Introduction

Le chemin vers une architecture intégrée à l'échelle de l'organisation commence par architecture d'entreprise et comment elle définit les exigences pour architecture de données.

A fonction d'architecture de données établit cohérence dans la définition et l'utilisation des données au sein d'une organisation. Respecter une procédure prescrite architecture de données oblige les ressources commerciales et technologiques à prendre les mesures nécessaires pour définir et documenter la signification des données, définir leur utilisation appropriée et veiller à ce qu'une gouvernance adéquate soit en place pour gérer les données de manière durable.

Définition

Le Affaires et Architecture des données (DA) Un composant est un ensemble de fonctionnalités visant à assurer l'intégration entre les activités de l'entreprise. processus exigences et exécution de l'accord de développement fonction. L'entreprise processus est défini par le architecture d'entreprise fonction. L'analyse de données (DA) définit des modèles de données tels que les taxonomies et les ontologies, ainsi que des domaines de données., métadonnées, et des données critiques pour l'entreprise afin d'exécuter des processus dans l'environnement de contrôle des données. fonction garantit le contrôle du contenu des données, que leur signification soit précise et sans ambiguïté et que leur utilisation soit cohérente et transparente.

Portée

• Établir un DA fonction au sein du Bureau de gestion des données (ODM).
• Collaborer avec le bureau de gestion de projet DM (PMO) concevoir et mettre en œuvre des processus et des outils durables pour les activités courantes de DA, y compris l'intégration requise avec architecture d'entreprise.
• Identifier et établir les domaines de données, les sources faisant autorité et les points d'approvisionnement.
• Identifier et inventorier les données nécessaires pour répondre aux besoins de l'entreprise, y compris toutes les données requises. métadonnées y compris glossaire, dictionnaire, classification, lignée, etc.
• Définir et attribuer des définitions métier, liées à l'inventaire des données.
• Veillez à ce que la gouvernance DA soit intégrée à la gouvernance des données (DG) et alignée sur les activités de gouvernance à la fois commerciales et technologiques.

Proposition de valeur

Les organisations qui identifient, enregistrent et mettent à disposition des informations sur les parties prenantes internes qui définissent, produisent et utilisent des données spécifiques font preuve d'une coordination, d'une coopération et d'une communication efficaces autour de ces données.

Les organisations qui documentent les informations relatives aux éléments de données à forte valeur ajoutée démontrent une meilleure compréhension et une utilisation plus efficace de ces données à des fins commerciales.

Les organisations qui mettent en œuvre efficacement l'analyse de données pour comprendre leurs données et leur écosystème de données obtiennent un retour sur investissement dans plusieurs domaines :

• L'excellence opérationnelle des processus d'entreprise génère des gains d'efficacité et réduit les coûts d'exploitation.
• Création de données automatisées et adaptées aux besoins, réduction de la dette technique et des coûts de correction des données, et augmentation de la valeur tirée de l'analyse avancée.
• Une meilleure compréhension de vos données permet de les simplifier et de réduire les coûts de gestion et de maintenance des données.
• Comprendre vos données permet également de réduire les risques opérationnels, financiers et de réputation liés à l'utilisation de données erronées pour l'analyse, la prise de décision et les rapports réglementaires.

Aperçu

Le volet DA établit la définition et l'utilisation claires des données au sein de l'organisation. Il s'agit de respecter un cadre prescrit. architecture de données oblige les entreprises et les acteurs technologiques à prendre les mesures nécessaires pour définir et documenter la signification des données, définir leur utilisation appropriée et veiller à ce qu'une gouvernance adéquate soit en place pour gérer les données et leur signification de manière durable.

Les données sont présentes dans toute l'organisation et dans tous les aspects de ses opérations commerciales. La conception de l'organisation architecture de données Elle repose sur une compréhension approfondie des besoins métiers et de leur impact sur les données nécessaires. Décryptage de l'activité processus indique comment les données doivent être identifiées, définies, modélisées et mises en relation. Architecture technologique dicte ensuite comment le architecture de données Les données sont organisées et placées dans des référentiels physiques afin d'optimiser l'accès, la sécurité, la gestion du stockage et la vitesse de traitement.

Pour établir un DA réussi fonction, la séquence d'activités suivante est requise.

Premièrement, les deux activités suivantes permettront à une organisation de comprendre quelles données sont nécessaires pour satisfaire les exigences de l'entreprise.

• Identification des domaines de données logiques

  Les domaines de données logiques sont les regroupements logiques de données, et non les bases de données elles-mêmes, nécessaires pour satisfaire les exigences métier.

•  

• Identification des dépôts physiques

  Les domaines de données logiques reposent sur une multitude de référentiels de données physiques, souvent imbriqués, qui seront mappés sur ces domaines. L'identification de ces référentiels physiques sous-jacents est une étape cruciale pour minimiser la complexité des environnements existants, réduire la réplication et améliorer la compréhension des données. lignée des données, en attribuant la propriété des données et en évaluant qualité des données (DQ).

Une fois les domaines de données et leurs sources physiques sous-jacentes identifiés, des définitions métier précises, utilisant un langage sémantique commun, doivent être attribuées et validées par les parties prenantes. L'analyse des données (AD) consiste à gérer la signification des données. Il est essentiel de définir précisément les attributs des données en fonction de la réalité métier, de créer un dictionnaire de données partagé et d'obtenir l'accord des producteurs et des utilisateurs de données. Sans cette compréhension commune des attributs des données, alignée sur leur signification métier, architecture de données Il sera difficile de réussir. Le risque d'utilisation inappropriée des données augmentera et la capacité de partager des données en toute confiance au sein d'une organisation sera compromise.

La prochaine étape pour aborder architecture de données Il s'agit de définir des taxonomies de données et des ontologies métier. Les taxonomies de données définissent la manière dont les entités de données sont structurellement alignées et liées. Pour chaque taxonomie officiellement désignée domaine de données qui est identifié, inventorié et jugé critique, un taxonomie doit être défini et maintenu. taxonomie Cette obligation s'applique ensuite à tous les systèmes utilisant ces données comme intrants dans leurs processus métier. Pour les activités critiques, cette obligation s'applique également aux systèmes critiques. fonction Une fois les taxonomies définies et en place, l'organisation doit modèle les relations entre les taxonomies dans une entreprise ontologie. Les ontologies représentent les relations et les connaissances de multiples taxonomies apparentées à travers différents domaines de données.

Un ensemble architecture de données processus peut inclure les éléments suivants ; toutefois, ce niveau de complexité n'est pas toujours requis.

• L'entreprise fonction définit les données dans une entreprise modèle en fonction des exigences relatives aux données en tant qu'entrée et sortie de l'entreprise processus.
• Ces entreprises fonction Les modèles de données sont ensuite consolidés dans un modèle d'entreprise à l'échelle de l'organisation. modèle de données.
• Pour chaque domaine de données, un taxonomie est définie, maintenue et imposée pour tous les systèmes utilisant ces données comme intrants pour l'entreprise processus. Les taxonomies de données définissent la manière dont les entités de données sont structurellement alignées et liées.
• Avec les affaires fonction Une fois les taxonomies définies et mises en place, l'organisation modélise les relations entre ces taxonomies dans un modèle d'entreprise. ontologie. Ces ontologies représentent les relations et les connaissances de multiples taxonomies apparentées à travers différents domaines de données.

Les taxonomies et les ontologies définissent et relient le contenu des données afin de permettre à l'organisation d'en tirer le meilleur parti de manière cohérente et contrôlée. Une fois le contenu défini, il convient de le décrire précisément à l'aide de taxonomies et d'ontologies. métadonnées. Certains types de métadonnées peut inclure, sans toutefois s'y limiter, des aspects commerciaux, opérationnels, techniques, descriptifs, structurels et administratifs.

Processus, outils et constructions

• Entreprise & Architecture des données Politique Cartographie
• Entreprise & Architecture des données État cible
• Entreprise & Architecture des données Feuilles de route d'exécution
• Processus Cadre d'optimisation
• Élément commercial – Élément de données Construction
• Élément commercial Critères et mesures de criticité Construction
• Actif de données Inventaire Construction
• Domaine Inventaire – Approvisionnement autorisé Construction
• Modèle de données Cadre
• Glossaire d'affaires – Cadre du dictionnaire de données
• Métadonnées Cadre
• Traçabilité des données – Flux de données Construction
• Optimisation des capacités
• Matrice RACI
• Processus Conception et solutions de bout en bout Processus Intégration
• Guide des procédures
• Processus Mesure de la performance

Questions fondamentales

• Les parties prenantes de l'entreprise sont-elles à l'origine des exigences en matière de données ?
• Existe-t-il des politiques en place pour régir la création et la maintenance des attributs et des relations entre les données ?
• Des procédures de gouvernance sont-elles en place pour garantir le respect des normes établies ? architecture de données des normes ?
• Des revues de conception sont-elles en place et requises pour garantir que les améliorations et les nouveaux développements utilisent standard architecture de données définitions ?
• L'adhésion à architecture de données des normes vérifiables ?

Première capacité

Le DA fonction La stratégie et l'approche doivent être définies et approuvées par les parties prenantes. Les rôles et responsabilités de chacune doivent être établis, et des processus opérationnels mis en place.

Première sous-capacité

Description

La stratégie et l'approche de l'aide publique fonction Elle doit être définie et refléter la vision et les objectifs de la stratégie de gestion des données (SGD). Une fois établie, elle doit être formellement approuvée par la direction et son rôle communiqué à toutes les parties prenantes.

Objectifs

• Mettre en place formellement la stratégie et l'approche DA au sein de l'organisation.
• Obtenir l'approbation des parties prenantes concernant la stratégie et l'approche de l'agence de développement.
• Assurez-vous de l'alignement de partie prenante plans et feuilles de route avec la stratégie et l'approche de l'Agence du développement.
• Obtenir le soutien de la direction générale pour la stratégie DA.
• Communiquer le rôle du DA fonction au sein de l'organisation, par le biais des canaux organisationnels formels.
• Utiliser le DA fonction en collaboration avec les parties prenantes de l'initiative DM.
• Obtenir l'autorité nécessaire pour faire respecter la conformité à la loi sur les services de défense (DA) par le biais de politique et documenté procédure.

Conseil

Le DA fonction est un lien essentiel entre les acteurs commerciaux et technologiques de l'initiative DM. Indépendamment du fait que le DA fonction s'aligne organisationnellement sur l'entreprise ou sur la technologie fonction, le rôle central de pont entre ces deux partie prenante Les groupes doivent être reconnus. Parfois architecture de données est considéré à tort comme un sous-ensemble de architecture technologique. Réussi architecture de données nécessite l'intégration de l'expertise en la matière provenant des deux architecture d'entreprise et architecture technologique.

L'alignement de la stratégie et de la feuille de route de l'AD sur la vision et les objectifs du SMD est réalisé par un accord entre les niveaux opérationnels. Responsable des données et la personne chargée de la livraison fonction de gouvernance des données. Le niveau opérationnel Responsable des données est responsable de l'établissement des priorités pour chacune des exigences des composantes du cadre.

Questions

• Le DA fonction a été officiellement établie ?
• Existe-t-il une stratégie et une approche DA en place ?
• La stratégie et la feuille de route de DA sont-elles alignées sur le DMS ?
• Le DA fonction a-t-elle été officiellement communiquée aux parties prenantes des secteurs des affaires, de la technologie, des opérations, des finances et des risques ?
• Comment la direction générale a-t-elle démontré son soutien ?
• L'autorisation a-t-elle été accordée au DA ? fonction mettre en œuvre et faire respecter les meilleures pratiques via politique et les normes ?
• L'autorité a-t-elle été communiquée aux parties prenantes ?
• Existe-t-il un partenariat fonctionnel avec l'audit interne ?

Artefacts

• Le plan DA
• Description des rôles et responsabilités du DA fonction
• Communication du soutien spécifique de la direction générale via les listes de diffusion
• Politiques et procédures associées à l'exécution et à l'application de la DA
• Engagement bidirectionnel avec les parties prenantes sur l'accord de développement fonction autorité

Score

Sous-capacité suivante

Description

Le DA fonction nécessitera la coordination entre les différents rôles du DA, architecture d'entreprise et architecture technologique. Les activités d'intégration entre ces disciplines doivent être définies par des descriptions de rôles spécifiques au sein des différentes instances. partie prenante Équipes. Il est essentiel que chaque équipe dispose d'un effectif optimal compte tenu de l'envergure et du volume de travail.

Objectifs

• Définir et communiquer les rôles et responsabilités du DA fonction.
• Financer et doter en personnel le DA fonction.
• Assurer et garantir l'alignement des activités et des projets avec politique et les normes par l'intermédiaire de l'autorité du DA fonction.
• Responsabiliser les individus quant à la performance de l'environnement de contrôle des données par le biais d'évaluations annuelles et de considérations relatives à la rémunération.

Conseil

Une architecture de données efficace est essentielle à la réussite de l'initiative de gestion des données. L'architecte de données doit comprendre les enjeux métiers. processus et l'environnement technique pour exceller en tant que pont entre ces deux disciplines. L'architecte de données travaillera en partenariat avec le responsable des données métier et le responsable technique des données. Le responsable des données métier est responsable de élément commercial, qui définit toutes les exigences relatives aux données. Le responsable technique des données est responsable de élément de données, qui est l'exécution physique du concept défini par le élément commercial.

Questions

• Le DA fonction ont été établis ?
• Le DA fonction dotés d'un personnel et de financements adéquats ?
• Est-ce que le DA fonction Ont-ils l'autorité nécessaire pour être efficaces ?
• Connaître les rôles et les responsabilités du DA fonction ont été définis, documentés et socialisés ?
• Les compétences en matière d'examen de l'éthique des données et de mise en œuvre des outils d'apprentissage automatique (ML) et d'intelligence artificielle (IA) ont-elles été ajoutées ou développées au sein des parties prenantes ?
• Des étapes clés et des indicateurs associés à l'exécution de l'analyse de données ont-ils été définis ?

Artefacts

• Preuve de partie prenante identification
• matrice RACI ou d'autres preuves de reddition de comptes
• Description des rôles et responsabilités du DA fonction
• Qualifications et affectations du personnel
• Preuves de responsabilisation liées aux évaluations et à la rémunération
• Analyse des écarts entre les compétences nécessaires et celles en place
• Liste des parties prenantes et preuves de communication bidirectionnelle

Score

Sous-capacité suivante

Description

Des procédures formelles ont été mises en place pour les activités du DA. fonction. Ces processus sont conformes au DM politique et les normes de l'organisation, notamment les procédures, les outils et les routines. Ces routines sont nécessaires au bon fonctionnement de l'entreprise.

Objectifs

• Mettre en place des processus d'analyse de données formels, en accord avec le modèle de données. politique et les normes.
• Intégrer les processus DA dans les processus globaux de bout en bout de l'initiative DM.
• Identifier, planifier et maintenir les routines, réunions et séances de travail DA nécessaires au soutien opérationnel.

Conseil

Les experts en la matière de DA devraient travailler avec l'entreprise processus service de conception et d'optimisation dans le cadre du programme de gestion des données (DMP) fonction. Ensemble, ils créeront et superviseront la mise en œuvre des processus DA conformément au processus global. processus dans le cadre de l'ensemble de l'initiative DM.

Questions

• Des procédures formelles ont-elles été définies et mises en œuvre ?
• Les procédures, les outils et les routines nécessaires à la mise en œuvre des processus sont-ils en place ?
• Les technologies innovantes telles que l'IA et le ML ont-elles été prises en compte dans le cadre du DCE ? processus et les infrastructures ?
• L'examen de l'éthique des données a-t-il été inclus dans le Qualité des données Stratégie et approche de gestion (DQM) ?
• Les activités d'analyse de données font-elles partie des opérations courantes des parties prenantes ?
• Existe-t-il des réunions régulières, des séances de planification et des communications régulières concernant les initiatives de DA ?

Artefacts

• Processus artefacts de conception, procédure guides et routines publiées
• Processus rapports sur les indicateurs de performance
• Procès-verbaux de réunion, rapports d'étape et annonces de l'agence de développement

Score

Prochaine capacité

L'initiative DM doit être impliquée auprès de architecture d'entreprise fonction pour trois activités : 1) l'entreprise processus 1) définir les données comme entrées et sorties ; 2) gérer les restrictions d’accès et d’utilisation des données par l’entreprise processus; et 3) la résolution des causes profondes des problèmes de données impliquant des personnes ou processus carence. Cet engagement doit être soutenu par une gouvernance et une administration mutuelles et politique.

Première sous-capacité

Description

L'initiative DM doit être impliquée auprès de architecture d'entreprise fonction de l'organisation afin de faciliter l'identification des besoins en données, tant en entrée qu'en sortie, de l'entreprise. processus Activité de conception et d'optimisation.

Objectifs

• Définir un processus cadre d'optimisation pour le architecture d'entreprise fonction. Inclure l'identification des exigences relatives aux données d'entrée et de sortie du système. processus.
• Engagez le DA fonction dans le monde des affaires processus conception et optimisation. Intégrer les exigences relatives aux données dans le standard modèles de données de l'organisation.

Conseil

Le BA fonction Il convient de collaborer avec les experts métiers pour définir les exigences en matière de données. fonction puis collaborera avec les responsables des données métiers pour interpréter les exigences en matière de données et les traduire en un ensemble complet de élément commercial exigences. Ils doivent ensuite consigner ces exigences comme suit : métadonnées. Le DA fonction peut alors interagir avec la technologie fonction traduire élément commercial Les exigences sont intégrées aux exigences relatives aux éléments de données physiques. De cette manière, ces éléments de données physiques prennent vie dans le monde réel.

Questions

• Les BA fonction et le DA fonction intégré à l'entreprise processus Activités de conception et d'optimisation ?
• L'entreprise processus Les activités de conception et d'optimisation génèrent des exigences en matière de données d'entrée et de sortie. processus mesures?

Artefacts

• Entreprise & Architecture des données Politique Cartographie
• Entreprise & Architecture des données État cible
• Entreprise & Architecture des données Feuilles de route d'exécution
• Processus Cadre d'optimisation
• Élément commercial – Élément de données Construction

Score

Sous-capacité suivante

Description

L'entreprise processus Les efforts de conception et d'optimisation doivent définir les exigences relatives aux données en tant qu'entrée et sortie de l'entreprise. processus activités. À processus Ces exigences nécessitent un examen des restrictions d'utilisation des données. Ces restrictions peuvent être liées au consentement de la personne concernée, au respect de la vie privée, à l'éthique de l'accès aux données et à l'éthique de leur utilisation par l'entreprise. processus.

Objectifs

• Définir un processus évaluer les restrictions d'utilisation des données.
• Définir des restrictions d'accès aux données qui incluent les règles éthiques d'accès aux données et celles relatives à l'utilisation des données par l'entreprise. processus.

Conseil

En tant que titulaire d'une licence fonction fournit les exigences en matière de données au DA fonction, Une revue des restrictions d'utilisation des données doit être effectuée. Cette revue doit impliquer les responsables des données métiers et techniques, selon les besoins. La revue des restrictions d'utilisation des données doit être exhaustive et couvrir l'ensemble des réglementations et des contraintes internes. politique et des considérations éthiques.

Questions

• Toutes les restrictions d'utilisation des données ont-elles été définies et examinées ?
• L’accès éthique aux données et les modalités d’utilisation des données sont-ils définis dans les restrictions d’utilisation des données ?

Artefacts

• Processus documentation relative aux restrictions d'utilisation des données
• Restriction d'utilisation des données métadonnées

Score

Sous-capacité suivante

Description

Lorsque des problèmes d'adéquation des données à l'usage sont rencontrés, le BA fonction doit être impliqué s'il est déterminé que la correction de la cause profonde requise implique des personnes ou processus carence.

Objectifs

• Définir un processus engager le BA fonction mener une analyse des causes profondes et mettre en œuvre des solutions correctives lorsque la défaillance est liée à des personnes ou à l'entreprise processus.

Conseil

Lorsqu'on détecte des problèmes d'adéquation des données à l'usage, la première étape consiste à identifier la cause potentielle. Cette analyse préliminaire peut déterminer s'il s'agit d'un problème lié aux données, à la technologie ou à l'activité de l'entreprise. processus Il peut s'agir d'un problème technique ou d'un problème humain. Le type de problème déterminera l'expertise nécessaire pour en identifier la cause profonde et la résoudre. Dans les deux cas, il peut s'agir d'un problème commercial. processus ou des problèmes liés aux personnes, le architecture d'entreprise fonction Il conviendrait de participer à l'analyse des causes profondes. Des experts métiers devraient être consultés au besoin.

Questions

• Existe-t-il un service de triage ? processus en place pour identifier la cause première suspectée des défauts de données ?
• Le journal des problèmes de données inclut-il une catégorisation des problèmes liés aux personnes ou processus?
• Est-ce que architecture d'entreprise fonction impliqué dans l'analyse et la correction des causes profondes des défauts de données, en collaboration avec les personnes et processus?

Artefacts

• Processus pour l'engagement de architecture d'entreprise dans les activités de correction des causes profondes
• Journal des problèmes qui inclut les défauts liés aux personnes et processus

Score

Sous-capacité suivante

Description

L'alignement de la gouvernance DA et BA comprend : une définition de l'activité processus; les besoins en données en tant qu'entrée et sortie de l'entreprise processus; et l'intégration de consommateur de données exigences, y compris celles des tiers contrat de données spécifications. La gouvernance DA fait partie de la structure et des routines globales de gouvernance DM.

Objectifs

• Alignez la gouvernance DA avec la gouvernance BA pour garantir que les définitions sémantiques, les taxonomies et les éléments de données critiques (CDE) soient correctement attribués et maintenus.
• Utiliser la gouvernance DA pour surveiller la capture des données appropriées métadonnées commerciales tel que défini par les politiques DM.

Conseil

L'objectif est de garantir que la gestion du sens des données soit alignée sur les processus métier définis. Les éléments métier, y compris leurs définitions et leurs relations, doivent être correctement attribués et maintenus afin de refléter la réalité de l'entreprise. Le sens des données doit être aligné sur les processus opérationnels et les exigences des fournisseurs de données tiers. Une collaboration est nécessaire pour gérer les fournisseurs de données., producteur de données et consommateur de données des relations et un contrôle des droits nécessaires pour maintenir le flux de données.

Questions

• Les processus métier ont-ils été définis et vérifiés ?
• Des procédures de gouvernance sont-elles en place pour garantir une signification partagée et sans ambiguïté au sein de l'organisation ?
• Les processus métier ont-ils défini les données prioritaires (CDE) qui sont essentielles à ? processus?
• Existe-t-il des mécanismes pour assurer la collaboration entre les producteurs et les consommateurs de données ?
• Les exigences et restrictions relatives aux données tierces sont-elles définies et accessibles ?

Artefacts

• Entreprise processus diagrammes de flux avec des données en entrée et en sortie
• Communication bidirectionnelle sur les définitions et les relations entre les données
• Les CDE sont définis par les processus métier
• Classifications de sécurité et de confidentialité

Score

Prochaine capacité

L'identification des données comprend : 1) la définition des domaines de données logiques ; 2) le mappage des référentiels de données physiques aux domaines de données logiques ; et 3) le catalogage des données physiques dans les référentiels.

Première sous-capacité

Description

L'identification des domaines de données logiques doit être guidée par les besoins de l'entreprise, en fonction des données nécessaires à l'exécution des fonctions requises. domaine de données Il s'agit de la représentation d'une catégorie de données désignée et nommée. Les domaines de données logiques représentent les données, et non les bases de données, nécessaires à la satisfaction des besoins métiers. processus exigences.

Objectifs

• Impliquez les entreprises processus experts en la matière dans l'identification des domaines de données logiques.
• Identifier et hiérarchiser les domaines de données logiques.
• Structurer les domaines de données logiques pour contenir les données des domaines, indépendamment des différentes structures organisationnelles où les données peuvent être produites à l'échelle de l'organisation.

Conseil

L'objectif global est de garantir une utilisation appropriée des données et d'amener les parties prenantes à envisager la gestion des données sous l'angle du contenu des données et non des référentiels de bases de données physiques. Cette démarche doit reposer sur une compréhension du fonctionnement réel des activités de l'entreprise. Une fois les domaines de données logiques définis, il convient de les associer à leurs emplacements physiques et aux points d'approvisionnement autorisés. La première étape consiste donc à définir ces domaines.

Les domaines de données comprennent à la fois les données générées en interne et les données acquises en externe. Il est impératif d'identifier et d'inventorier ces actifs de données stratégiques afin de garantir leur utilisation appropriée dans tous les domaines. consommateur de données processus métier critiques.

Questions

• Avoir domaine de données Quels sont les propriétaires responsables de la qualité et de la disponibilité des données identifiées ?
• L'entreprise domaine propriétaire, ainsi que le DA fonction, ont participé à la désignation des domaines de données faisant autorité ?
• Avoir domaine de données Les taxonomies et les modèles conceptuels/logiques ont-ils été vérifiés par des experts du domaine métier ?
• Toutes les fonctions essentielles de l'entreprise sont-elles représentées dans la discussion ?
• La distinction entre domaines de données et bases de données est-elle claire ?

Artefacts

• Politique indiquant ce que sont les domaines de données faisant autorité et comment ils doivent être utilisés
• Critères de détermination des domaines de données faisant autorité
• Inventaire des domaines de données faisant autorité
• Liste des parties prenantes et preuves de communication bidirectionnelle

Score

Sous-capacité suivante

Description

Les domaines de données logiques reposent sur des référentiels de données physiques qui leur sont associés. Ces référentiels physiques peuvent inclure des données applicatives, des bases de données, des feuilles de calcul, des entrepôts de données, des lacs de données, des données en flux continu ou des données stockées dans des services cloud.

Objectifs

• Reliez les référentiels physiques sous-jacents aux domaines de données logiques et enregistrez ces liens.
• Identifier les dépôts qui ont été inventoriés et documenter que l'inventaire est activement tenu à jour.

Conseil

Les éléments de données dans toute logique domaine de données Il est nécessaire de faire correspondre les données à leur emplacement physique. La première étape consiste à dresser l'inventaire des référentiels de données. L'emplacement du contenu importe peu : il peut s'agir d'un environnement externe, de flux continu, d'un modèle maître/esclave ou d'un environnement cloud. L'essentiel est que les données soient liées aux domaines de données faisant autorité et que cette liaison soit appliquée. Il ne s'agit pas de centraliser les données dans un entrepôt. Il suffit que chaque donnée dispose d'un référentiel unique identifié comme sa source connue.

Questions

• Les inventaires des référentiels de données ont-ils été compilés et vérifiés ?
• Les domaines de données faisant autorité ont-ils été associés à leur emplacement physique ?
• Des contrôles sont-ils mis en place pour garantir l'intégrité et l'accessibilité des espaces de noms ?
• A politique ont été rédigés, vérifiés et approuvés concernant l'utilisation des points d'approvisionnement autorisés ?

Artefacts

• Inventaire des dépôts de données et des points de distribution autorisés
• Cartographie des domaines de données faisant autorité vers l'emplacement physique
• Politique déclarations sur l'utilisation des points de ravitaillement autorisés

Score

Sous-capacité suivante

Description

Une fois les référentiels physiques de données alignés sur les domaines de données établis, l'étape suivante consiste à cataloguer les données physiques dans ces référentiels.

Objectifs

• Établir un catalogue d'éléments de données alignés sur domaine de données.
• Capture de base métadonnées sur les éléments de données.
• Rendre le catalogue de données accessible aux parties prenantes.

Conseil

Les éléments de données alignés sur un domaine de données doit avoir des connaissances de base métadonnées capturé, y compris, mais sans s'y limiter, la source, terme nom, terme définition, nom du champ et emplacement du champ. Les éléments de base métadonnées est nécessaire pour rendre les données accessibles. consommateur de données et en particulier les consommateurs d'analyse de données auront besoin de ceci métadonnées dans le cadre de leur découverte processus en amont de la définition des données destinées à la production. Les données sont priorisées en fonction des besoins et des objectifs de l'entreprise. processus criticité des données politique nécessitera un ensemble plus complet d'activités et métadonnées techniques être capturé.

Questions

• Alignez les éléments de données sur un domaine de données ont été catalogués ?
• Possède des bases métadonnées ont été capturés sur les éléments de données ?
• Est-ce que métadonnées accessible aux parties prenantes dans un catalogue de données ?

Artefacts

• Données politique pour les bases métadonnées capture sur les éléments de données alignés sur un domaine de données
• Catalogue de données

Score

Prochaine capacité

La définition des données comprend : 1) la définition et la documentation des modèles conceptuels et logiques ; 2) l’établissement du cadre commercial processus définition des données ; et 3) utilisation de taxonomies pour établir des relations entre les données.

Première sous-capacité

Description

Modèles conceptuels et logiques pour tous entreprise Les domaines de données doivent être définis et documentés. L'alignement sur les modèles doit être exigé par politique et intégrés dans le entreprise Politiques de gestion du changement.

Objectifs

• Définir et documenter les modèles de données conceptuels et logiques.
• Vérifier les modèles de données conceptuels et logiques avec les principales parties prenantes.
• Capturez les relations entre les objets de données et documentez-les dans domaine ontologies.
• Vérifiez les domaines de données faisant autorité auprès d'experts métiers.
• Publier domaine de données faisant autorité taxonomies et démonstration de leur utilisation par les systèmes en amont/en aval.
• Harmoniser et croiser les taxonomies internes avec les normes internationales.

Conseil

Les modèles conceptuels définissent le fonctionnement des processus métier dans le monde réel. Les modèles logiques organisent les données en domaines gérables. Les taxonomies définissent les relations hiérarchiques. Les taxonomies sont essentielles pour établir une définition et un langage communs des données à l'échelle de l'organisation et sont nécessaires pour garantir leur utilisation appropriée. L'établissement de ces modèles doit être indépendant de l'instanciation physique future des données. Cependant, des questions relatives à la conception de données relationnelles par rapport aux données sémantiques (par exemple : graphes ou modèles sémantiques) peuvent se poser. HIBOU La conception) doit être prise en compte de manière stratégique lors de la conception du entreprise Données d'entité.

Une fois les modèles désignés, ils doivent être gérés et rendus obligatoires par politique pour garantir leur mise en œuvre, leur maintenance et leur utilisation. Alignement sur domaine de données Les taxonomies et les modèles conceptuels devraient être formellement imposés par les politiques de gestion du changement de l'organisation, notamment en ce qui concerne les approbations de changement, l'analyse d'impact et la mise en œuvre contrôlée.

Les référentiels de données contiennent des données qui représentent des concepts réels nécessaires aux processus métier. Ces données comportent des termes, définissent des caractéristiques, expriment des conditions, définissent des déclencheurs, spécifient des exigences et traduisent les activités de l'entreprise. processus. L’objectif est de créer une vue conceptuelle unique des données qui définisse comment les concepts et processus métier fonctionnent dans le monde réel. modèle sert à exprimer les besoins en données en termes commerciaux, en fonction des besoins de l'entreprise. processus activités au niveau le plus granulaire nécessaire à l'entreprise processus. Le modèle de données logique est utilisé pour définir un ensemble logique de données à aligner sur un domaine de données. La portée de la logique ensemble de données peut être validé par l'existence d'une expertise naturelle en la matière pour étayer le ensemble de données. Si la portée de la logique ensemble de données Cette notion est trop vaste ; elle exigera une expertise pointue en la matière et sera difficile à gérer.

Données granulaires L'analyse de données est souvent utilisée pour élaborer des concepts dérivés afin de gérer les objectifs des processus métier. Ces concepts peuvent parfois être très complexes et être construits à partir de nombreux éléments de données susceptibles de varier selon leur provenance. Garantir l'alignement des données sur une signification commune est essentiel pour automatiser les processus, réaliser des analyses avancées et générer des rapports fiables. Il s'agit là d'un des objectifs fondamentaux de l'initiative d'analyse de données et d'un élément essentiel de la plupart des processus métier. Sans une signification partagée et une transparence quant à la manière dont les concepts dérivés sont créés, l'organisation aura des difficultés à démêler les interconnexions, à gérer la complexité et, surtout, à utiliser les données pour stimuler l'innovation.

Questions

• Les modèles de données conceptuels et logiques définissant les domaines de données à l'échelle de l'organisation ont-ils été vérifiés par des experts métiers ?
• Les taxonomies et les modèles de données sont-ils documentés, rendus accessibles et utilisés dans les systèmes existants et nouveaux ?
• Les politiques et les normes de gestion des modèles de données et des taxonomies ont-elles été définies, vérifiées, approuvées et rendues accessibles ?
• La gouvernance des taxonomies a-t-elle été alignée sur les politiques de gestion du changement existantes ?
• A-t-il le modèle des termes, définitions et relations vérifiés par les parties prenantes de l'entreprise et stockés comme métadonnées?
• Existe-t-il des mécanismes d'accès, tels que des glossaires, qui puissent servir de points de référence pour la mise en œuvre ?

Artefacts

• Politique et les normes relatives à l'utilisation et à la maintenance des modèles de données et des taxonomies
• Cartographie et transformation pour assurer la mise en œuvre par les systèmes en amont et en aval
• Termes, définitions et relations conceptuelles en affaires
• Accord sur la signification commerciale vérifié par les parties prenantes
• Modèles de données et taxonomies enregistrés dans métadonnées dépôt
• Métadonnées Le contenu du dépôt est accessible aux parties prenantes.
• Liste des parties prenantes et preuves de communication bidirectionnelle

Score

Sous-capacité suivante

Description

Les définitions métier doivent être élaborées sous forme de descriptions non techniques des attributs des données, fondées sur des faits contractuels, juridiques et/ou commerciaux.

Objectifs

• Documentez les définitions métier et vérifiez-les auprès des parties prenantes.
• Attribuer des définitions métier approuvées à des taxonomies définies, qui sont des modèles conceptuels entièrement attribués.

Conseil

La signification précise des données se complexifie à mesure qu'elles sont déplacées, copiées et renommées. Ceci pose problème car la plupart des organisations fonctionnent grâce à des applications métier. Ces applications sont pilotées par des logiciels, chacun ayant ses propres spécificités. modèle de données. Tous ces modèles utilisent des glossaires comme éléments d'entrée essentiels. La signification est souvent alignée sur le logiciel spécifique pour garantir son bon fonctionnement. Elle n'est pas harmonisée entre toutes les applications ni au sein de l'organisation. Il en résulte des situations où les organisations utilisent les mêmes termes avec des significations différentes et désignent des choses identiques par des termes différents. Ces problèmes peuvent être exacerbés lors de l'alignement des processus front-office et back-office, car les termes utilisés en front-office ne communiquent pas toujours les nuances cruciales nécessaires au respect des obligations légales en back-office. Ces différences de définition engendrent des problèmes d'intégration et compliquent le décryptage de calculs métier complexes ou la réutilisation des données dans de nouvelles applications. L'objectif est de parvenir à un consensus sur la signification des termes de données dans le contexte de leur utilisation.

Questions

• La signification commerciale des termes atomiques et dérivés a-t-elle été définie et vérifiée ?
• Les représentants des services juridiques et de conformité ont-ils été impliqués dans l'élaboration du langage juridique utilisé pour définir les concepts commerciaux ?

Artefacts

• Glossaires d'affaires
• De l'avant à l'arrière partie prenante fiançailles
• Liste des parties prenantes et preuves de communication bidirectionnelle

Score

Sous-capacité suivante

Description

Identification, classification et taxonomie Des schémas et des méthodologies doivent être utilisés pour garantir une organisation précise des données. L'établissement de ces schémas et méthodologies est essentiel pour définir les relations entre les éléments et établir standard Le traitement des données à l'échelle de l'organisation et leur agrégation à des fins analytiques nécessitent des identifications, des classifications et des taxonomies uniques et précises. Ces éléments constituent un concept fondamental et une condition essentielle pour les rapports réglementaires, l'analyse des risques et autres analyses internes.

Objectifs

• Définir des identifiants pour les éléments critiques de l'entreprise.
• Attribuer et publier des identifiants d'entités internes et les utiliser dans tous les processus métier.
• Alignez et croisez les identifiants internes avec ceux du secteur d'activité. standard identifiants.

Conseil

Des systèmes d'identification des données sont nécessaires pour les facteurs de données d'entrée tels que : Client ID, ID d'entité juridique et ID de produit.

Classification des données Des dispositifs sont nécessaires pour prendre en compte des facteurs liés aux données tels que le traitement de la confidentialité, la sécurité des informations, le masquage, le chiffrement et l'analyse des risques.

Données taxonomie Les schémas définissent les relations entre les éléments. Les taxonomies définissent les relations entre les éléments métier au sein d'un système. domaine de données. Les taxonomies sont essentielles pour établir une définition et un langage communs des données à l'échelle de l'organisation et sont nécessaires pour garantir la bonne utilisation des données.

Standard identification, classification et taxonomie Les schémas doivent être associés à tous les identifiants propriétaires utilisés dans les applications consommatrices. L'identification unique est un principe fondamental de la gestion des données, régi par politique et appliquées par des normes.

Des politiques, des procédures et des normes sont nécessaires pour garantir l'attribution, l'utilisation et la maintenance appropriées des systèmes d'identification, de classification et taxonomie La création de ces dispositifs requiert la participation des acteurs des secteurs d'activité, des données, des technologies, des affaires juridiques et de la conformité. Dans de nombreux cas, des politiques de conformité existent déjà, mais elles ne sont pas nécessairement intégrées aux processus d'utilisation, au cycle de vie du développement logiciel (SDLC) ou à la gestion des changements au sein de l'organisation.

L'établissement de ces schémas et méthodologies est essentiel pour définir les relations entre les choses, établir standard Le traitement des données à l'échelle de l'organisation et leur agrégation à des fins analytiques reposent sur des identifiants, des classifications et des taxonomies uniques. Ces éléments constituent un concept fondamental et une condition essentielle pour les rapports réglementaires, l'analyse des risques et autres analyses internes.

Schéma d'identification des instruments, des entités, clients, et les produits doivent être uniques et précis. Standard Les identifiants doivent être mis en correspondance avec tous les identifiants propriétaires utilisés dans les applications consommatrices de données. L'identification unique est un principe fondamental de la gestion des données qui doit être encadrée par politique et encadrées par des normes. La portée et la valeur de l'analyse avancée dépendent fortement de standard schéma d'identification.

Questions

• Un schéma d'identification unique et précis a-t-il été établi pour tous les instruments et entités ?, clients, et les produits ?
• A politique ont-ils été développés et approuvés pour garantir que ces identifiants sont utilisés dans les applications commerciales ?
• Avoir standard Des identifiants ont-ils été publiés et mis en correspondance avec des identifiants propriétaires ?

Artefacts

• Politique à propos standard identifiants
• Inventaire des normes d'identification utilisées
• Documentation de référencement croisé et de transformation

Score

Sous-capacité suivante

Description

À l'échelle de l'organisation standard métadonnées modèle est requis. métadonnées est le domaine de données qui est détenue et gérée par l'initiative DM. Les mêmes exigences de l'initiative DM s'appliquent à la gestion de tout domaine de données sont appliquées au DM domaine de données.

Objectifs

• Définir et mettre en œuvre le métadonnées modèle pour le domaine de données détenue et gérée par l'initiative DM.
• Incluez toutes les données requises en entrée et en sortie de l'activité DM. processus dans le métadonnées modèle.
• Gérer le DM domaine de données d'après les données politique et les normes.

Conseil

Le DM domaine de données comprend tout métadonnées défini comme les exigences relatives aux données en entrée et en sortie des processus métier de l'initiative DM. À exécuter standard DM traite le métadonnées les processus doivent s'aligner sur un standard métadonnées modèle. Un avantage supplémentaire de standard métadonnées L'interopérabilité entre tous les domaines de données et leurs interactions est essentielle. Enfin, standard métadonnées crée la capacité de soutenir, le cas échéant, la mise en œuvre centralisée des processus de gestion des données au sein de l'organisation.

Une autre application importante de métadonnées est le classification des données schéma permettant d'identifier les données signalées pour des problèmes tels que la confidentialité, les données sensibles, les exigences de consentement, les droits des personnes concernées et l'utilisation, l'accès et le devenir éthiques des données.

Les types de métadonnées Elles sont nombreuses et peuvent inclure des aspects commerciaux, opérationnels, techniques, descriptifs, structurels et administratifs.

Questions

• Le directeur de la messagerie est-il domaine de données défini avec un métadonnées modèle?
• Est-ce que métadonnées modèle Inclure toutes les données requises par les processus métier de gestion des données ?
• Est-ce que métadonnées modèle inclure un programme complet classification des données schéma?

Artefacts

• DM domaine de données inclus dans l'organisation domaine de données structure
• Métadonnées modèle défini pour le DM domaine de données
• Classification des données schéma?

Score