DMBOK2 контекстную диаграмму области знаний Data Governance (Руководство данными), то увидим, что список входных материалов в ней начинается с документа Стратегия бизнеса, а список результатов – с документов Стратегия руководства данными и Стратегия работы с данными. Кроме того, эти документы возглавляют списки входных материалов в контекстных диаграммах многих других областей знаний DMBOK2.  

К сожалению, при обсуждении вопросов управления данными ключевая роль этих документов (а также неразрывная связь стратегий в области данных с бизнес-стратегией) часто недооценивается. Нередко про них даже не вспоминают. Особенно это касается отечественной практики управления данными.

Известный бизнес-гуру Питер Айкен (Peter Aiken) вместе со своим соавтором Тоддом Харбором посвятил вопросам стратегии работы с данными специальную книгу, вышедшую практически одновременно с DAMA-DMBOK2 [6]. Русский перевод этого издания мог бы оказаться таким же полезным, как и перевод книги Джона Лэдли по Руководству данными. Стоит отметить, что Айкен — один из наиболее авторитетных мировых экспертов по управлению данными, бывший президент DAMA, основатель и директор Data Blueprint — консалтинговой фирмы c хорошей репутацией, постоянный докладчик на отраслевых форумах, преподаватель, автор нескольких книг.

4.     Crossing the Data Delta: Turn the data you have into the information you need («Пересечение Дельты данных: Превратите имеющиеся у вас данные в нужную вам информацию») [10].

При обсуждении DMBOK2 важным моментом является вопрос о том, как можно использовать эту книгу на практике. В своем интервью Крис Брэдли в интервью говорит о том, что ее лучше рассматривать не как пошаговую инструкцию с готовыми рецептами (хотя такой вариант использования тоже не исключается), а как подспорье, помогающее   достичь прогресса по трем основным аспектам работы с данными:

• достижение общего понимания дисциплин управления данными;

• достижение понимания того, в каких областях вы преуспеваете, а в каких вам не хватает знаний;

• углубление в ту или иную область знаний, на которой вы хотите сосредоточиться.

В этой связи крайне интересным представляется опыт использования DMBOK британской компанией Entity Group, которая на базе рамочной структуры DAMA (используя еще первое издание ее Свода знаний) разработала собственный метод проектирования в организации функции управления данными — Entity Method. Специалисты компании описали его в книге Crossing the Data Delta [10]. Ее русский перевод был бы не менее интересен, чем перевод уже перечисленных выше изданий, поскольку изложенные в книге принципы, в частности, положены в основу разработки комплекса стандартов по управлению данными правительства Абу-Даби (ОАЭ). Это один из первых в своем роде всеобъемлющих (с точки зрения охвата областей знаний по управлению данными и этапов жизненного цикла данных) документов в области стандартизации управления данными для правительственных организаций. Он внедрен и используется в рамках реализации масштабной общеправительственной программы управления данными, охватывающей более 50 государственных ведомств. Комплекс соответствует рамочной структуре DAMA и обеспечивает поддержку действующей в правительстве Абу-Даби политики управления данными.   

Возникновение концепции

Помимо перечисленных книг нами рассматривались и другие не менее достойные издания, но по мере их обсуждения идея продолжить деятельность по выпуску переводов англоязычных источников стала казаться уже не такой привлекательной.

Во-первых, работа над переводом DMBOK2 в полной мере показала, как много времени и усилий требует подобная деятельность. Даже в случае успешного преодоления колоссальных организационных и других проблем по подготовке перевода выбранной книги, мы получили бы через полтора-два года всего лишь одно издание, закрывающее всего лишь один из многочисленных пробелов на рынке русскоязычной специальной литературы в сфере работы с данными.

Во-вторых, помня о том, что «культура ест стратегию на завтрак», мы понимали, что не все книги необходимо переводить полностью. Во многих случаях достаточно изложения основных тезисов, без подробного описания многочисленных рекомендаций, шаблонов, приложений и т. п., которые интересны только глубоко погруженным специалистам-практикам. Гораздо важнее на первоначально этапе рассмотрения постараться по возможности охватить более широкий спектр тем.

В-третьих, ситуация с русским изданием DMBOK2 показала, что просто наличия официального русского перевода книги не достаточно для того, чтобы содержащиеся в ней идеи стали широко известны, были восприняты и получили дальнейшее распространение. Очевидно, что подобного рода книги и их переводы нуждаются в популяризации. Кстати, аналогичную ситуацию можно наблюдать и с русским изданием фундаментальной книги Дагласа Лейни «Инфономика: информация как актив: монетизация, оценка, управление» [3]. Ее положения до сих пор крайне редко обсуждаются в отечественных публикациях. И это несмотря на то, что ее автор Даглас Лейни — известный специалист в области хранилищ данных и стратегического управления данными, автор модели зрелости процессов управления корпоративной информацией компании Gartner, а также один из авторов термина Big Data (большие данные).

В-четвертых, на основе практики выполнения проектов в отечественных организациях, у нас сформировалось собственное видение по поводу того, на какие моменты желательно было бы обратить внимание в первую очередь и как расставить акценты при освещении вопросов работы с данными. 

И наконец, в-пятых, за годы своей деятельности наша компания накопила существенный опыт внедрения решений по управлению данными, которым хотелось поделиться.  

С учетом перечисленных соображений мы пришли к выводу, что более эффективным способом продвижения концепций и практик в области управления данными может стать не перевод дополнительных источников, а написание собственной книги. На первых порах предполагалось, что она объединит на основе нашего видения и проектной практики основные идеи англоязычных изданий, которые рассматривались в качестве кандидатов на перевод. Название книги было выбрано достаточно быстро – это слоган компании «Юнидата» «Ценность ваших данных».

Увеличение глубины

Рассказывая о процессе написания DMBOK2 (в интервью, на которое мы уже ссылались), Крис Брэдли отметил, что авторы стремились «выжать» из подготовленных текстов самое главное и по возможности выровнять уровень подачи материала. В связи с этим в итоговую версию не вошли несколько сотен изначально написанных страниц. Вероятно, из-за этого некоторые важные разделы Свода знаний изложены достаточно сухо. В частности, это касается таких основополагающих разделов первой главы, как «Данные», «Данные и информация», «Данные как актив», «Стратегия управления данными», каждый из которых занимает всего лишь по одной странице. 

Возможно, с точки зрения авторов DMBOK2 глубокое погружение в базовые понятия является излишним, поскольку существует достаточно много подробно их поясняющих англоязычных публикаций (ссылки на основные из них даны в конце первой  главы DMBOK2). Однако, в процессе подготовки материалов для книги выяснилось, что сколько-нибудь обстоятельные аналогичные публикации на русском языке по большей части отсутствуют. На практике это приводит к ситуациям, когда в том или ином проекте между участниками могут, например, возникать непрерывные споры по поводу соотношения понятий «данные», «информация», «ресурс», «актив», «стратегия» и т.п, напоминающие споры на тему «Что было раньше — курица или яйцо?». Это сильно снижает эффективность выполнения работ.

Ключевым аспектом обеспечения общего понимания базовых понятий и взаимоотношений между ними является прослеживание истории их возникновения и становления. Именно поэтому, первым важным этапом в дальнейшем развитии концепции книги явилось осознание необходимости включения в нее глав «От данных к мудрости», «От побочного продукта к стратегическому ресурсу», «От стратегического ресурса к ценнейшему активу». 

Объединение в цепочки

Согласно DMBOK2 главным драйвером управления данными выступает возможность извлекать ценность из информационных ресурсов, имеющихся в распоряжении организации. Критически важный фактор обеспечения извлечения ценности — понимание концепций «цепочки ценности данных» и «цепочки поставок данных». Построение и визуализация цепочки ценности помогает выявить разрывы, определить способы их устранения и повышения ценности данных, а также сформировать видение будущего состояния. В свою очередь рационализация цепочки поставок данных позволяет кардинально повысить эффективность цепочки их ценности путем снижения затрат в отдельных звеньях.

Исключительную полезность и фундаментальную роль понятия цепочки поставок данных в управлении информационными ресурсами отмечают в своих публикациях и Джон Лэдли [8] и Питер Айкен [6], но особенно подробные рассуждения по этому поводу приведены в «Инфономике» Дагласа Лейни [3]. К сожалению, в DMBOK2 взгляд на управление данными с точки зрения формирования цепочек поставок не получил должного развития.

Чем глубже мы погружались в работу над книгой, тем более отчетливо приходило понимание, что тема цепочки ценности данных и цепочки поставок данных, может и должна стать ее объединяющим лейтмотивом. При этом рамочную структуру функций управления данными DMBOK2 (в привязке к их жизненному циклу) целесообразно рассматривать как модель управления цепочками поставок данных. В конечном итоге понятия цепочки ценности и цепочки поставок стали прочно ассоциироваться с названием книги, что и получило свое отражение на ее обложке. 

Деление на два

Существенную роль в дальнейшем развитии концепции книги сыграло участие двух ее авторов в написании нескольких глав для учебного пособия «Управление данными в госсекторе. Навигатор для начинающих», выпущенного Центром подготовки руководителей и команд цифровой трансформации ВШГУ РАНХиГС [5]. 

Формат учебного пособия предполагает известные ограничения по его объему. В связи с этим авторскому коллективу приходилось постоянно идти на компромиссы в стремлении к наиболее подробному раскрытию охватываемых в издании тем. Опыт создания Навигатора показал, что подобные компромиссы достигаются проще, когда материал разбит на относительно независимые логические блоки. Контролировать и оптимизировать содержание каждого такого блока по отдельности гораздо удобнее, чем работать со всем изданием целиком.  

В результате книга «Ценность ваших данных» была разбита на две части. Первая часть посвящена введению и подробному обсуждению базовых понятий. Вторая часть представляет собой изложение  основ управления данными в стиле, приближенном к  Executive Guide. 

Уточнение деталей

После разделения книги на две части, ее концепция практически уже не менялась. Однако большая работа была проделана в отношении уточнения отдельных деталей. 

По мере проработки содержания становились очевидными следующие моменты.

Во-первых, наиболее принципиальные аспекты управления данными целесообразно выделить в отдельные главы. Так, например, появились главы «Данные как ресурс: особенности и подходы к управлению» и «Данные как актив: барьеры и ошибки на пути извлечения ценности».

Во-вторых, какие-то понятия требуют дополнительных пояснений. Так, в частности, были добавлены разделы «Дата-центричная организация и организация, управляемая на основе данных», «Управление информационными активами и управление корпоративной информацией: в чем разница?», «Системы и люди (организации, подразделения, сотрудники) в процессах управления данными».

В-третьих, какие-то из уже подготовленных материалов можно более доходчиво изложить, опираясь на найденные в ходе работы над книгой дополнительные источники. Так появились разделы «Семь законов информации» и «Семь «смертных грехов» в области работы с данными».

Завершение процесса

 В принципе, фаза уточнения деталей может длиться бесконечно. К счастью, существуют договоренности с издательством по срокам и объему. В какой-то момент (не без влияния этих факторов) приходит осознание, что «лучшее – враг хорошего», и основное внимание переключается на корректуру подготовленного текста.<o:p></o:p>

Видимо в этот момент начинается формирование новой концепции – концепции второго издания или вообще следующей книги, свободной от недостатков предыдущей.   

Заключение

В конце каждой главы DAMA-DMBOK2 приведен список цитируемой и рекомендуемой литературы примерно из 20-40 наименований. К сожалению, все эти публикации – на английском языке. Мы были бы очень рады, если бы в конце каждой главы нашей книги могли привести соизмеримые по объему списки русскоязычных источников. Но увы, пока об этом приходится только мечтать. Возможно, отчасти поэтому книга прошла достаточно извилистый путь от замысла до реализации. Ведь свободно подбирать и потом отсекать лишний материал на родном языке все-таки проще, чем по крупицам выискивать недостающий и дополнять его из источников на неродном языке.    <o:p></o:p>

Мы надеемся, что результаты проделанной нами работы, невзирая на неизбежную критику, окажутся востребованными. А описанный здесь опыт создания книги будет полезен нашим отечественным соратникам, намеренным продолжить заполнение брешей в списке русскоязычных изданий по управлению данными.  

Более подробную информацию (включая ознакомительный фрагмент) можно получить здесь.

Список источников

1.     Берсон А., Дубов Л. Управление мастер-данными (второе издание). — М.: Ноосфера, 2019.

2.     Кузнецов С., Константинов А., Скворцов Н. Ценность ваших данных. — М.: Альпина ПРО, 2022.

3.     Лейни Д. Инфономика: информация как актив: монетизация, оценка, управление. — М.: Точка, 2020. — [Библиотека «Айтеко»]

4.     Скворцов Н. DAMA-DMBOK2: трудности перевода // Открытые системы. СУБД, 02, 2020. — URL: https://www.osp.ru/os/2020/02/13055423

5.     Управление данными в госсекторе. Навигатор для начинающих / под ред. О. М. Гиацинтова, В. А. Сазонова, М. С. Шклярук. — М.: РАНХиГС, 2022.

6.     Aiken P., Harbour T. Data Strategy and the Enterprise Data Executive: Ensuring that Business and IT are in Synch in the Post-Big Data Era. Technics Publications, 2017.

7.     DAMA-DMBOK: Свод знаний по управлению данными. Второе издание / Dama International. — М.: Олимп-Бизнес, 2020.

8.     Ladley J. Data Governance: How to Design, Deploy, and Sustain an Effective Data Governance Program: 2nd Edition. Academic Press, 2020.

9.     Sebastian-Coleman L. Navigating the Labyrinth: An Executive Guide to Data Management, First Edition. Technics Publications, 2018.

10.  Smith P., Edge J., Parry S., Wilkinson, D. Crossing the Data Delta: Turn the data you have into the information you need. Entity Group Limited, 2016.

11.  Информационный ресурс проекта Data Literacy Project

— URL: https://dataliteracy.ru/<o:p></o:p>

12.  Интервью с Кристофером Брэдли (DAMA). Data Literacy Project, 2021.

— URL: https://www.youtube.com/watch?v=kxYdOhBE4Hw&t=33s

Николай Скворцов

Сергей Кузнецов

Киберпреступления уже стали обыденной частью нашей жизни. Преступникам нужны ваши данные, и методы их получения становятся все более совершенными. К счастью, вы можете справиться с этими угрозами с помощью надежной стратегии управления данными.

Представьте, сколько всего можно было бы сделать, если бы вам не нужно было следовать множеству правил и предписаний по работе с данными вашего предприятия. Сотрудники могли бы получать доступ к данным из любого места. Они могли бы обмениваться данными о клиентах между командами любым способом, позволяющим быстрее выполнить работу. Ваша техническая команда могла бы сосредоточиться на важных проектах, не заботясь о резервном копировании данных.

Но опасность таится, и несоблюдение правил регулирования данных сделает ваш бизнес беззащитным перед угрозой кибератак. Малый бизнес особенно уязвим для киберпреступлений: 43% кибератак направлены на малые предприятия, а 60% компаний, ставших жертвами таких нападений, выходят из бизнеса.

Как руководитель компании, вы обязаны защищать своих сотрудников, клиентов и бизнес. Для этого вам необходимо повысить эффективность управления данными.

Что такое управление данными

Управление данными — это инициатива компании по созданию и внедрению набора правил и политик, касающихся ее данных. Эти политики охватывают такие вопросы, как:

Все, что касается данных вашей компании — кто их видит, кто и откуда может получить к ним доступ, а также как они защищены — является управлением данными.

Если вы хотите получить качественные данные, защищенные от киберпреступников и используемые в соответствии с законами об обмене данными, управление данными должно стать вашим главным приоритетом.

Преимущества управления данными не ограничиваются только защитой данных. Оно также может помочь в следующем: 

Но внедрение политики управления данными должно быть делом всей компании. Ваши сотрудники ежедневно обращаются к данным и используют их, поэтому на их работу повлияют любые новые политики, которые вы внедрите. А когда речь идет о безопасности данных, ваши политики управления данными будут эффективны только в том случае, если все будут им следовать. Достаточно одного человека и одной ошибки, чтобы хакер получил доступ к данным вашего предприятия.

Однако «данные» могут подразумевать столько разных вещей, и как вы можете продумать все правила, которые охватывают использование и защиту данных? Вот как нужно думать об управлении данными.

Как внедрить новую или обновленную стратегию управления данными

Если реализация стратегии управления данными кажется хлопотным делом, это так и есть.

Для обеспечения безопасности данных необходимо много планировать, изменять привычки и применять неудобные обходные пути. И если вы решите серьезно отнестись к управлению данными, вам потребуется много времени, проб и ошибок, чтобы правильно разработать политику. Однако борьба с утечкой данных или еще более серьезными проблемами будет гораздо более серьезной и хлопотной, а репутация вашего предприятия может так и не восстановиться. 

Вот четыре вещи, о которых следует помнить при внедрении или обновлении политики управления данными.

Первое. Определитесь со своей мотивацией

Определите, почему вы создаете новые политики в отношении данных. Возможно, вы заметили уязвимости в системе защиты данных вашей компании или структура вашего бизнеса изменилась — например, увеличилось число сотрудников, работающих удаленно.

Эти причины помогут вам сориентироваться в политике, которая непосредственно отвечает вашим проблемам и целям управления данными.

Второе. Информируйте заинтересованные стороны об изменениях

К заинтересованным сторонам относятся ваши сотрудники, клиенты, инвесторы и другие лица. Сообщайте об изменениях в управлении данными до их внедрения. Будьте прозрачны и расскажите о том, как вы пытались смягчить последствия сбоев, но эти изменения, скорее всего, затронут и их. Расскажите им, как и что, возможно, придется делать по-другому. 

Предоставьте заинтересованным сторонам канал связи, чтобы они могли сообщать о сбоях, проблемах или вопросах, которые могут возникнуть после введения в действие новой политики управления данными.

Третье. Знайте, кто и за что отвечает

Вовлечение нужных людей имеет решающее значение для успешной реализации плана управления данными.

Сильная стратегия управления данными включает в себя несколько уровней руководства. На исполнительном уровне у вас есть старшие руководители и менеджеры. На стратегическом уровне у вас есть Совет по управлению данными (DGC), который состоит из одного-двух человек от каждого подразделения или отдела. На тактическом уровне у вас есть распорядители домена данных и координаторы распорядителей данных.

На оперативном уровне у вас есть ответственные за данные, то есть ваши сотрудники, которые используют данные для выполнения ежедневных задач или проектов. Давайте рассмотрим различные роли, чтобы понять, за что конкретно отвечает каждая должность.

Руководители высшего звена

Их роль: ваши топ-менеджеры отвечают за внедрение новых политик сверху вниз и объясняют заинтересованным сторонам влияние новых политик на более широкую бизнес-модель вашей компании.

Руководители высшего звена отвечают за широкие сферы деятельности вашей организации. Если вы являетесь частью небольшой компании, возможно, вы уже выбрали некоторых из них для работы в совете по управлению данными. Но руководители более крупных организаций могут делегировать эту роль старшему менеджеру или вице-президенту.

Независимо от этого, члены совета должны знать, что происходит с данными компании, особенно если это связано с общим состоянием бизнеса.

Как управление данными влияет на них: руководству придется следовать тем же правилам, что и всем остальным, когда дело касается данных, хотя они, скорее всего, будут иметь более высокий уровень доступа, чем большинство сотрудников.

Им также необходимо будет глубже понимать управление данными в целом, получая регулярные обновления от DGC. Потому что, при возникновении серьезных проблем, таких как утечка данных или кибератака, руководители высшего звена должны знать, какова их роль в устранении проблемы и возвращении компании в нормальное русло. В конце концов, именно их стиль управления и деловое чутье будут в значительной степени подвергнуты критике, когда ваши клиенты захотят получить ответы.

Менеджеры и руководители групп

Их роль: двусторонняя связь между DGC и остальными сотрудниками вашей компании является обязательным условием. Внедрение новых политик на уровне команды также крайне необходимо.

Руководители должны знать, как политика управления данными относится конкретно к их командам. И они должны уметь общаться с советом по управлению данными, когда определенные политики усложняют работу их команды.

Например, допустим, ваш совет по управлению данными решил, что ваши сотрудники могут получать доступ к определенной клиентской информации только через корпоративную виртуальную частную сеть (VPN). Сотрудники входят в VPN при подключении к компьютерам компании. Но ваши торговые представители, вероятно, часто работают из дома и используют свои собственные устройства для заключения и обновления сделок.

Менеджеру по продажам и совету по управлению данными необходимо выработать решение, чтобы данные клиентов не были скомпрометированы, а сотрудники отдела продаж могли эффективно выполнять свою работу.

Как управление данными влияет на них: менеджеры, скорее всего, будут первой точкой контакта, когда член команды либо попросит изменить политику в отношении данных, либо нарушит ее. Им необходимо научиться эффективно информировать о потребностях своей команды в отношении данных, чтобы донести эти интересы до DGC.

Сотрудники, которые получают доступ к данным или используют их

Их роль: сотрудники, которые имеют доступ к данным или используют их, а это, скорее всего, большинство из них, должны активно следовать новым политикам и высказывать свое мнение, если политика значительно усложняет их работу.

Как и руководители, сотрудники, использующие данные или имеющие к ним доступ, должны уметь доносить свои потребности.

Возвращаясь к нашему предыдущему примеру с отделом продаж, можно сказать, что торговый представитель, скорее всего, сообщит своему менеджеру по продажам об отсутствии доступа к данным клиента.

Многие сотрудники низшего звена ежедневно работают с данными. Поэтому они лучше всего представляют себе, к каким данным им нужно получить доступ и как их использовать.

Особенно это касается технических специалистов, которые должны чувствовать себя вправе высказать свое мнение. Если что-то пойдет не так при резервном копировании данных или если они заметят подозрительную активность в вашей сети, они узнают об этом первыми.

Как управление данными влияет на них: политика, которую внедряет совет по управлению данными, напрямую затрагивает многих сотрудников. Особенно если они меняют способ выполнения своей работы, потребности сотрудников должны быть главным приоритетом DGC после безопасности данных.

Четвертое. Убедитесь, что все соблюдают правила

Между вашим DGC и остальной частью бизнеса должна быть последовательная коммуникация. Сотрудники должны знать о новых правилах и понимать их причины. Например, одной из новых политик может быть запрет на использование сотрудниками личных устройств для выполнения рабочих задач. Это может вызвать неудобства, но разъяснение причин поможет сотрудникам понять, что отказ от использования рабочих устройств позволит сохранить информацию компании (и безопасность их устройств).

Как программное обеспечение может помочь

Сильная стратегия управления данными учитывает риски: В частности, растет число атак с использованием программ Ransomware. Эти виды киберпреступлений направлены непосредственно на данные вашей компании, и как только они попадают в руки киберпреступников, они уничтожают или удаляют их, если вы не заплатите им определенную сумму денег.

В среднем выкуп может стоить вашей компании около 2 500 долларов, не говоря уже о стоимости новых систем безопасности. Сильная стратегия управления данными также предусматривает наличие доступных инструментов для снижения этих рисков.

Здесь вы можете ознакомиться с готовыми решениями по управлению данными.

Если вы нашли ошибку в тексте, пожалуйста, выделите фрагмент текста и нажмите ctrl + enter

Все компании должны определить, как они будут использовать данные и последовательно обращаться с ними, чтобы поддерживать результаты бизнеса. Сегодня компании собирают огромные объемы данных из нескольких источников, и управление данными помогает в управлении рисками, максимизации ценности и снижении затрат.

Управление данными включает в себя людей, процессы и технологические инструменты, необходимые компании для управления и защиты своих информационных активов. Все зависит от того, как вы обращаетесь с информацией, которую собирает ваша компания. Когда управление данными эффективно, оно обеспечивает корректность, согласованность и правильное управление данными.

Оно формирует основу для управления данными в рамках всей организации и обеспечивает возможность эффективного использования надежных данных. В этой статье мы дадим определение управления данными и приведем некоторые лучшие практики.

Что такое управление данными?

Управление данными — это набор правил и процедур, используемых компаниями, которые контролируют управление, распространение и безопасность данных организации. Его задачи включают:

• Создание инфраструктуры и технологий.
• Установка и управление процессами и правилами.
• Выяснение того, какие сотрудники или должности в организации имеют полномочия и ответственность за обработку и хранение определенных типов данных.

Соответствие требованиям основано на том, насколько хорошо вы управляете своими данными или работой с ними. Системы будут заботиться о том, как хранить, перемещать и обеспечивать безопасность данных. Но человеческая сторона обеспечивает разработку политики, обоснование процедур, управление технологиями и защиту данных.

Ключевые компоненты управления данными

Организации выигрывают от хорошего управления данными, когда речь идет о принятии правильных решений. Хорошо продуманная программа включает в себя группу управления, комитет по руководству и распорядителей данных. Это также правила использования данных.

Вот несколько ключевых компонентов для надлежащего управления данными:

• Честность: Каждый участник программы должен быть честным и открытым в отношении ограничений, проблем и других последствий решений по управлению данными.

• Качество данных: Оно служит основой для управления источниками данных. Краеугольным камнем любой организации, управляемой данными, является коллекция точных, полных и надежных данных. Для управления данными необходимы данные высокого качества и уровня прочности.

• Безопасность данных: Безопасность данных — это техника категоризации и классификации источников данных в соответствии с уровнем риска, которому подвергаются источники данных. Она обеспечивает создание безопасного канала доступа между взаимодействием пользователей и процедурами безопасности.

• Управление данными: Она направляет, контролирует и предлагает помощь в использовании источников данных, а также способствует предоставлению высококачественных данных бизнес-пользователям в удобной для них форме.

• Чистота данных: В целях безопасности данных она предполагает, что человек, который получает доступ к данным организации и использует их, несет ответственность за свои действия. Пользователи могут узнать, откуда взялись их данные в корпоративном мире.

Преимущества управления данными

Управление данными — это набор способов, позволяющих организации управлять и контролировать данные и то, как они используются. Оно подразумевает создание внутренних стандартов и правил работы с данными и их внедрение для обеспечения корректности, последовательности и правильного использования данных. Вот некоторые преимущества, которые компания может получить от надежной программы управления данными.

Уверенность в качестве

Чистые данные — результат превосходной программы управления данными. При совместном контроле данные регулярно очищаются, обновляются и выбрасываются. Иметь дело с данными трудно, но если ваш персонал по управлению данными поддерживает все в актуальном и релевантном состоянии, работа может стать немного легче.

Хорошая политика управления данными помогает организациям находить и отслеживать полезную информацию и устранять бесполезную, старую или избыточную информацию. Когда данные вводят несколько человек, некоторые из них могут дублироваться или быть неточными. Ваша политика данных должна помочь вашей команде сократить количество ошибок и создать единый источник высококачественных данных.

Улучшение процесса принятия бизнес-решений

Устойчивое управление данными позволяет всем авторизованным пользователям в организации получать доступ к одним и тем же данным, устраняя возможность образования внутри компании информационных «силосов». Благодаря этому пользователи и те, кто принимает решения, будут больше доверять данным и, как следствие, будут больше верить в решения, основанные на этой информации.

Соответствие нормативным требованиям, законам и отраслевым стандартам

Если вы внедрите систему, вашему предприятию будет проще следовать самым актуальным юридическим требованиям. Это гарантирует, что люди будут следовать закону, и убережет их от необходимости платить штрафы или пени за нарушение правил. Кроме того, обеспечение соответствия действующим нормативным стандартам позволяет защитить конфиденциальную деловую информацию от людей, которые не должны ее иметь.

Сокращение расходов

Управление данными ускорит и упростит проведение аудита и улучшит повседневную деятельность. Вы сможете сократить потери от ошибочных или устаревших решений, основанных на информации. Кроме того, постоянное отслеживание текущей деятельности, запасов и наличия персонала поможет вам лучше обслуживать клиентов.

Лучшие методы управления данными

Возможно, эффективное управление данными будет осуществляться плавно и эффективно. Вам следует придерживаться следующего списка наиболее важных передовых методов.

• Начните с малого, но мыслите масштабно: Люди, процессы и технологии — все это важнейшие составляющие управления данными. Вы должны помнить об этом, когда планируете и реализуете свою стратегию управления данными. Начните с малого и пройдите путь до полной картины. Каждая часть должна опираться на предыдущие, чтобы создать хорошо продуманную стратегию управления данными. На первом месте должны быть люди, затем процесс и, наконец, технология.
• Устанавливайте четкие, количественно измеримые цели: Ставьте цели, которые являются ясными, измеримыми и конкретными. То, что нельзя измерить, нельзя контролировать, это просто. Когда цели будут достигнуты, отпразднуйте успех и используйте его как мотивацию для достижения дальнейших побед.
• Вовлечение заинтересованных сторон: Для принятия политики управления данными вам понадобится поддержка высшего руководства компании. Вы можете заставить заинтересованные стороны сделать что-то, чтобы все в вашей компании использовали ваш план управления в режиме реального времени.
• Установите роли команды управления данными: Для проведения эффективных процедур необходимо установить роли, обязанности и структуры собственности. Люди, которые создают данные и управляют ими, знают их лучше всех. Менеджеры данных должны работать с владельцами, чтобы помогать им ориентироваться и облегчать общение. Ваша команда по управлению данными должна состоять из представителей различных отделов и быть способной продвигать инициативы по управлению данными вперед.
• Внимание к неуправляемым данным: Некоторые из ваших самых ценных данных находятся в ваших файлах, папках и общих ресурсах. Однако эти данные часто подвергаются большему риску, чем управляемые данные. Убедитесь, что ваш план управления данными включает неструктурированные данные.
• Классификация и маркировка данных: Установите стандарты для метаданных, которые помогут вашему бизнесу достичь своих целей и позволят использовать данные более одного раза. Одной из основных целей управления является стандартизация, которую трудно достичь без классификации и маркировки данных.
• Отслеживайте прогресс с помощью метрик: Успех программы должен быть измерен. Прежде чем внедрять политику данных, определите свои измерения. Это позволит вам начать с ваших нынешних процедур управления данными. Регулярно отслеживайте исходные метрики. Это показывает прогресс и гарантирует, что передовые методы управления данными эффективны на практике, а не только в теории.
• Регулярные коммуникации: Коммуникации имеют решающее значение везде в программе или процедурах управления данными. Будь то освещение успехов или реформирование после неудач, четкая и частая коммуникация необходима для демонстрации эффективности стратегии.
• Составьте экономическое обоснование: Создайте экономическое обоснование того, почему это должно быть сделано. Определите преимущества различных степеней зрелости управления данными, включая те, которые связаны с ростом, экономией затрат, рисками и соответствием требованиям, а затем сообщите о своих выводах.
• Максимизация автоматизации: Для обеспечения успеха проектов управления данными следует автоматизировать все, что можно автоматизировать, включая рабочие процессы, процедуры утверждения, запросы данных, запросы разрешений и все остальное, что только можно придумать. Автоматизация не только сэкономит время и деньги, но и гарантирует, что управление будет осуществляться постоянно.

Вывод

Система управления данными позволяет вашей компании работать на более высоком уровне производительности. Это не разовый проект, а постоянный процесс. Надежная программа обеспечивает безопасность, стандартизацию и точность данных вашей организации. Кроме того, сами процедуры необходимо регулярно пересматривать и обновлять в свете меняющегося объема, природы и характера данных, которыми управляет ваша компания.

предлагает решения для любой проблемы и отрасли, что делает его не просто программным обеспечением для проведения опросов. Кроме того, у нас есть платформы управления данными, такие как наша исследовательская библиотека InsightsHub.

Организации по всему миру используют системы управления знаниями и такие решения, как InsightsHub, чтобы лучше управлять данными, сократить время, необходимое для получения информации, и повысить эффективность использования исторических данных, сокращая расходы и повышая рентабельность инвестиций.

Что такое управление данными? Полное руководство

В этом исчерпывающем посте мы расскажем вам все, что вам нужно знать об управлении данными (Data Grovernance), чтобы вы могли начать максимально эффективно использовать свои данные уже сегодня.

Вступление

Я отброшу осторожность и предположу, что вы знаете, насколько важны данные уже сейчас.

Это ключевой фактор роста современного бизнеса, но вы можете забыть о том, чтобы перехитрить своих конкурентов, если не умеете с этими данными справляться.

Это важно.

Но не верьте мне на слово — давайте посмотрим на цифры. Тридцать лет назад мы все еще находились на том этапе, который я люблю называть «фазой картотеки».

Те дни прошли. С появлением Интернета количество хранимых данных резко возросло. Фактически, к 2013 году 90% мировых данных было создано всего за два года до этого.

Аналитики предсказывают, что к 2025 году пользователи будут создавать 463 эксабайта данных каждый день — столько же информации хранится на 212 765 957 DVD-дисках.

Наступила эпоха данных, но что это значит для бизнеса?

Короче говоря, вам нужно повысить эффективность управления своими данными.

Вот все, что вам нужно знать.

Что такое управление данными?

Не беспокойтесь. Я не сделаю оставшуюся часть поста болезненной. Управление данными определить намного проще, чем вы думаете.

Я сделал все возможное, чтобы сделать это как можно проще, так что начнем:

Управление данными — это процесс формирования, защиты, управления и представления данных с использованием методов и технологий, обеспечивающих их правильность, согласованность и доступность для проверенных пользователей.

Давайте развернем это. Управление данными — это процесс:

Формирования — идентификация всех ваших источников данных и сбор всех ваших данных в одном месте.

Защиты — убедитесь, что все ваши данные соответствуют правилам конфиденциальности данных и внутренним политикам компании.

Управления и представления данных — после того, как вы зафиксировали данные своей организации, вам нужно решить, как вы представляете эти данные своей команде.

Использование методов и технологий, таких как современные платформы управления данными.

Обеспечивающих их правильность, согласованность и доступность для современных платформ управления данными.

Люди в вашей организации, у которых есть разрешение на доступ к нему, короче говоря — проверенные пользователи.

А теперь упростим все еще больше:

Управление данными — это повышение качества и надежности данных, а также упрощение доступа к данным в соответствии с нормативными требованиями.

Управление данными можно описать тремя основными целями: доступ, грамотность и качество.

Доступ включает все данные компании, поэтому данные легко обнаружить и защитить в соответствии с требованиями.

Поскольку у всех есть доступ к данным, они должны их понимать, поэтому грамотность данных является первоочередной задачей.

Качество данных можно отслеживать, и пользователи сообщают о проблемах с качеством данных, которые затем можно исправить, и это повышает надежность данных в течение их жизненного цикла.

В верхней части шкалы самые передовые современные программы управления данными допускают постепенное внедрение, позволяя пользователям разрабатывать программы управления данными в своем собственном темпе.

Существует тонкая грань между драйверами и преимуществами управления данными. Драйверы — это болевые точки или тенденции, которые вызывают действие, тогда как преимущества — это то, что дает хорошие и полезные результаты.

Каковы драйверы управления данными?

«Когда что-то достаточно важно, вы делаете это, даже если шансы не в вашу пользу» — Илон Маск.

Что же делает процесс управления данными ситуацией «сделай или умри», каковы эти драйверы? Прежде чем мы рассмотрим это, я хочу указать на разницу между драйверами и преимуществами. Это тонкая грань. Драйверы — это болевые точки или тенденции, которые запускают действие, тогда как преимущества — это то, что дает хорошие или полезные результаты.

Убытки из-за операционной неэффективности

Неэффективность может вызвать реальные проблемы для владельцев бизнеса. Он оказывает прямое негативное влияние на баланс компании, поэтому является триггером. Компания несет потери в деньгах, времени, качестве работы и многом другом.

Растущая потребность в аналитике

Аналитика в тренде. Самые успешные компании относятся к данным как к активу для аналитики. Крупные корпорации, такие как Amazon и Google, использовали данные в своих интересах и для получения прибыли. Чтобы повторить успех этих крупных компаний, нужно сделать аналитику на основе данных приоритетной.

Соблюдение регламента при обращении с данными

Данные создаются и хранятся с молниеносной скоростью, и с этим запасом данных приходит ответственность. Это довольно просто. Если вы несете ответственность за какие-либо сторонние данные, вы обязаны по закону правильно обращаться с ними.

Безопасность данных

Несмотря на то, что безопасность данных тесно связана с соблюдением нормативных требований, она обеспечивает безопасность всех данных и отсутствие несанкционированного доступа к ним.

Слияние и поглощение

Объединение активов данных двух компании может быть сложной задачей. Где хранятся все данные? Как каждый человек определяет термины? Какие приложения используются и как их консолидировать без дублирования данных? Данные должны быть непротиворечивыми и стандартизированными для плавного перехода, что является одним из результатов управления данными.

Ускорение цифровых стратегий

Управление данными помогает организации, гарантируя, что данные, используемые для разработки цифровых стратегий, являются высококачественными, легкодоступными, актуальными и своевременными. Эти задачи обычно возлагаются на ИТ-отделы.

Какую пользу это приносит бизнесу?

В приведенном выше разделе мы увидели болевые точки, которые запускают инициативу управления данными. Но управление также создает огромную ценность, а не просто снижает риск. Целостная ценность заключается в принятии решений на основе данных. Будь то финансы, продажи, маркетинг, производство, закупки, все команды получают огромную выгоду от анализа данных.

Единый источник информации для всех ваших потребностей в данных

Производительность инженеров и специалистов по данным резко возрастает. Недельная работа по извлечению данных может быть выполнена за считанные минуты. Данные хранятся в разрозненных источниках, будь то базы данных разных типов или разрозненные файлы в определенных отделах. При управлении данными сформированные данные доступны для поиска из одного источника с помощью такого инструмента, как каталог данных.

Улучшенный доступ к данным

Предоставление доступа к данным теперь находится в руках владельцев и распорядителей данных, а не ИТ-специалистов (которые очень заняты), что исключает один уровень обработки. То, что раньше занимало несколько недель, теперь займет всего минуту. Все это делается в соответствии со всеми правилами и политиками в отношении конфиденциальных данных.

Согласованные определения данных для общего понимания

Определения терминов стандартизированы в бизнес-глоссарии, что снижает путаницу и повышает точность анализа. Это улучшает принятие бизнес-решений.

Это важный момент. Давайте рассмотрим это на примере. Менеджер на сыроварне заказывает молоко на основе коэффициента спроса, рассчитанного на основе определенного набора данных. Теперь он переходит на другой завод и заказывает молоко, исходя из спроса. Это не соответствует потребностям производства. Почему? потому что коэффициент спроса для первого завода был рассчитан на основе прогнозируемых продаж в этом году, а другой завод рассчитал его на основе продаж в предыдущем году.

Достоверные данные

Пользователи могут использовать аналитику с уверенностью в том, что данные заслуживают доверия. Доверие исходит из прозрачности и определенных процессов, возникающих в результате управления данными.

Повышение качества данных благодаря жизненному циклу улучшения качества данных

О проблемах с качеством данных сообщают и устраняют с помощью определенных политик и процедур. Правила качества данных формируются для предотвращения дальнейших проблем с их качеством.

Ускоренная аналитика с повышенной точностью

Поскольку данные доступны для поиска, то те данные, которые необходимы для аналитики, можно найти и использовать быстрее. Точность повышается, поскольку все релевантные данные каталогизированы и доступны для поиска с помощью классификации и тегов.

Пользователи могут использовать аналитику с уверенностью в том, что данные заслуживают доверия. Доверие исходит из прозрачности и определенных процессов, возникающих в результате управления данными.

Быстрый анализ воздействия

Когда в любое приложение добавляется новая функция, необходимо проверить, как эта новая функция влияет на производительность остальных нижестоящих систем. Используя интеллектуальные инструменты, ИТ-команды могут быстро оценить, как внедрение конкретных изменений повлияет на ключевые показатели эффективности, рабочие процессы и многое другое. Принятие решений улучшается, поскольку бизнес-пользователи принимают важные решения на основе этих KPI и показателей.

Грамотность данных

Теперь бизнес-пользователи могут получить доступ к данным, им нужна возможность их понять. Грамотность данных — это процесс, с помощью которого организация принимает меры для обеспечения того, чтобы все пользователи данных были обучены уверенно использовать данные. Комплексная стратегия грамотности данных позволяет компаниям избежать смешанных сообщений и путаницы между отделами.

Прогрессивная структура управления данными

Структура управления данными (data governance framework) — это план, определяющий роли, обязанности, политики и процедуры инициативы по управлению данными, поэтому все в организации знают этот план и согласны с ним.

Традиционное управление следует структуре DAMA (Data Management).

DAMA International занимается управлением данными уже более трех десятилетий, и за это время они добились невероятных успехов.

Но в их структуре управления есть ограничение. Она не только предписывает что-то, но иногда бывает навязчивой. Именно поэтому мы разработали прогрессивную структуру управления данными.

В верхней части шкалы самые передовые современные программы управления данными допускают постепенное внедрение, позволяя пользователям разрабатывать программы управления данными в собственном темпе.

Три инициативы

Есть три инициативы, которые помогут вам разработать успешную стратегию управления данными в вашей организации. За эти инициативы отвечает группа управления данными.

1. Провести инвентаризацию. Первый шаг — определить, где хранятся все ваши данные. После процесса идентификации вы должны провести инвентаризацию всех источников данных, включая такие приложения, как SAP и Salesforce, хранилища данных и другие базы данных.
2. Подтвердить право собственности на данные. Следующим шагом будет определение владельцев данных в вашей организации. Вам необходимо указать, что указанные владельцы являются владельцами бизнеса и имеют полный политический и территориальный контроль для принятия решений о том, как данные могут быть и будут использоваться. Например, владелец данных о продажах из Франции не должен владеть данными о продажах в США.
3. Создать комитет по управлению данными: комитет по управлению данными, состоящий из владельцев данных, поможет контролировать управление данными в масштабах всей компании и действовать как единый орган. В конечном итоге комитет по управлению данными устанавливает правила и политики для инициативы по управлению данными. Они будут получать и рассматривать отчеты о новых процедурах, политиках, протоколах.

Три основные программы

Управляемый доступ: определите политики для конфиденциальных данных и информации, позволяющей установить личность (ПД, персональные данные), а затем разработка и внедрение этих политик во всей организации. Эти политики будут определять, кто имеет доступ к каким данным, как они получают к ним доступ и как можно запретить это делать другим.

Грамотность данных. Одним из краеугольных камней успешного анализа данных является грамотность данных. Когда ваши сотрудники хорошо разбираются в данных, они могут использовать эти данные для инноваций. Предоставление простого доступа — это первый шаг к данной цели. Другие шаги включают повышение осведомленности о ваших целях управления данными и стандартизацию терминов с использованием бизнес-глоссария.

Совместная работа над активами данных позволяет пользователям данных принимать оптимальные бизнес-решения. Чтобы сделать это возможным, пользователи должны быть на одной волне в отношении терминов и определений данных.

Улучшение качества данных: нет смысла предоставлять пользователям доступ к данным, если они невысокого качества. Плохие данные могут привести только к плохим бизнес-решениям. Целью программы повышения качества данных является документирование происхождения данных, проведение анализа первопричин и исправление любых ошибок, которые могли возникнуть в прошлом.

Управление данными с помощью ИТ

Одной из основных целей сквозного управления данными является обеспечение безопасности данных. Хотя большая часть работы, проводимой в этой области, выполняется ИТ-персоналом, инициатива компании по управлению данными должна обеспечивать соблюдение стандартов безопасности.

Безопасность данных в значительной степени является обязанностью ИТ-команды, которая должна проводить регулярные проверки, чтобы гарантировать безопасность данных, и внедрять методы шифрования для защиты данных при их перемещении из одного места в другое.

Вот три основных аспекта управления ИТ-данными:

• Безопасность. Как правило, программа управления доступом к данным обеспечивает безопасность данных в организации. Однако программа управления данными должна включать меры, обеспечивающие установку последних исправлений и отсутствие уязвимостей в программном обеспечении.
• Шифрование. Программа управления данными должна включать политику шифрования данных в состоянии покоя и во время передачи. Хранящиеся данные должны быть зашифрованы, чтобы в случае кражи жесткого диска никто не смог их прочитать. Данные при передаче должны быть защищены на каждом этапе пути.
• Аудит. Группы управления данными должны обеспечить надлежащий аудит всех действий по управлению доступом. Также важно создать политику аудита для ПД и других конфиденциальных данных.

Модель зрелости управления данными

Оценка вашей организации с использованием модели зрелости управления данными может оказаться очень полезным элементом при составлении дорожной карты (обсуждается позже) и информировании о следующих шагах вашей инициативы в области управления. Это также дает контекст для развертывания структуры управления данными.

Модель зрелости управления данными — это инструмент и методология, используемые для измерения инициатив вашей организации в области управления данными и простого информирования о них всей организации.

Некоторые из известных моделей зрелости разработаны IBM и Gartner, но они не содержат плана действий для перехода к следующему шагу. Используя прогрессивный подход, мы позволяем компаниям отслеживать ход реализации их инициатив по управлению данными, предоставляя временную шкалу процесса и точную основу для измерения уровней зрелости.

Уровень 1: Неведение

На этом уровне, как правило, организациям неизвестна ценность данных, они вообще не фокусируются на данных, и все решения в основном принимаются исполнительным и средним менеджментом.

• Не осознает важность данных
• Никаких действий не принято
• Процессы реактивны и в целом хаотичны

Уровень 2: Осознание

На этом уровне организации осознают важность данных и начинают предпринимать некоторые действия для управления ими.

• Осознание важности данных.
• Существующие методы работы с данными понятны и хорошо задокументированы
• Доступен перечень источников данных.

Уровень 3: Определенность

На этом уровне четко определена большая часть политики и процедур Организации в отношении данных.

• Определены правила и политики управления данными
• Определены владельцы данных и распорядители данных
• Создан руководящий комитет
• Установлен каталог данных

Уровень 4: Реализация

На этом уровне большая часть политики и процедур Организации в отношении данных четко определена и реализована.

• Применяются политики управления данными и правила реализации
• Проводится обучение
• Данные собираются и измеряются
• Оповещения настроены для отслеживания проблем с качеством данных, полученных пользователями.

Уровень 5: Оптимизация

На этом уровне большая часть политики и процедур Организации в отношении данных четко определена и реализована. Организации собирают данные о процессах и оптимизируют процесс.

• Оптимизированы правила и политики для повышения эффективности
• Избыточность сокращена благодаря переработанным рабочим процессам.
• Данные помечаются пользователями для повышения доступности

Дорожная карта

1. Определите свою стратегию

Первым и самым важным шагом является определение вашей стратегии управления в соответствии с вашими целями. Какую бизнес-проблему вы пытаетесь решить и как данные могут помочь вам в этом? Очень часто компании собирают кучу данных, а потом пытаются понять, что с ними делать.

Вот пример. Ваша бизнес-стратегия заключается в том, чтобы повысить продажи существующим клиентам, предоставив им превосходную клиентскую поддержку. Таким образом, вам нужно будет разработать свою стратегию обработки данных — сбор, хранение и использование данных клиентов соответственно.

Но если ваша бизнес-стратегия заключается в привлечении новых клиентов с помощью обширного маркетинга, вам необходимо определить свою стратегию данных — покупать данные для поиска, эффективно использовать их и интегрировать все ваши усилия в области цифрового маркетинга, чтобы они работали бесперебойно.

1. Создайте бизнес-кейс

Чтобы совет директоров или руководство одобрили проект, необходимо разработать экономическое обоснование, показывающее, почему проект необходим и какие преимущества он принесет после завершения.

Загрузите Конструктор бизнес-кейсов отсюда. В этом конструкторе бизнес-кейсов, предоставленном OvalEdge, подробно перечислены шаги по созданию собственного бизнес-кейса, а также важные вопросы, которые вы зададите заинтересованным сторонам.

1. Распределите роли и обязанности

Следующим шагом является определение ролей и обязанностей по управлению данными.

1. Создавайте политики и процессы

Далее важно наметить политики и процессы управления данными и сопоставить их с ролями и обязанностями. Также потребуются четкие процессы для хранения данных, форматирования, метаданных, безопасности и соответствия требованиям.

1. Отслеживайте и измеряйте

Как вы будете отслеживать свой прогресс? — определите свои показатели эффективности. Модель зрелости управления данными также является одним из критериев.

1. Выберите инструмент

Как только у вас будет готовая структура для измерения и мониторинга управления данными, вы сможете выбрать правильные инструменты для работы. Инструмент должен не только решить вашу бизнес-проблему, но и иметь место для внедрения большего управления данными, поскольку ваша организация готова продвигать инициативу управления данными.

1. Работа с инструментом

Внедрите инструмент управления данными и следуйте ранее принятым процедурам и политикам управления данными.

1. Замкните круг

Убедитесь, что инициатива по управлению данными продолжает оптимизироваться и соответствует бизнес-целям.

Общие роли и обязанности

Управление данными вводит новые независимые роли или назначает их существующей группе данных. В следующей таблице перечислены самые распространенные роли, которые мы видим на основе нашего практического опыта во многих компаниях и инициативах по работе с данными:

Роль и ответственность	Организационное задание
Директор по данным будет контролировать разработку и организацию стратегии управления данными. Это ключевое контактное лицо как для группы данных, так и для руководителей бизнеса.	Эта должность на полную ставку предоставляется руководителю уровня C.
Менеджер по управлению данными будет контролировать разработку и организацию различных программ управления данными. Это ключевое контактное лицо как для группы данных, так и для руководителей бизнеса.	Эту постоянную должность получает тот, у кого есть предыдущий управленческий опыт в команде данных.
Владельцы данных несут ответственность за поддержание определенных активов данных и обеспечение их доступности для других пользователей. Владелец данных не просто несет ответственность за данные, но и за их учет.	Эта роль с частичной занятостью обычно назначается старшему менеджеру.
Распорядители бизнес-данных отвечают за измерение качества данных и составление отчетов, определение рекомендаций по созданию и обслуживанию данных, а также документирование данных в каталоге/глоссарии данных. Роль распорядителя данных организована по областям данных (например, данные о клиентах, данные о поставщиках, данные о материалах/продуктах).	Бизнес-аналитики и профильные эксперты обычно назначаются на эту роль неполный рабочий день.
Технические распорядители данных отвечают за модель данных и жизненный цикл данных в ИТ-системах. Они предоставляют стандартизированные определения и форматы элементов данных, а также профилируют детали исходной системы и потоки данных между системами. Обычно они работают в разных доменах.	Архитекторы данных или инженеры данных обычно назначаются на эту роль неполный рабочий день.
Комитет по управлению данными, также известный как руководящий комитет, собирается ежемесячно или ежеквартально, в зависимости от требований вашей компании. Цель комитета — принимать решения о политике и стандартах данных, управлять бюджетами, определять деловые условия и многое другое.	Это заинтересованные стороны бизнеса и ИТ, часто также владельцы данных.

Использование инструмента управления данными

Инструменты управления необходимы для обеспечения эффективного управления данными, а также для навигации по меняющимся стандартам и требованиям соответствия. В соответствии с дорожной картой вы определили свои потребности и нашли инструмент для их удовлетворения. Этот инструмент должен поддерживать большинство ваших источников данных и основные инициативы по управлению данными. Инструмент очень удобен для выполнения определенных фундаментальных задач.

СТАНДАРТИЗАЦИЯ

Стандартизация данных является важным шагом к обеспечению соответствия. Когда вы стандартизируете данные, их легче отслеживать и сравнивать. Это можно сделать с помощью бизнес-глоссария. Бизнес-глоссарий представляет собой список терминов и определений, связанных с данными, и отображает их четко и логично, чтобы каждый в организации мог получить к ним доступ.

КЛАССИФИКАЦИЯ

После стандартизации данные легче идентифицировать, что позволяет организациям классифицировать и маркировать их. Понимание данных жизненно важно, если вы хотите обеспечить соответствие требованиям.

ОПРЕДЕЛЕНИЕ ПРОИСХОЖДЕНИЯ

Происхождение данных относится к жизненному циклу данных — откуда они поступают и где они были.

С точки зрения соответствия, документирование происхождения данных позволяет организациям достичь многих целей, включая более эффективную отчетность по нормативным требованиям, улучшенное управление данными за счет доступа к историческим данным и возможность выявить любые несоответствия или потенциальные угрозы безопасности.

УПРАВЛЕНИЕ МЕТАДАННЫМИ

Метаданные обеспечивают контекст для информации, позволяя пользователям работать с ней более эффективно.

Вы должны полностью понимать данные, которые используете, чтобы извлечь из них максимальную пользу. Вот почему в современном управлении данными одним из самых важных факторов эффективного анализа данных является управление этими метаданными.

При правильном управлении метаданные делают каждый аспект современного управления данными более эффективным. Он предоставляет точную информацию для расчета анализа воздействия.

ОБНАРУЖЕНИЕ ДАННЫХ

Процессы обнаружения данных гарантируют, что данные организации легко найти, получить к ним доступ и понять, независимо от того, где они хранятся. Лучший способ добиться этого — использовать платформу для обнаружения данных, но как подобные положения повышают эффективность?

Как правило, данные хранятся в нескольких местах с бесчисленным множеством различных мер допуска в организации. С работающими системами обнаружения данных данные легко найти, потому что они доступны для поиска.

Этот процесс сокращает время, необходимое для поиска и понимания определенного набора данных. И когда данные доступны для обнаружения, с ними можно работать. Специалисты по данным и ИТ могут работать вместе, чтобы использовать доступные им данные для разработки стратегий роста на основе данных.

АНАЛИЗ ВОЗДЕЙСТВИЯ

Анализ воздействия в этом контексте касается процессов, которые ИТ-специалисты и группы обработки данных предпринимают для определения влияния решений по управлению данными на последующих этапах.

Анализ воздействия позволяет этим командам работать более эффективно, прежде чем внедрять важный протокол управления данными, поскольку они могут систематически взвешивать все за и против любого неизбежного решения.

Первым шагом анализа воздействия является оценка бизнеса. Используя интеллектуальные инструменты, как специалисты по данным, так и ИТ-специалисты могут быстро оценить, как внедрение конкретных изменений повлияет на прибыль, рабочий процесс и многое другое.

Расчет окупаемости программы управления данными

Окупаемость программы управления данными определяется ценностью, всегда зависит от варианта использования и не связана непосредственным образом с ощутимой прибылью — по крайней мере, не при любых обстоятельствах. Таким образом, чтобы рассчитать рентабельность инвестиций, вы должны рассмотреть программу управления в целом.

Мы рассмотрим три области, которые выиграли от управления данными для расчета рентабельности инвестиций: эффективность, соответствие требованиям (compliance) и принятие решений, основанных на данных (Data-Driven).

Операционная эффективность

Рассчитать рентабельность инвестиций в отношении повышения эффективности несложно, потому что вы быстро узнаете, сколько времени вы экономите своим командам по работе с данными, и, конечно же, время — деньги.

Самообслуживание оказывает значительное влияние на рентабельность инвестиций. Когда пользователи получают доступ к платформам, которые позволяют им легко находить и использовать данные независимо друг от друга, экономический эффект может быть огромным.

В одном из отчетов Forrester был анализ семи компаний, которые использовали современный инструмент управления данными. За три года выяснилось, что:

• Общая окупаемость инвестиций составила 364%
• Окупаемость инвестиций в отношении сэкономленного времени составила 2,7 млн долларов США.
• Повышение производительности труда бизнес-пользователей составило 584,182 долл. США.
• Экономия за счет более быстрого адаптации аналитиков составила 268 085 долларов США.

Соответствие (compliance)

Трудно рассчитать точную рентабельность инвестиций с точки зрения соответствия требованиям, но легко определить, какую экономию вы могли бы получить, не нарушая нормативные требования. Давайте рассмотрим несколько примеров.

Существует множество законов о защите данных, но давайте рассмотрим те, которые предусматривают огромные штрафы:

• GDPR: максимальный штраф в размере 20 миллионов евро (24 миллиона долларов США) или 4% от годового мирового оборота.
• Калифорнийский закон о конфиденциальности данных потребителей: гражданские штрафы до 7500 долларов США за каждое нарушение.
• Закон DIFC о защите данных: от 20 000 до 100 000 долларов США.

И это не пустые угрозы. Крупнейшие нарушители правил GDPR ЕС понесли следующие наказания:

• British Airways – 204,6 млн евро штрафа.
• Marriott International Hotels – 110,3 млн евро штрафа.
• Google Inc. – 50 млн евро штрафа.

Принятие решений на основе данных (Data-Driven)

Самая сложная для расчета окупаемость инвестиций связана с инновациями, основанными на данных, поскольку они зависят от конкретной компании и развиваются медленно.

Но вы можете разделить этот ROI на две части: преимущества для бизнес-лидеров и бизнес-пользователей.

Как мы уже упоминали ранее в этом блоге, когда бизнес-лидеры принимают решения, опираясь на достоверную информацию, это приводит к лучшим результатам. и это напрямую влияет на прибыль или рентабельность компании.

Что касается бизнес-пользователей, то даже при наличии надежной платформы доставки данных, когда все данные, необходимые для инноваций, находятся у пользователя под рукой, трудно предсказать, когда и как произойдут инновации.

Со временем команды будут создавать больше вариантов использования доступных им технологий. В конце концов, наступит поворотный момент, когда этот новый вариант использования, скажем, механизм рекомендаций, будет развернут.

Даже в этом случае вам нужно, чтобы люди сначала использовали эту технологию, чтобы узнать, насколько она популярна и какова будет рентабельность инвестиций. Инструмент-победитель должен поддерживать большинство, если не все ваши источники данных, и позволять вам реализовать свои основные цели — в рамках бюджета!

Лучшие практики для достижения успеха в игре по управлению данными

Хотя каждая организация уникальна, есть несколько основных рекомендаций, которые помогут вам в любом случае.

1. Начните с прогрессивного подхода.

Начните с малого и постепенно масштабируйте объем данных в программе управления. Извлекайте важные уроки на этом пути. По мере роста уверенности в себе расширяйте объем данных и получайте их из других отделов.

1. Создайте бизнес-кейс.

Получение поддержки и спонсорства от лидеров, которые будут частью процесса, является ключевым моментом при построении практики управления данными. Для этого создайте сильное экономическое обоснование, определив факторы ценности. Покажите улучшения, которые можно получить, например, увеличение доходов, повышение качества обслуживания клиентов и производительности.

1. Ставьте четкие, измеримые цели.

Вы не можете контролировать то, что не можете измерить. При внесении любых изменений вы должны измерить базовый уровень для последующего сравнения.

1. Сделайте информационную грамотность приоритетом.

Обучайте заинтересованные стороны. Везде, где это возможно, используйте бизнес-термины и переводите академические части дисциплины управления данными в значимое содержание в контексте бизнеса.

1. Не ждите мгновенной окупаемости.

Во многих случаях окупаемость программы управления данными не сразу заметна по таким показателям, как прибыль. Даже если результат займет много времени, не расстраивайтесь. Управляемые данные того стоят и окупаются в будущем.

1. Сопоставьте инфраструктуру, архитектуру и инструменты.

Ваша структура управления данными должна быть разумной частью архитектуры вашей компании, ИТ-ландшафта и необходимых инструментов.

1. Начните с одного или двух источников данных.

Сначала сосредоточьтесь на наиболее важных элементах данных. Позвольте управлению данными расти и распространяться на остальных по мере продвижения инициативы. Начните с источников данных, которые больше всего приносят пользу бизнес-целям.

1. Всегда обращайте внимание на качество ваших данных.

Поддержание высокого качества данных обеспечивает надежную аналитику. Благодаря отслеживанию происхождения и надзору за данными в течение жизненного цикла улучшения качества данных, бизнес-пользователи смогут с уверенностью использовать данные.

1. Не усложняйте.

Главное, не усложняйте все. Нет необходимости создавать все политики данных и процедуры одновременно. Обрабатывайте непредвиденные обстоятельства и исключения по мере их поступления. Предполагается, что управление данными должно решить ваши бизнес-проблемы, поэтому не создавайте себе новых.

Что делать дальше? Загрузите нашу техническую документацию по внедрению управления данными, чтобы узнать побольше о процессе внедрения системы управления данными.

Давайте разберем подробнее, что это значит.

Наличие правильных данных означает создание удобной, точной и всеобъемлющей библиотеки данных. Данные удобны, если существующие сотрудники могут с их помощью отвечать на вопросы, а новые члены команды могут быстро разобраться и начать использовать аналитику. Данные точны, если они адекватно отражают системы учета.

Предоставление данных правильным людям имеет решающее значение для получения максимальной отдачи от аналитики. Компания должна найти золотую середину между демократизацией и безопасностью данных. Начните с создания команды по управлению данными, которая будет отвечать за их удобство, доступность и целостность. Наличие надежной таксономии данных жизненно важно для обеспечения доступности и использования информации в базе данных по мере ее расширения, поэтому у членов команды должен быть согласованный принцип нейминга в аналитике.

Наконец, для размещения данных в правильных местах требуется простая синхронизация между системами для анализа данных и системами для их записи.

Затем стоит инвестировать в инструменты, которые будут передавать данные остальной части компании, и научить сотрудников использовать их. Для этого отлично подходят планы отслеживания. План отслеживания — это схема, согласованная со всеми заинтересованными сторонами в области разработки продукта, в которой показано, какие данные необходимо отслеживать для наиболее эффективного улучшения процессов в работе. В последствии участники этого процесса сохраняют инсайты, полученную на основе аналитики, в централизованном документе. План отслеживания предотвращает образование разрозненных данных и удобен для передачи информации, полученной с помощью хорошо управляемых данных.

Перевод статьи What Is People Analytics? An Essential Guide. Автор Erik van Vulpen.

Следите за статьями в нашем телеграм канале HR-аналитики. Не забывайте про Он-лайн курсы по HR-аналитике

1. Принципы создания HR-дашбордов в excel
2. Принципы создания и анализа корпоративных опросов
3. Профиль успешного сотрудника: драйверы эффективности
4. Текучесть персонала по-новому: расчет среднего срока жизни в Excel
5. Он-лайн курс «Введение в R для HR» 
6. Анализ дожития / Survival analysis (в HR)

Не так давно упоминание словосочетания «People Analytics» на рабочем месте вызывало много пустых разговоров. Перенесемся через несколько лет, и People Analytics? окажется в центре человеческих ресурсов. Принятие решений о людях в организации сейчас более чем когда-либо основано на анализе и данных, как и в любой другой управленческой дисциплине.

People Analytics также продвинулась в последнее время, перейдя от отчетов систем управления персоналом, численности персонала, отпусков и данных по болезни к более продвинутым возможностям, таким как управление талантами и планирование персонала. Для высокоэффективных организаций наличие и использование хорошо функционирующей people analytics имеет решающее значение для победы в войне за таланты.

Вот ваше основное руководство по HR-аналитике с определениями, примерами, инструментами и многим другим.

Содержание

1. Что такое people analytics?
2. Преимущества people analytics
3. Примеры people analytics
4. Как HR может начать развивать возможности People Analytics?
5. Будущее people analytics
6. Вопросы-Ответы

Что такое people analytics?

People Analytics — это практика сбора и применения данных об организации, людях и талантах для улучшения важных бизнес-результатов. Это позволяет отделам кадров разрабатывать основанные на данных решения о талантах и кадровых процессах и превращать их в практические выводы для повышения производительности организации.

Термины people analytics и HR-аналитика часто используются как синонимы. Однако есть разница. HR-аналитика подразумевает, что данные принадлежат исключительно отделу кадров. С другой стороны, people analytics выходит за рамки HR и включает в себя финансы, клиентов, маркетинг и другие источники данных. Кроме того, HR-аналитикой часто злоупотребляют, и поставщики услуг часто сосредотачиваются только на HR-решениях, а не на комплексных решениях для HR-аналитики.

Ниже приведены распространенные источники данных для people analytics:

Как показано на приведенной выше диаграмме, не все источники people analytics происходят из традиционных источников HR, таких как демографические данные, данные по найму и управлению эффективностью. Вам также необходимо просмотреть свои данные CRM, финансовые данные, данные о продажах и связать их с вашим HRIS и другими данными HR. People analytics работает не изолированно, а скорее как неотъемлемая часть более крупной системы обработки данных.

Преимущества People analytics

Одна из тенденций, отмеченных в исследовании Deloitte’s Human Capital Trend Survey, — это постоянное внимание к people analytics, особенно с учетом последствий пандемии и новых тенденций в данных о людях. Кроме того, опрос показал, что только 56 процентов респондентов говорят, что организации добились умеренного или значительного прогресса в people analytics за последние десять лет. Таким образом, возможности для организаций выиграть войну за таланты, обладая передовыми возможностями people analytics, огромны.

People analytics не только дает организациям конкурентное преимущество, но и дает множество преимуществ, в том числе:

• Принятие решений на основе данных и практика управления персоналом, основанного на фактах — например, анализируя данные о найме и улучшая процесс найма на основе этого, организации могут повысить эффективность найма на 80% и снизить процент выбытия до 50%.
• Формирование стратегии организации с помощью кадровых интервенций — People analytics позволяет организациям преобразовывать данные в действия и применять научно обоснованные методы, которые помогают улучшить общую стратегию организации.
• Повышенние производительности — дашборды и тренды, которые выделяют конкретные проблемы, включая сотрудничество, рабочую нагрузку, разнообразие и инклюзивность, оценки рисков на рабочем месте, — все это способствует оптимизации производительности. В некоторых случаях использование HR-аналитики почти удвоило производительность сотрудников и, следовательно, производительность. 
• Снижение затрат — организации могут добиться этого, например, за счет сокращения текучести кадров и оптимизации планирования персонала. Используя искусственный интеллект и people analytics, IBM смогла с точностью 95% предсказать, какие сотрудники собираются уволиться с работы. Это позволило им решить эти проблемы и поработать над другими областями, такими как будущий найм на должности, подверженные риску.
• Устранение пробелов в навыках — people analytics позволяет организациям понять текущие навыки сотрудников, будущие навыки, необходимые в соответствии с потребностями бизнеса, и, таким образом, преодолеть разрыв в талантах. Таким образом, вы можете создать поток талантов и разработать программы развития, основанные на будущих потребностях бизнеса.

Наконец, Uber оптимизировал дашборды своих сотрудников, чтобы дать четкое представление о конкретном вопросе. Поэтому все ненужные дашборды были удалены, что упростило интерпретацию и принятие решения любым пользователем. Раньше у менеджеров Uber было двухнедельное время для принятия решения о талантах, потому что им приходилось обращаться через HR. Однако, имея данные в реальном времени, они могли принимать своевременные решения и повышать свою эффективность.

Разработчик: д-р пед. наук Редькина Н.С., redkina@spsl.nsc.ru, + 7 (383) 373-06-47