คุณภาพข้อมูลสมัยใหม่ ความต้องการข้อมูลคุณภาพสูงและเชื่อถือได้ในโลกของเราจะไม่หายไป ด้วยการเติบโตของข้อมูล ความต้องการจึงเกิดขึ้นมากกว่าที่เคยเป็นมา แม้ว่าเราจะพัฒนาจากไซโลข้อมูลไปสู่ไปป์ไลน์ (ELT/TL) ไปจนถึงการสตรีมไปยังกองข้อมูล/คลังสินค้าที่ทันสมัย มัลติคลาวด์ ดาต้าเมช แต่เรายังคงเผชิญกับปัญหาเก่าของการเชื่อถือข้อมูล กล่าวคือ ข้อมูลใดที่ดี เพื่อจุดประสงค์อะไร? จะใช้ข้อมูลอะไรที่ไหนได้บ้าง? เราจะปรับปรุงได้อย่างไร ข้อมูลใดที่ละเอียดอ่อน? ทำให้เกิดคำถามว่าเหตุใดสิ่งนี้จึงยังไม่ได้รับคำตอบหลังจากผ่านไปหลายสิบปี และด้วยระเบียบวินัยมากมายในการจัดการข้อมูล เช่น การกำกับดูแลข้อมูล คุณภาพ ของข้อมูล, Data Observability, Data Catalog, Master Data Management, Data Remediation, Data Discovery, Active Metadata Management, Data Privacy, Data Intelligence, Data Lineage, Reference Data Management and on and on… เราพูดและทำมากว่าเจตนาและวัตถุประสงค์ของ เหตุใดเราจึงเริ่มสูญเสียวัตถุประสงค์ของความไว้วางใจและการปรับปรุงข้อมูล เชื่อฉันสิ ฉันอยู่กับคุณในเรื่องนี้ ถ้าคุณไม่เชื่อฉัน ดูรูปฉันที่วาดด้วยมือของฉัน
สำหรับผู้ที่กล้าหาญด้านข้อมูลที่มีความกล้าที่จะฝึกฝนวินัยเหล่านั้นทั้งหมดและยังคงมีส่วนร่วมกับฉันในบล็อกนี้ นี่คือความพยายามของฉันที่จะขจัดเสียงรบกวนและชี้ให้เห็นถึงสิ่งที่จำเป็น
สำหรับวิญญาณที่อ่อนแอซึ่งกำลังตามโฆษณาต่อไป — ลาก่อน!
ขั้นแรก ให้กำหนดปัจจัยบางอย่างเพื่อระบุและแสดงสัญญาณรบกวนในพื้นที่ของคุณภาพข้อมูลสมัยใหม่
- ปรับขนาดด้วยข้อมูลที่เพิ่มขึ้น (มาตราส่วน) — ด้วยการเพิ่มขึ้นของข้อมูล เราต้องการแพลตฟอร์มที่สามารถปรับขนาดและจัดการชุดข้อมูลขนาดใหญ่ ข้อมูลประเภทต่างๆ และที่สำคัญกว่านั้นคือความสามารถในการรองรับสถาปัตยกรรมประเภทต่างๆ เมื่อคุณจัดการกับข้อมูลระดับเพตะไบต์ และการเก็บเกี่ยวข้อมูลเมตาและข้อมูล ความเร็วและมาตราส่วนมีความสำคัญมาก แต่สิ่งที่สำคัญเช่นกันคือความสามารถในการปรับขนาดด้วยวิธีแบบไม่มีโค้ดไปจนถึงแบบใช้โค้ดน้อย
- แต่ละองค์กรมีเอกลักษณ์ (บริบท) — ทุกองค์กรไม่เท่ากัน แม้จะอยู่ในแนวดิ่ง ด้วยเทคโนโลยีและสถาปัตยกรรมที่คล้ายกัน และข้อมูลเดียวกัน ก็ยังแตกต่างกันเนื่องจากกระบวนการ คน และลูกค้าแตกต่างกัน ดังนั้น วิธีที่เราดูข้อมูล วัดผล และทำความเข้าใจจึงแตกต่างกันอย่างสิ้นเชิง กล่าวอีกนัยหนึ่งคือแต่ละองค์กรมีความแตกต่างในแง่ของบริบทและวัฒนธรรม หากเราไม่เข้าใจข้อมูลจากบริบท ก็ไม่มีประโยชน์ที่จะแก้ปัญหาใดๆ เช่น ช่วงของรายได้ต่อปีและการปฏิบัติต่างกันมากในแง่ของการตลาด เทียบกับ การวิเคราะห์ความเสี่ยง เทียบกับ การจัดจำหน่าย จำนวนเดียวกัน ค่าเดียวกัน แต่มุมมองและการตีความต่างกัน
- การสนับสนุนเมื่อองค์กรมีวิวัฒนาการ (วุฒิภาวะ) — การควบรวมกิจการเป็นสิ่งที่หลีกเลี่ยงไม่ได้เมื่อองค์กรเติบโตขึ้น และด้วยการผสมผสานของความซับซ้อนและความจำเป็นในการจัดการกับสภาพแวดล้อมที่หลากหลาย บวกกับความต้องการในการสนับสนุนระดับวุฒิภาวะที่แตกต่างกันเมื่อองค์กรเติบโตขึ้น มิฉะนั้นคุณกำลังพูดถึงแพลตฟอร์มใหม่ทุกปีและจะไม่ทำงาน! เราเห็นระยะเวลาที่สตาร์ทอัพกลายเป็นยูนิคอร์นลดลงอย่างมาก และความสามารถในการรองรับวุฒิภาวะในระดับต่างๆ เป็นสิ่งจำเป็น
- ความเกี่ยวข้องกับมูลค่าธุรกิจ (ผลกระทบ)— บางครั้งเราให้ความสำคัญกับข้อมูลมากเกินไป จนลืมให้ความสำคัญกับคุณค่าทางธุรกิจ ไม่เกี่ยวกับการสังเกตหรือติดตามหรือแจ้งเตือนหรือระบุค่าว่างและค่าว่างหรือดูมิติต่างๆ นอกจากนี้ มันไม่ได้เกี่ยวกับการใช้การตรวจจับค่าผิดปกติจากมุมมองข้อมูล แต่มันเกี่ยวกับว่าเราเกี่ยวข้องกับความคิดริเริ่มเชิงกลยุทธ์ในหน้าที่ต่างๆ ได้ดีเพียงใด เช่น การลดราคาเพื่อกระตุ้นการรักษาลูกค้าในภาวะเศรษฐกิจตึงตัวที่กำหนดเป้าหมายไปยังกลุ่มประชากรเฉพาะอาจแสดงเป็นค่าผิดปกติ แต่ควรเป็นไปตามกลยุทธ์ทางธุรกิจ สิ่งสุดท้ายที่ทุกคนอยากทำคือการถูกสแปม — ไม่สำคัญว่ามันจะเป็นอีเมลหรือหย่อนยานหรือใช้เวลาหลายชั่วโมงในการวิเคราะห์สาเหตุที่แท้จริงเพื่อดูว่ามันโอเค! มันจะต้องสมเหตุสมผลทางธุรกิจและสอดคล้องกันเป็นอย่างดี และทำงานอย่างกลมกลืนกับภารกิจและเป้าหมายในการแก้ปัญหาทางธุรกิจ
- ไม่มีเวลาให้คุณค่า (เวลาและต้นทุน) — หากคุณกำลังใช้แพลตฟอร์มที่อิงตามกระบวนการที่หลากหลายหรือการกำกับดูแลที่หนักหน่วงกับผู้คน กระบวนการ และเทคโนโลยี ลืมไปได้เลย! คุณกำลังเสียเวลาและค่าใช้จ่าย เมื่อคุณดำเนินการเสร็จสิ้น แนวข้อมูลของคุณมักจะเปลี่ยนไป ความต้องการด้านกฎระเบียบและความคาดหวังของลูกค้าก็เช่นกัน ระยะเวลาในการคิดมูลค่าควรเป็นวัน ไม่ใช่สัปดาห์ ไม่ใช่เดือน ไม่ใช่ปี!
- สนับสนุนผู้ใช้ทุกประเภท (Stewardship) — ในองค์กรใดๆ เรามีผู้ใช้สองประเภท — ธุรกิจและด้านเทคนิค ผู้ใช้ทั้งสองนี้เกี่ยวข้องกับการปรับปรุงคุณภาพและเปิดใช้งานเฟรมเวิร์กที่เชื่อถือได้ มิฉะนั้นเราจะไม่พูดภาษาเดียวกันแต่สร้างไซโลและอุปสรรคมากขึ้น
หากปัจจัยเหล่านี้ขาดหายไปคุณจะต้องจบลงที่นี่ คุณภาพข้อมูลสมัยใหม่
ยินดีต้อนรับสู่การระบุจุดรบกวนใน ซีรี่ส์ Modern Data Qualityและในบล็อกชุดถัดไป เราจะเห็นว่าแต่ละสาขาวิชาที่กล่าวถึงข้างต้นเหล่านี้ล้มเหลวในการรักษาสัญญาหรือสำนักคิดที่เกิดขึ้นใหม่ขาดคุณลักษณะบางอย่างเหล่านี้และถูกผูกมัด ที่จะล้มเหลว.
ความตั้งใจและเป้าหมายของฉันสำหรับชุดบล็อกนี้คือเพื่อช่วยให้ผู้นำด้านข้อมูลและผู้มีอิทธิพลไม่ต้องตกเป็นเหยื่อของแฟชั่นหรือเรือแตก
THAI-PDPA เปิดให้คำปรึกษาโดยผู้เชี่ยวชาญแบบครบวงจร ด้วยเทคโนโลยี Data Protection Services ที่แนะนำให้ไปประยุกต์ใช้เพื่อปกป้องข้อมูลพนักงานและลูกค้า
ผู้ที่สนใจใช้บริการ Data Protection Services ของ THAI-PDPA สามารถติดต่อฝ่ายขายที่ดูแลคุณหรือฝ่ายการตลาดได้ที่เบอร์ 0-2860-6659 หรืออีเมล dcs@ko.in.th สอบถามได้สบายใจทั้ง เรื่องค่าบริการ ราคา และ งบประมาณ เพราะเป็นราคาที่สุดคุ้มที่สุด
หากท่านมีความสนใจ บทความ หรือ Technology
สามารถติดต่อได้ตามเบอร์ที่ให้ไว้ด้านล่างนี้
Tel.086-594-5494
Tel.095-919-6699
สนใจรับคำปรึกษาด้านวางระบบจัดการเอกสารอิเล็กทรอนิกส์ EDMS โดยทีมงานผู้เชี่ยวชาญจาก K&O ที่มีประสบการณ์มากว่า 15 ปี รวมถึงซอฟต์แวร์ระดับโลก ติดต่อ 0 2 – 8 6 0 – 6 6 5 9
หรือ E m a i l : c s @ k o . i n . t h สอบถามได้สบายใจทั้ง เรื่องค่าบริการ ราคา และ งบประมาณ เพราะเป็นราคาที่สุด คุ้มที่สุด
Leave A Comment?