Понимание данных прошло эволюционный путь от структуры хранения информации до ключевого элемента в конкурентной борьбе. Сегодняшние информационные технологии, такие как: искусственный интеллект, машинное обучение, предиктивная аналитика, рекомендательные технологии, существуют благодаря большим данным, анализу данных и стремительному развитию вычислительной техники.
Раньше все было иначе. Изначально данные рассматривались как составной, но обязательный элемент компьютерной программы, наряду с командами и алгоритмами. Постепенный функциональный рост софтверных программ от приложения до программного обеспечения, программной системы, информационной системы и корпоративной информационной системы менял взгляд на данные. Уходя от рассмотрения данных только лишь в контексте нормализации данных и СУБД, акцент последовательно перешел к вопросам миграции данных, поддержания их качества и, наконец, бизнес-процессу управления данными.
Сейчас существует отдельный класс программных систем MDM, ориентированный на управление данными. Ведение основных и переменных данных, НСИ и обработка остатков – все это существенные операции бизнес-процесса над данными. Не так много литературных источников, содержащих анализ именно бизнес-процесса работы над данными, исключая детали нормальных форм, SQL-запросов и прочих технических вопросов. Среди них выделяется свод знаний по управлению данными или DAMA-DMBoK, рассмотрению которого будет посвящена данная работа.
Цель статьи состоит в обзоре свода знаний DAMA-DMBoK по управлению данными и его применения в проектах внедрения ERP-систем. Достижение указанной цели потребует реализации следующих задач:
- анализ свода знаний DAMA-DMBoK для управления данными;
- сопоставление доменов знаний DAMA-DMBoK и этапов жизненного цикла ERP-систем;
- уточнение области применения DAMA-DMBoK.
1. Свод знаний DAMA-DMBoK по управлению данными
Вспомним основные вехи, связанные со сводом знаний DAMA-DMBoK. В 1980 году была официально зарегистрирована международная добровольная некоммерческая организация DAMA International (Data Management Association), систематизирующая знания и опыт в области управления данными. В 2009 году ею было выпущено первое руководство по своду знаний DAMA-DMBoK, ставшее основным ресурсом для подготовки специалистов в области данных [1]. Теперь введем ключевые определения, касающиеся данных.
Определение 1. Управление данными – разработка, исполнение и контроль выполнения программ, практик и политик предоставления, проверки, защиты и повышения ценности данных и прочих информационных активов на протяжении всего их жизненного цикла.
Определение 2. Свод знаний по управлению данными (Data Management Body of Knowledge, DMBoK) – это набор лучших международных практик для управления данными, собираемый ассоциацией DAMA.
Методология DAMA-DMBoK по управлению данными включает 11-ть областей знаний:
- руководство данными, где упоминаются стандарты и законы, относящиеся к данным, ведется надзор за данными путем разграничения ролей и полномочий, введения должностных обязанностей и мониторинга аналитической отчетности по ним;
- моделирование и проектирование данных, здесь строятся и нормализуются структуры данных, отражаются потоки данных, описывается то, как требования пользователей, относящиеся к данным, будут реализовываться;
- хранение и операции с данными, реализующая поддержку и сопровождение обработки различных видов данных, включая контроль производительности, резервное копирование, репликацию данных и др.;
- безопасность данных, гарантирующая конфиденциальность и защиту данных от несанкционированного доступа, а также обеспечение коммерческой тайны за счет сбора требований к безопасности и имплементирования решений к ним;
- интеграция и интероперабельность данных, объединяющая и консолидирующая данные в рамках отдельных хранилищ данных и/или между ними посредствам ETL и ESB-систем, а также SOA;
- управление документами и контентом, обеспечивающая работу с неструктурированными данными для соблюдения требований нормативно-правового регулирования за счет применения ECM, DMS и CMS-систем;
- справочные и основные данные, здесь описывается процесс ведения наиболее критичных для предприятия данных, снабжающий актуальной и правдивой информацией все бизнес-процессы предприятия. Вводятся мастер данные, задающие бизнес-сущности, и справочные данные, представленные списками перечисленных значений, реализуемые в MDM и RDM-системах соответственно;
- ведение хранилищ данных и бизнес-аналитика, где задается процесс управления данными для поддержки принятия решений, извлечения ценности из данных и формирования отчетности. Определяются DW-системы, представленные базами данных и механизмами сбора, очистки, преобразования, хранения данных; а также BI-системы, предназначенные для визуализации данных, построения аналитической отчетности, проведения анализа данных и машинного обучения;
- метаданные, задающая процесс ведения «данных о данных», включая интеграционные потоки и прочую информацию для их понимания. Выделяют бизнес (преобразования, расчеты и логические формулы), технические (названия таблиц баз данных, ER-диаграммы, ETL-операции) и операционные (журналы выполнения пакетной обработки данных, частота/время запуска журналов и др.) метаданные;
- качество данных, вводящая методические решения для измерения, оценивания и повышения качества данных. Выявляются критически важные объекты данных, анализируются и устраняются проблемы, связанные с ними;
- архитектура данных, определяющая концептуальное видение по управлению информационными активами организации в соответствии с ее целями, строится корпоративная архитектура данных, а также формулируются стратегические требования к данным и дизайнам решений для достижения выгод компании;
а также такие тематические разделы, как:
- этика обращения с данными, в котором подчеркивается влияние данных на человеческие жизни, ценность данных и говорится о последствиях злоупотребления данными;
- большие данные и наука о данных, где для последнего задается ключевой бизнес-процесс, включающий операции от выбора стратегии больших данных для бизнеса до внедрения модели, дающей полезную информацию;
- оценка зрелости управления данными согласно модели CMM;
- организация управления данными и ролевые ожидания, знакомящий с ролями в области данных и распределением их ответственности согласно RACI-матрицы;
- организационные изменения и управление данными [1].
2. Области знаний DAMA-DMBoK и жизненный цикл ERP-систем
Области знаний DAMA-DMBoK могут быть представлены в виде пирамиды Питера Айкена, иллюстрирующей ситуации, в которых оказываются многие организации: от внедрения программных продуктов, оперирующих данными, до использования передовых практик по извлечению и аналитике данных. Таблица ниже демонстрирует логическую последовательность этапов работы над данными. Однако свод знаний DAMA-DMBoK не предписывает строгую последовательность выполнения инициатив, задающих домены знаний, несмотря на упоминание в нем модели зрелости компаний в части бизнес-процессов по управлению данными [1].
В контексте жизненного цикла ERP-систем [2], состоящего из пред-проекта внедрения, проекта имплементации и пост-проекта, данные рассматриваются через призму двух активностей [3]:
- миграция основных и переменных данных, подразумевающая перенос исторической информации в целевую систему на момент продуктивного запуска программного решения;
- управление бизнес-процессом ведения мастер данных, в частности при обработке контрагентов (поставщики, клиенты и др.) и номенклатурных позиций (материалы, товары, услуги и др.).
Управление данными представляется как регулярный бизнес-процесс, сравнимый с закупками, продажами и финансами, к которому предъявляются всевозможные требования и которые необходимо реализовать в информационной системе [4]. Сам же процесс обработки требований усложняется наличием потребности в миграции данных. Таким образом, большая часть инициатив из областей знаний DAMA-DMBoK реализуются в ходе предпроектного обследования и проекта внедрения ERP-системы (табл. 2) ...
Полный текст статьи: https://corpinfosys.ru/archive/2024/issue-28/280-2024-28-damadmbok
