данными. При этом улучшается согласованность всей деятельности по управлению данными за счет классификации и оценки данных.

Различные варианты визуального представления рамочной структуры управления данными DAMA рассмотрены с целью взглянуть на нее под всевозможными углами и положить начало дис куссии относительно возможных способов применения концепций, представленных в DMBOK. По мере возрастания важности управления данными подобные рамочные структуры становятся полезным инструментом коммуникации как внутри сообщества профессионалов в области управ ления данными, так и между сообществом и лицами, заинтересованными в нашей деятельности.

4. DAMA И DMBOK

Хотя управление данными сопряжено с рядом проблем, большинство из них не являются но выми. Как минимум с 1980-х годов организации признают, что управление данными — одна из основ их успеха. Как только увеличились наши способности и желание создавать и использовать данные, возросла и потребность в надежных практиках управления ими.

Ассоциация управления данными (DAMA) как раз и была учреждена для того, чтобы ответить на эти вызовы. DMBOK, доступное авторитетное справочное руководство, предназначенное для про фессионалов в области управления данными, обеспечивает поддержку миссии DAMA посредством:

предоставления функциональной рамочной структуры для внедрения корпоративных практик управления данными, включая руководящие принципы, широко распространенные практики, методы и приемы, функции, роли, результаты и метрики;

создания общего словаря терминов и понятий, используемых в области управления данны ми, который служит основой для лучших практик;

выполнения роли базового справочного руководства для подготовки к сдаче экзаменов

на получение сертификата профессионала в области управления данными (Certified Data Management Professional, CDMP) и других сертификационных экзаменов.

Справочное руководство DMBOK выстроено вокруг одиннадцати областей знаний рамочной структуры управления данными DAMA-DMBOK (часто называемой колесом DAMA; см. рис. 5). Главы 3–13 посвящены детальному рассмотрению этих областей знаний. Все одиннадцать глав имеют одинаковую структуру:

1.Введение

Бизнес-драйверы

Цели и принципы

Основные понятия и концепции

2.Проводимые работы

Каждая из областей знаний описывает состав и контекст характерных для нее работ по управ лению данными. При этом фундаментальные цели и принципы управления данными остаются неизменными во всех без исключения областях знаний. Поскольку данные движутся по горизон тали внутри организаций, работы, проводимые в области знаний, пересекаются друг с другом

ис прочими функциями1

1.Руководство данными обеспечивает осуществление руководящей деятельности и надзора в области управления данными, используемыми организацией, посредством создания и внедрения системы прав, обязанностей и отчетности (глава 3).

2.Архитектура данных определяет концептуальные решения по управлению информационны ми активами в соответствии со стратегией организации и устанавливает соответствующие стратегические требования к данным и проектным решениям в области данных (глава 4).

3.Моделирование и проектирование данных — процесс выявления, анализа, представления и распространения требований к данным в форме модели данных (глава 5).

4.Хранение и операции с данными включают проектирование и реализацию решений для хра нения, а также сопровождение хранимых данных с целью максимального повышения их цен ности. Операции обеспечивают сопровождение данных на протяжении всего их жизненного цикла — начиная с планирования и заканчивая ликвидацией (глава 6).

5.Безопасность данных гарантирует их целостность, конфиденциальность и защиту от несанк ционированного доступа (глава 7).

6.Интеграция и интероперабельность данных включают процессы, относящиеся к обмену данными и консолидации данных как в рамках отдельных хранилищ данных, приложений и организаций, так и между ними (глава 8).

7.Управление документами и контентом включает планирование, реализацию и контроль мероприятий по управлению жизненным циклом неструктурированных данных и инфор мации, зафиксированных на всевозможных носителях и в разнообразных форматах; особое внимание уделяется документам, необходимым для подтверждения соблюдения организаци ей требований нормативно-правового регулирования (глава 9).

1 В представленных далее описаниях одиннадцати областей знаний их названия следует воспринимать именно как фиксированные названия областей знаний, принятые в DMBOK, а не как названия конкретных процессов или видов данных. Поэтому допускаются выражения типа «Справочные и основные данные включают согласование».

Это замечание распространяется и на остальной текст, поскольку подобные формулировки часто встречаются и в следу ющих главах. — Примеч. науч. ред.

8.Справочные и основные данные включают согласование и ведение на постоянной основе критически важных совместно используемых данных в целях обеспечения скоординирован ного применения всеми системами наиболее точной, полной и актуальной «версии правды» о ключевых бизнес-сущностях (глава 10).

9.Ведение хранилищ данных и бизнес-аналитика включают планирование, реализацию и контроль процессов, обеспечивающих управление данными, используемыми для поддерж ки принятия решений, а также позволяющих специалистам извлекать ценность из данных

с помощью анализа и построения отчетов (глава 11).

10.Метаданные предусматривают планирование, реализацию и контроль деятельности по обеспечению доступа к высококачественным, интегрированным метаданным, включая определения, модели, описания потоков данных и другую информацию, необходимую для понимания данных, а также систем, используемых для создания, ведения и доступа к ним (глава 12).

11.Качество данных включает планирование и внедрение методических решений по управле нию качеством данных, обеспечивающих измерение, оценку и повышение качества, включая контроль практической пригодности данных к использованию в организации (глава 13).

Помимо глав, посвященных областям знаний, DAMA-DMBOK включает следующие тематиче

ские главы:

Этика обращения с данными описана как занимающая центральное место и играющая важнейшую роль в принятии информированных, социально ответственных решений от носительно допустимости сбора тех или иных данных и/или их использования по опре деленным назначениям. Понимание и соблюдение этических требований обязательно для специалистов по управлению данными на всех этапах их сбора, анализа и использования (глава 2).

Большие данные и наука о данных описывают технологии и бизнес-процессы, которые по являются по мере нарастания способности организаций собирать и анализировать всё более объемные массивы самых разнородных данных в разнообразных областях (глава 14).

Оценка зрелости управления данными очерчивает подход к оценке текущего состояния управления данными и выявлению возможностей для дальнейшего совершенствования про цессов (глава 15).

Организация управления данными и ролевые ожидания представляют лучшие практи ки и приводят полезные соображения относительно оптимальной организации команд по управлению данными и внедрения в организации успешных практик управления данными (глава 16).

Управление данными и управление организационными изменениями описывает рецепты планирования успешного продвижения через культурные изменения, необходимые для вне дрения в организации эффективных практик управления данными (глава 17).

Как именно конкретная организация управляет данными, зависит от ее целей, размера, ресурсов, характера деятельности и сложности структуры, равно как и от общего восприятия роли и функ ций данных в стратегии развития. Большинство организаций не реализуют у себя весь описан ный в настоящем руководстве комплекс мер в каждой из областей знаний. Однако понимание максимально широкого контекста управления данными поможет им решить, на какие области следует обратить первоочередное внимание в плане совершенствования работы по каждому из направлений и координации межфункциональных усилий в этой сфере.

5. ЦИТИРУЕМАЯ И РЕКОМЕНДУЕМАЯ ЛИТЕРАТУРА

Abcouwer, A. W., Maes, R., Truijens, J. «Contouren van een generiek Model voor Informatienmanagement». Primavera Working Paper 97–07, 1997, http://bit.ly/2rV5dLx

Adelman, Sid, Larissa Moss, and Majid Abai. Data Strategy. Addison-Wesley Professional, 2005. Print.

Aiken, Peter and Billings, Juanita. Monetizing Data Management. Technics Publishing, LLC, 2014. Print.

Aiken, Peter and Harbour, Todd. Data Strategy and the Enterprise Data Executive. Technics Publishing, LLC. 2017. Print.

APRA (Australian Prudential Regulation Authority). Prudential Practice Guide CPG 234, Management of Security Risk in Information and Information Technology. May 2013, http://bit.ly/2sAKe2y

APRA (Australian Prudential Regulation Authority). Prudential Practice Guide CPG 235, Managing Data Risk September 2013, http://bit.ly/2sVIFil

Borek, Alexander et al. Total Information Risk Management: Maximizing the Value of Data and Information Assets. Morgan Kaufmann, 2013. Print.

Brackett, Michael. Data Resource Design: Reality Beyond Illusion. Technics Publishing, LLC. 2014. Print.

Bryce, Tim. Benefits of a Data Taxonomy. Blog 2005-07-11, http://bit.ly/2sTeU1U

Chisholm, Malcolm and Roblyn-Lee, Diane. Definitions in Data Management: A Guide to Fundamental Se mantic Metadata. Design Media, 2008. Print.

Devlin, Barry. Business Unintelligence. Technics Publishing, LLC. 2013. Print.

English, Larry. Improving Data Warehouse and Business Information Quality: Methods For Reducing Costs And Increasing Profits. John Wiley and Sons, 1999. Print.

Evans, Nina and Price, James. «Barriers to the Effective Deployment of Information Assets: An Executive Ma nagement Perspective». Interdisciplinary Journal of Information, Knowledge, and Management. Volume 7, 2012. Accessed from http://bit.ly/2sVwvG4

Fisher, Tony. The Data Asset: How Smart Companies Govern Their Data for Business Success. Wiley, 2009. Print. Wiley and SAS Business Ser.

Henderson, J. C., Venkatraman, H. «Leveraging information technology for transforming Organizations». IBM System Journal. Volume 38, Issue 2.3, 1999 [1993 Reprint], http://bit.ly/2sV86Ay and http://bit.ly/ 1uW8jMQ

Kring, Kenneth L. Business Strategy Mapping — The Power of Knowing How it All Fits Together. Langdon Street Press (a division of Hillcrest Publishing Group, Inc.), 2009. Print.

Loh, Steve. Data-ism: The Revolution Transforming Decision Making, Consumer Behavior, and Almost Every thing Else. HarperBusiness, 2015. Print.

Loshin, David. Enterprise Knowledge Management: The Data Quality Approach. Morgan Kaufmann, 2001. Print.

Maes, R. «A Generic Framework for Information Management». PrimaVera Working Paper 99–02, 1999.

McGilvray, Danette. Executing Data Quality Projects: Ten Steps to Quality Data and Trusted Information. Mor gan Kaufmann, 2008. Print.

McKnight, William. Information Management: Strategies for Gaining a Competitive Advantage with Data. Mor gan Kaufmann, 2013. Print. The Savvy Manager’s Guides.

Moody, Daniel and Walsh, Peter. «Measuring The Value Of Information: An Asset Valuation Approach».

European Conference on Information Systems (ECIS), 1999, http://bit.ly/29JucLO

Olson, Jack E. Data Quality: The Accuracy Dimension. Morgan Kaufmann, 2003. Print.

Redman, Thomas. «Bad Data Costs U.S. $3 Trillion per Year». Harvard Business Review. 22 September 2016. Web.

Redman, Thomas. Data Driven: Profiting from Your Most Important Business Asset. Harvard Business Review Press. 2008. Print.

Redman, Thomas. Data Quality: The Field Guide. Digital Press, 2001. Print.

Reid, Roger, Gareth Fraser-King, and W. David Schwaderer. Data Lifecycles: Managing Data for Strategic Ad vantage. Wiley, 2007. Print.

Rockley, Ann and Charles Cooper. Managing Enterprise Content: A Unified Content Strategy. 2nd ed. New Riders, 2012. Print. Voices That Matter.

Sebastian-Coleman, Laura. Measuring Data Quality for Ongoing Improvement: A Data Quality Assessment Framework. Morgan Kaufmann, 2013. Print. The Morgan Kaufmann Series on Business Intelligence.

Simsion, Graeme. Data Modeling: Theory and Practice. Technics Publications, LLC, 2007. Print.

Surdak, Christopher. Data Crush: How the Information Tidal Wave is Driving New Business Opportunities

AMACOM, 2014. Print.

Waclawski, Janine. Organization Development: A Data-Driven Approach to Organizational Change. Pfeiffer, 2001. Print.

White, Stephen. Show Me the Proof: Tools and Strategies to Make Data Work for the Common Core State Standards. 2nd ed. Advanced Learning Press, 2011. Print.