Maturitatea datelor este un termen folosit frecvent pentru a plasa o organizație pe o scală: de la nivelul 1 la nivelul 5, de la ad hoc la optimizat. Aceste scale nu sunt fără valoare, dar sugerează o precizie care de obicei nu există în cazul datelor de sustenabilitate. O organizație nu este matură sau imatură. Unele puncte de date sunt bine fundamentate, altele depind de un singur fișier de calcul pe care îl înțelege o singură persoană. Măsurarea maturității datelor înseamnă, în practică: stabilirea, pentru fiecare punct de date, a provenienței acestuia, a persoanei care își asumă responsabilitatea și a ceea ce se întâmplă dacă acea persoană nu mai este disponibilă.
Un scor de maturitate oferit de o parte externă dă o impresie, dar nu o listă de acțiuni. Dacă răspunsul este "nivelul 2 din 5", tot nu știți ce punct de date este nesigur, ce sursă lipsește sau ce angajat este singurul care știe cum se construiește o cifră. Maturitatea datelor este utilă ca instrument de măsurare doar atunci când este defalcată la nivelul punctelor de date individuale. Nu: "organizația obține un scor mediocru", ci: "acest punct de date nu are o sursă documentată, celălalt punct de date are trei surse care se contrazic între ele."
Există trei întrebări care merită un răspuns pentru fiecare punct de date și care, împreună, oferă o imagine mai realistă decât un scor total.
Prima este proveniența: de unde provine această cifră, prin ce sisteme și operațiuni, și este acest traseu documentat sau este cunoscut doar de persoana care se ocupă de el de ani de zile. Aici este exact locul în care lineage-ul unui punct de date schimbă ceea ce o organizație poate demonstra: nu cifra în sine, ci traseul până la ea.
A doua este deținerea: cine este responsabil pentru acest punct de date și este acest lucru documentat independent de persoana care se ocupă de el în prezent, din întâmplare. Fără această documentare, întrebarea cine citește registrul de puncte de date atunci când actualul deținător nu mai este acolo nu este retorică, ci un risc real pentru continuitate.
A treia este calitatea: există reguli care semnalează o eroare înainte ca cifra să ajungă în raport, sau o abatere este descoperită doar atunci când o parte externă întreabă despre ea. Această a treia întrebare este direct legată de gradul în care datele sunt verificabile pentru asigurare: un auditor nu verifică dacă cifra sună plauzibil, ci dacă fundamentarea rezistă.
Această modalitate de măsurare nu oferă o cifră cu care să vă puteți compara cu o altă organizație. Nu spune nimic despre ce procent din datele dumneavoastră este "matur", pentru că acel prag este arbitrar și diferă în funcție de sector, de punctul de date și de evaluator. De asemenea, nu prezice cât timp va dura să treceți de la situația actuală la o situație mai bună; asta depinde de câte puncte de date există, de câte sisteme sunt implicate și de câți oameni dețin în prezent cunoștințele doar în mintea lor.
Ce face măsurarea, în schimb, este să ofere o imagine de ansamblu concretă: acest punct de date este în regulă, celălalt nu, și acesta este exact motivul. Această imagine de ansamblu este mai puțin impresionantă decât un scor pe o scală de la unu la cinci, dar este singura care oferă o perspectivă de acțiune.
Presupunerea că fișierele de calcul reprezintă problema duce frecvent la concluzia că un instrument nou crește automat maturitatea. Nu este așa. Așa cum este descris în analiza motivelor pentru care fișierele de calcul nu reprezintă esența problemei, vulnerabilitatea nu se află de obicei în formatul fișierului, ci în absența unei proveniențe și a unei deținări documentate. Un instrument aplicat peste un proces neorganizat produce imagini de ansamblu mai ordonate ale aceloraşi cifre nesigure. Ordinea corectă este: mai întâi se stabilește ce există și de unde provine, apoi se alege ce sistem susține acest lucru.
Măsurarea maturității nu începe cu toate datele pe care o organizație le-ar putea raporta vreodată, ci cu întrebarea ce puncte de date sunt cu adevărat necesare pentru obligațiile de raportare aplicabile. Această delimitare previne ca o măsurare să se transforme într-un inventar al tot ceea ce a fost documentat undeva, în timp ce distincția dintre punctele de date de care aveți cu adevărat nevoie și punctele de date pe care le colectați deja, din întâmplare determină exact pe ce trebuie să se concentreze măsurarea. Cei care preferă să parcurgă mai întâi această abordare într-o sesiune comună, în loc să o citească singuri, găsesc structura acesteia în descrierea a ce înseamnă și ce oferă un bootcamp de date.
Această modalitate de măsurare este primul pas, nu punctul final. Odată ce este clar care puncte de date sunt slab fundamentate, cine lipsește ca deținător și ce reguli de calitate nu există încă, apare întrebarea cum se documentează acest lucru în mod structural: într-un registru, cu lineage pentru fiecare punct de date și cu reguli care semnalează abaterile înainte ca un raport să fie trimis. Acesta este lucrul pentru care este destinat Data Readiness Scan de la csrdready.net. Scanul este în curs de dezvoltare; cei care doresc să înceapă deja cu acesta se pot înscrie pe lista de așteptare.
Odată ce știți care puncte de date necesită atenție și cine este responsabil pentru ele, următoarea întrebare este firească: cât din munca din jurul acestora — recopierea, verificarea, combinarea surselor — este muncă pe care o poate prelua o mașină și cât necesită judecată umană. Scanul de muncă al FTE TO AI calculează, pentru fiecare sarcină, ce parte din aceasta poate fi preluată de AI, astfel încât să nu ghiciți, ci să numărați.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.