عنوان مدیریت داده های Master (بخش اول)
نوع منبع مقاله
گروه داده Master و Reference
تاریخ انتشار ۲۳ / ۱۲ / ۱۳۹۶
خلاصه نیاز به داده در یک سازمان همانند نیاز به اکسیژن برای انسان است . بدون اکسیژن ، حیاتی وجود نخواهد داشت و بدون داده ، حیات یک سازمان معنایی ندارد . بدیهی است که برخی داده ها به دلیل جایگاه راهبردی در کسب و کار یک سازمان ، از درجه اهمیت بیش تری برخوردار باشند چراکه لازم است این نوع داده ها بین واحدهای مختلف کسب و کار ، فرآیندها و سیستم ها به اشتراک گذاشته شوند. مدیریت داده های Master و Reference به دنبال آن است تا ضمن شناسایی این نوع داده ها ، مدیریت آنها را در سطح یک سازمان بگونه ای انجام دهد که کاهش هزینه ها ، ریسک ها و پیچیدگی ها را به دنبال داشته باشد .

  در هر کسب و کار از داده های مختلف و متنوعی برای انجام فرآیندها و فعالیت ها استفاده می گردد . نیاز به داده در یک سازمان همانند نیاز به اکسیژن برای انسان است . بدون اکسیژن ، حیاتی وجود نخواهد داشت و بدون داده ، حیات یک سازمان معنایی ندارد . بدیهی است که برخی داده ها به دلیل جایگاه راهبردی در کسب و کار یک سازمان ، از درجه اهمیت بیش تری برخوردار باشند چراکه لازم است این نوع داده ها بین واحدهای مختلف کسب و کار ، فرآیندها و سیستم ها به اشتراک گذاشته شوند . برای یک سازمان عالی است اگر بتواند شرایطی را فراهم نماید که تمامی واحدهای کسب و کار قادر به دستیابی داده مشابه از یک موجودیت نظیر مشتری و یا محصول باشند . به عنوان نمونه دستیابی به لیست مشتریان ، محصولات و کدهای مکان جغرافیایی مشابه می تواند یک دید یکسان از موجودیت ها را بین بخش های مختلف کسب و کار ، فرآیندها و سیستم ها ایجاد نماید . در شکل 1 ، نیاز به داده بین بخش های مختلف یک سازمان نشان داده شده است .

   نیاز به داده بین بخش های مختلف ، فرآیندها و سیستم ها
شکل 1 : نیاز به داده بین بخش های مختلف ، فرآیندها و سیستم ها

مدیریت داده های Master و Reference به دنبال آن است تا ضمن شناسایی این نوع داده ها ، مدیریت آنها را در سطح یک سازمان ( نه یک بخش بخصوص ) بگونه ای انجام دهد که کاهش هزینه ها ، ریسک ها و پیچیدگی ها را به دنبال داشته باشد . برای ورود هدفمند به بحث مدیریت داده های Master و Reference می بایست بر روی موارد متعددی متمرکز گردید. شاید یکی از مناسب ترین نقاط  ورود به موضوع ، نگاه به گذشته است و این که ما در سازمان های خود چگونه با این نوع داده ها برخورد کرده ایم و در عمل با چه شیوه ای به نیاز اشتراک داده بین واحدهای مختلف ، فرآیندها و سیستم ها پاسخ داده ایم .

از نیاز به اشتراک داده تا اعتماد به داده  
 اگر هر واحد کسب و کار با نگرش خود به موجودیت های اساسی کسب و کار نظیر مشتری ، محصول ، مکان و کارکنان و ... توجه کند و یا از کدگذاری مختص به خود برای شهرها ،  استان ها  ، محصولات ، دپارتمان ها ، مشاغل و ... استفاده نماید ، در عمل ، با شرایطی مواجه خواهیم بود که در آن  سیستم ها و فرآیندهای هر واحد کسب و کار با تعریف مختص به خود ( نه یک تعریف فرابخشی ) ، موجودیت ها را مدیریت می نمایند . رویکرد فوق سازمان ها را با چالش های جدی نظیر مساله اشتراک داده ، موضوع یکپارچه سازی ، افزایش هزینه ها ، افزایش ریسک  و گزارشات متناقض غیرقابل اعتماد مواجه می نماید که ماحصل آن شکل گیری جزایر مختلف اطلاعاتی در دل یک سازمان است که گرچه ممکن است با نگاه محلی دارای کارکرد  مناسبی باشند ولی در عمل و از منظر سراسری ،  یک سازمان را با مشکلات عدیده ای مواجه خواهد کرد که مهمترین آن عدم اعتماد به داده است . عدم اعتماد به داده برای حرکت در یک محیط کسب و کار به شدت رقابتی که همه چیز آن به سرعت در حال تغییر است ، بدترین اتفاق ممکن برای یک کسب و کار خواهد بود . اتفاقی که بسیاری از بنگاه های کسب و کار حتی نسبت به وقوع آن آگاه نمی گردند  . در شکل 2 ، نگاه جزیره ای به موجودیت های اساسی کسب و کار در یک سازمان و از ارتفاع پایین ( محلی ) نشان داده شده است .  

  نگرش جزیره ای به نیازهای داده هر واحد کسب و کار
شکل 2 : نگرش جزیره ای به نیازهای داده هر واحد کسب و کار

زمانی که فرآیندهای کاری موجود در بخش های مختلف کسب و کار با یک دید مشابه از یک موجودیت استفاده نمایند ( صرفنظر از نوع تراکنشی که مد نظر آنها می باشد ) ، می توان به ورودی و یا خروجی آن فرآیند اعتماد کرد . اعتمادی که ریشه آن در دل داده نهفته است . اعتماد به داده پیش شرط اولیه هر نوع تصمیم گیری در یک سازمان است .اگر نتوان به داده اعتماد کرد ، در عمل ما در مسیری حرکت کرده ایم که صرفا هزینه های تولید و ذخیره سازی داده را پرداخت کرده ایم و در فصل برداشت محصول نمی توان از آن جهت تصمیم گیری و یا  نیاز سایر فرآیندها  استفاده کرد و در عمل حرف زیادی برای گفتن وجود نخواهد داشت . به عنوان نمونه فرض کنید که هر یک از واحد های بازاریابی و امور مشتریان دارای تعریف مختص به خود از موجودیت مشتری باشند . ماحصل این تعریف ، تاثیر خود را در مدل سازی داده از سطح مفهومی تا فیزیکی در هر یک از واحدهای فوق  نشان خواهد داد  و در نهایت سیستم هایی در دل این واحد ها ایجاد خواهد شد که قادر به گفتگو و مبادله داده در خصوص موجودیت مشتری نخواهند بود . در شکل 3 ، نگاه جزیره ای به موجودیت مشتری در دو واحد بازاریابی و امور مشتریان یک سازمان فرضی نشان داده شده است .

  نگاه جزیره ای به موجودیت مشتری در دو واحد بازاریابی و امور مشتریان
شکل 3 : نگاه جزیره ای به موجودیت مشتری در دو واحد بازاریابی و امور مشتریان

این موضوع زمانی پیچیده تر خواهد شد که ما دارای یک فرآیند افقی باشیم ( نه یک فرآیند عمودی که شروع و پایان آن در طول یک واحد کسب و کار است ) که می بایست در طول دو واحد بازاریابی و امور مشتریان حرکت کند . بدیهی است که در عمل چنین امکانی وجود نخواهد داشت چراکه هر یک  ، موجودیت مشتری را بر اساس نگاه عمودی به نیازهای فرآیندی خود ایجاد کرده اند . در چنین مواردی اگر به عنوان مثال از واحدهای بازاریابی و امور مشتریان  این پرسش را مطرح کنیم که سازمان ما دارای چه تعداد مشتری است ، هر یک پاسخ مختص به خود را خواهند داد . بدترین اتفاق ممکن  در یک سازمان این است که با طرح یک پرسش مشابه ، پاسخ های متفاوتی را دریافت کرد . همانگونه که اشاره گردید ، اعتماد به داده یکی از مهمترین ارکان و یا رسالت یک برنامه جامع مدیریت داده است . چرا که امروزه حیات توام با موفقیت کسب و کارها به داده هایی بستگی دارد که بتوان از آنها در لایه های مختلف راهبردی ، تاکتیکی و عملیاتی استفاده کرد . برای تحقق این موضوع به یک تفکر ، رویکرد و یا هوای تازه نیاز داریم تا ضمن پاسخگویی به نیاز های اشتراک داده بین واحدهای مختلف کسب و کار بتوان در بالاترین سطح ممکن به داده اعتماد کرد .

نیاز به یک رویکرد جدید  
برای برخورد مناسب با نگرش های جزیره ای به موجودیت های اساسی کسب و کار، می بایست نیازهای فرآیندی ، داده ، فناوری ، امنیت و یکپارچه سازی را از بالاترین ارتفاع ممکن در یک سازمان  و در قالب یک معماری منسجم مشاهده کرد . مشاهده نیازهای داده یک سازمان از بالاترین ارتفاع ممکن باعث ایجاد یک مدل منطقی داده ( LDM ) در سطح سازمان می گردد که هر یک از برنامه ها می توانند با مراجعه به آن ، مدل فیزیکی داده (PDM ) مورد نیاز خود را در خصوص موجودیت های اساسی کسب و کار ایجاد نمایند .  در شکل 4 ، نگاه از ارتفاع بالا به نیازهای یک سازمان نشان داده شده است .

   نگاه به نیازهای سازمان از بالاترین ارتفاع ممکن
شکل 4 : نگاه به نیازهای سازمان از بالاترین ارتفاع ممکن

نگاه به نیازهای داده در سطح سازمان می بایست با اصول اولیه معماری داده نیز سازگار باشد . در شکل 5 به سه اصل مهم و اولیه معماری داده اشاره شده است .

   سه اصل اولیه معماری داده
شکل 5 : سه اصل اولیه معماری داده

توجه به اصول فوق ، سایر حوزه های مختلف داده را به شدت تحت تاثیر قرار خواهد داد و به نوعی الهام بخش سایر حوزه ها  می باشد . به عنوان نمونه توجه به اصول فوق در مدل سازی داده ، کیفیت داده و امنیت داده بسیار حائز اهمیت می باشد.

خلاصه
در هر سازمان از داده های  متنوع و مختلفی استفاده می شود . بدون شک برخی داده ها در یک سازمان دارای جایگاهی برجسته تر نسبت به سایر داده ها می باشند . این نوع داده ها ، عموما داده هایی در رابطه با موجودیت های کلیدی  کسب و کار نظیر مشتری ، محصول ، کارکنان و تامین کنندگان می باشند . در گذشته هر واحد در یک سازمان بر اساس نیازهای فرآیندی خود ، یک مدل داده از موجودیت های اساسی کسب و کار را طراحی می کرد . در واقع مدل سازی داده از موجودیت های کلیدی در هر واحد به صورت جزیره ای طراحی می گردید تا در ادامه زمینه استفاده از آنها  در برنامه ها و سیستم های کاربردی فراهم گردد . تداوم وضعیت فوق باعث شکل گیری جزایر مختلف اطلاعاتی در یک سازمان می شود که هر یک تعریف و یا توصیف خود را از موجودیت های کلیدی کسب و کار خواهند داشت  . جزایری که  امکان مبادله داده بین آنها به سختی و با صرف هزینه های سنگین یکپارچه سازی صورت می گرفت . اگر قرار است داده را به عنوان یک دارایی سازمانی مدیریت کنیم ، اگر قرار است زمینه اشتراک داده در بخش ها ، فرآیندها و سیستم های مختلف یک سازمان را فراهم کنیم ، اگر قرار است امکان دسترسی ساده به داده ها را در سراسر یک سازمان مهیا کنیم می بایست نیازهای داده را از بالاترین ارتفاع ممکن بررسی کرد  تا به کمک آن بتوان یک مدل داده منطقی سازمانی را طراحی کرد . مدلی که در ادامه می توان با مراجعه به آن و شناخت موجودیت های اساسی کسب و کار و روابط بین آنها ، مدل های فیزیکی متنوعی را بر اساس نیاز هر یک از سیستم ها و برنامه های کاربردی ایجاد کرد . در واقع در یک مدل داده منطقی  ، پس از شناسایی موجودیت های کلیدی کسب و کار و روابط بین آنها ، مدل سازی داده در سطح سازمان انجام می گیرد .
با مدیریت داده های Master و Reference ، موجودیت های کلیدی شناسایی و ضمن مدیریت منسجم آنها ، امکان بکارگیری آنها در سراسر یک سازمان فراهم می گردد . در بخش بعد به سراغ چارچوب DMBOK خواهیم رفت و از پشت لنز این چارچوب به موضوع  مدیریت داده های Master نگاه خواهیم کرد .
 

منابع  :  
Dama International , DAMA-DMBOK: Data Management Body of Knowledge (2nd Edition),Technics Publications; Second edition, Technics Publications , July 5 2017
CMMI Institute , Data Management Maturity (DMM) Model Version 1.0 ,CMMI Institute , 2014