"Отправная точка датацентричного подхода Что такое монетизация данных все уже разобрались - это когда можно заработать на данных. А что такое датацентричность? В датацентричной парадигме данным придаётся первостепенное значение, причём их интерпретация и обработка определяется смыслом данных, а не приложениями для их обработки, то есть приложения «подстраиваются» под данные, а не наоборот. Данные становятся основой проектирования систем и главным фактором принятия решений. Вот некоторые принципы датацентричного подхода: - данные — ключевой актив любой организации; - данные информативны и не зависят от применения и интерпретации; - данные представлены в открытых, незарегистрированных под конкретное приложение, форматах; - за доступ к данным и их безопасность отвечает уровень доступа к данным, и они не контролируются приложениями; - приложения имеют доступ к данным, они могут производить их обработку и выражать результаты своих процессов снова на уровне доступа к данным для коллективного использования. Задумывались ли вы с чего начинается датацентричность? По моему скромному мнению, всё начинается со сбора требований к данным и понимания их смысла. Основное что нужно сделать - формализовать процесс сбора бизнес-требований к данным. Конечно, тут потребуется автоматизированная система, так как реальный прорыв в качестве продуктов и снижение time2market вы получите, только если ваша система сбора требований к данным будет автоматизирована. Невозможно управлять данными, накапливая информацию о них в ексель-файликах или в различных пространствах на страничках конфлюенса. Нужна централизованная база знаний и инструмент, который управляет этой базой, например, это может быть бизнес-глоссарий или дата-каталог. Вскользь упоминала такую возможность вот в этой статье: Бизнес-глоссарий или как автоматизировать процесс сбора бизнес-требований к данным Стартует процесс сбора требований к данным с задачи ""Описание данных"" в бизнес-глоссарии, где каждому термину даётся развёрнутое описание, содержащее его бизнес-смысл. А дальше начинается кропотливая работа по сбору требований. Примеры требований к данным: допустимый формат, размер поля, обязательность к заполнению. Ещё варианты требований можно посмотреть в этих материалах. Сбор требований к данным - это по своей сути этап анализа данных, но максимально формализованный, вся информация о сущностях и атрибутах тщательно документируется. Кто-то может сказать, что сбор требований к данным очень трудоёмкая задача и не простая, нет компетенций, ресурсов и пр. и пр. Чтобы уверенно аргументировать данному возражению, считаю нужным напомнить, что этап сбора требований к данным - важная часть общего процесса управления данными в производственном цикле ИТ. На результаты этого этапа опираются такие задачи как: - Моделирование данных; - Разработка баз данных информационных систем; - Контроль качества данных; - Проектирование витрин и отчетов; - Проектирование интеграционных потоков. В целом, все процессы Data Governance завязаны на этап сбора требований к данным, именно он является отправной точкой для датацентричного подхода. Сколько можно сэкономить, если вам удастся внедрить системный подход к сбору и анализу данных, читаем тут: Зачем нам нужны процессы Data Governance? Но если кратко, то экономия на затратах за счет оптимизации процесса сбора и анализа данных может достигать 60% и почти также ускорять вывод продукта в промышленную среду. 👉 Подписаться на канал 👈"